← Voltar ao blog
Aicerca de 8 min de leitura

Dois repositórios com 100.000 estrelas tentam ensinar bom gosto aos agentes

Publicado 7 de nov. de 2026
Dois repositórios com 100.000 estrelas tentam ensinar bom gosto aos agentes

Na mesma semana em que uma skill de design da Together AI e um motor de regras de um desenvolvedor solo ultrapassaram 100.000 estrelas no GitHub, mais dois repositórios apareceram com o mesmo objetivo por caminhos diferentes. Um é um espaço de trabalho colaborativo onde uma equipe e seus agentes criam imagens, vídeos e produtos juntos. O outro é um conjunto de instruções que faz um agente de programação construir o site de uma empresa real em vez de uma landing page genérica.

Nenhum dos dois nomes é familiar ainda, mas ambos merecem uma tarde.

open-design: um espaço de trabalho onde o agente está na sala

O open-design se descreve como o primeiro espaço de trabalho colaborativo de agentes de design com IA. É local-first e licenciado sob Apache 2.0, e reúne motion, protótipos, sites, apps, dashboards, apresentações, imagens e vídeo em um único projeto que uma equipe compartilha com seus agentes.

O modelo de instalação é a parte interessante, porque mira a bagunça de clientes de agentes em vez de tentar substituí-los.

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

O mesmo comando cobre Claude Code, Claude Desktop, Codex CLI, Cursor, VS Code com Copilot, GitHub Copilot CLI, Gemini CLI, OpenCode, OpenClaw, Cline, Trae, Kimi CLI, Mistral Vibe CLI, DeepSeek Reasonix, Raven, Pi, Antigravity e outros. A flag de simulação, --print, mostra o que seria instalado antes que qualquer coisa aconteça, e --uninstall remove tudo de forma limpa. O DeepSeek Harness precisa do próprio CLI dsh instalado antes.

Se você não tiver nenhum CLI instalado, um proxy com sua própria chave (bring-your-own-key) resolve. O daemon expõe POST /api/proxy/{anthropic,openai,azure,google,ollama,senseaudio}/stream, que executa o mesmo ciclo sem iniciar um processo. Você cola uma URL base, uma chave de API e um nome de modelo, e há presets para OpenAI, Anthropic, Azure OpenAI, Google Gemini, Ollama, LM Studio, vLLM ou qualquer endpoint compatível com OpenAI. IPs internos, endereços link-local e faixas CGNAT são bloqueados na borda do daemon, o tipo de detalhe que você quer ver em uma ferramenta que faz proxy das requisições de outras pessoas.

Para uma equipe que produz imagens e vídeo, o apelo prático é direto: os artefatos, os prompts, o material de referência e o feedback ficam em um único lugar que um humano e vários agentes podem editar.

taste-skill: regras que um navegador consegue verificar

O taste-skill é licenciado sob MIT e tem cerca de 111.000 estrelas, e é uma única skill de agente com um objetivo estreito. Seu README afirma sem rodeios: a skill existe para que agentes de programação construam sites profissionais de empresas no nível de figma.com ou x.ai, em vez de montar uma landing page genérica.

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

Usuários do Claude Code podem passar pelo marketplace de plugins, e o Codex tem seu próprio comando de plugin. O repositório também inclui install.sh, que cria um symlink da skill no seu agente para que um git pull a atualize no lugar. No Windows, sob Git Bash, ele cria uma junction de diretório quando symlinks não estão disponíveis, e avisa quando uma pasta copiada mais antiga ainda está por ali.

Os requisitos são modestos e específicos: Node 22 ou mais recente, e um binário do Chrome, Edge ou Chromium, com CHROME_PATH definido se ele estiver em um local incomum. O ffmpeg no PATH é opcional, usado para saída WebP e para o recorte para celular de uma fotografia de destaque. Nada é instalado, nenhuma chave de API é necessária, e as fotografias do Wikimedia Commons incluídas funcionam offline.

As regras são específicas da mesma forma. Texto simples, um único design system, uma seção por tela, margens esquerda e direita iguais, fotografias reais, ícones de marca reais, UI real do produto e renders do produto quando ele não tem fotografias. Microinterações permanecem discretas. Efeitos de shader, momentos criativos e cenas de scroll ficam reservados para páginas de tecnologia, games e software. Toda construção começa classificando o negócio como software, games, tecnologia, produto, serviço ou lugar, e planejando tela por tela antes de qualquer marcação ser escrita.

