待验证50% 置信事实精确时间
Taste-Skill 采用负样本提示（Negative Prompting）策略，这一思路在图像生成领域（如 Stable Diffusion）已经成熟
1
来源数
50%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
Taste-Skill：开源AI品味引擎，告别平庸的AI生成内容
githubGitHub Trending2026/7/5
相关事实
待验证Taste-Skill 通过提示词工程、反 slop 清单约束（负样本提示）和输出二次重写三种方式发挥作用78% 相似待验证品味工具能做的是提高输出下限、减少低级平庸，而非直接产出顶级创意74% 相似待验证口味评价两极分化，多数用户反映味道偏苦或人工甜味明显，且口香糖风味持续时间短，不适合对口感要求高的人72% 相似待验证草本浓度与口感体验存在权衡：黄连/丁香比例高则功效感强但苦涩刺激大，薄荷比例高口感清爽但可能掩盖真实成分含量，看配料表排序而非仅凭味道判断70% 相似待验证口感普遍反映薄荷味较强、略带苦味，不同于普通口香糖；能接受功能性口感的用户适应较快，追求口感愉悦感的用户满意度偏低。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/115355API
curl https://kongchang.com/api/v1/knowledge/claims/115355MCP
get_claim(id=115355)