“这套界面又是那个味儿。”最近几个月我和做AI应用的朋友交流几乎每个人都被同一个问题卡住过让大模型生成一个管理后台、一个官网落地页、一个数据分析面板出来的东西闭着眼都知道长什么样——左侧栏、卡片式堆叠、圆角大按钮、蓝色渐变主色、白色背景。不能说不好看但看多了真的会视觉疲劳。问题的根源不在于模型能力不够而在于模型天然会往“训练数据里出现频率最高”的样式上靠也就是所谓的平均化审美。而解决这个问题的思路也慢慢清晰了不要用一句提示词去约束它而是直接给模型装上一套“Skill包”。这东西不是普通的prompt加强版而是一种可组装、可复用、可挂在Agent工作流里的结构化技能模块。装上之后AI生成界面的逻辑会从“我见过很多后台我随便选一种”变成“我遵循一套明确的设计准则并且参考了具体案例”输出结果完全就是两个级别。这篇文章我会从头拆解Skill到底是什么、为什么它能让AI跳出模板化死循环、以及我实际用下来的具体套路和踩坑记录。适合两类人看一类是正在做AI应用开发、想让Agent产出更贴合业务气质的界面的人另一类是单纯受够了AI模板风格、想在工作流里注入一点设计约束的普通用户。1. 先搞清楚问题界面为什么总是一股“AI味”1.1 模型没有审美只有统计学偏好先摆一个观点大模型生成界面时它脑子里没有“审美”这个概念。它有的只是Token的概率分布。你给它一个需求它输出界面的过程本质上是在所有它见过的界面代码片段里面挑选一条概率最高的路径往下走。这就会引出一个很现实的问题训练数据里占比最多的界面是什么是各种开源后台模板、Bootstrap文档示例、WordPress主题、通用SaaS网站。这些数据量庞大风格高度趋同于是模型学到的“默认界面”就是那套最常见的组合左侧固定导航栏顶栏放用户头像和退出按钮中间是一个卡片网格右上角一个主色按钮背景白色或浅灰。这不是模型刻意选的它是数学上最“稳妥”的选择。很多人以为换个模型就能解决这个问题实测下来效果差距没有想象中大。无论是闭源还是开源的只要不做额外约束最后的界面风格都逃不开那个统计学舒适区。所以问题的关键不是“换个更懂设计的模型”而是“改变模型的决策路径”。1.2 一句提示词管不住风格因为约束太薄弱那你说我在prompt里写“请设计一个更有创意的界面”或者“不要用常见的后台风格”有没有用有一点但非常有限。原因在于提示词是瞬时性的模型读到这句约束时确实会增加一点多样性权重但它后续还是要靠概率分布来生成具体代码。而“不要用常见风格”这种负向约束对概率分布的影响非常微弱因为模型不擅长在生成时不断排除自己最常用的Token路径。而且提示词没法携带足够多的参考信息。你说“要简洁”模型不知道你说的简洁是那种日式极简还是瑞士国际主义风格你说“要有科技感”模型给出的科技感往往是深蓝色加发光效果——这本身就是模板化审美的另一种表现形式。1.3 Agent化之后问题变得更大了如果你只是让ChatGPT用对话方式生成一个页面模板味重一点你还能让它改。但如果你是在用Agent做自动化生成比如你写了一个AI生成营销落地页的工作流Agent会自动拆解任务、自动生成代码、自动迭代几轮后直接输出成品。这种情况下模板味的问题会被指数级放大因为Agent本身没有审美判断力它的迭代标准往往只是“功能完整”“没有bug”“看起来合理”而“看起来合理”的参照系恰恰又是训练数据里的那套模板。这就是为什么Skill包的出现如此关键。Agent的工作流里有“工具调用”比如调用搜索、调用浏览器截图、调用代码执行器也有“技能调用”比如读取一份结构化文档把其中的规则注入到当前的上下文里。Skill包本质上就是把“设计规则”从提示词这种软约束变成Agent每次执行任务时都会读取并遵循的硬性上下文。2. Skill包到底是什么和普通提示词有什么本质区别2.1 把Skill理解为“给Agent安装的岗位手册”最近很多工具都在提Skill这个概念常见的有Codex Skill、OpenCode Skill、Claude Code的Skill目录、Spring AI里的Skill与Agent组合。虽然不同平台叫法略有差异核心结构是类似的Skill不是一句话而是一个文件夹里面包含了一份描述文件通常是SKILL.md以及一些配套的资源文件比如参考案例、代码片段、规则清单、模板文件等。它的工作方式很简单当Agent接到一个任务时它会根据任务内容判断需要加载哪些Skill然后读取这个Skill目录下的文档内容将这些内容作为上下文的一部分参与生成。换句话说Skill相当于给Agent装了一本“岗位手册”。不是临场叮嘱两句而是让它每次干活前都先翻一遍手册按手册的规范来。2.2 Skill与Prompt、Agent的关系清单为了帮助理解我整理一个粗浅但直观的对照维度传统PromptSkill包Agent本身存在方式一次性输入的文本磁盘上的结构化文件目录常驻的推理与行动循环复用性低需要反复复制粘贴高一次安装多处使用不涉及复用问题它是执行者对模型的影响软性容易被统计偏好淹没硬性每次执行都会加载模型的主逻辑框架能否携带案例只能文字描述可携带完整代码示例、图片说明、设计Tokens表由Skill提供可维护性差改一点要整体重写好改一个文件生效全局取决于Skill设计用好这个组合的关键在于Agent负责“做什么”和“怎么做”的推理循环Skill负责“按什么标准做”和“参考什么来做得不像别人”。