让AI学会「品味」：开源Skill Taste的多Agent设计探索

从「AI蓝紫色」说起

如果你用过 Cursor、Claude Code 等工具做过 vibe coding，一定见过这样的画面：AI 生成的界面千篇一律，几乎都笼罩在一层蓝紫色渐变之中。这种颜色甚至已经成为了一种「AI 视觉的默认色」。

据 B 站分享者 SEN（一位常驻荷兰的设计师）的分析，这背后有一个具体的技术原因。这个颜色叫 Indigo 500——它是早期 Tailwind CSS 框架里所有 button 的默认色。

为什么 Tailwind 的默认色会如此深刻地影响 AI？ Tailwind CSS 是一套「实用优先（utility-first）」的 CSS 框架，自 2019 年发布以来迅速成为前端开发领域最主流的样式工具之一。它提供大量原子化的预设类名（如 bg-indigo-500），让开发者无需手写 CSS 即可快速构建界面。与传统的 Bootstrap 等组件式框架不同，Tailwind 的所有样式决策都直接体现在 HTML 标签的 class 属性中，这种高度可见的代码结构使其成为 AI 训练语料的「高密度标注数据」——模型能从 HTML 结构中直接读取设计意图与实现之间的对应关系。

在 2021 到 2023 年间，Tailwind 的 npm 周下载量从数百万激增至数千万，StackOverflow 开发者调查中其满意度连续多年位居 CSS 框架榜首，互联网上基于 Tailwind 构建的代码库和教程呈爆炸式增长。正因如此，全球数以百万计的项目使用 Tailwind，这些代码和界面截图大量出现在 AI 模型的训练语料中。当模型从互联网上大规模抓取数据时，indigo-500（即 #6366F1 这个蓝紫色）的出现频率远超其他配色方案，模型在训练过程中会隐式地将「高频出现的选择」与「安全/正确」画上等号——这是统计层面的偏差，而非模型真正理解了设计审美。

这一现象在机器学习领域被称为**「数据集偏差（Dataset Bias）」**，是当前基础模型研究的核心挑战之一。与图像识别领域因训练集中白人面孔占比过高而导致对深色皮肤识别率偏低的著名案例类似，代码生成模型同样会因语料分布不均而产生系统性的「审美偏斜」——只不过这种偏斜的表现不是识别错误，而是创作趋同。更深层的结构性问题在于：互联网上质量最高、文档最完整的技术项目往往采用最流行的工具栈，这意味着「流行」与「高质量语料」在数据集中高度相关，进一步强化了模型对主流技术选择的路径依赖。值得注意的是，这一现象揭示了大语言模型训练的一个结构性特征：模型的输出本质上是训练数据分布的加权映射，当某一技术选择在语料中占据压倒性比例时，模型会将其内化为「默认正确答案」，即使这个选择在设计审美层面完全是中性的。

由于使用 Tailwind 的产品数量庞大，这个颜色的数据量在训练语料中占比极高，于是当 AI 大量学习后，便自然而然地把它当成了「安全的默认选择」。

这个观察点出了一个更深层的问题：AI 擅长复现「平均值」，却很难捕捉到设计中真正稀缺的东西——品味。

为什么「读取样式」还不够

「Vibe coding」这一概念由 OpenAI 联合创始人 Andrej Karpathy 在 2025 年初提出，描述的是高度依赖 AI 代码生成、开发者仅凭自然语言描述来驱动软件开发的新范式。这种方式极大降低了非程序员创建软件产品的门槛，但也带来了新的局限：AI 的输出高度依赖其训练数据中的「众数」。对于代码逻辑，这种依赖通常问题不大；但对于界面设计，训练数据中的「众数」恰恰意味着平庸——它反映的是互联网上最常见的设计选择，而非最优秀的设计判断。

对于设计师出身的创作者来说，他自己可以画好界面再让 AI 实现。但对于大多数非设计背景的人来说，最直接的路径是「模仿」：去 Pinterest 找喜欢的图片，或者参照某个心仪品牌的官网风格。

目前市面上已经有不少工具号称能「快速读取一个网站的前端风格」——它们能抓取颜色、字体、图标等信息。但 SEN 认为，这些工具停留在表层。

他做过一个对比实验：左边是想模仿的 Linear 产品页，右边是用现有 style 插件生成的效果。结果差距明显：

• 原网站的 Call to Action 按钮是胶囊形（pill），模仿版却做成了正方形；
• 原网站字体是左对齐，模仿版却做成了居中对齐；
• 原网站从头到尾没用过品牌色，模仿版却用了两次品牌色。

换句话说，工具复制了「参数」，却没有 get 到「精髓」。这背后涉及认知科学中「隐性知识（tacit knowledge）」的概念——哲学家迈克尔·波兰尼（Michael Polanyi）在 1966 年的著作《隐性维度》中将其核心命题描述为「我们知道的比我们能说出来的更多（We can know more than we can tell）」。以骑自行车为例：骑行者能保持平衡，却无法用语言完整描述所有身体调节动作。设计品味与此高度相似——资深设计师能瞬间判断一个按钮的圆角半径是否「感觉对了」，却往往无法将这种直觉完全转化为可量化规则。

