npx skills add https://github.com/Leonxlnx/taste-skill
taste-skill
一个给 AI 编程助手装上"审美雷达"的技能包。13 个专业变体、3 个可调旋钮、14 项起飞前强制检查——让 AI 生成的界面不再是千篇一律的蓝紫渐变 + Inter 字体 + 三等分卡片。
// 目录
// 01 · 项目数据概览
// 02 · 我为什么关注这个项目
说实话，我自己做 AI Coding 行业研究快半年了，一直在用 Claude Code 生成前端页面。有个问题困扰我很久——AI 生成的 UI 太他妈像一个模子里刻出来的了。
你试试看：随便让 Claude Code 或 Cursor 给你搭个 landing page。出来的东西大概率长这样：深蓝到紫色的渐变背景、Inter 字体、三列等宽卡片、hero 区一个大标题加一个"Get Started"按钮、底下放三个 feature 卡片。换不同的项目、不同的产品、不同的用户群体——出来的东西都差不多。我把这个叫 "AI Slop"——不是不能用，是用了之后别人一眼就能看出"这是 AI 做的"。
这个问题不只是审美上的。对做产品的来说，这是一个信任问题。用户打开一个网站，如果第一眼觉得"又是个模板"，关掉只需要 300 毫秒。而 taste-skill 试图解决的就是这个——不是让 AI 更会写代码，是让它写的代码长出来的界面不再千篇一律。
今天 GitHub Trending 上 taste-skill 排在 AI 类第 6 位，单日涨了 2,715 个 Star，总 Star 24,257。同一榜单上还有个叫 stop-slop 的项目（+664 Star），也是做 AI 去味——可见"AI 输出的同质化"已经成为开发者群体里一个真实的焦虑。
taste-skill 跟 stop-slop 的区别在于，stop-slop 聚焦在文本层面的 AI 味去除（类似我们之前用的 humanizer 技能），而 taste-skill 盯的是 视觉和交互 层面。它管的不只是"怎么说"，更是"长什么样"。
// 03 · 三大旋钮：VARIANCE / MOTION / DENSITY
taste-skill 的核心抽象非常简洁——它把设计方向压缩成了三个 1 到 10 的数字旋钮。你不需要懂得配色理论、排版规则、动画原理，只需要告诉 AI 你要多"狂野"、多"能动"、多"密"。
这三个旋钮不是随便起的名字——它们背后有一套完整的映射逻辑。VARIANCE 管的是布局的不对称程度（低值 = 居中对称、高值 = 非对称网格 + 分屏）；MOTION 管的是动画强度（低值 = 纯 hover、高值 = GSAP 滚动触发 + 磁力微物理）；DENSITY 管的是信息密度（低值 = 大量留白、高值 = 仪表盘风格）。
旋钮的默认值是 8/6/4，这是一个偏向"设计感"但不过于极端的平衡点。你在 SKILL.md 文件顶部改这三个数字，AI 生成的结果就会产生肉眼可见的差异——不需要任何额外的 prompt 工程。
有个细节值得提：v2 增加了 "声称动效，就要展示动效" 这条硬规则。如果 MOTION_INTENSITY 设置成 5 以上但产出页面是静态的，预检会直接失败。这防止了 AI 最擅长的"口嗨"——说我加了动画，其实啥也没动。
// 04 · v2 实验版：从"建议"到"军规"
v1 版本的 taste-skill 已经很有想法了，但实际使用中发现一个问题——AI 会选择性忽略。比如 em-dash（—）这个符号，v1 里说"不建议使用"，AI 照样在标题和正文里到处塞。v2 的解决方案简单粗暴：
这就是 v2 的核心思路：把"建议"升级成"禁令"，把"最好这样"升级成"不这样就别交货"。
v2 新增了 7 个章节，其中最重要的几个：
§0 Brief Inference（简报推断） — 在写任何代码之前，AI 先分析页面类型（SaaS landing？作品集？事件页？）、氛围词（极简？野兽派？Apple 感？）、受众（B2B 采购 vs 设计敏感消费者 vs 招聘经理）、静默约束（无障碍优先？受监管行业？）。这步是为了防止 AI 直接跳进"默认模式"——那个会生成蓝紫渐变的模式。
§2 Brief to Design System Map（简报到设计系统映射） — 当识别到特定设计系统时（Material、Fluent、Carbon、Polaris、Primer、shadcn），强制使用对应的官方包而不是手搓一个"看起来像"的伪造版本。同时诚实标注审美风格（glassmorphism、bento、brutalism 等），不假装用了某个设计系统。
§14 Final Pre-Flight Check（最终起飞前检查） — 发货前必须逐项通过的 25+ 条硬性检查清单。包括：零 em-dash ✓、颜色一致性 ✓、按钮对比度 ✓、CTA 单行 ✓、无重复 CTA 意图 ✓、深色模式同步 ✓、移动端折叠 ✓……漏一项就不过。
