这个开发者把AI当文盲，写了份只有机器能懂的"说明书"

AI读网页的方式，像极了你让奶奶操作Excel——她得盯着每个单元格猜这表格是干嘛的，而你知道表头、公式、数据验证全藏在代码里。Om Raj发现，今天的AI代理和编码工具就是这么"读"网站的：眯着眼睛看原始HTML，试图从压缩后的JavaScript里反推开发者的真实意图。组件之间的关系？品牌色的细微差别？底层API的数据结构？全丢了。

他把这个问题量化得很具体：一个典型的Next.js项目里，设计令牌（design tokens）散落在Tailwind配置、CSS变量和组件props里，路由逻辑埋在文件系统约定中，API契约只有后端知道。AI看不到这些"隐式知识"，只能硬猜。

WebDNA是他给的解决方案——一份放在固定地址的站点"基因图谱"。

从"盲人摸象"到"开卷考试"

这套系统直接嵌进Next.js的构建流程。项目打包时，WebDNA自动扫描三件事：路由树长什么样、Tailwind配置里提取了哪些设计令牌、组件层级如何嵌套。开发者不需要写额外文档，隐式知识被翻译成显式结构，任何来访的AI都能拿到一份完整简报。

Om Raj对比了现有方案：站点地图（sitemap）只给URL列表，robots.txt只会说"这里别爬"，纯文本的AI说明文件（llms.txt）最多提供高层摘要。它们都不解释设计系统，不说明动态路由的具体数据需求，更不告诉你哪个组件负责什么功能。

WebDNA的manifest文件填补了这个空缺。开发者可以标记哪些区域是私有的，哪些组件承担特定角色，品牌规范直接写进机器可读的结构。AI访问时，不再是"看到什么算什么"，而是带着完整上下文进场。

安全设计被放在核心位置。manifest是静态JSON，只读且不可执行。Om Raj加了元素级排除功能——给DOM节点加个属性，就能让这部分内容对AI不可见。"这是基于同意的结构化访问，"他在文档里写，"不是让AI工具能刮到什么算什么。"

为什么偏偏是现在

这个时机选得微妙。AI代理正在从"聊天窗口"变成"能动手"的工具——它们不只回答问题，还要帮你订机票、改代码、管理后台。但网页对它们来说，界面和API混成一团，操作风险极高。

Om Raj举了个具体场景：一个AI代理想帮用户修改网站配色。没有WebDNA，它得从CSS里猜主色、辅色、语义化颜色的区别，很可能把"错误红"当成"品牌红"。有了manifest，设计令牌直接标注用途，AI知道#EF4444是"destructive"（破坏性操作），不是品牌色。

另一个场景更实际：动态路由。/dashboard/[teamId]/settings 这个路径，AI需要知道teamId从哪来、需要什么权限、设置页面有哪些可配置项。传统爬虫只能看到最终HTML，WebDNA在构建阶段就把这些元数据打包好了。

这套方案目前锁定Next.js生态，Tailwind是硬依赖。Om Raj的解释很直接：这是现代Web开发最集中的技术栈，先解决这里的问题，再考虑扩展。GitHub仓库和官方文档（webdna.omraj.guru）已经开放，但还没看到大规模采用案例。

一个老问题的机器翻译版本

WebDNA本质上在做一件很熟悉的事：给机器写注释。只是注释对象从"下一任维护代码的人类"变成了"来访的AI代理"。

这个思路有先例。Schema.org让搜索引擎理解页面内容，Open Graph协议让社交分享卡片更精准，robots.txt给了爬虫行为边界。WebDNA想做的是同一类事，但针对AI代理的认知需求——它们需要的不只是"这是什么"，而是"这东西怎么用、有什么限制、和其他东西什么关系"。

Om Raj的表述很克制。他没提"颠覆"或"下一代Web标准"，只说"减少摩擦和错误"。但技术社区的反馈分化明显：一部分人觉得这是必要的中间层，另一部分人担心又多了一个需要维护的配置文件，而且锁定在Vercel生态。

一个未被回答的问题是：如果AI代理的能力继续提升，这种"显式声明"会不会变得多余？毕竟GPT-4已经能从截图里还原UI代码， Claude能直接操作浏览器。WebDNA押注的是"结构化信息永远比反向工程更高效"，但这个赌注的期限是多久？

项目GitHub仓库的星标数、首批采用者的反馈、以及Vercel官方是否会内置支持——这三个信号，大概能告诉我们这份"机器说明书"有没有未来。