← Zurück zum Blog
Aica. 7 Min. Lesezeit

Zwei Repositories mit 100.000 Sternen versuchen, Agenten Geschmack beizubringen

Veröffentlicht 7. Nov. 2026
Zwei Repositories mit 100.000 Sternen versuchen, Agenten Geschmack beizubringen

In derselben Woche, in der ein Design-Skill von Together AI und eine Regel-Engine eines Solo-Entwicklers beide die 100.000-GitHub-Sterne-Marke überschritten, tauchten zwei weitere Repositories auf, die dasselbe Ziel aus unterschiedlichen Richtungen verfolgen. Eines ist ein kollaborativer Arbeitsbereich, in dem ein Team und seine Agenten gemeinsam Bilder, Videos und Produkte erstellen. Das andere ist ein Satz von Anweisungen, der einen Coding-Agenten dazu bringt, eine echte Unternehmenswebsite statt einer generischen Landingpage zu bauen.

Keiner der beiden Namen ist bisher vertraut, aber beide sind einen Nachmittag wert.

open-design: ein Arbeitsbereich, in dem der Agent mit im Raum sitzt

open-design bezeichnet sich selbst als den ersten kollaborativen Arbeitsbereich für KI-Design-Agenten. Es ist Local-First und unter Apache 2.0 lizenziert und vereint Motion, Prototypen, Websites, Apps, Dashboards, Präsentationen, Bilder und Video in einem Projekt, das ein Team mit seinen Agenten teilt.

Das Installationsmodell ist der interessante Teil, denn es zielt auf das Durcheinander der Agenten-Clients ab, statt zu versuchen, sie zu ersetzen.

```shell od mcp install claude od mcp install codex ```

Derselbe Befehl deckt Claude Code, Claude Desktop, Codex CLI, Cursor, VS Code mit Copilot, GitHub Copilot CLI, Gemini CLI, OpenCode, OpenClaw, Cline, Trae, Kimi CLI, Mistral Vibe CLI, DeepSeek Reasonix, Raven, Pi, Antigravity und andere ab. Das Dry-Run-Flag --print zeigt, was installiert würde, bevor irgendetwas passiert, und --uninstall entfernt es sauber. DeepSeek Harness benötigt zuerst eine eigene dsh-CLI.

Wenn gar keine CLI installiert ist, übernimmt ein Bring-your-own-Key-Proxy. Der Daemon stellt POST /api/proxy/{anthropic,openai,azure,google,ollama,senseaudio}/stream bereit, der dieselbe Schleife ausführt, ohne einen Prozess zu starten. Du fügst eine Basis-URL, einen API-Schlüssel und einen Modellnamen ein, und es gibt Presets für OpenAI, Anthropic, Azure OpenAI, Google Gemini, Ollama, LM Studio, vLLM oder jeden OpenAI-kompatiblen Endpunkt. Interne IPs, Link-Local-Adressen und CGNAT-Bereiche werden am Rand des Daemons blockiert – genau die Art von Detail, die man in einem Tool sehen will, das die Anfragen anderer Leute proxyt.

Für ein Team, das Bilder und Videos produziert, ist der praktische Reiz unkompliziert: Artefakte, Prompts, Referenzmaterial und Feedback liegen an einem Ort, den ein Mensch und mehrere Agenten bearbeiten können.

taste-skill: Regeln, die ein Browser prüfen kann

taste-skill ist MIT-lizenziert und hat etwa 111.000 Sterne; es ist ein einzelner Agenten-Skill mit einem eng umrissenen Ziel. Das README sagt es klar: Der Skill existiert, damit Coding-Agenten professionelle Unternehmenswebsites auf dem Niveau von figma.com oder x.ai bauen, statt eine generische Landingpage zusammenzusetzen.

```shell npx skills add https://github.com/Leonxlnx/taste-skill --skill \"design-taste-frontend\" ```

Claude-Code-Nutzer können stattdessen über den Plugin-Marketplace gehen, und Codex hat einen eigenen Plugin-Befehl. Das Repository liefert außerdem install.sh mit, das den Skill in deinen Agenten symlinkt, sodass ein git pull ihn direkt aktualisiert. Unter Windows in Git Bash erstellt es eine Verzeichnis-Junction, wenn Symlinks nicht verfügbar sind, und es sagt dir, wenn noch ein älterer kopierter Ordner herumliegt.

Die Anforderungen sind bescheiden und konkret: Node 22 oder neuer und eine Chrome-, Edge- oder Chromium-Binary, mit gesetztem CHROME_PATH, falls sie an einem ungewöhnlichen Ort liegt. ffmpeg im PATH ist optional und wird für WebP-Ausgabe und den Smartphone-Zuschnitt eines Hero-Fotos verwendet. Es wird nichts installiert, kein API-Schlüssel ist nötig, und die gebündelten Wikimedia-Commons-Fotos funktionieren offline.

Die Regeln sind auf dieselbe Weise konkret. Klarer Text, ein Designsystem, ein Abschnitt pro Bildschirm, gleiche linke und rechte Ränder, echte Fotos, echte Marken-Icons, echte Produkt-UI und Produkt-Renderings, wenn ein Produkt keine Fotos hat. Mikrointeraktionen bleiben unaufdringlich. Shader-Effekte, kreative Momente und Scroll-Szenen sind Tech-, Gaming- und Software-Seiten vorbehalten. Jeder Build beginnt damit, das Unternehmen als Software, Gaming, Tech, Produkt, Dienstleistung oder Ort einzuordnen und Bildschirm für Bildschirm zu planen, bevor irgendein Markup geschrieben wird.

