Show HN : ProofShot – Donnez aux agents de codage de l'IA des yeux pour vérifier l'interface utilisateur qu'ils créent

Lorsque l’IA se construit, comment pouvons-nous vérifier ?

La promesse des agents de codage IA est enivrante : décrire une fonctionnalité et regarder pendant qu'elle génère le code pour la rendre réelle. À partir d'une simple invite texte, vous pouvez obtenir un composant fonctionnel, une nouvelle page ou même un module d'application entier. Mais il existe une lacune critique dans ce flux de travail. L’agent peut écrire le code, mais il ne peut pas automatiquement voir le résultat. Le bouton s'affiche-t-il au bon endroit ? Le texte est-il correctement aligné ? Les éléments interactifs sont-ils réellement fonctionnels, ou simplement théoriquement présents dans le DOM ? Cette étape de vérification est restée obstinément humaine – jusqu’à présent.

Présentation de ProofShot : la couche de vérification visuelle pour les agents IA

ProofShot est un outil de développement conçu pour boucler cette boucle. Il donne des « yeux » aux agents de codage IA en capturant et en analysant automatiquement les captures d'écran de l'interface utilisateur qu'ils viennent de créer ou de modifier. Considérez-le comme un pipeline CI/CD pour les assertions visuelles. Après qu'un agent IA comme Claude, GPT ou un modèle personnalisé exécute une tâche, telle que « ajouter une carte de profil utilisateur au tableau de bord », ProofShot prend automatiquement une capture d'écran de l'interface résultante. Il traite ensuite cette preuve visuelle, vérifiant l'intégrité de base du rendu ou la comparant à une référence pour détecter les changements involontaires. Cela crée un point de contrôle automatisé et fiable entre le code généré par l’IA et l’examen humain.

Comment ProofShot s'intègre dans une pile de développement moderne

La mise en œuvre de ProofShot consiste à intégrer la vérification visuelle dans votre automatisation existante. Il s'agit d'une étape post-exécution dans le flux de travail de votre agent IA. Par exemple, dans une plateforme comme Mewayz, où les modules métiers sont construits et déployés en mettant l'accent sur la composabilité, ProofShot pourrait être intégré en tant qu'étape de gouvernance. Une fois qu'un agent IA a assemblé ou modifié un module de portail client dans Mewayz, ProofShot générerait automatiquement un rapport visuel avant que les modifications ne soient promues. Cela garantit que l’intégrité modulaire du système d’exploitation professionnel est maintenue visuellement et fonctionnellement. Le flux de travail est simple :

Action de l'agent : l'agent de codage AI termine sa tâche de codage et déploie la modification dans un environnement d'aperçu.

Capture automatique : ProofShot est déclenché, naviguant vers les URL pertinentes et capturant des captures d'écran haute fidélité.

Analyse et rapport : les captures d'écran sont analysées pour la qualité du rendu ou comparées aux versions précédentes.

Porte de décision : les résultats sont renvoyés au pipeline de développement, soit en passant la version, en la signalant pour examen ou en demandant à l'agent de corriger sa trajectoire.

Au-delà de la prévention des bogues : activer l'itération autonome

L'avantage immédiat de ProofShot est d'empêcher les régressions visuelles, en stoppant les bogues avant qu'ils n'atteignent les utilisateurs. Mais son plus grand potentiel réside dans la possibilité d’une véritable itération autonome. Grâce à un mécanisme de retour visuel fiable, un agent IA peut désormais tenter une tâche, voir le résultat visuel et ajuster son approche. Par exemple, s'il est chargé de « centrer le formulaire de connexion », l'agent peut utiliser le résultat de ProofShot pour vérifier son succès et, si nécessaire, modifier le CSS et réessayer. Cela transforme l’IA d’un générateur de code unique en un développeur itératif capable d’apprendre de résultats tangibles. Dans des environnements complexes et modulaires comme Mewayz, où différents modules métier doivent maintenir un lexique d'interface utilisateur cohérent, cela garantit que le développement basé sur l'IA adhère aux normes de conception sans intervention humaine constante.

"ProofShot ne se contente pas de tester l'interface utilisateur ; il complète la boucle de rétroaction pour le développement autonome. Il fait passer le rôle humain de vérificateur constant à superviseur stratégique, confiant l'exécution de l'IA tout en lui fournissant les sens nécessaires pour vérifier son propre travail."

L'avenir du développement avec l'IA et l'assurance visuelle

Des outils comme ProofShot représentent la prochaine évolution du développement assisté par l'IA. Ils abordent le problème fondamental de la confiance en fournissant des preuves objectives et visuelles du travail d’une IA. À mesure que les agents IA deviennent de plus en plus ca

Frequently Asked Questions

When AI Builds, How Do We Verify?

The promise of AI coding agents is intoxicating: describe a feature, and watch as it generates the code to make it real. From a simple text prompt, you can get a functional component, a new page, or even an entire application module. But there’s a critical gap in this workflow. The agent can write the code, but it cannot inherently see the result. Does the button render in the right place? Is the text aligned correctly? Are the interactive elements actually functional, or just theoretically present in the DOM? This verification step has remained stubbornly human—until now.

Introducing ProofShot: The Visual Verification Layer for AI Agents

ProofShot is a developer tool designed to close this loop. It gives AI coding agents "eyes" by automatically capturing and analyzing screenshots of the UI they just built or modified. Think of it as a CI/CD pipeline for visual assertions. After an AI agent like Claude, GPT, or a custom model executes a task—such as "add a user profile card to the dashboard"—ProofShot automatically takes a screenshot of the resulting interface. It then processes this visual proof, checking for basic render integrity or comparing it against a baseline to detect unintended changes. This creates a trustworthy, automated checkpoint between AI-generated code and human review.

How ProofShot Integrates into a Modern Development Stack

Implementing ProofShot is about weaving visual verification into your existing automation. It acts as a post-execution step in your AI agent's workflow. For instance, in a platform like Mewayz, where business modules are built and deployed with a focus on composability, ProofShot could be integrated as a governance step. After an AI agent assembles or modifies a customer portal module within Mewayz, ProofShot would automatically generate a visual report before the changes are promoted. This ensures that the modular integrity of the business OS is maintained visually and functionally. The workflow is straightforward:

Beyond Bug Prevention: Enabling Autonomous Iteration

The immediate benefit of ProofShot is preventing visual regressions—stopping bugs before they reach users. But its greater potential lies in enabling true autonomous iteration. With a reliable visual feedback mechanism, an AI agent can now attempt a task, see the visual outcome, and adjust its approach. For example, if tasked with "centering the login form," the agent can use ProofShot's output to verify its success and, if necessary, tweak the CSS and try again. This transforms the AI from a one-shot code generator into a iterative developer that can learn from tangible results. In complex, modular environments like Mewayz, where different business modules must maintain a consistent UI lexicon, this ensures AI-driven development adheres to design standards without constant human intervention.

The Future of Development with AI and Visual Assurance

Tools like ProofShot represent the next evolution in AI-assisted development. They address the fundamental trust issue by providing objective, visual evidence of an AI's work. As AI agents become more capable, the bottleneck will shift from code generation to verification and integration. By automating visual verification, we accelerate the entire cycle, allowing teams to focus on higher-level architecture and user experience. Platforms that embrace this integrated approach, especially modular business operating systems like Mewayz, will be able to deploy updates and new features with unprecedented speed and confidence, knowing their AI co-developers have the "eyes" to see and correct their own mistakes.