§12 The Block Library（区块库契约） — 定义了可复用区块的实现 schema（hero、feature、social-proof、pricing、cta、footer、portfolio、transition、navigation），规范了迭代添加区块的格式。这为未来的社区贡献打好了基础。
§13 Out of Scope（适用范围声明） — 明确列出 taste-skill 不适用于哪些场景：仪表盘、数据表格、多步表单、代码编辑器、原生移动端、实时协作 UI。诚实比什么都重要。
技术栈也做了统一更新：Tailwind v4 成为默认、Motion（Framer Motion 的更名版）取代 framer-motion 成为推荐动画库、图标优先顺序调整为 Phosphor → HugeIcons → Radix → Tabler（Lucide 被降级、手写 SVG 图标被明令禁止）。
v1 仍然保留为独立安装包（安装名 design-taste-frontend-v1），所以依赖 v1 精确行为的项目不会被破坏。v2 是新默认，因为它在生产测试中确实表现更好。
// 05 · 13 个技能：从通用到极端
taste-skill 不是"一个技能"，它是一个技能生态。分成两大类：实现类（10个，输出代码）和图像生成类（3个，输出参考图）。
实现类 Skills（输出代码）
| Skill | 安装名 | 定位 | 适用场景 |
|---|---|---|---|
| taste-skill v2 | design-taste-frontend | 默认 | 通用起点，旋钮驱动 |
| taste-skill-v1 | design-taste-frontend-v1 | 稳定 | 依赖 v1 精确行为的项目 |
| gpt-tasteskill | gpt-taste | 激进 | GPT/Codex，更强布局变化 + 更猛反平庸 |
| image-to-code-skill | image-to-code | 管线 | 生成参考图 → 分析 → 实现代码 |
| redesign-skill | redesign-existing-projects | 改版 | 审计现有 UI，修复布局/间距/层级 |
| soft-skill | high-end-visual-design | 高端 | 柔和对比、大量留白、premium 字体 |
| minimalist-skill | minimalist-ui | 极简 | Notion/Linear 风格编辑器产品 UI |
| brutalist-skill | industrial-brutalist-ui | 硬核 | 瑞士排版、强对比、实验性布局 |
| output-skill | full-output-enforcement | 强制 | 模型截断输出时，禁止占位符 |
| stitch-skill | stitch-design-taste | 兼容 | Google Stitch 兼容 + DESIGN.md 导出 |
图像生成类 Skills（仅输出参考图）
| Skill | 安装名 | 描述 |
|---|---|---|
| imagegen-frontend-web | imagegen-frontend-web | 网站设计稿：hero、landing、多区块，强排版/反平庸 |
| imagegen-frontend-mobile | imagegen-frontend-mobile | 移动端屏幕：iOS/Android 模型图、可读排版 |
| brandkit | brandkit | 品牌套件：logo 方向、调色板、字体、跨品类应用 |
有意思的是那个 output-skill——它的存在本身就说明了一个问题：AI 经常在生成代码时半路截断，丢给你一堆 // ... rest of the component 的占位符。这个技能强制 AI 输出完整代码，不完成不罢休。它来自 research/laziness/ 目录里的一份专项研究——关于 LLM "懒惰"现象的分析。这种基于真实问题研究、而非拍脑袋设计的方法论，是这个项目让我觉得比较靠谱的地方。
// 06 · AI 痕迹禁令清单
v2 的 §9 章节列出了一份比任何 lint 规则都长的"AI 痕迹"禁止清单。我挑几个最有意思的：
我数了一下，§9 里一共有 超过 40 条 具体禁令。这不是那种泛泛的"要有设计感"——每一条都是针对 AI 在真实生成中反复出现的特定模式。这种"精准打击"的思路，跟那种"给 AI 讲讲设计原则"的做法完全不是一个层次。
// 07 · 安装与使用
安装极其简单，一行命令搞定全部 13 个技能：
使用也简单。安装后 Claude Code / Codex / Cursor 会自动加载对应的 SKILL.md 作为系统指令。在提示词里不需要任何特殊语法——AI 会自动遵循 skill 里定义的旋钮值和设计规则。
