一个 Skill 文件,让 AI 写的前端页面判若两人

一个 Skill 文件,让 AI 写的前端页面判若两人

说实话,我一直对 AI 写前端这件事又爱又恨。

爱的是它真的快——描述几句话,几十秒后一个完整页面就出来了。恨的是...你仔细看看那些页面,总有一股说不上来的"AI味"。紫色渐变、圆角卡片、居中大标题,千篇一律。能跑,但总让人觉得差点意思。

直到我发现了一个叫 taste-skill 的开源项目。

它只有一个文件——SKILL.md,塞进 AI 编程工具的上下文里,就能让生成的前端代码从"学生作业"变成"设计公司出品"。

之前我们聊过 code-simplifier(《Claude Code 官方放大招:code-simplifier 让 AI 写的代码也能优雅起来》),那个解决的是 AI 代码写得乱的问题——冗余多、命名差、逻辑绕。今天这个 taste-skill,解决的是另一个维度:不是代码写得丑,而是页面长得丑。

但原版有几个问题,我折腾了一番,做了些优化。今天就来聊聊这个事。

原版 taste-skill:思路很棒,但有几个痛点

taste-skill 的原作者做了一件很聪明的事:他把一整套高端 UI/UX 工程规范写成了一个 Markdown 文件。AI 之所以写出千篇一律的页面,不是因为它不会写好代码,而是没人告诉它什么是好的设计。这个 SKILL.md 就是那个"告诉它"的东西。

想法很好,但原版用下来,我发现了几个实际问题:

第一,安装方式太原始。

原版的 README 写得很直接:

1. Download the SKILL.md file from this repository. 2. Put it into your project folder. 3. Tell your AI: "Please read and strictly follow the rules in SKILL.md."

手动下载、手动放到项目里、手动告诉 AI 去读。在 2026 年了,大家都用 npx 一行命令装东西,这个安装流程多少有点"上古"了。而且如果你换个项目、换台电脑,还得重新来一遍。

第二,整个项目全是英文。

README 是英文的,SKILL.md 也是全英文的。对于中文开发者来说,光是理解那三个控制旋钮(DESIGNVARIANCE、MOTIONINTENSITY、VISUAL_DENSITY)各自代表什么,就得先翻译一遍。

第三,也是最坑的一个:AI 会把你的中文页面变成英文。

这个问题我是实际用了之后才发现的。因为 SKILL.md 通篇英文,AI 在执行这些规范的时候,会"顺便"把你项目里原本的中文 UI 文案全部替换成英文。你让它写一个中文导航页,出来的标题变成了 "Discover the Best AI Tools",按钮变成了 "Get Started"。

说实话,当时挺无语的。设计是好看了,但语言全变了,等于白做。

我做了哪些优化

既然思路是对的,问题都是可以解决的,我就 Fork 了一份,动手改了三个地方:

1. 支持 npx 一键安装

现在只需要一行命令:

npx skills add https://github.com/BND-1/taste-skill.git

这行命令会自动把 SKILL.md 安装到你的 AI 编程工具(Claude Code、Cursor、Codex、Gemini CLI 等)的 Skills 目录中。不用手动下载,不用手动配置,装完即用。

想所有项目全局生效?加个 -g:

npx skills add https://github.com/BND-1/taste-skill.git -g

这里用到的是 Vercel Labs 的 skills CLI 工具,它是专门为 AI 编程工具设计的 Skill 分发方案。目前主流的 AI 编程工具基本都支持。

2. 加入语言保护规则

这是最关键的一个改动。我在 SKILL.md 里加了一段强制规则:

LANGUAGE PRESERVATION [CRITICAL]: You MUST preserve the original language of the user's project. If the existing codebase uses Chinese for UI text, labels, headings, descriptions, or any user-facing content, you MUST keep all content in Chinese. NEVER replace or translate existing Chinese text into English.

加了这段之后,AI 在遵循设计规范的同时,会老老实实保留你项目原本的语言。中文项目生成中文界面,英文项目生成英文界面,不再乱翻译了。

3. README 中文化

把整个 README 翻译成了中文,包括三个控制旋钮的详细说明。中文开发者打开就能看懂,不用再对着英文文档猜意思了。

实测对比:同样的提示词,两种截然不同的结果

光说不练没意思。我做了一个简单的实验:用几句话的简短提示词,让 AI 分别在"有 Skill"和"没有 Skill"的情况下,各写两个页面——一个 AI 工具导航页,一个聊天界面。

提示词真的就一句话,没有任何关于设计的额外描述。(这里不好放视频,对比视频放公众号了。)

结果差异大到我自己都没想到。

实测一:AI 工具导航页

没有 Skill 的版本:

