Concept · 圖譜 · 2026
圖譜是什麼:一張可以被問問題的結構圖
不是視覺化的網,也不是 AI 的腦。它是一棵樹,加上一張「身分證」規則——讓「哪些頁面一樣、哪些是彈窗」變成可以算的問題。
00一張圖,先回答三個問題
對非技術讀者,圖譜只需要回答三件事:
| 問題 | 答案的一句話 |
|---|---|
| 為什麼要長成這樣? | 因為設計稿本身就是「誰包含誰、誰蓋在誰上面」的樹 |
| 為什麼 agent 拿到的資料是準的? | 它拿的是算好的欄位,不是自己看圖;每個答案都掛著可查的 ID |
| 為什麼不是掃一遍全量? | 判斷只看每個畫面的頂層結構(全檔 2.3% 的節點),其餘靠預先算好的索引 |
01一個畫面的骨架
這是 1:102753(一個真實的彈窗)在圖譜裡的樣子。每個方塊是一個節點;線是「包含」關係;z 是誰蓋在誰上面。
從這張圖可以直接讀出三件事,也就是圖譜的三個元素:
| 元素 | 在這張圖上 | 可以回答什麼 |
|---|---|---|
| 邊 | 誰連到誰(parent_id) | 這頁包含哪些區塊 |
| 順序 | z:0 → 1 → 2 | 誰蓋在誰上面(彈窗的關鍵) |
| 尺寸 | 390×844 vs 280×276 | 誰是遮罩、誰是面板 |
02同一種,怎麼算
人看得懂「這兩個彈窗長一樣」,程式不行。所以每個節點先算一張身分證:
hash(節點) = md5( 型別 + 依序的子節點 hash )
算法是由下往上:先算子節點,再把子節點的號碼依序串起來,算父節點。所以整棵子樹的形狀,最後會變成一個短碼。
03規則疊在圖上
有了圖與身分證,彈窗就可以寫成三個條件,而且每個條件都對應圖上的一個位置:
| 條件 | 在圖 1 的哪裡 |
|---|---|
| 這一層與畫布同尺寸(±3px) | mask 的 390×844 |
| 這一層的子樹沒有文字 | mask 子樹 0 個 TEXT(面板的 7 個不算) |
| 緊鄰上方是更小的面板 | z2 的 Dialog-Slot 280×276 |
三個都成立 → overlay-panel。所以「判斷彈窗」在圖譜上不是找相似圖片,是對每個畫面的頂層子節點做一次條件檢查。
這就是為什麼 agent 拿到的答案是準的:它拿到的是「這個檢查已經跑完的結果」——archetype 這個欄位——而不是需要它自己看圖推論的東西。
04不是掃全量
「不掃全量」不是修辭,是可以量的。這份檔案有 163,601 個節點,判斷實際只碰了 3,831 個(2.3%):
為什麼可以只看頂層?因為彈窗的定義是「畫布上蓋了一層遮罩」,這件事發生在畫面的頂層,不會藏在第 20 層的子節點裡。
05為什麼這樣是準的
三個理由,都不依賴模型:
| 理由 | 證據 |
|---|---|
| 規則被人工標註驗證過 | 42 個標註:precision / recall 1.00 |
| 實地抽查過 | 10 個節點,設計師在 Figma 逐一比對:10/10 |
| 答案可回查 | 每個結果都帶 node id;說錯可以重跑 |
Agent 的工作只是把「已算好的欄位」翻譯成句子;它不需要相信自己的眼睛,也不需要相信模型的印象。
06邊界
| 情況 | 會怎樣 |
|---|---|
| 遮罩被畫進元件內部、沒有獨立圖層 | 可能判成 page,需要人工複審 |
| 全螢幕但沒有遮罩(引導頁) | 落在 page,這是對的 |
| 畫布尺寸不同(不是 390×844) | 要改掃描尺寸參數,否則掃不到 |
所以答案永遠帶著定義:「結構上的彈窗有 87 個」。