前端同学，抓紧上车，Taste Skill 深度解析：一套反模板规则如何让AI写出有品味的前端

让 AI 写 10 次落地页，9 次都长一个样——紫色渐变背景、居中 Hero、三个等大卡片、一排 Logo 墙。换个 prompt？换汤不换药。

这不是你的问题。是 AI 的"审美默认值"崩了。

今天我们聊一个在 GitHub 上拿下 37.4K Star 的开源项目——Taste Skill。它不写一行业务代码，只做一件事：给 AI Agent 装上一套"设计品味规则"，让产出的前端界面从"能看"变成"好看"。

 AI 为什么总写"丑代码"？

先说根因。Taste Skill 的作者 Leonxlnx 在项目 research 目录里做了大量实验，结论很直白：

LLM 在训练数据中看到的"好看的设计"高度集中在几种模式上——AI 紫/蓝渐变、Inter 字体、居中 Hero、等大卡片布局。因为好看的设计在互联网上本身是少数，AI 学到的"好设计"只有那几套模板。你让它自由发挥，它就在这几套模板里随机组合。

再加上一个更致命的问题——AI 有偷懒倾向。没有严格约束时，它会跳过细节、用省略号代替实现、把该写三行的代码写成一行占位注释。

所以 Taste Skill 的解题思路不是"让 AI 变得更聪明"，而是用一套结构化约束规则，堵死 AI 的坏习惯。本质上，它是一套"反默认值"的设计规范。

实测发现，这套规则的效果出奇地好——因为它针对的是 AI 最高频的"偷懒路径"，每一条禁令背后都有一个具体的、可复现的 AI 翻车案例。

 三个拨盘，定义一切

Taste Skill 最巧妙的设计，是用三个 1 到 10 的"拨盘" 来控制整个设计方向。所有布局、动效、密度决策，都由这三个值驱动：

默认基线是 8 / 6 / 4——变化度高、动效适中、密度偏低。这个组合打出来的页面，第一眼就有"设计感"。

打个比方：传统 AI 写前端像让厨子盲做菜，每次都是西红柿炒蛋；三个拨盘就像告诉厨子"今天做川菜，麻辣度 8，分量精致"，出来的东西立刻不一样。

值得一提的是，Taste Skill 还给出了不同场景的拨盘预设：

• ●SaaS 落地页：7/6/4（略保守，更商业）
• ●创意公司落地页：9/8/3（极富实验性）
• ●编辑/博客：6/4/3（克制优雅）
• ●公共服务：3/2/5（稳重、信息密集）
• ●设计师作品集：8/7/3（设计感优先）

这些预设不是拍脑袋出来的，而是作者经过大量试验后总结的最佳实践。你可以直接拿来用，也可以微调出自己偏好的组合。

 全套技能体系：不止一个文件

很多人以为 Taste Skill 就一个 SKILL.md 文件。其实它是一整套 13 个技能 的体系，分成两大类：

通用技能（3 个）

上手即用，覆盖日常开发的主要场景：

• ●taste-skill（v2，默认）：全能选手。读取需求简报 → 推断设计语言 → 调拨盘 → 产出代码。入门推荐。
• ●gpt-taste：严格版。布局变化更大，GSAP 动效更强，适合追求视觉冲击力的项目。
• ●output-skill：专门治 AI 偷懒。强制完整输出，禁止省略号和占位注释。

风格技能（4 个）

确定视觉方向后，叠加一个风格技能，产出立刻不一样：

• ●soft-skill：高端视觉设计。柔和对比、大量留白、弹性动效，适合奢侈品类。
• ●minimalist-skill：极简 UI。Notion/Linear 风格，克制调色板，清爽结构。
• ●brutalist-skill：工业野兽派。硬朗机械感、强烈对比、实验性布局——不是所有人都喜欢，但辨识度极高。
• ●redesign-skill：已有项目改造利器。先审计 UI 现状，再逐一修复布局、间距、层次问题。

辅助技能（3 个）

特定场景下的强力工具：

• ●image-to-code：图片优先流程。先生成参考设计图，再让 AI 对着图实现前端——实测比直接写代码效果好得多。
• ●stitch-skill：兼容 Google Stitch 的规则集，含 DESIGN.md 导出。

图片生成技能（3 个）

这三个技能不是产出代码，而是产出参考设计图：

• ●imagegen-frontend-web：网站设计稿（Hero 区、落地页、多区域排版）
• ●imagegen-frontend-mobile：移动端界面（iOS/Android/跨平台）
• ●brandkit：品牌套件（Logo 方向、调色板、字体、跨品类应用）

推荐的使用路径是：先用 imagegen 系列生成设计参考图 → 再用代码技能让 AI 对着图实现。这个组合在作者的实际测试中，产出质量远高于直接让 AI 写代码。

 v2 大升级：从"建议"到"禁令"

