GitHub 熱榜的「反 slop 前端框架」：taste-skill 想幫 AI 產的介面補上品味

又一個對「AI 樣板臉」宣戰的專案登上 GitHub 趨勢榜：Leonxlnx 的 taste-skill 自我定位是「給 AI agent 的反 slop 前端框架」，用一組可攜的 Agent Skills 升級 AI 產出的介面——更強的版面結構、字體排印、動態設計與間距系統，取代千篇一律的樣板長相。

工作流設計得頗有巧思：儲存庫還附上「圖像生成技能」，先用 ChatGPT Images 之類的生成器產出網頁、行動介面或品牌套件的參考版面板，再把這些畫面交給 Codex、Cursor 或 Claude Code 落地成程式碼——先視覺定調、再工程實作，跟人類設計流程的分工一致。專案採 MIT 授權，且標榜與 Vercel 的 agent-skills 規格相容。

贊助名單透露了社群的重視程度：動效教學平台 animations.dev 的 Emil Kowalski 與 Vercel 開源計畫都掛名支持。與稍早同樣在 HN 竄紅的 Claude Design 系統提示對照，兩個專案一個從「紀律與哲學」下手、一個從「技能與工作流」下手，目標一致——AI 寫前端的產能已經不缺，缺的是品味的下限保證。

「skill 化」的趨勢也值得記一筆：從本站第 24 期報導的省 token 穴居人技能到這次的品味技能，把專業知識打包成 agent 可載入的模組，正在變成開源社群的新輸出格式。