两者是配合关系不是替代关系。2.3 为什么Skill能解决“模板味”问题因为Skill可以把“风格参考”实体化。你可以在Skill包里面放上具体的设计Tokens——比如色板、字体比例、间距系统、圆角规则、阴影强度也可以放上两三套完整的高质量界面参考代码。Agent读取这些文件后它在生成界面时就不会再回到统计学默认值而是会照着参考代码的结构、设计Tokens去组织新页面。这个机制本质上是在模型的概率分布之外注入了一个局部性的强约束。就像你让一个从没去过成都的人做一道川菜他大概率做出来是不辣的家常菜但如果你递给他一本非常详细的川菜菜谱附带几张成品照片他就不会自由发挥出番茄炒蛋了。3. 手写“反模板”界面Skill包完整实操过程3.1 起手式先想清楚这个Skill要约束什么直接说结论一个界面Skill包至少要约束四件事——视觉Tokens、布局模式、组件风格、禁忌清单。缺少其中任何一项输出的界面就还是有概率滑回老路。我管自己这套叫“Anti-Template UI Skill”目录结构很简单anti-template-ui/ ├── SKILL.md ├── design-tokens.md ├── reference-examples/ │ ├── dashboard-dark-accent.html │ └── landing-editorial.html └── forbidden-patterns.mdSKILL.md是入口文件Agent会先读它。它里面写清楚这个Skill的用途、适用场景、以及工作流程。3.2 写SKILL.md时最关键的是“触发条件”和“执行顺序”很多人在写Skill的时候犯的第一个错误是把SKILL.md当成一篇说明文洋洋洒洒写一大堆但没有告诉Agent“什么时候该读这个文件”以及“读完之后按什么顺序做事”。一个有效的SKILL.md开头应该是这样# Anti-Template UI Skill ## 触发条件 当用户要求生成、重构或修改以下类型的界面时必须加载本Skill - 管理后台 / Dashboard - 数据可视化面板 - 营销落地页 - 表单密集型界面 - 任何要求“非模板化”的视觉任务 ## 执行流程 1. 先读取design-tokens.md确定本次项目的色板、字体、间距、圆角、阴影规范。 2. 从reference-examples/目录中挑选一个与当前任务最接近的参考案例分析其结构。 3. 严格遵循禁忌清单逐条检查生成结果如果触碰禁忌则重新生成。 4. 生成完成后附上一段简短的设计说明解释为什么这个设计避开了常见模板。这个执行流程非常关键。它让Agent的思考路径从发散的“自由发挥”变成了一个有工序的流水线操作每一次生成都会经过规则检查模板味自然就被压下去了。3.3 design-tokens.md把视觉约束“数值化”“设计Tokens”这个词有点唬人其实本质就是把这些感觉词汇翻译成具体数值。AI的模板化很大程度来自于模型对“好看”的感知是模糊的你要帮它把感知锚定在精确数值上。我这份design-tokens.md里面有几个核心配置块## 色板策略 - 禁止使用默认纯蓝色 (#3B82F6) 作为主色。 - 主色建议从以下色系中选择暖棕色系、暗紫色系、橄榄绿系、或不饱和橙色系。 - 背景色禁止纯白 (#FFFFFF)使用带轻微色相偏移的米白/灰调如 #FAF9F7 或 #F5F4F2。 - 文字主色不要用纯黑 (#000000)使用 #1A1A1A 或 #242424。 ## 字体与排版 - 标题字体优先使用衬线字体或宽扁无衬线避免默认的Inter、Roboto。 - 正文字号至少16px行高1.6以上。 - 标题层级必须有明显的字号梯度避免所有文字看起来一个大小。 ## 间距系统 - 基础间距单位定为8px所有间距必须是8的倍数。 - 卡片与卡片之间的间距不得小于24px避免页面看起来拥挤。 ## 圆角与阴影 - 圆角禁止统一使用同一数值大小卡片必须区分例如大卡片圆角20px小控件圆角8px。 - 阴影层次最多3级且禁止使用叠加的大面积柔和阴影这是Bootstrap卡片的经典特征。 ## 布局规则 - 禁止所有页面都使用“左侧边栏 顶栏 内容卡片”结构。 - 至少尝试以下替代布局之一顶部大导航全宽内容区、非对称分栏、右侧工具面板式布局、横向卡片滚动式布局。把Tokens写细之后你会发现AI生成的界面明显有了“设计感”因为它不再靠猜而是像真正的设计师一样依据一套固定的设计决策来工作。3.4 禁忌清单直接堵死最典型的模板特征这是目前被讨论得最多的板块网上叫“去AI味”或者“去模板化”的Skill大多体现在这里。我的禁忌清单会不断更新目前维护了这么一批不要生成“左侧深色/白色侧边栏 顶部导航 主区域卡片网格”这种组合如果出现一种就必须改成非对称布局。不要在主视觉区域使用居中的超大标题搭配“下划线式”的装饰线条在营销页里用错落式排版代替。不要所有按钮都用圆角胶囊样式混用直角和微圆角。不要所有卡片都带投影用边框或背景色差异来分割层次。不要图标全部使用同一套默认线性图标尝试混搭几何装饰元素、大号数字序号或粗体排版来替代。