颜色代码和字体名称是设计的显性知识，而藏在每一个取舍决策背后的判断逻辑，才是真正难以复制的隐性知识——这正是现有 AI 工具的结构性瓶颈所在。从认知神经科学的角度看，这种隐性知识存储于大脑的程序记忆系统（Procedural Memory）而非陈述性记忆（Declarative Memory）：前者负责「怎么做」的技能回路，后者负责「是什么」的事实存储。语言模型擅长处理陈述性知识，因为这类知识天然以文本形式存在；而程序性知识只能通过大量实践形成，其神经编码方式决定了它很难被完整语言化——这从神经科学层面解释了为何现有 AI 工具在捕捉设计「感觉」上存在根本性局限。隐性知识的不可言说性在设计领域尤为突出：一套完整的设计系统可以被记录为 Figma 文件和设计规范文档，但让两位设计师在相同规范下独立创作，结果往往大相径庭——差异恰恰来自那些规范之外、无法被完全编码的判断积累。

品味 = 取舍 + 决策

那么，设计的「精髓」究竟是什么？SEN 给出了一个颇有启发的定义：

品味 = 取舍 + 决策

当你做一个网站或一个设计时，你决定「要做什么」和「不做什么」，以及背后「为什么这么做」。这一个个决策叠加起来，最终形成了你看到的视觉效果。

这个定义与设计思维（Design Thinking）中的「黄金圈（Golden Circle）」理论不谋而合：真正的设计驱动力来自于「为什么这么做（Why）」，而非「做了什么（What）」。西蒙·斯涅克（Simon Sinek）在 2009 年提出这一模型时的核心洞察是：卓越的品牌和创作者总是从「为什么」出发向外延伸，而平庸的模仿者只能触及最外层的「是什么」——这与 SEN 对设计品味的定义形成了精确的呼应。真正的风格不是一堆颜色和字号的集合，而是一套内在一致的决策逻辑。于是他提出一个大胆的想法——能不能用 AI 通过一个 pipeline，去**反向工程（reverse engineer）**一个网站的品味？

「反向工程设计系统」作为一种方法论在设计界由来已久：设计师通过拆解标杆产品的视觉决策，提炼其背后的设计语言，是专业设计培训的重要环节。Linear 以深色背景+高对比度文字+极简几何形态构建出「工程师美学」；Stripe 的近期改版则转向更具表现力的多色渐变，刻意打破科技产品的「蓝色单调」惯例。两者的共同点在于，每一个视觉决策背后都有明确的品牌叙事——这正是 Taste 项目试图通过算法提取的核心内容。

这就是他开源的 Skill 项目的由来，名字就叫 Taste。

四个 Agent 的协作 Pipeline

Taste 的核心是一个由四个 subagent 组成的流水线（类似在 Claude Code 中拆分出四个各司其职的 agent），每个 agent 只做一件事：

这种多 Agent 架构借鉴了软件工程中「关注点分离（Separation of Concerns）」的思想，同时也呼应了认知科学中的「双重过程理论（Dual Process Theory）」——人类决策同时依赖快速直觉（System 1）和慢速分析推理（System 2）。在大语言模型实践中，单一 prompt 要求模型同时完成数据采集、模式发现、批判验证和结论收敛，往往导致「幻觉叠加」；将任务拆分给专职 subagent，并通过对抗性角色形成内部质量门控，是学术界称为「多智能体辩论（Multi-Agent Debate, MAD）」的有效策略。2023 年麻省理工与谷歌的联合研究表明，让多个 LLM 实例对同一问题进行辩论，能有效减少事实性错误和推理偏差——其原理类似于学术同行评审机制：单一模型在生成回答时倾向于「自我确认」，而引入持异议的对抗角色能强制模型暴露并检验其推理漏洞。

值得关注的是，这种架构还与「认知分工」的演化逻辑相契合。人类社会中，医疗诊断、法律判决、科学研究等高风险决策领域无一例外地建立了「多重审查」制度——主治医师、会诊专家、科室主任的层级审查，与 Measurer→Detector→Critic→Skeptic 的流水线结构高度同构。这并非巧合：当单点判断的失误代价足够高时，引入冗余审查机制是信息系统的普遍解决方案。此外，每个 Agent 上下文窗口更聚焦，也有助于减少处理复杂设计系统时因「上下文漂移」导致的注意力分散问题。从工程实践角度看，这种流水线架构还带来了一个实用优势：每个 Agent 的输出可以被独立审计和调试——当最终 Taste DNA 出现偏差时，可以精确定位是 Measurer 遗漏了关键数据、Detector 的模式识别出现偏差，还是 Critic 的质疑标准过于宽松，而非面对一个不透明的单体模型输出束手无策。

1. Measurer（测量师）

第一个 agent 像一位测量员，进入目标网站后无差别地采集所有前端数据：字体、字号、颜色、间距等。它不做任何分析，只负责收集。这种严格的角色隔离确保了原始观察不会被分析预设污染，对应科学方法论中数据采集与假设生成的分离原则。