如果想用 图像优先工作流（先 AI 生成设计稿图片，再对着图片写前端代码），可以这样：
// 08 · 工作流程
// 09 · 竞品对比
| 项目 | 类型 | Stars | 核心竞争力 | taste-skill 优势 | taste-skill 劣势 |
|---|---|---|---|---|---|
| Leonxlnx/taste-skill | 设计 Skill | 24.3K | 13 变体 + 旋钮 + 预检清单 | — | — |
| hardikpandya/stop-slop | 文本 Skill | 5.7K | 文本去 AI 味 | 覆盖视觉+交互，文本只是副产品 | 纯文本去味不如 stop-slop 聚焦 |
| mattpocock/skills | 工程纪律 | 76K | 从需求到架构全流程 | 专注前端审美，工程纪律交给别人 | 覆盖面窄，不管后端和架构 |
| addyosmani/agent-skills | 工程流程 | 33K | Google 二十年工程实践 | 设计感是 agent-skills 的盲区 | 成熟度和生态差距明显 |
| shadcn/ui | 组件库 | 100K+ | React 组件生态 | taste-skill 兼容 shadcn，不是替代 | 不是组件库，需要搭配使用 |
设计质量改善效果（基于 v2 生产测试数据估算）
// 10 · 博主观点
1. 对 AI 生成 UI 的同质化问题给出了目前最系统性的解决方案——不是泛泛的"设计原则"，而是 40+ 条精确到具体模式的硬性禁令
2. 三旋钮抽象极其优雅，把复杂的设计方向压缩成三个数字，降低了非设计师的使用门槛
3. v2 的预检清单（§14）是杀手级特性——类似 CI 的 lint 检查但针对的是 AI 生成质量，这个思路可以推广到更多 AI 输出场景
4. 13 个变体覆盖了从极简到野兽派的完整设计光谱，不是"一刀切"
5. 跨 Agent 兼容（Claude Code / Codex / Cursor / GPT），不锁定平台
6. MIT 协议 + 零成本安装，商业友好
7. v1/v2 共存策略成熟——不破坏老用户，新用户自动获得更好的体验
1. 仅 97 个 commit，项目还很年轻，v2 标记为"实验性"意味着 API 可能还会变
2. 单作者维护，Bus Factor = 1，如果作者停更整个生态会受影响
3. 40+ 条禁令对 AI 来说是一个很大的约束集——它能不能每次都严格遵守所有规则？大规模生产环境的稳定性需要验证
4. 依赖 AI 对 SKILL.md 的理解能力——不同模型的遵循度差异可能很大
5. 对标 shadcn/ui 等成熟组件库，taste-skill 是"规则层"而非"组件层"——它不能替代组件库，只能引导 AI 更好地使用它们
6. 没有社区贡献的 skill 变体——13 个全由作者一人维护
说几句掏心窝的话。
taste-skill 解决的是一个非常真实的问题——AI 生成的 UI 越来越像，这直接影响了产品的辨识度和用户信任。作者 Leonxlnx 对这个问题的理解很深，不是那种"给 AI 加点设计约束"的表面功夫，而是蹲下来看了 AI 到底在哪些地方反复犯错，然后一条一条封堵。
但问题也在这里：这套规则太细了。40+ 条禁令 + 25+ 条预检 + 10 个章节的设计规则——AI 能不能每一次都从头到尾遵循？我在用类似工具（比如 mattpocock/skills 的 /grill-me）时发现，AI 在对话前半段严格遵守规则，但到后面往往会"滑回去"，回到它默认的行为模式。taste-skill 的 §14 预检清单试图解决这个问题，但效果还需要更大规模的验证。
另外，Bus Factor = 1 是个不能回避的风险。24K Star 的项目如果只有一个人在维护，生态的长远健康是个问号。作者需要在某个节点引入更多维护者，或者至少开放贡献通道让社区接管一些 skill 变体。
不过话说回来，在当前阶段——AI 生成 UI 的质量瓶颈已经从"能不能生成"变成了"生成的东西有没有辨识度"——taste-skill 是目前我看到的最完整的答案。如果你在用 AI 做前端，这个技能包值得装。哪怕你只用它的 Anti-Slop 禁令部分，你的 AI 输出也会看起来不那么"AI"。
推荐人群：用 AI 生成前端页面的开发者（特别是 landing page / 营销页面 / 作品集这类强视觉导向的产品）、想做"不像 AI 做的"产品的独立开发者、对 AI 输出同质化感到沮丧的 Vibe Coder。
不推荐：做仪表盘/数据表格/后台管理系统的（不在 taste-skill 覆盖范围）、对设计没有要求的纯后端项目、已经被其他设计系统（Fluent/Material/Carbon）深度绑定的企业团队。