不要在每个区块都用“左文右图”或“左图右文”交替排列偶尔用全宽引文区块、数据大数字、非对称留白来打破节奏。实际测试下来禁忌清单带来的提升往往比正向描述还要大。因为负向约束能非常精准地限制住模型的行为减少它逃回统计学舒适区的空间。3.5 参考案例给Agent“抄作业”的完整代码参考案例是整个Skill包里最有价值的部分。你放什么样的案例AI就能生成出什么水准的东西。注意不是放一堆设计感极强但结构很特殊的获奖网站那会让AI用力过猛导致页面过于花哨而牺牲可用性。我放了两个案例一个是带强烈暗色风格的数据面板结构非常规但功能清晰另一个是杂志编辑式布局的落地页不对称分栏、错落视觉层级、大字号排版。这两个案例覆盖了“工具型界面”和“内容型界面”两类最常见的场景。参考案例的文件里代码必须是完整的HTML加内联CSS不能只给片段。如果给片段模型补全时又会回到老路上。完整代码能让模型看到一个页面从结构到细节的“全貌”从而理解非模板化是整体性的不是某个角落加点小设计就能解决的。4. 实测对比同一个需求装Skill前后能差多远4.1 测试场景生成一个“团队项目进度管理面板”为了验证Skill的效果我做了一个对比测试。同样的模型、同样的需求描述唯一区别是是否加载anti-template-ui这个Skill包。需求描述用的是非常口语化的一句话“给我生成一个团队项目进度管理面板能看到每个项目的状态、负责人、进度和风险。”第一轮不加载Skill直接让模型生成。结果是典型的“模板全家桶”左侧深色侧边栏菜单项全部是整齐的图标加文字顶部白色导航条主区域是三列等宽卡片每张卡片里一个进度条加一个绿色“进行中”标签。功能倒是齐全但一眼就能看出是AI生成的界面。第二轮加载了anti-template-ui Skill。生成的页面结构变成了顶部是一整条全深的棕色横贯导航区所有项目信息放在一个不对称的分栏容器里左边是重点项目的详细时间线与风险清单右侧是一个紧凑的项目状态统计面板。字体用的是带有明显锐利感的衬线标题体背景是轻微偏黄的米白色主色是暗棕橙色。整体风格明显有了“定制感”甚至有些像独立开发者喜欢用的那种暗调质感面板风格。4.2 关键词覆盖率对比模板特征如何被压制我用一个粗糙但直观的统计方式对比两版结果——检查页面上有多少个模板特征点。特征点包括左侧固定导航栏、等宽卡片网格、胶囊按钮、柔和全卡阴影、蓝色主色、白色背景、默认线性图标。不含Skill的那版命中了6/7个只差一个蓝色主色没有出现它用的是偏绿的颜色。加载Skill的版本只命中1个默认线性图标因为图标模块我还没找到很好的替代策略目前是允许混用几何装饰元素。这个对比说明Skill确实能把模型的默认行为硬掰过来。而且不只是“看起来不一样”连设计决策的底层逻辑都变了。没加载Skill时AI考虑的是“怎么把功能安排清楚”加载后它考虑的是“怎么在功能清晰的基础上建立起一种统一且有辨识度的视觉语言”。4.3 在实际Agent工作流里效果同样稳定单次生成测试通过之后我又把它接进了一个实际项目里——一个自动生成营销活动页的Agent工作流。这个流程需要AI依次完成文案、页面结构、视觉设计、响应式适配最后输出可部署的HTML文件。以前这个流程最头疼的点就是每次生成的几个页面模板感过于雷同哪怕是不同主题的活动页视觉上都能看出是同一个流水线出来的。挂载Skill包之后这个现象得到了明显改善。Agent在读取了design-tokens和reference-examples之后不同主题的页面会从色板、字体、布局三个维度自动做出区分。比如一个咖啡品牌活动和一个小型科技讲座的页面一个是暖棕调编辑风另一个是墨绿调工业风结构上也不再有“复制粘贴感”。这是Skill在Agent化工作流里最大的价值把审美一致性从“碰运气”变成“默认配置”。5. Skill包的高阶玩法从“界面风格”扩展到“产品气质”5.1 你已经体验了Skill包改变界面的力量接下来怎么让它工作得更顺手写完第一版Skill包之后我给自己定了几个使用的“黄金规则”按重要程度排列一下要写清触发条件。如果触发条件写得太大而全Agent会动不动就加载Skill场景不匹配时反而拖慢生成速度甚至让界面为了“不模板化”而变得过于刻意。我的边界是“和视觉呈现相关的任务才加载”。参考案例只需2到3个。有人觉得案例越多越好实测下来案例超过5个会让Agent在选择时产生混乱生成结果反而变成“多个参考的混合体”结构不伦不类。2到3个高质量、风格差异明显的案例是最舒服的状态。禁忌清单要和正向描述配合。如果只给禁忌没有给出替代方案模型有时候会陷入“我不知道该怎么做”的保守状态生成的界面虽然不模板了但变得单调谨慎甚至结构过于简单。所以我在design-tokens里写了正向替代方案在forbidden-patterns里写不能做什么两者结合才是完整约束。Skill要定期迭代。设计趋势在变模型的统计偏好也在变。我每隔一个月会去观察一次chatgpt、Claude这类主流模型新生成页面的风格变化发现“新的默认模板样式”之后就会把对应的禁忌项加进去。比如过去半年里“玻璃拟态卡片”“超大空白留白中间一行小字”“毛玻璃导航条”都已经成了新的AI味特征。5.2 拆解Skill子任务把设计流程拆成“测、选、改、查”四步如果你不想用我这种“一个大包搞定所有风格”的思路也可以把Skill往“工作流编排”的方向做。