2. Detector（侦探）

第二个 agent 接收原始数据后，负责 connecting the dots——从海量数据中发现潜在的规律和模式（pattern）。它对应 System 2 的慢速分析思维，将离散的测量数据归纳为初步的设计假设。

3. Critic（评论家）

第三个 agent 扮演严厉的评论者，逐条审视 Detector 提出的 pattern：这些规律是否 make sense？是否有数据支撑？它会反驳站不住脚的结论，最终只保留三到四条最扎实的。这个角色触发的正是多智能体辩论的核心机制——通过对抗性审查强制暴露推理漏洞。

4. Skeptic（怀疑论者）

最后一个 agent 做进一步收敛与「铲除」，把经过层层筛选的结论沉淀成一份最终的 taste 文档。

这种「收集—发现—质疑—收敛」的多 agent 协作，本质上是在用工程化的方式模拟一个资深设计师对参考网站进行拆解、推理和判断的过程，同时通过算法机制强制将隐性的设计直觉转化为可验证的显性推理链。

关键产出：Design Map 与 Taste DNA

整个 pipeline 最终生成的文档包含两部分内容。

Design Map

这部分类似传统工具的输出，是相对客观的数据与 token：网站用了哪些颜色、哪些字体、间距规则是什么。

Taste DNA（核心）

这才是真正拉开差距的地方。Taste DNA 更像是一套设计原则，且每条原则都要经过四层验证才能成立——这正是将设计的「隐性知识显性化」的关键机制，也是它区别于普通样式抓取工具的本质所在：

1. 最高层原则：例如做 Esopic 网站时提炼出的「warmth equals credibility」——用暖色调营造用户对品牌的信任感，创造一种人文主义的关怀视角；
2. 具体决策：在这条原则下，设计时会做出什么样的选择；
3. 决策原因：为什么这么做；
4. 证据（evidence）：Measurer 最初测量到的哪些数据支撑了这个结论。

只有当这四层全部成立，才能形成一条有效的设计原则。每份 Taste DNA 通常包含三到四条这样的内容。这种「从数据到原则」的溯源结构，与设计批评（Design Criticism）的学术研究范式高度一致——它关注的不仅是「设计了什么」，而是「为什么这样设计」背后的意图与逻辑。

四层验证体系本质上是在为隐性知识建立「可追溯的证据链」，使原本只存在于设计师直觉中的判断逻辑得以以结构化形式传递给 AI coding agent。这种结构在信息论层面也有其意义：它将设计决策从「低熵的单点结论」转化为「高熵的多层推理网络」——每一条 Taste DNA 原则都携带着从数据到洞见的完整推导路径，而非仅仅是终点处的标签。当这份文档被交给下游的 coding agent 时，后者不仅获得了「做什么」的指令，更获得了「为什么这么做」的语境——这使得 agent 在遇到训练数据中未出现的边界情况时，能够依据设计原则进行更合理的推断，而非退回到训练集中的统计众数。从更宏观的视角看，这种结构也呼应了「可解释 AI（Explainable AI, XAI）」领域的核心诉求——不仅要输出结论，还要输出支撑结论的推理路径，让人类审查者能够验证、质疑乃至修正机器的判断。

实际效果与开源生态

有了这份打包好的文档，用户就可以把它交给自己的 AI coding agent——无论是 Cursor、Claude Code、Antigravity 还是其他工具，目前支持约九个主流 coding agent，从而把网站切换成想要的设计风格。

从演示来看，Taste 分别学习了 Linear、Stripe（近期改版后变得五颜六色）和 Esopic 三个不同网站的风格，生成的效果相比过去单纯读取 style 的方案，确实更接近原作的「气质」。

目前该项目已在 GitHub 开源，支持 Claude Code 和 Gemini CLI 安装使用。

一点思考

Taste 这个项目最有价值的地方，或许不在于它复现了多少个网站，而在于它提供了一种思路：把抽象的「品味」拆解为可验证的决策链。

当行业还在讨论「风格」时，它已经在追问「风格背后的取舍逻辑」。这也提醒我们，AI 辅助创作要真正超越「平均值」，关键或许不是喂给它更多参数，而是教会它理解「为什么」——这恰恰是人类专业判断中最难被复制的部分，也是隐性知识与显性知识之间那道始终存在的鸿沟。

从更宏观的视角审视，Taste 所代表的方法论或许指向了 AI 辅助创作的一个重要演进方向：从「工具」到「协作者」的转变。当 AI 仅仅执行指令时，它是工具；当 AI 能够理解并传递决策背后的「为什么」时，它开始具备协作者的雏形——能够在新情境下依据原则做出合理推断，而非机械复现训练集中的模式。这道从工具到协作者的门槛，恰好就架设在隐性知识能否被有效编码的关键节点上。正如波兰尼所言，我们知道的永远多于我们能说出来的；而 Taste 所做的，正是试图在这道鸿沟上架起一座工程化的桥梁。