标注模式启动。用户点击元素、画圈、写备注。截图、DOM 快照、控制台日志在后台自动捕获。
AI 追问一两个澄清问题,然后提取:场景(上下文)、阻塞点和真实的底层需求。
安装一次 Skill 并连接 MCP (左侧)。Skill 为 Agent 提供工作流,MCP 和 CLI 负责读取反馈数据与更新状态。然后运行 /makethisbetter pick,检查原始证据、领取反馈并开始修复 (右侧)。Claude Code、Cursor、Windsurf 和 Codex 都能使用。
公开的反馈看板实时展示进度。你的用户看着自己的问题从已收到 → 处理中 → 已上线。赢得信任,防止流失。
AI 让你发版飞快,但快不等于对。真正的问题不是写不出代码,而是你根本不知道用户到底卡在哪。Make This Better 帮你打通这一环:
23 个用户反复点击导出按钮,最后直接离开。数据和日志却一切正常。Widget 让他们当场反馈,Agent 立即接手。
用户只说一句「不好使」,你却无从下手。Widget 自动带上 URL、报错和截图。运行 /feedback pick,Agent 直接开修。
没有 QA,你只能上线前自己点几下。真实用户总会遇到你没想到的问题。Widget 会自动记录现场,让每次使用都能变成测试。
七个用户先后想要邮件分享。AI 把零散反馈合成一个需求,Agent 直接实现。你差点错过的付费功能,就这样浮现了。
安装 CLI、连接 MCP、开始处理反馈——全部在终端里完成。
用户提反馈。Agent 修复。你睡觉。
需要在网站上安装 Widget?文档
按团队付费。所有方案均可自带 API Key,AI 免费用。