我看到有些人会把它拆成四个子Skill第一个负责分析需求并生成设计Tokens第二个负责从Tokens生成HTML骨架第三个负责视觉细节强化第四个负责终稿检查。这种拆分方式的优势在于每个环节的输入输出都很明确Agent的每一步都更可控。缺点也很明显多个Skill之间的上下文传递可能出现信息丢失。比如生成Tokens的Skill和生成HTML的Skill如果没在同一个上下文窗口内Agent可能会漏掉之前设定好的色板规则。我目前用的是折中方案一个主Skill负责“视觉规范执行流程”把设计Tokens、禁忌清单都写在里面另外再单独放一个“终稿检查”的子Skill只干一件事——在输出最终界面之前检查是否命中了禁忌清单里的内容。这样既不会把职责切得太碎又能在最后卡一道质量关口。5.3 同一套Skill跨工具移植的技巧我试用过几个主流AI编程环境来运行Skill包。不同工具对Skill目录的规范有细微差异但核心逻辑是通用的。以Codex这类支持Skill加载的工具为例它们通常会在项目里设定一个固定目录比如.skills或.skill直接把你的Skill文件夹放进去就行。而OpenCode、Claude Code这类工具也大同小异关键是SKILL.md文件的内容要写得逻辑完整因为所有平台都是靠这个文件的描述来决定“何时触发”和“如何执行”的。如果你的工具暂时不支持自定义Skill目录也有一个过渡方案把SKILL.md和design-tokens.md的内容直接粘贴到系统提示词或项目提示词里作为所有对话的默认上下文。虽然不像真正的Skill那样按需加载但对单项目来说效果也能到位。我已经遇到过有人用这种“伪Skill”方式把同一套界面设计准则用在了好几个内部工具上结果相当不错至少比放养式提示词稳定得多。6. 安装和验证Skill包的时候最常见的坑有哪些6.1 Skill加载了但没生效页面还是老样子这个是遇到最多的问题。表面看是“Skill不生效”实际排查下来大概率是SKILL.md里的触发条件写得不够明确或者Agent在任务拆解时没有把“界面生成”归到这个Skill的负责范围里。我调试的方法是在SKILL.md开头加上一行强制指令比如“当你准备生成任何HTML页面或CSS样式定义时必须先读取本文件并严格遵循其中所有规则”。这行话对应的效果是哪怕模型在推理时不确定该不该加载Skill看到这条指令后也会被拉回正轨。6.2 生成结果倒是非模板了但可用性变差了这是另一个很典型的反面效果。有些界面为了打破模板结构结果做出了一些看起来很酷但用户根本不知道怎么操作的布局。比如非对称分栏做得太极端导致核心操作按钮被挤到视线边缘或者过于强调视觉冲击把表格信息处理成了难以阅读的图形化样式。我的经验是在Skill里增加“可用性底线”条款。明确要求“打破布局规则的前提是核心操作路径仍然清晰可见信息层级仍然一目了然”。说白了反模板追求的是“有辨识度的可用设计”而不是“为怪异而怪异的艺术展品”。6.3 不同模型对同一份Skill的服从度不同用同一个Skill包分别跑GPT系列和Claude系列执行效果的差异非常明显。有些模型忠实度很高会逐条按照Skil的规则执行有些模型更“随性”在细节处容易忽略禁忌。应对方案是在同一份SKILL.md文件里把“执行检查”步骤重复写两遍一遍在开头任务说明一遍在末尾输出前检查。这套方法虽然简单但非常有效相当于给模型加了一层自我提醒机制。6.4 Skill包体积变大后运行效率下降当你给Skill加了很多参考案例和设计资料之后它会显著占用上下文窗口导致Agent需要更长的处理时间甚至偶尔把不相关内容挤掉影响其他功能执行。以前我会加载一堆精心挑选的参考资料每个都想让Agent借鉴一点。后来发现真正有用的就那几个资料放多了反而让Agent抓不住重点。现在我严格控制每个Skill包的总阅读量SKILL.md控制在60行以内design-tokens控制在40行以内参考案例最多3个禁忌清单保持在15条以内。这个体量能让Agent在1分钟之内完成加载和消化执行效果也是最好的。7. 这个方向还能怎么玩从界面生成到全链路技能化我现在已经不只是把Skill用在界面生成上了。比如我最近在尝试的一个方向是“界面生成 产品文案”的联合Skill生成界面时文案由同一个Agent基于它读过的参考案例里的语气来写这样文案风格和视觉气质能保持一致不会出现一个极简编辑风格的页面装着一堆“赋能、抓手、闭环”这类黑话文案的情况。还有人在做品牌规范Skill把一套完整的VI规范写进Skill包任何AI生成的物料都严格按照这个规范来。这样就等于把“品牌外包设计师”塞进了Agent的工具箱里每次生成都有稳定的品牌基因。这些东西本质上都在做同一件事把人类在某一领域的隐性经验结构化地注入到Agent的工作流中让它不用靠猜、不用靠运气就能稳定地产出中高水平的结果。对我个人来说写Skill包这个习惯带来的改变是我对待AI的方式完全变了。以前我是“提需求的人”现在我是“定义标准的人”。之前总在焦虑AI会取代什么现在反而踏实了——因为无论模型的能力边界怎么扩张如何把行业经验和品味翻译成Skill规则这件事本身依然需要人的判断力。 
