css og layoutsKI

Refaktorere gammel CSS med KI uten visuelle regresjoner

Temaet til nettbutikken er ti år gammelt. Et Bootstrap 3-grid med .row og .col-md-4, produktkort på float: left med clearfix, en meny på display: inline-block, avstander satt med marger noen en gang valgte på øyemål. Det fungerer, men hver endring er en risiko, så ingen rører det. Helt til den dagen du ber en KI-assistent: «skriv om layouten med flex og grid, uten å endre utseendet».

Ti minutter senere har du en diff på femten hundre linjer. Forsiden ser identisk ut på laptopen din. Produktlisten også. Du ruller ut. Neste dag kommer tre meldinger: i produktkortet er avstandene mellom pris, navn og knapp dobbelt så store som før; produkter med et langt navn uten mellomrom – «Kontorlampe-LED-med-justering-3000K–6500K» – skyver flisen sin ut av rutenettet; og menyen brytes til en ny linje på nettbrett, selv om den fikk plass før.

Ingen av disse endringene var tilsiktet. Modellen gjorde akkurat det du ba om – den skrev om CSS-en og «endret ikke utseendet» på de skjermene den så for seg selv. Ingen, heller ikke du, sjekket resten.

Hvorfor en CSS-refaktorering er så vanskelig å sjekke

En refaktorering av JavaScript har sikkerhetsnett: typer i TypeScript melder at en funksjon får et annet argument, enhetstester at den returnerer et annet resultat. CSS har verken det ene eller det andre. Riktigheten til et stilark er bare hvordan siden ser ut: piksler i en bestemt viewport, med bestemt innhold, i en bestemt nettleser.

I tillegg er CSS ikke lokal. En endring i én regel påvirker elementer et helt annet sted – via kaskaden, arv, sammenfallende marger eller en endret størrelse på forelderen. I artikkelen om nativ nesting viste jeg hvordan flytting av kode fra SCSS til CSS uten å endre ett eneste tegn i selektorene endret fargen på en knapp i den andre enden av siden – på grunn av den annerledes spesifisiteten til :is(). Diffen viser ikke det. Det viser først den rendrede siden.

KI-modellen har ett problem til her: den ser ikke siden før du viser den. Den vurderer refaktoreringen sin ut fra koden, og i koden ser «flex med gap: 16px» ut som et nøyaktig motstykke til «floats med margin: 16px». På skjermen – ikke alltid.

Sikkerhetsnettet: skjermbilder før endringen

Løsningen er gammel og velprøvd: visuelle regresjonstester. Før refaktoreringen tar du skjermbilder av viktige sider i flere bredder, etter hver endring tar du dem på nytt og sammenligner piksel for piksel. Playwright har dette innebygd i toHaveScreenshot().

tsx

// playwright.config.ts
import { defineConfig } from "@playwright/test"
export default defineConfig({
testDir: "./tests",
use: { baseURL: "http://localhost:3000" },
expect: {
toHaveScreenshot: { maxDiffPixelRatio: 0.001 },
},
projects: [
{ name: "mobile", use: { viewport: { width: 390, height: 844 } } },
{ name: "tablet", use: { viewport: { width: 820, height: 1180 } } },
{ name: "desktop", use: { viewport: { width: 1440, height: 900 } } },
],
})

tsx

// tests/visual.spec.ts
import { test, expect } from "@playwright/test"
const pages = [
"/",
"/kategori/lamper",
"/produkt/led-kontorlampe",
"/produkt/produkt-med-veldig-langt-navn",
"/handlekurv",
]
for (const path of pages) {
test("utseende " + path, async ({ page }) => {
await page.goto(path)
await page.evaluate(async () => {
await document.fonts.ready
})
await expect(page).toHaveScreenshot({
fullPage: true,
mask: [page.locator("[data-dynamic]")],
})
})
}

Den første kjøringen – på koden fra før refaktoreringen – lagrer referanseskjermbilder i en mappe ved siden av testen. Hver neste kjøring sammenligner det nåværende utseendet med dem og feiler hvis mer enn 0,1 % av pikslene er forskjellige. Ved feil lagrer Playwright tre bilder i test-results: referansen, det nåværende skjermbildet og et differansekart der endrede piksler er markert i rødt.

Legg merke til listen over sider. Den inneholder et produkt «med veldig langt navn» – det er ingen tilfeldighet. Skjermbilder sjekker bare det de viser, så testsidene må inneholde grensetilfeller: lange ord, et manglende bilde, et nedsatt produkt med to priser, en tom handlekurv. Én side med typisk innhold slipper gjennom de fleste regresjonene fra innledningen.