如果说 v1 是一本"设计建议手册"，那 v2 就是一本"装修施工规范"——从软性指导变成了硬性约束。

v2 最大的变化是新增了 §9 AI 痕迹禁令，列出十几条硬性禁止项。这些不是"建议避免"，而是"绝对不允许"。

举几个最典型的：

禁止 em-dash（—）。对，就是全角破折号。作者在 v2 前的测试中发现，这是 AI 违规频率最高的单项——作者实测发现，绝大多数 AI 都忍不住在 Hero 区写 We build — digital products 这种句式。v2 直接一刀切：页面上任何地方都不许出现破折号。

禁止章节编号眉批。如 00 / INDEX、001 · Capabilities 这种"看起来很设计"的标记——全是 AI 的模板套路，真实网站几乎没人这么写。

禁止 Hero 区版本标签。V0.6、INVITE-ONLY PREVIEW、BETA——这些标签在 AI 生成的页面里泛滥，实际产品中谁能见到？

禁止装饰性摄影署名。Field study no. 12 · Ines Caetano 这种附在图片下的署名，纯粹是 AI 为了"显得有设计感"编出来的。

禁止手写 SVG 图标。AI 手写的 SVG 图标质量参差不齐，默认应该用图标库。

值得注意的还有配色禁令：AI 紫/蓝渐变被禁止作为默认方案，米色+铜色+深棕配色的"高端消费品牌"套路也被禁用。字体方面，Inter 不推荐作为默认（推荐 Geist、Cabinet Grotesk、Satoshi），Fraunces 和 Instrument_Serif 这两个衬线字体更是被直接拉黑——因为它们是 AI 最爱用的衬线字体，出现频率高到令人发指。

 不止是样式规范，v2 还加了这些

除了禁令，v2 新增了 7 个核心模块，把 Taste Skill 从"样式指导"升级成了"完整的前端生成协议"：

§0 需求推断（Brief Inference）：写代码前先"读懂房间"。分析页面类型、氛围词、参考信号、受众、品牌资产、隐性约束。这一步是 v1 完全没有的，直接解决了"AI 不理解需求就开写"的问题。

§2 设计系统映射：当需求被识别为 Material Design、Fluent、Carbon 等已知设计系统时，自动使用官方组件包而非手写 CSS。这个细节很重要——很多 AI 会硬写 CSS 模拟 Material 的效果，结果既不像 Material 也不好看。

§8 暗色模式协议：双模式默认支持，token 策略声明，对比度与层级对等。暗色模式不再是"改几个颜色变量就完了"。

§11 重构协议：先判断是新建还是改造旧项目。如果是旧项目改造，先审计 UI 现状，明确哪些东西"永远不静默改动"——这点对实际工作流极为关键。

§12 区块库：可迭代添加的标准化区块（Hero、功能、社交证明、定价、CTA、Footer 等）。像一个乐高零件箱，组合复用即可。

§14 发布前检查：硬性清单，所有项必须通过才能交付。实测发现，这个清单在很多场景下比技能规则本身还有用——它直接阻断了 AI "差不多就行"的交付心态。

 怎么用？三种方式总有一款适合你

Taste Skill 的使用门槛极低，不需要安装任何 npm 包，它就是一组 Markdown 文件：

方式一：一键安装（推荐）

方式二：直接复制。把 GitHub 仓库里的 SKILL.md 文件复制到你的项目里。

方式三：贴进对话。直接把 SKILL.md 的内容粘贴到 ChatGPT、Codex 或 Cursor 的对话里，作为系统级提示词。

至于入门路径，我的建议是：

1. 1.先用 taste-skill（v2） 感受效果
2. 2.如果 AI 频繁偷懒，加上 output-skill
3. 3.确定视觉方向后，叠加 soft / minimalist / brutalist 三者之一
4. 4.需要设计参考图时，用 imagegen 系列再交给代码 Agent
5. 5.改造旧项目直接上 redesign-skill

 给技术人的一点思考

Taste Skill 让我印象最深的不是技术本身，而是它背后的洞察：

好的设计品味是可以被"规则化"的。

我们习惯认为设计品味是一种玄学——有人天生有，有人一辈子学不来。但 Taste Skill 证明了，至少在 AI 生成前端的语境下，品味可以通过一系列硬性约束来显著提升。你不需要懂设计，只需要告诉 AI "不许用紫色渐变、不许写 em-dash、不许加版本标签"，出来的东西就已经甩开默认输出八条街。

另一个有启发的点：约束即自由。给 AI 越少的规则，它的输出越平庸；给 AI 越多明确、具体的约束，产出的质量反而越高。这个道理不只适用于前端——任何用 AI 辅助创作的场景都值得借鉴。

当然，Taste Skill 不是万能的。项目文档里明确写了它不适用于的场景（如复杂数据可视化、游戏 UI、需要严格合规的企业界面等）。但如果你需要 AI 帮你写一个落地页、作品集、营销站、博客——它能节省的返工时间，远超你的预期。