长河君 · 2026/10/17 7:59:23 · 阅读 1.2k AI界面生成总是一股模板味？Skill包如何打破平均化审美
“这套界面又是那个味儿。”最近几个月我和做AI应用的朋友交流几乎每个人都被同一个问题卡住过让大模型生成一个管理后台、一个官网落地页、一个数据分析面板出来的东西闭着眼都知道长什么样——左侧栏、卡片式堆叠、圆角大按钮、蓝色渐变主色、白色背景。不能说不好看但看多了真的会视觉疲劳。问题的根源不在于模型能力不够而在于模型天然会往“训练数据里出现频率最高”的样式上靠也就是所谓的平均化审美。而解决这个问题的思路也慢慢清晰了不要用一句提示词去约束它而是直接给模型装上一套“Skill包”。这东西不是普通的prompt加强版而是一种可组装、可复用、可挂在Agent工作流里的结构化技能模块。装上之后AI生成界面的逻辑会从“我见过很多后台我随便选一种”变成“我遵循一套明确的设计准则并且参考了具体案例”输出结果完全就是两个级别。这篇文章我会从头拆解Skill到底是什么、为什么它能让AI跳出模板化死循环、以及我实际用下来的具体套路和踩坑记录。适合两类人看一类是正在做AI应用开发、想让Agent产出更贴合业务气质的界面的人另一类是单纯受够了AI模板风格、想在工作流里注入一点设计约束的普通用户。1. 先搞清楚问题界面为什么总是一股“AI味”1.1 模型没有审美只有统计学偏好先摆一个观点大模型生成界面时它脑子里没有“审美”这个概念。它有的只是Token的概率分布。你给它一个需求它输出界面的过程本质上是在所有它见过的界面代码片段里面挑选一条概率最高的路径往下走。这就会引出一个很现实的问题训练数据里占比最多的界面是什么是各种开源后台模板、Bootstrap文档示例、WordPress主题、通用SaaS网站。这些数据量庞大风格高度趋同于是模型学到的“默认界面”就是那套最常见的组合左侧固定导航栏顶栏放用户头像和退出按钮中间是一个卡片网格右上角一个主色按钮背景白色或浅灰。这不是模型刻意选的它是数学上最“稳妥”的选择。很多人以为换个模型就能解决这个问题实测下来效果差距没有想象中大。无论是闭源还是开源的只要不做额外约束最后的界面风格都逃不开那个统计学舒适区。所以问题的关键不是“换个更懂设计的模型”而是“改变模型的决策路径”。1.2 一句提示词管不住风格因为约束太薄弱那你说我在prompt里写“请设计一个更有创意的界面”或者“不要用常见的后台风格”有没有用有一点但非常有限。原因在于提示词是瞬时性的模型读到这句约束时确实会增加一点多样性权重但它后续还是要靠概率分布来生成具体代码。而“不要用常见风格”这种负向约束对概率分布的影响非常微弱因为模型不擅长在生成时不断排除自己最常用的Token路径。而且提示词没法携带足够多的参考信息。你说“要简洁”模型不知道你说的简洁是那种日式极简还是瑞士国际主义风格你说“要有科技感”模型给出的科技感往往是深蓝色加发光效果——这本身就是模板化审美的另一种表现形式。1.3 Agent化之后问题变得更大了如果你只是让ChatGPT用对话方式生成一个页面模板味重一点你还能让它改。但如果你是在用Agent做自动化生成比如你写了一个AI生成营销落地页的工作流Agent会自动拆解任务、自动生成代码、自动迭代几轮后直接输出成品。这种情况下模板味的问题会被指数级放大因为Agent本身没有审美判断力它的迭代标准往往只是“功能完整”“没有bug”“看起来合理”而“看起来合理”的参照系恰恰又是训练数据里的那套模板。这就是为什么Skill包的出现如此关键。Agent的工作流里有“工具调用”比如调用搜索、调用浏览器截图、调用代码执行器也有“技能调用”比如读取一份结构化文档把其中的规则注入到当前的上下文里。Skill包本质上就是把“设计规则”从提示词这种软约束变成Agent每次执行任务时都会读取并遵循的硬性上下文。2. Skill包到底是什么和普通提示词有什么本质区别2.1 把Skill理解为“给Agent安装的岗位手册”最近很多工具都在提Skill这个概念常见的有Codex Skill、OpenCode Skill、Claude Code的Skill目录、Spring AI里的Skill与Agent组合。虽然不同平台叫法略有差异核心结构是类似的Skill不是一句话而是一个文件夹里面包含了一份描述文件通常是SKILL.md以及一些配套的资源文件比如参考案例、代码片段、规则清单、模板文件等。它的工作方式很简单当Agent接到一个任务时它会根据任务内容判断需要加载哪些Skill然后读取这个Skill目录下的文档内容将这些内容作为上下文的一部分参与生成。换句话说Skill相当于给Agent装了一本“岗位手册”。不是临场叮嘱两句而是让它每次干活前都先翻一遍手册按手册的规范来。2.2 Skill与Prompt、Agent的关系清单为了帮助理解我整理一个粗浅但直观的对照维度传统PromptSkill包Agent本身存在方式一次性输入的文本磁盘上的结构化文件目录常驻的推理与行动循环复用性低需要反复复制粘贴高一次安装多处使用不涉及复用问题它是执行者对模型的影响软性容易被统计偏好淹没硬性每次执行都会加载模型的主逻辑框架能否携带案例只能文字描述可携带完整代码示例、图片说明、设计Tokens表由Skill提供可维护性差改一点要整体重写好改一个文件生效全局取决于Skill设计用好这个组合的关键在于Agent负责“做什么”和“怎么做”的推理循环Skill负责“按什么标准做”和“参考什么来做得不像别人”。