Stabile skjermbilder: før du begynner å stole på dem

En test som noen ganger består og noen ganger ikke, er verre enn ingen test – etter den tredje falske alarmen slutter alle å lese resultatene. Fire kilder til ustabilitet er verdt å fjerne med en gang:

  • Fonter. Et skjermbilde tatt før webfonten er lastet, viser reservefonten. document.fonts.ready i testen venter til fontene er klare.
  • Animasjoner. toHaveScreenshot() stopper CSS-animasjoner og -overganger som standard, men animasjoner styrt av JavaScript – karuseller, tellere – må du stoppe eller maskere selv.
  • Dynamisk innhold. Dato, en teller «kjøpt 14 ganger denne uken», tilfeldige anbefalte produkter. Merk dem med et attributt og send dem til mask – Playwright dekker dem med et ensfarget rektangel.
  • Operativsystem. Den samme CSS-en rendres litt forskjellig på macOS, Windows og Linux – annen kantutjevning av fonter, andre rullefelt. Playwright legger plattformnavnet til filnavnene på referansene, men i praksis er det enklest å alltid ta skjermbilder i det samme miljøet, for eksempel i det offisielle Docker-bildet til Playwright, lokalt og i CI.

Refaktorering i små steg

Med visuelle tester endrer det seg hvordan du ber KI om en refaktorering. I stedet for «skriv om hele layouten» leder du den gjennom en løkke: én komponent, tester, gjennomgang av forskjellene, neste komponent.

markdown

## CSS-refaktorering
- Før første endring: npx playwright test – alle testene må bestå.
- Én komponent per steg (f.eks. produktkort, så listegrid, så meny).
- Etter hvert steg: npx playwright test.
- Kjør aldri testene med --update-snapshots, og slett eller overskriv aldri
filer i *-snapshots-mapper.
- Hvis en test feiler: oppgi side og bredde, beskriv forskjellen ut fra
diff-bildet i test-results, og angi årsaken i CSS-en.
Ikke fortsett å endre før jeg bekrefter om forskjellen er tilsiktet.

En slik seksjon i CLAUDE.md eller en annen regelfil – som jeg skrev om i artikkelen om hvorfor KI skriver CSS som i 2015 – endrer samarbeidet. En agent som kan kjøre testene selv og se på differansebildet, slutter å levere kode som «burde se lik ut». Den leverer kode den vet ser lik ut – eller en konkret liste over steder der den ikke gjør det, med en forklaring på hvorfor.

Et lite steg har en annen fordel også: når en test feiler etter endring av én komponent, vet du hvor du skal lete etter årsaken. Etter å ha skrevet om hele temaet på én gang kan et rødt differansekart på produktsiden ha ti uavhengige kilder.

Fellen: KI fikser testen i stedet for CSS-en

Dette er hovedgrunnen til at regelen om --update-snapshots står for seg selv i reglene, uten unntak. En modell som får beskjed om å «få testene til å bestå», har to veier: fikse CSS-en eller oppdatere referansene. Den andre er kortere, lykkes alltid og er riktig ut fra forespørselen – testene består.

bash

# Denne kommandoen lagrer det nåværende utseendet som ny referanse.
# Etter den blir hver regresjon «det forventede utseendet».
npx playwright test --update-snapshots

Etter en slik «fiks» garanterer grønne tester ingenting lenger, og regresjonen fra innledningen ligger i repositoriet som referanse. Modellen gjør ikke dette i ond tro – den skiller rett og slett ikke av seg selv mellom en tilsiktet endring av utseendet og en feil, fordi det er en designbeslutning, ikke en teknisk.

Derfor tas beslutningen om å oppdatere referanser alltid av et menneske, etter å ha sett på differansekartet. Det er verdt å sikre dette også utenfor regelfilen: i kodegjennomgang skal hver endring i *-snapshots-mapper være synlig og begrunnet, og i CI kjøres de visuelle testene uten mulighet til å oppdatere referanser. Når en endring av utseendet er tilsiktet – for eksempel en ny avstand i kortet – oppdaterer du referansene i en egen commit som bare inneholder den endringen.

Hva som oftest flytter seg når du går fra floats til flex og grid

De fleste regresjonene fra en slik refaktorering har noen få gjentakende kilder. De er verdt å kjenne, fordi de lar deg lese et differansekart raskt – og legge dem inn i reglene, slik at modellen unngår dem fra starten.