O que torna isso incomum é como a saída é verificada. Um verificador roda em um navegador real e aplica essas regras. O agente não pode avaliar o próprio trabalho descrevendo o quão bom ele parece; um navegador pode verificar alinhamento de margens, contagem de seções e fontes de imagens.

Por que esta onda de ferramentas existe

O problema que esses repositórios atacam agora tem nome: AI slop. É o termo para o visual específico de uma página construída por um modelo ao qual se pediu algo e não se deu mais nenhuma instrução, e a lista de sinais é notavelmente consistente. Gradientes de roxo para azul. Cards aninhados dentro de cards. Texto cinza sobre fundos coloridos. Um bloco de ícone quadrado arredondado acima de cada título. Um rótulo de sobrancelha acima de cada manchete. Uma imagem de destaque que não se encaixa na tela em que foi colocada. Um formulário de cadastro no final de cada página, incluindo as páginas onde ninguém está se cadastrando.

As respostas anteriores vieram em duas formas. O Impeccable entregou 62 regras determinísticas que sinalizam esses indícios, classificou os achados de P0 a P3 e não precisava de modelo nem chave de API para rodar. O Hallmark, da Together AI, adotou uma abordagem diferente: 50 temas, cada um um material com seu próprio papel, tipografia, cor e componentes, além de 755 fotografias de licença aberta escolhidas por assunto e creditadas na página, e um lint baseado em navegador que roda antes da entrega.

open-design e taste-skill pertencem à mesma onda, mas puxam em direções diferentes. Um é infraestrutura para uma equipe; o outro é uma única skill opinativa que você instala em uma tarde. Ambos assumem que a correção é procedural.

O que isso não resolve

Verificadores checam o que conseguem medir. Um navegador pode dizer que as margens esquerda e direita coincidem, que cada tela tem uma seção, que a imagem de destaque é uma fotografia real e não um gradiente, que o conjunto de ícones veio de algum lugar. Ele não pode dizer se a página diz algo que vale a pena ler, se a manchete é a manchete certa, ou se o produto na captura de tela é o produto que está sendo vendido.

A lacuna é permanente. Passar por um conjunto de regras entrega uma página estruturalmente sólida e visualmente coerente. Não entrega uma página que alguém queira olhar, e os repositórios que afirmam o contrário estão vendendo um workflow, não uma garantia.

Há também um efeito de segunda ordem que vale nomear. Quando páginas suficientes são construídas segundo uma mesma implementação de referência, o verificador se torna o estilo da casa. As páginas deixam de parecer idênticas entre si e passam a parecer idênticas ao repositório. É um problema menor que o AI slop, mas tem o mesmo formato, e a solução é a mesma que funciona em toda esta indústria: use as ferramentas para produzir trabalho que tenha um ponto de vista, e não como filtro para trabalho que não tem.

Duas apostas diferentes no mesmo problema

Ambos os projetos assumem que a peça que falta no design criado por agentes é o julgamento, e ambos substituem o julgamento por mecanismo. O open-design coloca o julgamento no workflow, onde uma pessoa e vários agentes iteram sobre o mesmo artefato. O taste-skill coloca no verificador, onde regras decidem se a página passa.

Os dois projetos se dividem ao longo de uma divisão real na forma como as equipes pensam a saída de IA. Uma abordagem assume que você precisa de mais pessoas no loop. A outra assume que você precisa de uma definição mais rigorosa de pronto. A parte cara de ambos não é o código, é o material, e a resposta do taste-skill para isso é um conjunto curado de fotografias de licença aberta que acompanham a skill e recebem crédito.

A questão em aberto é se algum dos dois muda o que um usuário realmente vê, ou se o gosto simplesmente se desloca do modelo para o repositório. Todo detector de AI slop até agora produziu o mesmo resultado: as páginas deixam de parecer umas com as outras e passam a parecer com a implementação de referência.

De qualquer forma, é uma melhoria: uma página construída segundo um padrão conhecido, com fotografias reais e um verificador que a valida, supera uma página construída a partir da média do que o modelo achou adequado.

Artigos relacionados