两者是配合关系不是替代关系。2.3 为什么Skill能解决“模板味”问题因为Skill可以把“风格参考”实体化。你可以在Skill包里面放上具体的设计Tokens——比如色板、字体比例、间距系统、圆角规则、阴影强度也可以放上两三套完整的高质量界面参考代码。Agent读取这些文件后它在生成界面时就不会再回到统计学默认值而是会照着参考代码的结构、设计Tokens去组织新页面。这个机制本质上是在模型的概率分布之外注入了一个局部性的强约束。就像你让一个从没去过成都的人做一道川菜他大概率做出来是不辣的家常菜但如果你递给他一本非常详细的川菜菜谱附带几张成品照片他就不会自由发挥出番茄炒蛋了。3. 手写“反模板”界面Skill包完整实操过程3.1 起手式先想清楚这个Skill要约束什么直接说结论一个界面Skill包至少要约束四件事——视觉Tokens、布局模式、组件风格、禁忌清单。缺少其中任何一项输出的界面就还是有概率滑回老路。我管自己这套叫“Anti-Template UI Skill”目录结构很简单anti-template-ui/ ├── SKILL.md ├── design-tokens.md ├── reference-examples/ │ ├── dashboard-dark-accent.html │ └── landing-editorial.html └── forbidden-patterns.mdSKILL.md是入口文件Agent会先读它。它里面写清楚这个Skill的用途、适用场景、以及工作流程。3.2 写SKILL.md时最关键的是“触发条件”和“执行顺序”很多人在写Skill的时候犯的第一个错误是把SKILL.md当成一篇说明文洋洋洒洒写一大堆但没有告诉Agent“什么时候该读这个文件”以及“读完之后按什么顺序做事”。一个有效的SKILL.md开头应该是这样# Anti-Template UI Skill ## 触发条件 当用户要求生成、重构或修改以下类型的界面时必须加载本Skill - 管理后台 / Dashboard - 数据可视化面板 - 营销落地页 - 表单密集型界面 - 任何要求“非模板化”的视觉任务 ## 执行流程 1. 先读取design-tokens.md确定本次项目的色板、字体、间距、圆角、阴影规范。 2. 从reference-examples/目录中挑选一个与当前任务最接近的参考案例分析其结构。 3. 严格遵循禁忌清单逐条检查生成结果如果触碰禁忌则重新生成。 4. 生成完成后附上一段简短的设计说明解释为什么这个设计避开了常见模板。这个执行流程非常关键。它让Agent的思考路径从发散的“自由发挥”变成了一个有工序的流水线操作每一次生成都会经过规则检查模板味自然就被压下去了。3.3 design-tokens.md把视觉约束“数值化”“设计Tokens”这个词有点唬人其实本质就是把这些感觉词汇翻译成具体数值。AI的模板化很大程度来自于模型对“好看”的感知是模糊的你要帮它把感知锚定在精确数值上。我这份design-tokens.md里面有几个核心配置块## 色板策略 - 禁止使用默认纯蓝色 (#3B82F6) 作为主色。 - 主色建议从以下色系中选择暖棕色系、暗紫色系、橄榄绿系、或不饱和橙色系。 - 背景色禁止纯白 (#FFFFFF)使用带轻微色相偏移的米白/灰调如 #FAF9F7 或 #F5F4F2。 - 文字主色不要用纯黑 (#000000)使用 #1A1A1A 或 #242424。 ## 字体与排版 - 标题字体优先使用衬线字体或宽扁无衬线避免默认的Inter、Roboto。 - 正文字号至少16px行高1.6以上。 - 标题层级必须有明显的字号梯度避免所有文字看起来一个大小。 ## 间距系统 - 基础间距单位定为8px所有间距必须是8的倍数。 - 卡片与卡片之间的间距不得小于24px避免页面看起来拥挤。 ## 圆角与阴影 - 圆角禁止统一使用同一数值大小卡片必须区分例如大卡片圆角20px小控件圆角8px。 - 阴影层次最多3级且禁止使用叠加的大面积柔和阴影这是Bootstrap卡片的经典特征。 ## 布局规则 - 禁止所有页面都使用“左侧边栏 顶栏 内容卡片”结构。 - 至少尝试以下替代布局之一顶部大导航全宽内容区、非对称分栏、右侧工具面板式布局、横向卡片滚动式布局。把Tokens写细之后你会发现AI生成的界面明显有了“设计感”因为它不再靠猜而是像真正的设计师一样依据一套固定的设计决策来工作。3.4 禁忌清单直接堵死最典型的模板特征这是目前被讨论得最多的板块网上叫“去AI味”或者“去模板化”的Skill大多体现在这里。我的禁忌清单会不断更新目前维护了这么一批不要生成“左侧深色/白色侧边栏 顶部导航 主区域卡片网格”这种组合如果出现一种就必须改成非对称布局。不要在主视觉区域使用居中的超大标题搭配“下划线式”的装饰线条在营销页里用错落式排版代替。不要所有按钮都用圆角胶囊样式混用直角和微圆角。不要所有卡片都带投影用边框或背景色差异来分割层次。不要图标全部使用同一套默认线性图标尝试混搭几何装饰元素、大号数字序号或粗体排版来替代。