待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/6
首次发现
有效期至：2026/10/4
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 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76% 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71% 相似待验证口味评价两极分化，多数用户反映口感偏苦或人工感强，对口味敏感者建议做好心理准备或混合其他饮品饮用71% 相似待验证口感评价两极分化，部分用户反映有明显的咸味和人工甜味剂后味，对口味敏感者建议先买小包装试味71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/115648API
curl https://kongchang.com/api/v1/knowledge/claims/115648MCP
get_claim(id=115648)