一位工程经理尝试使用 AI 助手 Claude，仅根据一张截图和一些图片素材来复刻 1996 年版的《空中大灌篮》（Space Jam）官方网站，但屡次尝试均以失败告终。实验揭示了当前 AI 的一个核心局限：虽然 Claude 能理解页面的整体布局和元素含义，但由于其视觉处理机制的限制，它无法精确测量像素位置。这导致生成的网页与原版在布局上有很大偏差。即便提供了网格线、分区对比等辅助工具，AI 依然会陷入自我肯定的循环，无法修正最初的错误，反而对错误的方案愈发自信。这个过程表明，AI 在精确的空间推理和视觉细节还原方面仍有很长的路要走。
第一次尝试：过于自信的 AI
作者向 Claude 提供了重建网站所需的一切：一张完整的网页截图和所有图片素材。由于原网站设计简单，仅使用 绝对定位 来放置每个元素，作者起初认为这会是一项轻松的任务。
- 任务目标： 忠实地根据截图，精确复刻登陆页面。
- 初始结果： 布局大体相似，但并不准确。行星的排列轨道是错误的，更像一个对称的菱形，而非原来的椭圆形。
- AI 的自我评价： Claude 对自己的作品非常满意，宣称“成功地复刻了”页面，并表示自己“精确地定位了行星”。
当被追问时，Claude 暴露出一个根本性问题。
作者：“你能告诉我‘PLANET B-BALL’文字开始的精确像素坐标吗？” Claude：“不，我无法测量精确的像素坐标。我只能进行视觉上的估算。”
这个回答解释了失败的原因：Claude 理解“有什么”，但不知道“在何处”。它能识别出这是一个行星，却无法获取其精确的几何位置信息。
第二次尝试：辅助工具也无济于事
为了解决 AI 无法测量的问题，作者开发了一系列工具来辅助它。
- 网格叠加： 在截图上添加网格线，帮助 Claude 读取坐标。
- 分区域对比： 将截图分割成小块，让 Claude 可以逐一检查细节。
- 并排查看器： Claude 自己创建了一个工具，用于同时查看参考图和自己的版本。
尽管有了这些工具，结果依然不理想。Claude 确实使用了网格来读取坐标，但它读取的数字从一开始就是错的。更糟糕的是，它陷入了一种认知偏差。
AI 会基于自己生成的错误版本进行微调，而不是对照真正的原始截图进行修正。它会自信地宣布“越来越接近了！”或“现在对齐好多了！”，而实际上，它的布局正朝着错误的方向“优化”。
作者推测，这可能是因为 AI 无法区分自己生成的内容和外部提供的“真实信息”。一旦它创建了一个版本，后续所有的调整都锚定在了这个错误的版本上，工具反而增强了它对错误答案的信心。
第三次尝试：放大图片与最终猜想
作者从一篇关于视觉模型架构的论文中得到启发，形成了一个新的理论。
- 核心猜想： AI 的视觉模型可能将图像分割成固定的图像块（例如 16x16 像素）来处理。这意味着，图像中的精细几何细节在处理过程中会丢失。AI 能识别出一个物体（比如一个行星），但由于它只处理几个概括性的图像块，因此无法感知其精确的边界和位置。
- 最后的实验： 为了验证这个猜想，作者将截图放大两倍后提供给 Claude，希望更大的图像能让每个元素占据更多的图像块，从而保留更多细节。
- 最终结果： 再次失败。Claude 无法理解这个图像是放大过的，它按照放大的尺寸来编写代码，导致布局完全错误。
结论：简单的任务，复杂的挑战
这次复刻尝试最终以失败告终，它戏剧性地揭示了当前多模态 AI 模型在视觉精度方面的局限。
- 语义理解 vs 几何精度： AI 擅长识别和描述图像中的概念和关系（“行星围绕着标志”），但在需要精确几何数据（“行星在坐标 (x,y) 处”）时则表现不佳。
- 看似简单的挑战： 一个 28 年前由人类设计师随意完成的网页布局，却成了衡量当前顶尖 AI 模型能力的一个无心插柳的标尺。
- 未来的可能性： 作者最后提出了一些尚未尝试的方法，例如将屏幕分块独立完成再合并，或者寄希望于未来的“魔法提示词”，并呼吁社区共同解决这个挑战。