🛒 📚 AI提效实战指南 · 图解Skill 🛒 📱 大流量手机卡 · 低月租 📣 加入推广 · 佣金80-300/张 ›

📊 公开数据一览

📦 榜单安装量	2.8K
⭐ GitHub Stars	78,401（fork 10）
🗓️ 最近推送	2026-08-17
🌱 项目创建	2026-03-30
💻 语言 / License	Python · MIT
🐛 开放Issue	56

📝 工具简介

品味技能，让AI生成有设计感的界面，避免无聊俗套的输出。

📖 怎么用

安装命令跟同系列一样，用 `python scripts/install_skills.py --client agents --target "$HOME/.agents/skills" --force`，Codex 就换成 `--client codex --target "$HOME/.codex/skills"`。项目级安装用 `--target ./.agents/skills` 或 `--target ./.claude/skills`。初始化没特殊要求。开始用的时候，直接说“用 ai-research-reproduction 分析这个深度学习仓库”，它会先读 README、优先用文档里的推理或评估方法，不乱改代码，结果写到 `repro_outputs/`。

📋 迷你测评

RigorPilot技能，面向深度学习实验的项目分析，保证可比性和可复现性。亮点是强调项目对比分析，适合多实验横向评估。但具体分析维度未展开。

📊 数据评测

2026-08-08 评测

这是啥

brandkit（仓库 leonxlnx/taste-skill）是一个面向AI代理的前端技能包，中文简介称其为“品味技能”，目的是让AI生成有设计感的界面，避免无聊俗套的输出。据仓库README，它包含代码生成和图像生成两类技能，可安装到ChatGPT、Codex、Cursor或Claude Code等工具中，用于强化布局、排版、动效和间距，而不是生成样板化的UI。它还附带参考板图像生成技能，可与ChatGPT Images等生成器配合使用。

数据表现

在skills.sh榜单上排名第34，安装量2.4K，分类为工具。GitHub上stars为74021，forks为5073，有53个开放issue。仓库创建于2026-02-19，最近推送是2026-07-23，当天有多次提交，包括调整赞助商布局和新增赞助商，最近一次提交为「Increase featured sponsor size」。从提交记录看，项目在持续维护，活跃度较高，但开放issue数量不算少。

功能亮点

据仓库README，主要能力包括：默认的taste skill已更新到v2（实验版），会读取简报、推断设计语言，并调节三个参数（VARIANCE/MOTION/DENSITY）；包含硬性破折号禁令、规范的GSAP代码骨架、重新设计审计协议和严格的预检检查。另有针对GPT/Codex的更严格变体，以及图像转代码技能，可先生成站点参考图再交给代码模型实现。安装方式支持npx命令行或直接复制SKILL.md文件。

适合谁 / 注意什么

适合使用AI编码工具（如Codex、Cursor、Claude Code）且对界面设计质量有要求的开发者，尤其是希望避免AI生成千篇一律UI的人。也适合用ChatGPT Images做参考板再转代码的工作流。注意：README中明确声明该项目没有官方代币或加密货币项目，任何使用作者名义的代币均无关。数据上，53个开放issue未说明是否有人回复，安装量2.4K相对较小，但stars数很高，说明关注度与安装量存在差距。

2026-08-09 评测

这是啥

brandkit（仓库 leonxlnx/taste-skill）是一个面向AI代理的前端框架，中文简介称其为“品味技能”，目的是让AI生成有设计感的界面，避免无聊俗套的输出。据仓库README，它包含代码生成和图像生成两类技能，可安装到ChatGPT、Codex、Cursor或Claude Code等工具中。核心思路是让AI先产出参考板（网页、移动端、品牌套件），再交给编码代理实现。默认技能已更新至v2（实验版），v1仍保留供依赖旧行为的项目使用。

数据表现

在skills.sh榜单上排第34名，安装量2.4K，属于工具分类。GitHub上stars为74509，forks为5100，有53个开放issue。仓库创建于2026-02-19，最近推送是2026-07-23，当天有4次提交，内容均为调整赞助商展示（如增加featured sponsor尺寸、平衡布局、新增Novamira和Eray）。此前最近一次是2026-07-20。从提交频率看，项目活跃度较高，但开放issue数量不算少，需注意维护响应情况。