Ungewöhnlich ist, wie die Ausgabe verifiziert wird. Ein Checker läuft in einem echten Browser und setzt diese Regeln durch. Der Agent kann seine eigene Arbeit nicht benoten, indem er beschreibt, wie gut sie aussieht; ein Browser kann Randausrichtung, Abschnittsanzahl und Bildquellen prüfen.

Warum diese Welle von Tooling existiert

Das Problem, das diese Repos angehen, hat inzwischen einen Namen: AI-Slop. So wird das spezifische Aussehen einer Seite bezeichnet, die von einem Modell gebaut wurde, das man um etwas gebeten und ihm keine weiteren Anweisungen gegeben hat, und die Liste der Erkennungsmerkmale ist bemerkenswert konsistent. Lila-zu-Blau-Verläufe. Karten in Karten verschachtelt. Grauer Text auf farbigen Hintergründen. Eine abgerundete quadratische Icon-Kachel über jeder Überschrift. Ein Eyebrow-Label über jeder Schlagzeile. Ein Hero-Bild, das nicht zu dem Bildschirm passt, auf dem es platziert wurde. Ein Anmeldeformular am Ende jeder Seite, auch auf den Seiten, auf denen sich niemand anmeldet.

Frühere Antworten kamen in zwei Formen. Impeccable lieferte 62 deterministische Regeln, die diese Erkennungsmerkmale markieren, Befunde von P0 bis P3 einordnen und ohne Modell oder API-Schlüssel auskommen. Hallmark von Together AI wählte einen anderen Ansatz: 50 Themes, jedes ein Material mit eigenem Papier, eigener Typografie, Farbe und eigenen Komponenten, plus 755 offen lizenzierte Fotos, die pro Thema ausgewählt und auf der Seite genannt werden, und ein browserbasierter Lint, der vor der Auslieferung läuft.

open-design und taste-skill gehören zur selben Welle, ziehen aber in verschiedene Richtungen. Das eine ist Infrastruktur für ein Team, das andere ein einzelner meinungsstarker Skill, den man an einem Nachmittag installiert. Beide gehen davon aus, dass die Lösung prozedural ist.

Was das nicht löst

Checker verifizieren, was sie messen können. Ein Browser kann dir sagen, dass die linken und rechten Ränder übereinstimmen, dass jeder Bildschirm einen Abschnitt trägt, dass das Hero-Bild ein echtes Foto statt eines Verlaufs ist, dass das Icon-Set von irgendwoher stammt. Er kann dir nicht sagen, ob die Seite etwas Lesenswertes aussagt, ob die Schlagzeile die richtige Schlagzeile ist oder ob das Produkt im Screenshot das Produkt ist, das verkauft wird.

Die Lücke ist dauerhaft. Ein Regelwerk zu bestehen beschert dir eine Seite, die strukturell solide und visuell kohärent ist. Es beschert dir keine Seite, die jemand ansehen möchte, und die Repos, die etwas anderes behaupten, verkaufen einen Workflow, keine Garantie.

Es gibt außerdem einen Effekt zweiter Ordnung, den man benennen sollte. Sobald genug Seiten nach einer Referenzimplementierung gebaut sind, wird der Checker zum House Style. Die Seiten sehen dann nicht mehr einander gleich aus, sondern dem Repository gleich. Das ist ein kleineres Problem als AI-Slop, aber es hat dieselbe Form, und die Lösung ist dieselbe, die überall in dieser Branche funktioniert: Nutze das Tooling, um Arbeit mit einem Standpunkt zu produzieren, und nicht als Filter für Arbeit, die keinen hat.

Zwei verschiedene Wetten auf dasselbe Problem

Beide Projekte gehen davon aus, dass das fehlende Teil in agentengebautem Design Urteilsvermögen ist, und beide ersetzen Urteilsvermögen durch Mechanismus. open-design verlagert das Urteilsvermögen in den Workflow, wo ein Mensch und mehrere Agenten am selben Artefakt iterieren. taste-skill verlagert es in einen Checker, wo Regeln entscheiden, ob die Seite besteht.

Die beiden Projekte folgen einer echten Trennlinie darin, wie Teams über KI-Ausgabe denken. Der eine Ansatz geht davon aus, dass man mehr Menschen im Loop braucht. Der andere geht davon aus, dass man eine strengere Definition von „fertig“ braucht. Das Teure an beiden ist nicht der Code, sondern das Material, und taste-skills Antwort darauf ist ein kuratierter Satz offen lizenzierter Fotos, die mit dem Skill ausgeliefert und mit Quellenangabe versehen werden.

Die offene Frage ist, ob eines von beiden ändert, was ein Nutzer tatsächlich sieht, oder ob Geschmack einfach vom Modell ins Repository wandert. Jeder bisherige AI-Slop-Detektor hat dasselbe Ergebnis produziert: Die Seiten sehen nicht mehr einander gleich aus, und sie beginnen, der Referenzimplementierung gleichzusehen.

So oder so ist es eine Verbesserung: Eine Seite, die nach einem bekannten Standard gebaut wurde, mit echten Fotos und einem Checker, der sie verifiziert, ist besser als eine Seite, die nach einem Durchschnitt dessen gebaut wurde, worauf das Modell gerade Lust hatte.

Verwandte Artikel