Melinda-Mel 反 AI 味设计（Anti-Slop Design）
本 skill 是对一篇公开文章的「提炼总结」，不是原文翻译或转载。 方法论与原始洞察归原作者所有；本仓库只做流程化整理，并补了落地细节（见 README「与原文的差异」）。
来源：Anshu Chimala（前 Apple 设计/工程负责人，12 年）， 《How to turn your AI into a world-class designer》，Lenny's Newsletter，2026-09-01。 https://www.lennysnewsletter.com/p/how-to-turn-your-ai-into-a-world 原文松散借鉴了 Double Diamond，但把「人类设计团队」换成了「AI 智能体团队」。
一句话原理
LLM 是 next-token 预测器。做设计时它每一步都选最可能取悦所有人的那个 token， 结果就是「设计委员会」式的最大公约数——安全、正确、平庸。 而好设计起始于感受，靠打破规则制造记忆点。两者天然相反。
所以核心动作只有一个：把模型从「最可预测的选择」上推开。 下面六个技巧都在做这件事，只是推的方式不同。
何时用 / 何时不用
用：落地页、App UI、产品官网、活动页、数据看板、任何「要好看且要有辨识度」的生成任务。
不用：
- 后台管理系统、表单、工具类界面——这里可预测性是优点，别硬加风格。
- 已有明确品牌规范要严格遵守的场景（这时风格自由度是被约束的）。
- 只差一个按钮改个颜色的微改动——直接改，别开流程。
与 frontend-design 的关系：那个技能管「做成什么样」（配色、字体、排版的具体审美判断），
这个技能管「怎么驱动 AI 走到那儿」（流程编排、子代理、素材生成、做减法）。
两者互补，做完整页面时先跑本技能的流程定方向，再用 frontend-design 的审美原则落地细节。
三阶段总览
| 阶段 | 目标 | 技巧 | 成本 |
|---|---|---|---|
| Discover 探索 | 跳出平均解，拿到有野心的设计简报 | T1 种子串、T2 野心提示 | 免费 |
| Define 深化 | 给设计注入个体性格 | T3 批评家子代理、T4 图片生成、T5 视频生成 | T3 低、T4/T5 花钱 |
| Deliver 交付 | 磨掉粗糙边缘，收干净 | T6 做减法 | 免费 |
决策路径（按预算走）
- 零预算或快速验证 → T1 + T2 + T6。这三个是全套里性价比最高的，光靠它们就能甩开 90% 的 AI 生成物。
- 有预算、要出成品 → 加 T3，再上 T4（图片）。T5（视频）是锦上添花，只在「动态本身就是卖点」时用。
- 只跑一遍 → T2 + T6：写一个野心提示，然后把多余的东西删掉。
Stage 1 · Discover：先把空间摊开
最难的是对着空白屏。原则是先宽后深。
T1 · 种子串注入多样性（免费，30 秒）
模型没法自己随机——它只能预测最可能的 token。所以"请给我一个随机的设计"没用， 它会吐出听起来随机但实际不随机的东西（同一个配色、同一套结构、甚至连比喻都一样）。 解法：从模型外部注入随机性。用真随机字符串当灵感来源（Sakana AI 的 String Seed of Thought）。
# 生成种子串（本地跑，别让模型自己编随机数）
openssl rand -hex 24
模板见 references/prompt-library.md → T1。关键点：
- 用脚本生成，不要让模型"想一个随机字符串"。
- 引导它从串里找子模式、特殊数字、涌现的结构，而不只是表面字符。
- 不要把串展示在设计里，只是灵感来源。
T2 · 提示词要「野心勃勃」（免费，最高杠杆）
与其说"帮我做个落地页"，不如把你的品味带进来：先想一个灵感源（一款游戏、一种室内设计潮流、 一个艺术装置），再描述你希望它如何影响输出。
三个真实例子（原文）：
- 「像素艺术主题，每一屏都像游戏里的一帧静照，但它依然是个能用的落地页。」
- 「等距 3D 立体城市，不同功能变成不同的街区或建筑。」
- 「彻底不对称的布局、不和谐的色彩与字体、令人不适的留白。打破所有规则，但还是要好看。」
找不到灵感时的三步法（AI 辅助，但方向由你掌舵）：