不要在每个区块都用“左文右图”或“左图右文”交替排列偶尔用全宽引文区块、数据大数字、非对称留白来打破节奏。实际测试下来禁忌清单带来的提升往往比正向描述还要大。因为负向约束能非常精准地限制住模型的行为减少它逃回统计学舒适区的空间。3.5 参考案例给Agent“抄作业”的完整代码参考案例是整个Skill包里最有价值的部分。你放什么样的案例AI就能生成出什么水准的东西。注意不是放一堆设计感极强但结构很特殊的获奖网站那会让AI用力过猛导致页面过于花哨而牺牲可用性。我放了两个案例一个是带强烈暗色风格的数据面板结构非常规但功能清晰另一个是杂志编辑式布局的落地页不对称分栏、错落视觉层级、大字号排版。这两个案例覆盖了“工具型界面”和“内容型界面”两类最常见的场景。参考案例的文件里代码必须是完整的HTML加内联CSS不能只给片段。如果给片段模型补全时又会回到老路上。完整代码能让模型看到一个页面从结构到细节的“全貌”从而理解非模板化是整体性的不是某个角落加点小设计就能解决的。4. 实测对比同一个需求装Skill前后能差多远4.1 测试场景生成一个“团队项目进度管理面板”为了验证Skill的效果我做了一个对比测试。同样的模型、同样的需求描述唯一区别是是否加载anti-template-ui这个Skill包。需求描述用的是非常口语化的一句话“给我生成一个团队项目进度管理面板能看到每个项目的状态、负责人、进度和风险。”第一轮不加载Skill直接让模型生成。结果是典型的“模板全家桶”左侧深色侧边栏菜单项全部是整齐的图标加文字顶部白色导航条主区域是三列等宽卡片每张卡片里一个进度条加一个绿色“进行中”标签。功能倒是齐全但一眼就能看出是AI生成的界面。第二轮加载了anti-template-ui Skill。生成的页面结构变成了顶部是一整条全深的棕色横贯导航区所有项目信息放在一个不对称的分栏容器里左边是重点项目的详细时间线与风险清单右侧是一个紧凑的项目状态统计面板。字体用的是带有明显锐利感的衬线标题体背景是轻微偏黄的米白色主色是暗棕橙色。整体风格明显有了“定制感”甚至有些像独立开发者喜欢用的那种暗调质感面板风格。4.2 关键词覆盖率对比模板特征如何被压制我用一个粗糙但直观的统计方式对比两版结果——检查页面上有多少个模板特征点。特征点包括左侧固定导航栏、等宽卡片网格、胶囊按钮、柔和全卡阴影、蓝色主色、白色背景、默认线性图标。不含Skill的那版命中了6/7个只差一个蓝色主色没有出现它用的是偏绿的颜色。加载Skill的版本只命中1个默认线性图标因为图标模块我还没找到很好的替代策略目前是允许混用几何装饰元素。这个对比说明Skill确实能把模型的默认行为硬掰过来。而且不只是“看起来不一样”连设计决策的底层逻辑都变了。没加载Skill时AI考虑的是“怎么把功能安排清楚”加载后它考虑的是“怎么在功能清晰的基础上建立起一种统一且有辨识度的视觉语言”。4.3 在实际Agent工作流里效果同样稳定单次生成测试通过之后我又把它接进了一个实际项目里——一个自动生成营销活动页的Agent工作流。这个流程需要AI依次完成文案、页面结构、视觉设计、响应式适配最后输出可部署的HTML文件。以前这个流程最头疼的点就是每次生成的几个页面模板感过于雷同哪怕是不同主题的活动页视觉上都能看出是同一个流水线出来的。挂载Skill包之后这个现象得到了明显改善。Agent在读取了design-tokens和reference-examples之后不同主题的页面会从色板、字体、布局三个维度自动做出区分。比如一个咖啡品牌活动和一个小型科技讲座的页面一个是暖棕调编辑风另一个是墨绿调工业风结构上也不再有“复制粘贴感”。这是Skill在Agent化工作流里最大的价值把审美一致性从“碰运气”变成“默认配置”。5. Skill包的高阶玩法从“界面风格”扩展到“产品气质”5.1 你已经体验了Skill包改变界面的力量接下来怎么让它工作得更顺手写完第一版Skill包之后我给自己定了几个使用的“黄金规则”按重要程度排列一下要写清触发条件。如果触发条件写得太大而全Agent会动不动就加载Skill场景不匹配时反而拖慢生成速度甚至让界面为了“不模板化”而变得过于刻意。我的边界是“和视觉呈现相关的任务才加载”。参考案例只需2到3个。有人觉得案例越多越好实测下来案例超过5个会让Agent在选择时产生混乱生成结果反而变成“多个参考的混合体”结构不伦不类。2到3个高质量、风格差异明显的案例是最舒服的状态。禁忌清单要和正向描述配合。如果只给禁忌没有给出替代方案模型有时候会陷入“我不知道该怎么做”的保守状态生成的界面虽然不模板了但变得单调谨慎甚至结构过于简单。所以我在design-tokens里写了正向替代方案在forbidden-patterns里写不能做什么两者结合才是完整约束。Skill要定期迭代。设计趋势在变模型的统计偏好也在变。我每隔一个月会去观察一次chatgpt、Claude这类主流模型新生成页面的风格变化发现“新的默认模板样式”之后就会把对应的禁忌项加进去。比如过去半年里“玻璃拟态卡片”“超大空白留白中间一行小字”“毛玻璃导航条”都已经成了新的AI味特征。