看看,是不是很眼熟?标准的 4 列等宽卡片网格,紫色渐变主色调,鼠标悬停往上浮 4 个像素,居中的大标题配一行灰色副标题...这就是 AI 前端代码的"标准模板"。能用,但你在网上搜一百个"AI工具导航",大概率长得差不多。

使用 Skill 之后:

同样的内容,同样简单的提示词。但你看这个版本:

布局完全不同。 没有用无聊的等宽网格,而是用了非对称布局,卡片宽窄交替,每个区块的节奏感都不一样。这种设计语言你在 Apple 和 Stripe 的官网上经常见到,但 AI 默认是绝对写不出来的。

细节拉开差距。 搜索框、数据指标、页面纹理...处处都是小心思。更别说代码里还藏了一堆动效——渐变光球、滚动淡入、鼠标跟随光晕,截图里看不到,但实际跑起来体验完全不同。

一个文件带来的差距,是从"能用"到"想用"。

实测二:聊天界面

没有 Skill 的版本:

标准的微信聊天界面克隆。方块头像里写着"助"和"我",绿色气泡圆角统一,底部是一个 8 列 40 个 emoji 的表情面板。对话内容也很模板——"好的,收到!"、"嗯嗯,我明白了~"、"了解了,还有其他问题吗?"。功能没毛病,但这就是任何人让 AI "做一个聊天界面"都会得到的结果。

使用 Skill 之后:

还是聊天界面,但质感完全不同了。

头像变成了真实的圆角图片,聊天对象有名字、有在线状态。气泡用了非对称圆角——这是 Telegram 和 iMessage 的现代设计语言,AI 默认不会用。表情面板也从 40 个 emoji 挤在一起,变成了一套手绘风格的 SVG 线条贴纸,精致太多。

甚至连自动回复的文案都不一样了。没有 Skill 时是"好的,收到!"这种客服话术;有 Skill 时变成了"这个角度确实新鲜,之前没想到过"——像真人在聊天,不像机器人在应答。

三个旋钮,调出你想要的风格

taste-skill 在 SKILL.md 文件顶部提供了三个数值参数,你可以像调音台一样调整 AI 输出的设计风格:

DESIGN_VARIANCE(设计差异度):1-10

  • 1-3(常规):安全的居中布局,标准网格,适合后台管理系统
  • 4-7(创意):元素开始重叠,文字偏移,图片大小各异
  • 8-10(狂野):非对称布局、大面积留白、瀑布流网格,杂志感拉满

MOTION_INTENSITY(动效强度):1-10

  • 1-3(静态):几乎没有动画,只有简单的悬停变色
  • 4-7(流畅):丝滑的淡入效果,流畅的滚动体验
  • 8-10(电影级):鼠标磁性吸引、弹簧物理动画、高级滚动特效

VISUAL_DENSITY(视觉密度):1-10

  • 1-3(美术馆模式):大量留白,一张大图一个标题,Apple / Gucci 风格
  • 4-7(日常应用模式):正常间距,像 Instagram 或新闻网站
  • 8-10(驾驶舱模式):紧凑的数据面板,一屏看到上百个数据点,适合仪表盘和交易界面

我前面展示的对比案例用的是默认值 8, 6, 4——偏艺术、有动效、留白多。你完全可以根据项目需求调整。比如做后台管理系统,调成 3, 3, 7 就很合适。

怎么安装

一行命令:

npx skills add https://github.com/BND-1/taste-skill.git

装完不需要做任何额外配置。下次让 AI 写前端代码时,它会自动遵循 SKILL.md 里的设计规范。

GitHub 地址:https://github.com/BND-1/taste-skill

写在最后

我以前觉得"AI 写前端"的天花板是由模型能力决定的——模型越强,写出的页面越好看。但这次实验让我改变了想法。

AI 不是不会写好看的代码,它只是缺一个好的设计标准。

taste-skill 证明了一件事:与其等模型升级,不如先把"什么是好设计"讲清楚。一个几十 KB 的 Markdown 文件,就能把 AI 的前端输出质量拉到一个完全不同的级别。

如果你也经常用 AI 写前端代码,又总觉得结果差点意思——试试这个 Skill。用过之后,你大概率会和我一样,再也回不去了。


往期推荐:

飞书社群开源知识库:https://my.feishu.cn/wiki/PFJswU0arip563kZbpNccWkIn0f?fromScene=spaceOverview

今天的文章就到这里啦,如果觉得不错,可以点个赞、在看、转发,三连支持我~

扫描下方图片中我的微信二维码备注"进群",拉你进社群一起交流学习!