Marger slutter å falle sammen. I vanlig blokkflyt faller vertikale marger på naboelementer sammen: to elementer med margin-block: 16px står 16px fra hverandre, ikke 32px. I en flex- eller grid-beholder skjer ikke denne sammenfallingen.

css

/* Før: blokkelementer, 16px mellom dem */
.product-info > * {
margin-block: 16px;
}
/* Etter at forelderen ble flex: 32px */
.product-info {
display: flex;
flex-direction: column;
}
/* Riktig: avstand fra gap, marger nullstilt */
.product-info {
display: flex;
flex-direction: column;
gap: 16px;
}
.product-info > * {
margin-block: 0;
}

Det er akkurat de «dobbelt så store avstandene i produktkortet» fra innledningen. Den samme regelen gjelder mellom en forelder og det første barnet: toppmargen på en overskrift som tidligere «slapp ut» av beholderen, blir værende inni en flex-beholder og skyver innholdet ned.

Flex-elementer vil ikke krympe under innholdet sitt. Standardverdien min-width: auto på flex-elementer betyr at et element ikke blir smalere enn den lengste delen som ikke kan brytes – et langt ord, en URL, et bilde. Floats og blokker lot rett og slett teksten gå utenfor boksen, flex skyver hele flisen bredere.

css

.product-card__body {
min-width: 0; /* lar elementet krympe under innholdet */
}
.product-card__title {
overflow-wrap: anywhere; /* bryter lange ord uten mellomrom */
}
/* I grid løser minmax(0, 1fr) i stedet for 1fr det samme problemet */
.product-grid {
display: grid;
grid-template-columns: repeat(auto-fill, minmax(min(240px, 100%), 1fr));
}

Mellomrommene mellom inline-block-elementer forsvinner. En meny bygd med display: inline-block hadde noen få piksler mellom punktene – ikke fra CSS, men fra mellomrom og linjeskift i HTML-en, som nettleseren rendrer som tekst. Flex ignorerer disse mellomrommene, så etter refaktoreringen er menyen noen piksler smalere per punkt – eller, hvis modellen «jevnet det ut» med en større gap, bredere, og den brytes på nettbrett.

De negative margene i Bootstrap-gridet. I Bootstrap 3 har .row margin: 0 -15px, og kolonnene har padding: 0 15px, slik at ytterkantene av innholdet flukter med beholderen. Å bytte til et grid med gap: 30px uten å fjerne paddingen på kolonnene eller justere beholderen forskyver ytterkantene med 15px – en liten, men synlig forskjell i justeringen mot topptekst og bunntekst.

Feller og god praksis

  • Referanser først, deretter refaktorering. Skjermbilder må tas på koden fra før endringen. Referanser tatt etter refaktoreringen låser feilene fast.
  • Testsider med grensetilfeller. Lange navn, manglende bilder, to priser, en tom handlekurv – skjermbilder fanger bare det de viser.
  • Stabilitet før tillit. Vent på fonter, masker dynamisk innhold, ta alltid skjermbilder i det samme miljøet.
  • Én komponent per steg. En kort løkke med endring, test og gjennomgang lar deg peke ut årsaken til hver forskjell med en gang.
  • Ingen --update-snapshots for KI. En modell som skal gjøre testene grønne, får det enklest til ved å oppdatere referansene. Den beslutningen tas alltid av et menneske, i en egen commit.
  • Kjenn de typiske forskyvningene. Ingen sammenfallende marger i flex og grid, min-width: auto, mellomrom mellom inline-block-elementer og de negative margene til .row forklarer de fleste røde differansekart.
  • Nettleserstøtte. gap i flexbox fungerer siden Chrome 84, Firefox 63 og Safari 14.1, og overflow-wrap: anywhere siden Chrome 80, Firefox 65 og Safari 15.4 – skal refaktoreringen støtte eldre enheter, sjekk det før du erstatter marger med gap.

Oppsummering

Refaktorering av gammel CSS er en oppgave der KI er rask og overbevisende, og feilene er usynlige i diffen – fordi riktigheten til CSS er hvordan siden ser ut, ikke koden. Visuelle regresjonstester i Playwright gir den det manglende sikkerhetsnettet: referanseskjermbilder fra før endringen, en sammenligning etter hvert steg og et differansekart som både et menneske og en agent kan se på. To regler avgjør om dette nettet holder: referansene lages før refaktoreringen, og bare et menneske bestemmer når de skal oppdateres – fordi en modell som blir bedt om grønne tester, enklest oppnår dem ved å lagre regresjonen som en ny referanse. Og når differansekartet blir rødt, er årsaken som regel en av noen få kjente: marger som sluttet å falle sammen i flex, min-width: auto, forsvunne mellomrom mellom inline-block-elementer eller de negative margene i det gamle gridet.