功能亮点

据仓库README，主要能力包括：一是“taste skill”默认技能（v2实验版），会读取需求、推断设计语言，并调节三个参数（VARIANCE/MOTION/DENSITY）；二是提供更严格的GPT/Codex变体（gpt taste），强调更高布局方差和更强的GSAP方向；三是“image to code”技能，先生成网站参考图再分析；四是支持通过npx命令行安装单个技能，也可直接复制SKILL.md到项目中。此外，README明确声明该项目没有官方代币或加密项目，提醒用户注意冒名者。

适合谁 / 注意什么

适合使用AI编码代理（如Codex、Cursor、Claude Code）且对界面设计质量有要求的开发者，尤其是想避免AI生成千篇一律模板UI的人。从README看，技能可组合使用，不需要全部安装，适合按需取用。注意点：项目创建于2026年2月，至今约5个月，属于较新项目；53个开放issue可能意味着反馈处理有积压，但公开信息未说明issue响应速度。另外，v2为实验版本，README提示若依赖v1精确行为需显式固定版本，升级前建议查看CHANGELOG。

📄 README 要点

这个工具和ai-research-explore同属RigorPilot技能包，核心定位是“研究优先”的深度学习实验工作流。它强调AI辅助研究必须建立在可比性、可复现的证据和可审计的变更之上，而不是单纯追求更高的分数。默认情况下，模糊的请求会被引导至复现、设置、运行、训练、分析或安全调试等常规任务。探索性工作仅在研究者明确授权后才启动。其标志性输出是带注释的README，会逐字回放原始README并附上颜色编码和证据链接。适用于需要严格把控研究过程、确保结果可信的深度学习项目。

查看英文原文

RigorPilot Skills Research first Agent Skills for Deep Learning Experiments. Main idea: RigorPilot keeps AI assisted deep learning research grounded in comparability, reproducible evidence, and auditable changes while an agent reproduces, improves, or explores a research repository. Not just higher scores. Meaningful deep learning research progress. English 简体中文 ⚡ At a Glance Focus Summary 🧭 Purpose Research first workflow skills for deep learning experiments, not a generic coding agent or score chasing framework. 🔒 Default rule trusted by default : ambiguous requests route to reproduction, setup, run, train, analysis, or safe debugging. 🧪 Exploration boundary Explore work starts only when the researcher explicitly authorizes candidate only exploration. 📄 Flagship output Every reproduction ends with an annotated README: your README replayed verbatim with color coded, evidence linked per section results. 🧠 Thinking loop Exploration follows a greedy, evidence anchored research cycle: observe → ground → hypothesize → design → run → fair compare → keep or roll back. 🌱 Continuous learning An immutable rigor core plus a user owned lessons overlay that personalizes safely with use. 📦 Evidence outputs Artifacts are written to repro outputs/ , analysis outputs/ , train outputs/ , debug outputs/ , explore outputs/ , and related directories. 🌐 Works across agents Skills follow the Agent Skills open standard (Claude Code, Codex, Cursor, VS Code, Gemini CLI, …); a root AGENTS.md routes any AGENTS.md aware agent. 🚀 Start Fast Most users only need one of these commands: Goal Command Install the full RigorPilot skill set npx skills add lllllllama/rigorpilot skills all Install the trusted reproduction entrypoint npx skills add lllllllama/rigorpilot skills skill ai research reproduction Install the explicit exploration entrypoint npx skills add lllllllama/rigorpilot skills skill ai research explore Claude Code project commands: /ai research reproduction /ai research explore /analyze

🔗 查看 skills.sh 原项目 ⭐ GitHub 仓库

💬 评论（0）

交流使用体验、避坑建议；违规内容将被删除

💬 意见反馈 / 联系客服

数据来源：skills.sh 榜单 + GitHub 公开数据，非人工实测，仅供参考

imagegen-frontend-web