# 反AI味前端Skill深度拆解：taste-skill与本周生态观察 ## 概述 本期不做大而全的周报，而是抓住本周 Skills 生态里一个正在成形的明确趋势：**「反 AI 味」（Anti-Slop）类 Skill 的崛起**。在 skills.sh 的 24 小时趋势榜上，除了延续上周势头的 AI 媒体生成类 Skill（ai-video-generation、ai-music、image-to-video），出现了一批目标高度一致的运动员：`taste-skill`（design-taste-frontend）、`anti-ui-slop`、以及 mattpocock 的 writing-shape / writing-beats 写作系列——它们解决的是同一个问题：AI 生成的东西一眼就能看出是 AI 生成的。本文主拆本周趋势榜上增长最猛的 `taste-skill`，把它的 SKILL.md 拆到逐段级别，再快评 superpowers、runcomfy 媒体套件、orca-cli 等本周新面孔。 ## 本周生态速览 先看数据面。截至 2026-08-28 从 skills.sh 抓到的两个快照： - **全时榜（All Time，总量约 131.7 万个 Skill）**：第一名依旧是 vercel-labs 的 `find-skills`（300 万安装），第二到六名全部来自 mattpocock/skills 仓库：`grill-me`（91.1 万）、`grill-with-docs`（77.5 万）、`improve-codebase-architecture`（74.7 万）、`tdd`（72.2 万）。anthropics 官方的 `frontend-design` 以 79.7 万排在第三。本次抓取期间总安装计数从约 127.3 万涨到 131.7 万，可见这个目录的写入速度仍在高位。 - **24 小时趋势榜**：第一名是 `ai-video-generation`（skills-101/superpowers，24 小时 2.23 万安装），前十里 AI 媒体类占了六席；`design-taste-frontend`（taste-skill）以 4900 排第 55 位——对一个上周才进入大众视野的仓库来说，这个斜率很陡。 - **目录规模**：skillsdirectory.com 显示已收录 **97,016 个 Skill**，其中最引人注意的数字是它的安全声明——“**野外 36% 的 Skill 存在安全缺陷**”，扫描覆盖提示注入、凭证窃取、数据外泄等 10 类威胁。skillsmp.com 则宣称已收集 280 万个 SKILL.md 文件。 这三组数字放在一起，就是本周生态的底色：总量在指数增长，AI 媒体生成是流量入口，而「质量」与「安全」正在成为第三方目录的差异化卖点。 ## 评测对比表 | Skill | 来源 | 功能完整度 25% | 设计质量 25% | 实战效果 20% | 上手难度 15% | 社区活跃 15% | 加权综合 | |---|---|---|---|---|---|---|---| | **taste-skill**（design-taste-frontend） | Leonxlnx/taste-skill | ★★★★☆ | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★☆ | **4.4** | | **superpowers 媒体套件**（ai-video-generation 等） | inference-sh/skills | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★☆☆ | ★★★☆☆ | **3.9** | | **runcomfy-agent-skills**（30 个媒体 Skill） | genmedia-labs/skills | ★★★★☆ | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | ★★☆☆☆ | **3.3** | | **orca-cli** | stablyai/orca | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | **3.4** | | **anti-ui-slop** | uizze.com（未抓到源码） | ★★★☆☆* | ★★★☆☆* | ★★★☆☆* | ★★★★☆ | ★★★☆☆ | **3.4*** | \* anti-ui-slop 仅凭榜单数据评级（趋势榜第 5、24 小时 1.81 万安装），未抓取到其源码，评分置信度低，仅供参考。 --- ## 主拆解：taste-skill——把「设计品味」写成可执行合约 ### 它是什么 `taste-skill`（仓库 [Leonxlnx/taste-skill](https://github.com/Leonxlnx/taste-skill)，MIT 协议，官网 tasteskill.dev）自我定位是 **"The Anti-Slop Frontend Framework for AI Agents"**：给 AI 代理装上「好品味」，阻止它生成千篇一律的模板化 UI。仓库里不止一个 Skill——主 Skill `design-taste-frontend` 之外还有 gpt-taste（针对 GPT/Codex 的更严变体）、image-to-code、redesign-existing-projects、minimalist-ui、industrial-brutalist-ui、full-output-enforcement，以及三个只产出参考图不产代码的图像生成 Skill（imagegen-frontend-web / mobile / brandkit），共 13 个。背后已有 Kimi（Moonshot AI）和 Vercel 开源计划赞助——一个 Skill 仓库拿到商业赞助，这本身就是生态阶段的信号。 ### 逐段拆解 SKILL.md 我抓取了主 Skill 的完整 SKILL.md（v2 实验版），这份文件几乎是一本「提示词工程教科书」，按段讲： **1. Frontmatter：用「负向触发词」圈定边界** ```yaml name: design-taste-frontend description: Anti-slop frontend skill for landing pages, portfolios, and redesigns. The agent reads the brief, infers the right design direction, and ships interfaces that do not look templated... ``` description 做了两件事：正向列出触发场景（landing page、作品集、重设计），紧接着在正文第一行再次**显式排除**——"Not dashboards, not data tables, not multi-step product UI"。第 13 节 OUT OF SCOPE 更是列全了不该用的场景（仪表盘用 Fluent/Carbon/Polaris、数据表用 TanStack Table、原生移动端用 HIG/Material）。这是大多数新手 Skill 缺的东西：**不装第三方：先告诉模型「什么时候别用它」**，能大幅降低误触发和结果劣化。 **2. 第 0 节：BRIEF INFERENCE——先读题，再动手** 文件开宗明义：“大多数 LLM 设计产出很烂，是因为模型直接跳到默认美学，而不是先读房间气氛。” 它要求模型在写任何代码前输出一行 **Design Read**，例如 *"Reading this as: B2B SaaS landing for technical buyers, with a Linear-style minimalist language..."*，并立了两条交互纪律：简报含糊时**最多问一个问题**（绝不抛问题清单）；能推断就不要问。最后的 Anti-Default Discipline 直接点名 LLM 的默认审美——AI 紫渐变、居中 Hero 配暗色 mesh、三张等宽特性卡、万物玻璃拟态——作为禁用默认项。 **3. 第 1 节：三个旋钮——把「品味」参数化** 这是整个 Skill 最漂亮的设计。它不试图穷举所有好设计，而是把审美压缩成三个 1-10 的旋钮： - `DESIGN_VARIANCE: 8`（1=完美对称，10=艺术混沌） - `MOTION_INTENSITY: 6`（1=静态，10=电影级物理动效） - `VISUAL_DENSITY: 4`（1=美术馆留白，10=驾驶舱密度） 后面跟着两张表：信号→旋钮的推断表（用户说“极简/Linear 风”→ VARIANCE 5-6、MOTION 3-4；说“Awwwards/实验性”→ 9-10/8-10）和用例预设表（SaaS 落地页 7/6/4，政府公共服务站 3/2/5）。**所有后续规则都按旋钮分档生效**，用户覆盖通过对话进行，“不要让用户去改文件”。这是把不可言说的审美转成可配置参数的教科书操作。 **4. 第 2 节：诚实规则（Honesty Rule）** 「简报读起来像微软企业软件→装官方 `@fluentui/react-components`，不要手写仿制它的 CSS」；一张表列了 Material、Carbon、Primer、GOV.UK、USWDS、Polaris、shadcn/ui 各自对应哪种 brief。反向同样严格：Apple 的 Liquid Glass **只有苹果平台官方实现，不存在官方 `liquid-glass.css`**，Web 上的都是近似物，必须在注释里标注为 approximation。还附了「一个项目只用一套设计系统」的硬规则。这一节解决的是模型最常见的幻觉源头：把美学趋势当成官方规范。 **5. 第 4.7 与第 9 节：AI 特征（AI Tells）禁令清单** 这是全文最「血腥」的部分，全是来自真实生产测试的具体禁令：每 3 个 section 最多 1 个 eyebrow 小标签（并给出了机械验法：数 `uppercase tracking` 的出现次数）；Hero 文案副标题 ≤20 词；同一意图的 CTA 只许出现一个标签；禁止 div 拼的假产品截图；禁止 "Quietly trusted by" 这类做作标题；禁止城市/天气装饰条；禁止版本号页脚…… 其中 **9.G 的破折号禁令**值得单独讲，因为它展示了顶级提示词作者对模型行为的理解： > "Em-dash (`—`) is COMPLETELY banned... The agent has historically ignored em-dash limits when phrased as 'use sparingly.' The phrasing here is binary: zero em-dashes." 翻译过来：作者试过「少用」，模型不理；所以规则必须写成**二值的零容忍**。这是所有写 SKILL.md 的人都该抄的一课——**对模型无效的软约束，要改写成可机械判定的硬约束**。 **6. 第 14 节：Pre-Flight Check——约 60 项起飞前检查** 文件结尾是一张巨大的 checklist：零破折号、单主题锁、单强调色锁、圆角体系锁、CTA 对比度过 WCAG AA、CTA 不换行、eyebrow 计数、Bento 格子数等于内容数、真实图片优先（先图像生成工具、再 Picsum seed、最后明示占位）……并且声明："If a single checkbox cannot be honestly ticked, the page is not done." 这把「设计好不好」从主观争论变成了**交付前的机械验收**。 **7. 第 5 节附录：现实锚点** GSAP sticky-stack 和 horizontal-pan 给了完整可跑的代码骨架（并标注了最常见的翻车点 `start: "top top"`）；Appendix A 给每个设计系统的**真实安装命令**；Appendix B 给每个系统的官方文档链接。