5.2 拆解Skill子任务把设计流程拆成“测、选、改、查”四步如果你不想用我这种“一个大包搞定所有风格”的思路也可以把Skill往“工作流编排”的方向做。我看到有些人会把它拆成四个子Skill第一个负责分析需求并生成设计Tokens第二个负责从Tokens生成HTML骨架第三个负责视觉细节强化第四个负责终稿检查。这种拆分方式的优势在于每个环节的输入输出都很明确Agent的每一步都更可控。缺点也很明显多个Skill之间的上下文传递可能出现信息丢失。比如生成Tokens的Skill和生成HTML的Skill如果没在同一个上下文窗口内Agent可能会漏掉之前设定好的色板规则。我目前用的是折中方案一个主Skill负责“视觉规范执行流程”把设计Tokens、禁忌清单都写在里面另外再单独放一个“终稿检查”的子Skill只干一件事——在输出最终界面之前检查是否命中了禁忌清单里的内容。这样既不会把职责切得太碎又能在最后卡一道质量关口。5.3 同一套Skill跨工具移植的技巧我试用过几个主流AI编程环境来运行Skill包。不同工具对Skill目录的规范有细微差异但核心逻辑是通用的。以Codex这类支持Skill加载的工具为例它们通常会在项目里设定一个固定目录比如.skills或.skill直接把你的Skill文件夹放进去就行。而OpenCode、Claude Code这类工具也大同小异关键是SKILL.md文件的内容要写得逻辑完整因为所有平台都是靠这个文件的描述来决定“何时触发”和“如何执行”的。如果你的工具暂时不支持自定义Skill目录也有一个过渡方案把SKILL.md和design-tokens.md的内容直接粘贴到系统提示词或项目提示词里作为所有对话的默认上下文。虽然不像真正的Skill那样按需加载但对单项目来说效果也能到位。我已经遇到过有人用这种“伪Skill”方式把同一套界面设计准则用在了好几个内部工具上结果相当不错至少比放养式提示词稳定得多。6. 安装和验证Skill包的时候最常见的坑有哪些6.1 Skill加载了但没生效页面还是老样子这个是遇到最多的问题。表面看是“Skill不生效”实际排查下来大概率是SKILL.md里的触发条件写得不够明确或者Agent在任务拆解时没有把“界面生成”归到这个Skill的负责范围里。我调试的方法是在SKILL.md开头加上一行强制指令比如“当你准备生成任何HTML页面或CSS样式定义时必须先读取本文件并严格遵循其中所有规则”。这行话对应的效果是哪怕模型在推理时不确定该不该加载Skill看到这条指令后也会被拉回正轨。6.2 生成结果倒是非模板了但可用性变差了这是另一个很典型的反面效果。有些界面为了打破模板结构结果做出了一些看起来很酷但用户根本不知道怎么操作的布局。比如非对称分栏做得太极端导致核心操作按钮被挤到视线边缘或者过于强调视觉冲击把表格信息处理成了难以阅读的图形化样式。我的经验是在Skill里增加“可用性底线”条款。明确要求“打破布局规则的前提是核心操作路径仍然清晰可见信息层级仍然一目了然”。说白了反模板追求的是“有辨识度的可用设计”而不是“为怪异而怪异的艺术展品”。6.3 不同模型对同一份Skill的服从度不同用同一个Skill包分别跑GPT系列和Claude系列执行效果的差异非常明显。有些模型忠实度很高会逐条按照Skil的规则执行有些模型更“随性”在细节处容易忽略禁忌。应对方案是在同一份SKILL.md文件里把“执行检查”步骤重复写两遍一遍在开头任务说明一遍在末尾输出前检查。这套方法虽然简单但非常有效相当于给模型加了一层自我提醒机制。6.4 Skill包体积变大后运行效率下降当你给Skill加了很多参考案例和设计资料之后它会显著占用上下文窗口导致Agent需要更长的处理时间甚至偶尔把不相关内容挤掉影响其他功能执行。以前我会加载一堆精心挑选的参考资料每个都想让Agent借鉴一点。后来发现真正有用的就那几个资料放多了反而让Agent抓不住重点。现在我严格控制每个Skill包的总阅读量SKILL.md控制在60行以内design-tokens控制在40行以内参考案例最多3个禁忌清单保持在15条以内。这个体量能让Agent在1分钟之内完成加载和消化执行效果也是最好的。7. 这个方向还能怎么玩从界面生成到全链路技能化我现在已经不只是把Skill用在界面生成上了。比如我最近在尝试的一个方向是“界面生成 产品文案”的联合Skill生成界面时文案由同一个Agent基于它读过的参考案例里的语气来写这样文案风格和视觉气质能保持一致不会出现一个极简编辑风格的页面装着一堆“赋能、抓手、闭环”这类黑话文案的情况。还有人在做品牌规范Skill把一套完整的VI规范写进Skill包任何AI生成的物料都严格按照这个规范来。这样就等于把“品牌外包设计师”塞进了Agent的工具箱里每次生成都有稳定的品牌基因。这些东西本质上都在做同一件事把人类在某一领域的隐性经验结构化地注入到Agent的工作流中让它不用靠猜、不用靠运气就能稳定地产出中高水平的结果。对我个人来说写Skill包这个习惯带来的改变是我对待AI的方式完全变了。以前我是“提需求的人”现在我是“定义标准的人”。之前总在焦虑AI会取代什么现在反而踏实了——因为无论模型的能力边界怎么扩张如何把行业经验和品味翻译成Skill规则这件事本身依然需要人的判断力。