- 让 AI 大量列想法，故意不给细节 → 只为激发你的想象。
- 你挑喜欢的，描述你对它的真实反应（喜欢什么、觉得哪里俗气、想要什么不要什么），让 AI 打磨。
- 反复到你满意，再让 AI 写「能直接给智能体用的 POC 提示词」。
⚠️ 关键：AI 生成的想法直接喂回 AI，出来还是平均值——别人也能这么干。 必须你主动掌舵方向，结果才是只有你能做出来的。
如果你心里冒出「这肯定不行」——说明方向对了。跑一次，模型经常会让你意外。 失败的提示词别删，存下来，等新模型出来再试一遍。
Stage 2 · Define：给设计装上性格
初始产出再怎么提示，通常还是摆脱不了通用骨架（左文右图、顶部导航、下面 CTA）。这一阶段解决它。
T3 · 批评家子代理 + 正反馈循环（低成本，效果最猛）
让写代码/做设计的智能体自己评审自己是无效的——它会看到自己的代码、过去的决策和理由， 无法「退一步看全局」。
解法：把判断权交给另一个全新的智能体——「设计批评家」。它只看截图，不看代码、 不看实现、不知道之前迭代过多少次，只回答一个问题：够不够格。
在 WorkBuddy 里的做法（对应原文的 subagent）：
- 用浏览器技能（如
agent-browser）对当前页面截图，存到本地绝对路径。 - 用 Agent 工具新起一个子代理（全新上下文），只给它截图路径 + 批评家提示词，
明确不给代码和迭代历史。模型选
reasoning（对应原文「用大而贵的模型当批评家」）。 - 把批评反馈交回实现方（用便宜快的模型即可），改一版，再截一次图，重新请批评家打分。
- 停止条件：连续 1–2 轮，分数到 9/10 就停。
设批评家的四条铁律（照抄原文的分级）：
- ❌ 差：「判断这个设计美不美，像不像 AI 做的」——太主观，每次结果漂移。
- ⚠️ 还行：「审视我们要的美学，想象顶级设计工作室会怎么做，然后按那个标准打分」——仍模糊，但有了一致框架。
- ✅ 好：「这里有 5 个设计：4 个专业案例 + 1 张我们产品的截图。按完成度和品味排序。」——具体、客观、有视觉基线。
- 另外：给参考图（竞品截图、你喜欢的设计、AI 生成的概念图都行），但要说明 「这是基线和情绪板，不是要你照抄」。
三个防翻车点：
- 停止条件必须写清，否则批评家永远不满意，智能体会烧 token 到死。先跑 1–2 轮看是否收敛。
- 9/10 的门槛不要写进批评家提示词——那会污染它的客观打分。门槛由实现方掌握。
- 每轮用同一份批评家提示词，否则基线漂移，迭代没有意义。
原文数据：批评家只占不到 10% 的输出 token；让贵模型直接重做页面，成本翻倍、时间更长。
T4 · 用图片生成填血肉（花钱）
编码智能体爱写代码，于是它用渐变、形状、基础图案这些代码里顺手的替代品—— 这三样正是「AI 味」的最大破绽。喂进真实图像，质感立刻上去。
💰 费用闸门（硬性）：这一步会花钱。动手前必须先出报价单 （生成张数 / 分辨率 / 预计金额），等使用者确认后再提交。不许擅自提高规格或重复生成。 原则：花钱的任务先报价、等确认再执行。
在 WorkBuddy 里用 ImageGen（需先 connect_cloud_service 取 tempKey）。
落地后必须让智能体在浏览器里逐帧验证效果对不对。
API key 安全（原文建议）：单独开一个限额很紧的 key，只给智能体用；
写进 gitignore 的 .env.agents，并在 AGENTS.md 里注明「仅供开发期使用，不得随产品发布」。
T5 · 用视频生成做高级动效（花钱，可选）
两个用法：
- 会动的图形：生成纯色背景的循环短片，然后抠像/用视频抠图模型去背景， 得到一个可以叠在 UI 任意位置的动画，且看不出是视频。
- 状态之间的流体转场：很多视频模型支持关键帧插值。拿两张产品静帧生成过渡片段， 用户操作时播放，或随滚动/滑动逐帧 scrub。
💰 同样先报价后执行。模型迭代快，原文建议用 fal.ai 这类聚合平台，一个 key 让智能体自己挑模型。
Stage 3 · Deliver：做减法
T6 · 砍掉不产生价值的元素（免费，最容易被跳过）
AI 只会加，几乎不会减。 而「什么都要解释一遍、塞满没用的元素」正是 AI 味的头号特征。 反过来，懂得克制的设计立刻显得高级。
