WebViSE：从开放网络规模化获取视觉设计智能，赋能大语言模型网站生成

大语言模型在网站开发方面取得了显著进展，使人们能够以少得多的精力，根据自然语言指令构建完整且可交互的网络体验。然而，非专业用户往往难以用自然语言准确表达复杂的视觉与交互设计。与此同时，开放网络中成熟的网站实现已经蕴含了海量此类设计知识。为此，我们提出了源自网站的视觉技能提取框架（WebViSE），该框架可自动将这些实现抽象为可复用的视觉技能，并构建结构化的技能库。为扩大技能库规模，WebViSE 使用多父节点有向无环图（DAG）组织技能，并通过以技能为条件的潜在查询，联合演化技能描述与 DAG 结构，从而高效匹配多样化的用户指令与相关技能。自动演化得到的结构优于非层级式的大语言模型检索基线，而其检索成本仅为使用 Qwen3.8-Max 时预估检索成本的 39.09%。对于任意模型，WebViSE 均可作为即插即用的指导直接注入，使不同模型能够生成更具视觉吸引力、审美更精致的网页。对于开源模型，WebViSE 可用于构建数据合成流水线，将视觉设计智能内化到模型权重中。在多个网页开发基准上的实验及人工评估一致表明，WebViSE 能够提升生成产物的视觉质量和交互保真度。总体而言，我们的工作建立了一条自动化路径，用于从开放网络中提取、组织设计智能，并将其迁移至网站构建模型。我们在 https://github.com/YifeiSun-0710/WebViSE 发布了所有提取出的视觉技能、相应的技能 DAG 以及代码。