← ブログに戻る
Ai読了目安 15 分

10万スターを超えた2つのリポジトリが、エージェントに「審美眼」を教えようとしている

公開日 2026年11月7日
10万スターを超えた2つのリポジトリが、エージェントに「審美眼」を教えようとしている

Together AIのデザインスキルと、個人開発者によるルールエンジンが同じ週にGitHubスター10万を超えた。その同じ週に、別々の方向から同じ目標を掲げるリポジトリがさらに2つ現れた。1つは、チームとそのエージェントが一緒に画像、動画、製品を作る共同ワークスペース。もう1つは、コーディングエージェントに汎用的なランディングページではなく、実在する企業のウェブサイトを構築させるための一連の指示だ。

どちらの名前もまだ馴染みはないが、どちらも午後を費やす価値がある。

open-design:エージェントが同席するワークスペース

open-designは、初の共同作業型AIデザインエージェントワークスペースだと自称している。ローカルファーストでApache 2.0ライセンスであり、モーション、プロトタイプ、ウェブサイト、アプリ、ダッシュボード、プレゼンテーション、画像、動画を、チームがエージェントと共有する1つのプロジェクト内に収める。

インストールモデルが面白い点だ。エージェントクライアント群を置き換えようとするのではなく、その混沌とした状況を対象にしているからだ。

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

同じコマンドがClaude Code、Claude Desktop、Codex CLI、Cursor、VS Code with Copilot、GitHub Copilot CLI、Gemini CLI、OpenCode、OpenClaw、Cline、Trae、Kimi CLI、Mistral Vibe CLI、DeepSeek Reasonix、Raven、Pi、Antigravityなどをカバーする。ドライランフラグの--printは、何かが起こる前に何がインストールされるかを表示し、--uninstallはきれいに削除する。DeepSeek Harnessは、先に独自のdsh CLIを用意する必要がある。

CLIがまったくインストールされていなくても、bring-your-own-keyプロキシが処理する。デーモンはPOST /api/proxy/{anthropic,openai,azure,google,ollama,senseaudio}/streamを公開し、プロセスを起動せずに同じループを実行する。ベースURL、APIキー、モデル名を貼り付けると、OpenAI、Anthropic、Azure OpenAI、Google Gemini、Ollama、LM Studio、vLLM、その他OpenAI互換エンドポイント向けのプリセットがある。内部IP、リンクローカルアドレス、CGNAT範囲はデーモンの境界でブロックされる。これは、他人のリクエストをプロキシするツールにぜひ見たい種類の詳細だ。

画像と動画を制作するチームにとって、実用的な魅力は明快だ。成果物、プロンプト、参照素材、フィードバックが、人間と複数のエージェントが編集できる1つの場所に存在する。

taste-skill:ブラウザが検査できるルール

taste-skillはMITライセンスで約111,000スターを集めており、狭い目標を持つ単一のエージェントスキルだ。READMEにはこう明記されている。このスキルは、コーディングエージェントが汎用的なランディングページを組み立てるのではなく、figma.comやx.aiの水準のプロフェッショナルな企業ウェブサイトを構築できるようにするために存在する。

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

Claude Codeユーザーは代わりにプラグインマーケットプレイスを利用でき、Codexには独自のプラグインコマンドがある。リポジトリにはinstall.shも同梱され、スキルをエージェントにシンボリックリンクするので、git pullでその場で更新される。Git Bashを使うWindowsでは、シンボリックリンクが利用できない場合にディレクトリジャンクションを作成し、古いコピーフォルダがまだ残っていると通知する。

要件は控えめかつ具体的だ。Node 22以降と、Chrome、Edge、Chromiumのいずれかのバイナリが必要で、通常と異なる場所にある場合はCHROME_PATHを設定する。PATH上のffmpegは任意で、WebP出力とヒーロー写真のスマートフォン向けクロップに使われる。何もインストールされず、APIキーも不要で、同梱のWikimedia Commons写真はオフラインで動作する。

ルールも同じように具体的だ。平易なコピー、1つのデザインシステム、画面ごとに1セクション、左右の端を揃える、実在の写真、実在のブランドアイコン、実在の製品UI、製品に写真がない場合の製品レンダリング。マイクロインタラクションは控えめに保つ。シェーダーエフェクト、クリエイティブな見せ場、スクロールシーンは、テクノロジー、ゲーミング、ソフトウェアのページに限定される。すべてのビルドは、事業をソフトウェア、ゲーミング、テクノロジー、製品、サービス、場所に分類することから始まり、マークアップが書かれる前に画面ごとに計画する。

