摘要:你是否厌倦了AI生成的前端页面千篇一律的紫蓝渐变、无脑破折号和假大空的装饰编号?这种被称为“AI slop”的模板味,正让大量开发者抓狂。今天咱们不聊虚的,直接上手实测 GitHub 上狂揽 25K Star 的开源规则集 Taste Skill。它用三个参数旋钮和一票硬性禁令,强制 AI 告别偷懒,5分钟让 Cursor、Claude Code 生成的代码拥有真正的人类设计品味。拒绝套路,拒绝机械感,咱们来看看这套“反AI味”框架到底是不是智商税。
说实话,如果你用过 Cursor、Claude Code 或者 v0 敲过前端页面,一定经历过那种诡异的“违和感”——代码跑得通,布局也没崩,但盯着屏幕总觉得哪里不对劲。
Hero 区永远是巨幅标题配一行带破折号的副标题;功能展示永远是等距的三列卡片;字体雷打不动是 Inter,配色闭眼就是紫到靛蓝的渐变;每个模块还得给你标个「01 · Capabilities」「02 · Features」,像流水线上的罐头;底部再贴一行「BRAND. MOTION. SPATIAL.」的装饰条,生怕别人不知道这是 AI 拼出来的。
这不是你的锅,甚至也不是工具的锅。大语言模型本身没有审美,它只有训练语料。不管你用的是 Lovable、v0 还是 Bolt,出来的页面全是同一个味儿,因为它们底层吃的都是 shadcn、Vercel 模板和那堆 YC 创业公司营销页的数据。输入同质化,输出必然同质化。
社区给这种现象起了个精准的名字:AI slop(AI 模板味)。
最近我在大国Ai导航挖掘工具时,发现了一个叫 Taste Skill 的开源项目,核心主张就一句:反 AI 模板味。它不是组件库,也不是代码框架,而是一套硬核的规则文件。把它塞进 AI Agent 的脑子里,直接告诉它什么该做,什么绝对不能做。实测下来,去 AI 味的效果确实顶,今天就跟大家拆解拆解。
Taste Skill 最让我惊艳的,是它没有给出一刀切的死板标准,而是设计了三个 1-10 分的“旋钮”,把抽象的设计意图彻底参数化了:
这三个旋钮一组合,同一个 Skill 就能无缝适配从极简品牌站到信息密集型 Dashboard 的各种场景。不用费劲巴拉去改 Prompt,调几个数字就行,这种将设计风格量化控制的思路,真的懂开发者的痛点。
其实去 AI 味的底层逻辑,和咱们做内容去机械感是一样的——必须打破整齐划一的结构,替换掉那些AI最爱用的“模板词”。Taste Skill v1 的时候,规则还是偏建议性质,结果 AI 该偷懒还是偷懒。v2 直接急眼了,升级成硬性禁止,每一条都是铁律:
每一条禁令背后,都是对大量 AI 生成页面的真实统计。在项目的 research 目录里,甚至还有对 AI 前端生成“偷懒行为”的系统分析,这些实打实的研究直接塑造了 v2 的规则体系,比你跟 AI 讲一百遍“你要自然一点”管用得多。
在动效方面,AI 经常乱来,要么生硬地堆砌,要么满屏跑马灯。Taste Skill 标准化了动画库——推荐使用 Motion(Framer Motion 重命名版),需要 pinning/scrubbing 才上 GSAP,并给了三种标准动效代码骨架。同时,手写 window.addEventListener('scroll')、在 React state 里算滚动位置等野路子,全部封杀。
window.addEventListener('scroll')
更绝的是它搞了个动效承诺制:你声称动效强度大于 4,页面就必须真的有动效,做不到就自觉把旋钮降到 3 发静态版,绝不弄虚作假。
写代码前,v2 还加了 Brief Inference 机制,Agent 必须先“读懂房间”,输出一行设计判断声明。设计系统映射也很明确——需求指向 Material Design、shadcn 时直接用官方组件库,别手造;暗黑模式默认双模式;改版还得先审计。每个页面上线前还有一道硬性“起飞检查”,每一项必须诚实通过,跟飞行员起飞前过清单一样严谨。
Taste Skill 不是一招鲜吃遍天,而是按场景分化出了一套家族:
taste-skill
gpt-taste
redesign-skill
minimalist-skill
brutalist-skill
output-skill
甚至还有三个图片生成类 Skill(imagegen-frontend-web、imagegen-frontend-mobile、brandkit),只出图不写代码,生成参考后再喂给编码 Agent 实现,工作流闭环了属于是。
imagegen-frontend-web
imagegen-frontend-mobile
brandkit
AI 编程工具确实越来越强,但“能跑通”和“有品味”之间,还隔着一条马里亚纳海沟。这条沟不是靠堆参数、换更强的模型能填平的,它需要设计规则的强行注入。
就像咱们写文章去 AI 味,得靠人工编辑替换通用表述、加入个人洞察和真实细节一样,前端代码也需要 Taste Skill 这种“人工干预规则”来打破模型的惰性。它把“好的设计判断”编码成了 Agent 可执行的规则体系,用硬性禁令解决 AI 味问题,用标准骨架解决实现质量问题。
如果你也在用 AI 做前端,受够了那股挥之不去的模板味,建议立刻试试 Taste Skill。一行命令就能装:npx skills add https://github.com/Leonxlnx/taste-skill。同一个模型,加了规则约束后出来的东西,绝对让你眼前一亮。
npx skills add https://github.com/Leonxlnx/taste-skill
文章来源:大国Ai导航(daguoai.com)综合整理自 Taste Skill 官方文档及 GitHub 项目信息