Read more

边缘AI:解锁终端设备的智能潜能

边缘AI:解锁终端设备的智能潜能

边缘AI:解锁终端设备的智能潜能 摘要 边缘AI(Edge AI)作为人工智能领域的重要演进方向,正以前所未有的速度改变着我们与技术交互的方式。本文深入探讨边缘AI的核心概念、技术架构、优势挑战及实际应用。我们将系统解析边缘AI与传统云端AI的本质区别,详解其关键技术如模型轻量化、硬件加速和联邦学习,并通过多个实践代码示例展示如何在资源受限的终端设备上部署智能模型。文章还将对比不同边缘AI框架,分析典型应用场景,并展望未来发展趋势。读者将全面理解边缘AI的技术原理、实现方法及其如何真正"解锁终端设备的智能潜能",为实际项目部署提供清晰的技术路线图。🧠 引言:从云端到边缘的范式转变 传统人工智能系统大多采用"云中心"架构,将海量数据上传至远程服务器进行处理分析,再将结果返回终端设备。这种模式在深度学习兴起初期表现卓越,但随着物联网设备爆炸式增长、数据隐私要求日益严格以及对实时性需求的不断提升,其局限性逐渐凸显:网络延迟、带宽成本、数据安全隐患和单点故障等问题日益突出。 边缘AI应运而生,它代表着一种根本性的范式转变——将人工智能模型的推理(甚至训练)能力直接部署到数据产生

AI的提示词专栏:Prompt 辅助的实体识别(NER)案例

AI的提示词专栏:Prompt 辅助的实体识别(NER)案例

AI的提示词专栏:Prompt 辅助的实体识别(NER)案例 本文围绕 Prompt 辅助的实体识别(NER)展开,先介绍 NER 的核心定义,即从非结构化文本提取特定意义实体并归类,阐述其在多行业的价值,对比传统 NER 与 Prompt 辅助 NER 的差异。接着提出 Prompt 辅助 NER 需遵循目标明确、约束清晰、示例引导的设计原则。随后通过金融、医疗、法律领域的实战案例,展示 Prompt 设计、预期输出及技巧点。还分析常见问题与解决方案,分享结合领域词典、多轮对话、Logit Bias 参数等进阶技巧,最后给出新手入门、行业应用等实践建议,为相关 NLP 任务提供实体数据支撑。 人工智能专栏介绍     人工智能学习合集专栏是 AI

大模型选型“炼狱”与终结:一份来自普通开发者的AI Ping深度评测报告

大模型选型“炼狱”与终结:一份来自普通开发者的AI Ping深度评测报告

在人工智能应用开发的浪潮中,每一位开发者或许都经历过相似的“启蒙时刻”:初次调用大模型API,看到屏幕上流畅涌现出精准答案时的兴奋。然而,当兴奋褪去,真正将大模型集成到生产环境时,一场更为严峻的考验才刚刚开始。这不再是关于模型能否回答“地球为什么是圆的”,而是关乎你的应用能否在真实的用户压力下,稳定、快速且经济地持续运转。 这片看似繁荣的“百模大战”景象,对一线开发者而言,更像是一片充满未知与迷雾的沼泽。我们正在面临一个前所未有的“选择炼狱”。 第一部分:AI开发者的真实困境——MaaS时代的“性能盲区” 大模型即服务(MaaS)的兴起,极大地降低了开发者使用尖端AI能力的门槛。阿里云、腾讯云、百度智能云等巨头,以及智谱AI、月之暗面、百川智能等新兴力量,共同构建了一个庞大的模型超市。货架上琳琅满目,从千亿参数的庞然大物到针对特定场景的轻量级模型,应有尽有。但问题也随之而来:当产品经理带着需求走来,当运营部门设定了严格的成本红线,当用户在应用商店里因为“反应太慢”而打下一星差评时,我们该如何做出最优选择? 长久以来,行业内评估一个大模型优劣的核心标准,似乎都聚焦于“精度”

【AI】trae Skills使用方法

【AI】trae Skills使用方法

一、Skills是什么? Skill可以理解为agent的技能,Claude官方的解释是,使用 Skills 可以提升执行特定任务的能力。比如,可以在本地就能调用 Skills 玩转图片、Excel、Word、PDF 等处理操作,它和agent、mcp对比: 特性对比表格 特性SkillsSub-AgentsMCP (Model Context Protocol)目的用专业知识、工作流程、资源扩展 Claude生成自主代理处理复杂子任务连接外部工具和数据源调用方式模型自动发现(基于上下文)父代理显式生成MCP 服务器工具调用持久性触发时加载到上下文独立运行,返回结果无状态工具执行最适合领域专业知识、工作流程、模板并行任务、研究、探索外部 API、数据库、第三方服务上下文使用渐进式披露(元数据→指令→资源)每个子代理有独立上下文最小上下文(仅工具定义)复杂度低(只需 SKILL.md + 可选文件)中等(需要编排)中-高(