作者的用词是 "reality anchors"——用真实世界的锚点防止模型在训练数据里编造 API。 **8. 工程化细节：版本共存策略** v2 是实验性的大重写，但 install name 不变（`design-taste-frontend`），重装即升级；依赖 v1 精确行为的项目可以显式装 `design-taste-frontend-v1`。CHANGELOG 完整记录 v1→v2 差异与理由。这是 Skill 作为「软件」而非「提示词」的成熟做法。 ### 流程图：taste-skill 的一次执行路径 ```mermaid flowchart TD A[读取用户 Brief] --> B{信息足够推断吗} B -- 模糊 --> C[只问一个澄清问题] C --> D[输出一行 Design Read] B -- 足够 --> D D --> E[设定三旋钮 VARIANCE MOTION DENSITY] E --> F{Brief 匹配官方设计系统} F -- 匹配 --> G[安装官方包 如 Fluent Carbon GOV.UK] F -- 纯美学 --> H[原生 CSS + Tailwind 诚实标注灵感来源] G --> I[按旋钮分档构建与动效] H --> I I --> J[Pre-Flight Check 约60项] J -- 任一项失败 --> I J -- 全部通过 --> K[交付页面] ``` ### 可复制的五条 SKILL.md 写法模式 1. **负向触发**：description 和正文都写清「不是给谁用的」，并给出替代方案。 2. **参数化旋钮**：把连续的判断压缩成少量 1-10 变量，配「信号→取值」推断表。 3. **零容忍式禁令**：模型无视「少用」，就写成可机械验证的二值规则。 4. **机械验收清单**：交付前 checklist，逐项可数、可判、可驳回。 5. **现实锚点附录**：真实安装命令 + 官方文档链接，对抗 API 幻觉。 ### 安装命令 ```bash # 全仓库 npx skills add https://github.com/Leonxlnx/taste-skill # 只装主 Skill（v2 实验版） npx skills add Leonxlnx/taste-skill --skill "design-taste-frontend" # 依赖 v1 精确行为时 npx skills add Leonxlnx/taste-skill --skill "design-taste-frontend-v1" ``` --- ## 本周新面孔快评 ### superpowers（inference.sh）：媒体生成 API 的 Skill 化包装 趋势榜第一名 `ai-video-generation` 属于 `skills-101/superpowers`——它是 `inference-sh/skills` 的 fork，本体是 inference.sh 的官方 Skill 套件：通过其 CLI（叫 `belt`）让 Agent 调用 50+ 图像模型（FLUX、Gemini、Reve）、40+ 视频模型（Veo、Seedance、Wan）、LLM（Claude、Gemini、Kimi、GLM）和 Tavily/Exa 搜索。既支持 `npx skills add` 也可作为 Claude Code 插件整包安装（`/plugin marketplace add inference-sh/skills`）。设计上是典型的「API 说明书型」Skill，提示词工程含量不高，但胜在管道现成。短板也明显：**强绑定 inference.sh 的付费 API**，你的 Agent 能力被中介了一层。仓库还带了 agent 自调节类指南（卡死/循环时自我纠正），算是附赠亮点。 ```bash npx skills add inference-sh/skills # 全套 npx skills add inference-sh/skills@ai-video-generation ``` ### runcomfy-agent-skills（genmedia-labs）：30 个媒体 Skill 的「一个一个上」策略 同一个趋势榜上还挤着另一个媒体套件：`genmedia-labs/skills`（README 自称 runcomfy-agent-skills，RunComfy 出品），一口气铺了 30 个文件夹——`nano-banana-2`、`kling-3-0`、`seedance-v2`、`wan-2-7`、`flux-2-klein`、lipsync、face-swap、video-inpainting……几乎每个热门模型一个 Skill。有意思的是它在 README 里坦白安装策略：“Skill 逐个推送，以便我们先验证每个 SKILL.md 被 skills.sh 正确索引，再加下一个。” 这是把 skills.sh 榜单当**分发渠道**来运营的打法——榜单排名即增长引擎。风险面：仓库仅 3 star、1 个 commit、无文档站，质量全靠 RunComfy 平台背书，且同样绑定其付费服务。 ```bash npx skills add agentspace-so/runcomfy-agent-skills --skill ``` ### orca-cli：Skill 作为桌面软件的遥控器 `stablyai/orca` 是一个开源（MIT）的「Agent 开发环境」桌面应用：并行 worktree 跑多个编码代理、手机端监控、SSH 远程 worktree。本周上榜的 `orca-cli`（24 小时 6100 安装）是它的 Skill 形态入口——README 里 "Orca CLI: Agents drive Orca too" 一节明确写着 Agent 可以用 `orca worktree create`、`snapshot`、`click`、`fill` 来**脚本化操作 Orca 本身**。