行业痛点
当前大语言模型已经可以通过自然语言直接生成完整网页前端代码，但多数生成结果存在严重的同质化问题。所有项目生成的页面结构雷同，配色方案相似，只是在已有模板基础上更换颜色和文字，不同需求的输出结果辨识度极低，一眼就能识别出AI生成痕迹。
这种同质化来源于训练数据的分布集中——大模型学习到的网页设计绝大多数是行业通用模板，输出时自然会选择概率最高的默认结构，很难跳出固有框架生成具备独特风格的设计。对于需要打造独立品牌形象的项目而言，这种千篇一律的输出无法满足个性化设计需求，人工调整又会耗费大量时间成本。
项目概述
该项目是面向AI代码编辑器的设计技能扩展，核心定位是帮AI生成不带有典型AI生成痕迹的网页设计结果。项目由Together AI开发发布，当前作为开源技能包适配主流AI代码编辑工具。
技术架构深度分析
该项目本质是一套面向大模型的设计规则约束包，并非独立运行的应用程序，核心架构围绕「引导大模型跳出默认分布」设计，整个技能包分为三个核心模块：规则定义层、流程控制层、质量校验层。
规则定义层存储21套独立设计主题的特征数据，每个主题包含独立的宏观结构规范、字体配对规则、主色锚点定义，所有主题特征均提取自非模板类设计师原创作品，避免和大模型训练数据中的高频模板重合。规则不绑定具体HTML结构，只输出设计逻辑约束，保证每次生成结果都有差异。
流程控制层定义了四种不同操作的执行逻辑，根据用户调用的动词调整输出流程。默认生成流程会先根据需求匹配宏观结构，再随机绑定符合需求的设计主题，最后经过质量校验输出结果；其他动词则对应不同的流程分支，适配审计、重构、学习等不同场景。
质量校验层内置57项AI生成常见设计缺陷检查规则，也就是项目描述中提到的slop-test gates，所有生成结果在输出前都会自动运行检查，不符合约束规则的结果会被打回重生成，避免输出结构混乱、间距失衡、配色不协调的常见AI生成问题。最后增加预输出自我审查环节，让大模型自行判断结果是否符合设计主题约束，进一步降低输出默认模板的概率。
这种架构设计的优势在于不需要额外训练模型，只需要通过提示词工程和流程约束改变大模型的输出分布，适配所有支持自定义技能的AI代码编辑器，接入成本极低，同时通过多层校验保证输出质量，解决了原生大模型输出同质化的核心问题。
核心功能详解
默认UI生成
接收用户的设计需求后，先根据需求特征匹配适配的宏观页面结构，不会所有需求都套用固定的首屏+内容区+页脚模板。匹配结构后从21套设计主题中选择符合需求风格的主题，应用对应的设计规则生成完整代码。生成完成后自动运行57项缺陷检查，剔除不符合设计规则的结果，最终输出可直接使用的网页代码。该功能适用于从零开始搭建全新网页的场景，能够保证不同需求的输出结果具备足够差异度，不会出现同质化的模板感。
现有代码设计审计
针对已经开发完成的网页代码，对照项目内置的AI生成反模式规则进行评分，输出完整的问题清单，不会修改原有代码。反模式规则包含典型的AI生成模板特征、结构不合理问题、配色协调性问题等多个维度，评分结果可以直观反映现有代码的设计质量，以及是否存在明显的AI生成同质化痕迹。该功能适用于优化已有AI生成网页的场景，帮开发人员快速定位设计层面的问题点。
保留信息重新设计
接收已有网页的目标地址或代码，保留原有页面的文字内容、信息架构和品牌标识，完全抛弃原有结构，重新按照Hallmark的设计规则生成全新设计。该功能不需要重新梳理页面内容，只需要提取原有信息就可以完成重构，适合对现有同质化设计进行升级的场景，能够在不改变内容传达逻辑的前提下，赋予网页全新的设计风格。
提取设计DNA
接收目标截图或在线网址，提取目标设计的核心特征，包括宏观结构、字体配对规则、主色锚点三个核心部分，不会生成像素级复制的克隆页面，也不会提取付费模板的设计特征。提取完成后可以生成可移植的design.md设计规范文件，该文件可以交给其他AI工具使用，实现设计特征的跨工具复用。该功能适用于学习优秀设计特征的场景，把现有优秀设计的核心逻辑提取出来用到自己的项目中。
多主题快速切换
生成结果支持通过快捷键T快速切换不同设计主题，每次切换都会重新适配结构和配色，不需要重新输入需求。用户可以在短时间内查看同一个需求在不同设计风格下的呈现效果，快速选择符合自己预期的设计方案。该功能极大提升了设计迭代的效率，省去了多次重新生成的操作步骤。
预输出自我审查
所有生成结果在最终输出前，都会触发大模型的自我审查环节，对照设计主题的规则检查生成结果是否符合要求，拒绝符合默认分布的模板化输出。如果检查发现结果过于雷同于通用模板，会直接重新生成，直到输出符合约束要求的结果。该环节从流程上进一步降低了同质化输出的概率，提升了最终结果的独特性。
项目地址：https://github.com/Nutlope/hallmark
⭐ Stars：27339
🔍 来源：GitHub
Anti-AI-slop design skill for Claude Code, Cursor, and Codex.
微信扫一扫，打赏作者吧～