原文作者说：打磨 AI 设计时，大部分精力都花在删东西上。
真实案例（他做的卡路里 App，已经明确要求了「clean, minimalist」，还是多出一堆）：
- 背景和进度条上的粉色发光 → 删
- 文字上随机的高亮色 → 删
- 图片已经表达清楚了，还额外加标签和留白 → 删
- 做得比 iOS 原生组件还丑的自定义按钮和输入框 → 换回原生
他给 Claude 的三条指令（可直接复用）：
- 把布局简化成以图片为中心的网格。
- 去掉渐变、发光、多余的容器。
- 追求真正极简、接近原生的观感。
今天的模型不会自己想到做这些——它不爱冒险，而「删代码」恰恰是冒险。 这一步必须你推它。 做完问自己：什么才是真正必须在屏幕上的？ 屏幕上东西更少，传达的反而更多。
T6+ · 压实留白：信息密度也是品味（2026-09-20 实测补）
模型做排版时有个稳定偏好：留白给得很大方，因为它把「宽松」等同于「高级」。 但在窄屏载体（手机长图、微信、竖版卡片）上，过量的留白只有一个后果—— 滚好几屏才读完一段内容，读者先累再走。这时留白不是呼吸感，是浪费。
实测（2026-09-20，长图渲染器 ~/.local/bin/md2pic）：同一篇 1819 字口播稿，
只压间距，不动字号、不动一个字的内容，长图 14901px → 13230px（-11%），
使用者的评价是「压缩后信息密度看着高了」——同一份内容，压紧反而更像人做的。
该压的地方（按影响从大到小）：
- 封面 / 页头上下留白（通常最虚胖）
- 每个章节标题的上下外边距（h2 这类横幅最容易撑空）
- 段落之间的间距
- 卡片 / 引用块的内部 padding
- 行高（1.72 → 1.64 一档就够，再往下就该动字号了，别动）
做法（可复用到任何 CSS 排版）：
- 改前先量：
sips -g pixelHeight 旧图。改后用同一份内容重渲染再量， 用「同内容的像素高度」当客观指标，比肉眼靠谱。 - 批量改 CSS 用**「每处必须恰好命中 1 次」的替换脚本**，任一处命中数 ≠ 1 就整体不落盘——
同名规则会在不同主题里重复出现（
.kp p{...}在 paper / tabs 两个主题各一份）， 这条断言能立刻抓出来，比逐条手改稳。 - 改前备份（
cp 文件 /tmp/xxx.bak.$(date +%H%M%S)），改完裁前两屏自己看一眼—— 「密度高」和「挤成一团」是两回事，这一步不能省。 - 对方只说「压一些」就停在这一档，不要自动进入「再压一档」的循环。
AI 味自检清单（Slop Checklist）
交付前逐条过，中一条就回去改：
- 紫色 / 蓝紫渐变（最高频的 AI 默认解）
- 左文右图 + 顶部导航条 + 下面一个 CTA 按钮（万能骨架）
- glow / 发光效果、渐变背景冒充真实材质
- 文案过度解释，或元素没有任何实际用途
- 自定义按钮/输入框比平台原生组件还难看
- 装饰性 emoji 堆砌
- 陶罐、咖啡杯、握手这类"安全的"配图隐喻
- 留白超标：段落/标题上下空隙比内容还显眼、行高松到一眼看出"虚"， 信息密度低（手机上尤其致命）→ 按 T6+ 压紧一档再交
- 换一个模型重跑，出来的东西跟你这个几乎一样 → 说明还没脱slop
常见坑
- 跳过 Discover 直接让 AI 做 → 必然拿到默认解。先花 5 分钟做 T1/T2。
- 让批评家看代码 → 立刻失去客观性。只给截图。
- 不设停止条件 → 无限迭代烧钱。先 1–2 轮看收敛趋势。
- AI 给的灵感直接用 → 还是平均值。必须由使用者自己挑、自己说好恶。
- 只加不减 → 90% 的"AI 感"来自冗余，不是来自不够花哨。
- 失败的提示词扔掉 → 存进
references/prompt-library.md的「待复活区」，新模型出来再试。
文件
references/prompt-library.md— 六个技巧的完整提示词模板（英文原版 + 中文变体）+ 待复活区references/applying-to-existing-html.md— 把一份已有 HTML 报告重做成多版式的完整流水线 （抽数据 → 多主题渲染 → 内容保真校验 → 截图 + 批评家），含 2026-09-20 实战踩过的坑