夜雨聆风今天的GitHub选题里，我最想写的不是又一个更强的Agent。
而是一个专门给Agent“治审美病”的项目：Taste Skill。
它的目标非常直白：让Claude、Codex、Cursor生成的界面少一点模板味。不是自动往页面里加更多动画，而是主动避开那些已经被AI用到发亮的套路：紫蓝渐变、巨大圆角、三等分功能卡、居中Hero、无意义的装饰文字，以及“为了高级而高级”的动效。
截至8月9日采集时，项目约有7.4万Star，周增长约3900。数字很大，但数字不是今天最重要的东西。
更值得看的是，它背后指向了一条正在冒头的新生意：
当生成能力越来越接近免费，辨识度开始重新昂贵。
一、AI味已经从文字蔓延到视觉
过去我们说“AI味”，大多指文字。三段式、过度总结、句式整齐、情绪密度过高，一看就像模型在认真完成作文。
现在网页也开始有自己的AI口音。
你让不同模型做十个SaaS官网，很容易得到一群失散多年的亲兄弟：深色背景、紫色发光、中央大标题、两个按钮、下面三张功能卡，再配一点漂浮的玻璃效果。
不是这些设计元素本身有错，而是它们成了模型最安全、最常见、最不需要做判断的默认答案。
Taste Skill真正针对的，就是这个“默认审美”。它官方把自己称为Anti-Slop Frontend Framework，核心不是给AI一种固定风格，而是要求它先读懂场景，再决定页面该长什么样。
二、v2以后，它不只是“审美提示词”
这是我认为这个项目今天值得重新看的关键。
官方Changelog已经把v2 experimental设为默认安装路线。v2保留了原来的三个设计旋钮：DESIGN_VARIANCE、MOTION_INTENSITY、VISUAL_DENSITY，但又加了一整套更像“设计质检流程”的东西。
第一步叫Brief Inference。Agent在写代码前，要先判断页面类型、受众、品牌资产、参考对象和隐性限制。
第二步是Design Read。它要用一句话说清楚：这是什么页面，给谁看，要什么视觉语言。
然后才轮到三个旋钮，决定这次页面应该多大胆、多会动、多密集。
如果任务本身应该使用Material、Fluent、Carbon、Polaris等成熟设计系统，它要求Agent优先使用官方包，而不是自己手搓一个“看起来有点像”的版本。
对于旧网站重做，它还增加了Redesign Audit：先审计，再判断是保留、升级还是推翻。
最后还有Pre-flight Check，上线前把按钮对比度、页面主题、布局重复、Hero长度、动效和各种“AI Tell”再过一遍。
三、它最有意思的地方，是开始教AI“什么不要做”
生成式AI刚出现时，提示词主要在教模型“多做什么”。
更亮一点、更高级一点、更未来一点、更多细节、更多动效。
但当生成能力过剩后，价值正在反向移动。
不要默认AI紫色渐变。
不要所有区块都用同一种三列卡片。
不要为了强调一个词，随手混进另一套字体。
不要把每个区域都塞进巨大圆角容器。
不要做没有信息意义的动画。
这其实很像成熟创作者和新手的区别。
新手不断往作品上加东西，高手往往更知道什么应该删掉。
Taste Skill把这种“克制能力”写成了Agent能读的规则。
四、这件事为什么和普通创作者有关
表面上它只是一个前端Skill，但背后的变化比网页设计大。
文字领域已经出现“去AI味”改写。
图片领域开始追求旧纸、颗粒、误差和不规则排版，用瑕疵抵抗模型的光滑。
视频领域也开始强调真人停顿、手机噪点、随手拍构图，不再追求每一帧都像广告样片。
原因其实一样：当生产能力普及以后，生产本身不再构成辨识度。
过去会Photoshop是一项能力，会剪视频是一项能力，会做网页是一项能力。现在这些动作正在迅速被模型压缩成一句话。
于是新的稀缺品又回到了更难量化的地方：判断、审美、取舍、品牌感和对“什么不该出现”的敏感。
AI下一阶段的竞争，可能不是谁生成得更多，而是谁敢删得更多。
五、先别急着吹，它有四个明显边界
第一，好看本身没有统一答案。7万Star不能等同于“专业设计师集体认证”。真正测试时，应该固定同一个模型、同一个需求，只改变是否加载Skill。
第二，v2仍然是experimental。官方明确说它仍在迭代，稳定API要等v2.0.0。
第三，它并不适合所有产品界面。Skill自己就写明，它主要面向Landing Page、Portfolio和Redesign，不是为Dashboard、数据表、多步骤产品UI准备的万能药。
第四，去AI味也会产生新的AI味。如果所有人都装同一套Taste规则，过一段时间，“反紫色渐变、反三卡片、非对称布局”本身也可能重新变成模板。
六、我的判断
Taste Skill值得试，但我不建议把它写成“AI终于有审美了”。
它更像一个信号。
第一阶段，AI解决的是“不会生成”。
第二阶段，AI解决的是“生成太慢”。
到了现在，新的问题变成“大家都会生成，而且生成得越来越像”。
所以产品机会开始从生成能力本身，移动到筛选、约束、审查和辨识度。
Taste Skill只是其中一个切口。今天同时增长很快的极简Zine海报Skill，也在做类似的事：主动加入旧纸、复印颗粒、留白和不完美，去抵抗AI图像的过度光滑。
这不是怀旧，而是稀缺性重新定价。
当生产力变得廉价，品味不会自动变便宜。
所以今天真正值得收藏的，不只是这个Skill，而是一个新判断：未来越来越多AI产品，可能不是帮你生成更多，而是帮你把“AI生成痕迹”藏得更好。
项目：Leonxlnx/taste-skill
许可证：MIT
默认路线：v2 experimental
安装：npx skills add https://github.com/Leonxlnx/taste-skill
如果同一个AI工具官网分别让“裸Codex”和“装了Taste Skill的Codex”各做一版，你觉得最应该比较的是视觉第一眼，还是实际转化和可用性？
事实核验说明：本文基于2026年8月9日选题雷达、Taste Skill GitHub README、v2 SKILL.md及CHANGELOG核验。未进行独立Codex/Claude端到端A/B跑分，因此文中的前后对比图为规则示意，不冒充真实模型测试结果。
