← 返回博客
Ai预计阅读 10 分钟

两个 10 万星标仓库正试图教智能体品味

发布于 2026年11月7日
两个 10 万星标仓库正试图教智能体品味

就在 Together AI 的一项设计技能和一名独立开发者打造的规则引擎双双突破 10 万 GitHub 星标的同一周,又有两个仓库从不同方向带着同一个目标出现。一个是协作式工作区,团队及其智能体可以在其中共同制作图像、视频和产品。另一个是一组指令,让编程智能体构建真正的公司网站,而不是通用落地页。

这两个名字目前都还不为人熟知,但都值得花一个下午看看。

open-design:智能体也在房间里的工作区

open-design 自称是首个协作式 AI 设计智能体工作区。它采用本地优先架构,使用 Apache 2.0 许可证,将动效、原型、网站、应用、仪表盘、演示文稿、图像和视频放进同一个项目,由团队与其智能体共享。

有意思的是它的安装模式:它针对的是纷繁杂乱的各类智能体客户端,而不是试图取代它们。

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

同一条命令覆盖 Claude Code、Claude Desktop、Codex CLI、Cursor、带 Copilot 的 VS Code、GitHub Copilot CLI、Gemini CLI、OpenCode、OpenClaw、Cline、Trae、Kimi CLI、Mistral Vibe CLI、DeepSeek Reasonix、Raven、Pi、Antigravity 等。试运行标志 --print 会在真正执行前显示将安装什么,--uninstall 可以干净地卸载。DeepSeek Harness 则需要先准备好它自己的 dsh CLI。

如果你完全没有安装任何 CLI,还有一个自带密钥(bring-your-own-key)代理可以处理。该守护进程暴露 POST /api/proxy/{anthropic,openai,azure,google,ollama,senseaudio}/stream,无需启动进程即可运行同一套循环。你只需粘贴基础 URL、API 密钥和模型名称,并且内置了 OpenAI、Anthropic、Azure OpenAI、Google Gemini、Ollama、LM Studio、vLLM 或任何 OpenAI 兼容端点的预设。内网 IP、链路本地地址和 CGNAT 地址段会在守护进程边缘被阻止——这正是你会希望在一个替他人代理请求的工具中看到的细节。

对于制作图像和视频的团队来说,实际吸引力很直接:产物、提示词、参考素材和反馈都存放在同一个地方,人类和多个智能体都可以编辑。

taste-skill:浏览器可以检查的规则

taste-skill 采用 MIT 许可证,约有 11.1 万星标,是一个目标很窄的单一智能体技能。它的 README 说得直白:这个技能的存在,是为了让编程智能体构建达到 figma.com 或 x.ai 水平的专业公司网站,而不是拼凑出一个通用落地页。

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

Claude Code 用户可以通过插件市场安装,Codex 也有自己的插件命令。该仓库还提供 install.sh,它会将技能符号链接到你的智能体中,这样一次 git pull 就能原地更新。在 Git Bash 下的 Windows 上,当符号链接不可用时,它会创建目录联接(directory junction),并且会提示你是否有旧的复制文件夹仍然残留。

要求不高但很具体:Node 22 或更新版本,以及 Chrome、Edge 或 Chromium 可执行文件;如果它位于不寻常的位置,则设置 CHROME_PATH。PATH 中的 ffmpeg 是可选的,用于 WebP 输出和主视觉照片的手机端裁剪。无需安装任何东西,不需要 API 密钥,捆绑的 Wikimedia Commons 照片可离线使用。

规则也同样具体。朴实的文案、一套设计系统、每屏一个区块、左右边缘对齐、真实照片、真实品牌图标、真实产品 UI,以及当产品没有照片时使用产品渲染图。微交互保持克制。着色器效果、创意时刻和滚动场景留给技术、游戏和软件页面。每次构建都先将业务归类为软件、游戏、技术、产品、服务或地点,然后在编写任何标记之前逐屏规划。

它不同寻常的地方在于输出如何被验证。一个检查器在真实浏览器中运行并强制执行这些规则。智能体不能通过描述自己看起来多好来给自己的作品打分;浏览器可以检查边缘对齐、区块数量和图片来源。

为什么会出现这一波工具

这些仓库要解决的问题如今有了名字:AI slop(AI 粗制滥造)。这个词指的是这样一个页面所特有的外观:模型被要求做点什么,却没有得到进一步指示。而它的典型迹象清单惊人地一致。紫到蓝的渐变。卡片里套卡片。彩色背景上的灰色文字。每个标题上方都有一个圆角方形图标块。每个大标题上方都有一行眉题标签。主视觉图片与它被放置的屏幕不匹配。每个页面底部都有一个注册表单,包括那些根本没人注册的页面。

早先的答案有两种形态。Impeccable 发布了 62 条确定性规则来标记这些迹象,将发现的问题按 P0 到 P3 排序,运行时不需要模型或 API 密钥。来自 Together AI 的 Hallmark 则采取了不同方法:50 个主题,每个主题都是一种材料,拥有自己的纸张、字体、颜色和组件,外加 755 张按主题挑选并在页面上署名的开放许可照片,以及一个在交付前运行的基于浏览器的 lint。

open-design 和 taste-skill 属于同一波浪潮,但方向不同。一个是面向团队的基础设施,另一个是你花一个下午就能安装好的单一有主见技能。两者都假设修复之道在于流程。

这没有解决什么

检查器只能验证它可以测量的东西。浏览器可以告诉你左右边距是否匹配、每个屏幕是否只有一个区块、主视觉图片是真实照片而不是渐变、图标集是否来自某个来源。它无法告诉你页面是否说了任何值得读的内容、标题是否是正确标题,或者截图中的产品是否就是正在销售的产品。

这个缺口是永久性的。通过一套规则,只能得到一个结构合理、视觉连贯的页面。它不能给你一个有人愿意看的页面,而那些声称并非如此的仓库,卖的是一套工作流,而不是保证。

还有一个值得点名的二阶效应。一旦有足够多的页面按照同一个参考实现来构建,检查器就会成为统一风格。页面不再彼此看起来一模一样,而是开始看起来和仓库一模一样。这比 AI slop 小一些,但问题形状相同,而解决办法也和这个行业里到处都适用的一样:用这些工具去产出有观点的作品,而不是把它当作过滤没有观点作品的手段。

同一个问题上的两种不同押注

两个项目都假设智能体构建的设计中缺失的一环是判断力,并且都用机制替代判断力。open-design 把判断力放进工作流,让人和多个智能体在同一个产物上迭代。taste-skill 把它放进检查器,由规则决定页面是否通过。

这两个项目沿着团队如何看待 AI 产出的一道真实分歧展开。一种方法假设你需要更多人参与循环。另一种假设你需要更严格的完成定义。两者昂贵的部分都不是代码,而是素材,而 taste-skill 对此的回答是一组精心挑选的开放许可照片,随技能一起提供并注明出处。

尚未解答的问题是:这两者中是否有谁改变了用户实际看到的东西,还是说品味只是从模型转移到了仓库里。到目前为止,每一个 AI slop 检测器都产生了同样的结果:页面不再彼此相像,而是开始像参考实现。

无论哪种方式,这都是进步:一个按照已知标准构建、使用真实照片并由检查器验证的页面,胜过一个按照模型当时感觉的平均值拼出来的页面。

相关文章