反AI设计模板：让AI别再生成千篇一律的网站

为什么AI生成的网站总是一模一样？

打开任何AI生成的落地页，你大概率会看到这些元素：闪亮的星星Logo、醒目的「Beta」标签、伪终端窗口、以及一堆没人验证过的数字。一位拥有20年经验的设计师在视频中直言：「你的AI落地页和其他AI落地页长得一模一样。」这种现象背后，是AI编程工具在缺乏设计约束时，倾向于输出高度模板化的界面。

这些元素本身并非错误，但它们的组合已经成为一种视觉陈词滥调。AI模型从海量训练数据中学会了「科技感」的视觉符号，却无法判断这些符号是否真正服务于产品。结果是，无论你构建什么产品，AI都会给你一个似曾相识的页面。

AI设计模板的四大标志

视频中总结了识别「AI生成感」的四个关键线索：

1. 闪亮星星Logo：几乎成为AI产品的默认图标，缺乏品牌独特性。
2. Beta标签：一种「我们还在测试」的安全牌，但往往掩盖了产品成熟度的真实状态。
3. 伪终端窗口：用代码片段营造技术深度，实际与用户价值无关。
4. 未经测量的数字：诸如「提升10倍效率」之类的断言，缺乏数据支撑。

这些元素之所以泛滥，是因为AI工具在生成代码时，优先考虑「看起来像那么回事」，而非「解决具体问题」。设计师的视角提醒我们：视觉符号的堆砌不能替代设计决策。

Anti-slop：一个免费的开源解决方案

针对这一问题，一个名为Anti-slop的免费仓库被提出。它的目标很明确：阻止Claude Code、Cursor和Codex等AI编程工具输出上述模板化内容。据视频介绍，该仓库通过提供设计约束，让AI在生成页面时避开常见的「slop」模式。

「Anti-slop」一词中的「slop」指代低质量、批量生产的内容。这个仓库的本质是一套规则集，帮助AI理解哪些设计选择是廉价的、哪些是经过思考的。对于使用AI编程工具的开发者来说，这相当于在提示词之外增加了一层设计质量检查。

Claude Code、Cursor、Codex 是什么？

这三者都是当前主流的 AI 编程助手形态，但定位略有差异。Cursor 是一款基于 VS Code 改造的 AI-first 代码编辑器，支持在编辑器内直接对话生成、修改代码；Claude Code 是 Anthropic 推出的命令行 AI 编程代理，能够在终端中读取项目文件、执行命令并完成多步开发任务；Codex 则源自 OpenAI 的代码生成模型系列，常被用作代码补全与代理式编程的底层能力。它们的共同点是：都会根据用户的自然语言指令自动生成前端代码，而在没有额外约束时，训练数据中的常见模板容易被优先复现。Anti-slop 正是针对这一生成链路，通过规则文件约束这些工具的输出倾向。

如何让AI输出不「plain」？

视频中提到了一个关键观察：同样的提示词运行两次，一次触发约束，结果就变得「plain」（平淡）。这说明AI的输出高度依赖于上下文和约束条件。单纯依赖提示词无法稳定获得好设计，需要配合结构化的设计文档。

具体做法是：将Anti-slop与一个design.md文件配合使用。design.md可以理解为一份设计规范文档，明确告诉AI应该遵循哪些设计原则、避免哪些模式。这种「约束+文档」的组合，比反复修改提示词更有效。

design.md 与提示词工程的区别

design.md 是一种放在代码仓库中的 Markdown 规范文件，通常描述设计原则、色彩与排版规则、组件使用限制以及需要避免的视觉模式。它与一次性提示词的关键区别在于：提示词只作用于当前对话，容易被模型遗忘或稀释；而 design.md 作为项目文件长期存在，AI 编程工具在读取仓库上下文时会持续参考它，相当于把设计约束固化为项目资产。这种做法也便于团队协作和版本管理——设计决策可以被评审、追溯和迭代，而不是散落在某个人的聊天记录里。配合 Anti-slop 这类规则集，design.md 能让 AI 在每次生成时都面对同一套明确的边界。

对AI编程工作流的启示

这一案例揭示了当前AI编程工具的一个普遍短板：它们擅长生成功能性代码，但在设计决策上容易陷入模式化。对于开发者而言，这意味着需要主动引入设计约束，而不是期望AI自动产出有品位的界面。

从更广的视角看，Anti-slop代表的是一种「反模板化」的运动。它提醒我们，AI工具的输出质量取决于输入的约束质量。与其抱怨AI生成的东西千篇一律，不如为AI提供明确的设计边界。

对于使用Cursor、Claude Code或Codex的团队，建议将设计规范文档纳入版本控制，并与Anti-slop这类规则集结合使用。这不仅能提升界面质量，也能减少后期返工。

结语

AI生成的网站之所以雷同，是因为缺乏设计约束。Anti-slop和design.md提供了一种务实的解决路径：用规则和文档引导AI，而不是放任其自由发挥。对于追求差异化的产品团队，这或许是让AI真正服务于品牌而非稀释品牌的关键一步。