型破りなのは、出力がどう検証されるかだ。チェッカーが実際のブラウザで実行され、これらのルールを強制する。エージェントは見栄えがどれほど良いかを説明して自分の仕事を採点することはできない。ブラウザは端の整列、セクション数、画像ソースを検査できる。

なぜこの一波のツール群が存在するのか

これらのリポジトリが狙う問題には、今では名前がある。AIスロップだ。これは、何かを作るよう求められ、それ以上の指示を与えられなかったモデルが構築するページ特有の見た目を指す言葉で、その兆候のリストは驚くほど一貫している。紫から青へのグラデーション。カードの中にカード。色付き背景の上のグレーのテキスト。すべての見出しの上にある角丸四角のアイコンタイル。すべてのヘッドラインの上にあるアイブロウラベル。配置先の画面に合わないヒーロー画像。すべてのページの下部にあるサインアップフォーム。誰も登録しないページでさえ。

これまでの答えは2つの形で現れた。Impeccableはそうした兆候を指摘する62の決定論的ルールを提供し、検出結果をP0からP3にランク付けし、実行にモデルもAPIキーも必要としなかった。Together AIのHallmarkは別のアプローチを取った。50のテーマがあり、それぞれが独自の紙、タイポグラフィ、色、コンポーネントを持つ素材であり、さらに被写体ごとに選ばれてページ上でクレジットされる755点のオープンライセンス写真と、納品前に実行されるブラウザベースのlintを備える。

open-designとtaste-skillは同じ波に属しながら、異なる方向へ引っ張る。一方はチームのためのインフラストラクチャーで、もう一方は午後のうちにインストールできる、主張の強い単一スキルだ。どちらも、修正は手続きにあると前提している。

これで解決しないこと

チェッカーは測定できるものを検証する。ブラウザは左右の余白が一致していること、各画面に1つのセクションがあること、ヒーロー画像がグラデーションではなく実在の写真であること、アイコンセットがどこかから来ていることを教えられる。しかし、ページに読む価値のあることが書かれているか、見出しが正しい見出しであるか、スクリーンショットの製品が販売中の製品であるかは教えられない。

このギャップは永続的だ。ルールセットに合格すると、構造的に健全で視覚的に一貫したページが得られる。誰も見たくなるページが得られるわけではなく、そうでないと主張するリポジトリはワークフローを売っているのであって、保証を売っているのではない。

さらに、名付ける価値のある二次的効果もある。十分に多くのページが1つの参照実装に合わせて構築されると、チェッカーがハウススタイルになる。ページ同士が同じに見えることはなくなり、リポジトリと同じに見え始める。それはAIスロップより小さな問題だが、同じ形の問題であり、修正方法はこの業界のどこでも通用する同じものだ。ツール群は視点のある仕事を生み出すために使い、視点のない仕事をふるいにかけるフィルターとして使わないこと。

同じ問題への2つの異なる賭け

どちらのプロジェクトも、エージェントが構築するデザインに欠けているピースは判断力だと想定し、どちらも判断力を仕組みで置き換える。open-designは判断力をワークフローに置き、人間と複数のエージェントが同じ成果物を反復する。taste-skillは判断力をチェッカーに置き、ルールがページの合格を決める。

2つのプロジェクトは、チームがAIの出力をどう考えるかという実際の分断に沿って分かれる。1つのアプローチは、より多くの人をループに入れる必要があると想定する。もう1つは、完了の定義をより厳格にする必要があると想定する。どちらも高くつくのはコードではなく素材であり、それに対するtaste-skillの答えは、スキルに同梱されてクレジットされる、厳選されたオープンライセンス写真のセットだ。

未解決の問いは、どちらかがユーザーが実際に見るものを変えるのか、それとも審美眼が単にモデルからリポジトリへ移るだけなのか、ということだ。これまでのAIスロップ検出器はすべて同じ結果を生んでいる。ページは互いに似なくなり、参照実装に似始める。

いずれにせよ改善ではある。既知の標準に沿って構築され、実在の写真とそれを検証するチェッカーを備えたページは、モデルがその時々の気分で出したものの平均に合わせて構築されたページに勝る。

関連記事