这代表了 Skill 的下一阶段：不只是给模型的领域知识，而是**把桌面软件变成 Agent 可调用的器官**。上手门槛在于你得先装 Orca 桌面端（macOS/Windows/Linux，或 `brew install --cask stablyai/orca/orca`），纯 CLI 用户收益有限。 ### anti-ui-slop：同名赛道的神秘选手 趋势榜第 5 名 `anti-ui-slop`（uizze.com 出品，24 小时 1.81 万安装）从名字看与 taste-skill 是同一赛道——反模板化 UI。但我未能抓到其源码仓库，无法验证其设计质量，评分表里已按低置信度处理。这个现象本身值得记录：**「反 AI 味」已经热到出现同名竞品赛道的程度**，且名称直白到可以直接当地标。读者安装前建议先读其 SKILL.md 全文再决定。 ### 灰色地带：流量自动化 Skill 在悄悄起量 趋势榜上还有两个值得警惕的名字：`reddit-automation`（flowkit-labs/skills，1.7 万）和 `instagram-scraper`（skillify-sh/skills，4700）。它们增长快，但本质是对第三方平台的自动化与爬取，大概率踩平台服务条款；结合 skillsdirectory「36% 的 Skill 有安全缺陷」的扫描结论，这个类目是当前生态里**安全与合规风险最高的区域**。安装此类 Skill 前，务必逐行读它的脚本而不是只读 SKILL.md。 ## 生态全景图 ```mermaid mindmap root((本周Skills生态)) 反AI味设计 taste-skill 三旋钮+预检清单 anti-ui-slop 同赛道竞品 writing-shape 写作侧反味 AI媒体生成 superpowers inference.sh全家桶 runcomfy 30个模型级Skill hyperframes 动效视频系列 Agent基础设施 orca-cli 桌面ADE遥控 find-skills 300万安装的分发入口 prisma-client-api 官方数据库Skill 平台进场 open.feishu.cn 14.2M安装飞书套件 microsoft azure-skills 7.5M larksuite/cli 7.9M 风险区 reddit-automation 条款风险 instagram-scraper 爬取风险 36%的Skill有安全缺陷 ``` ## 分维度排行榜 - **设计质量**：taste-skill ≫ superpowers > runcomfy ≈ orca-cli - **开箱即用**：superpowers > runcomfy > taste-skill > orca-cli - **值得逐行学习的范本**：taste-skill（独一档，官方 skill-creator 之外的最佳教材） - **增长斜率**：ai-video-generation（superpowers）> anti-ui-slop > taste-skill - **风险警示**：reddit-automation / instagram-scraper（条款与安全双风险） 一句话收束本周：当「生成」已经过剩，生态的下一波红利属于**约束生成**的 Skill——taste-skill 用 60 项预检清单证明了，教模型「什么不要做」，比教它「做什么」更值钱。 ## 参考来源 1. [Skills Leaderboard — skills.sh](https://www.skills.sh) — 全时榜与 24 小时趋势榜数据（find-skills 3.0M、grill-me 911.2K、趋势榜排名与安装数，抓取于 2026-08-28） 2. [Trending AI Agent Skills — skills.sh](https://www.skills.sh/trending) — 本周趋势榜明细（ai-video-generation、anti-ui-slop、orca-cli、design-taste-frontend 等） 3. [Leonxlnx/taste-skill — GitHub](https://github.com/Leonxlnx/taste-skill) — 仓库结构、13 个 Skill 清单、安装方式、v1/v2 版本策略、赞助信息 4. [taste-skill SKILL.md 原文（raw）](https://raw.githubusercontent.com/Leonxlnx/taste-skill/main/skills/taste-skill/SKILL.md) — 逐段拆解的全部引文来源（三旋钮、Honesty Rule、9.G 破折号禁令、Pre-Flight Check、附录） 5. [skills-101/superpowers — GitHub](https://github.com/skills-101/superpowers) — inference.sh Skill 套件的安装方式与能力清单（其上游为 inference-sh/skills） 6. [genmedia-labs/skills — GitHub](https://github.com/genmedia-labs/skills) — runcomfy-agent-skills 的 30 个 Skill 目录与「逐个索引验证」发布策略 7. [Skills Directory — skillsdirectory.com](https://www.skillsdirectory.com) — 97,016 收录量、「36% 的 Skill 存在安全缺陷」扫描声明、10 类威胁分类 8. [SkillsMP](https://skillsmp.com) — 280 万 SKILL.md 收集量的生态规模参照 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。