一个 skill ,增加大模型前端的审美能力

上周,我让 AI 帮我做个落地页。

十分钟过去了,生成出来的东西——

白色背景,紫色渐变,Inter 字体。

我直接关了。

image-20260119230347828

你也遇到过吧?

用 AI 生前端,出来的东西都长一个样。

背景非白即黑,标题栏永远是紫色渐变,字体不是 Inter 就是 Roboto,配色永远是那套蓝绿红黄。

不是说不能用,但——

太像 AI 了。

一眼看过去就是"机器生成",没有灵魂,没有个性。


直到昨天,我发现了一个东西。

Anthropic 官方出的一个 skill,叫 frontend-design

让我再试一次。

img

这次不一样了

同样的提示词,同样的模型。

我只加了一句话:

“使用 frontend-design skill”

结果呢?

深色工业风背景,等宽科技字体,黄青撞色。

数据卡片有微妙的发光效果,图表有精心设计的动效。

布局不对称,元素有重叠。

一眼看过去——这像人做的。


skill 是什么?

你可以把它理解成一个"插件"。

一个包含 SKILL.md 文件的文件夹,里面写着告诉 AI「在特定场景下该怎么做」的指令。

frontend-design 这个 skill 做的事很简单:

把"什么是好的前端设计"这个判断标准,写清楚。


官方怎么说?

LinkedIn 上,Claude 官方账号发过一条动态:

“我们发布了一个新的前端设计 skill。它专注于几个目标提示效果良好的领域:字体、动画、配色、布局……”

GitHub 在这:github.com/anthropics/skills

搜 “frontend-design skill” 就能找到。


五个原则

我去 GitHub 看了下这个 skill 的内容。

核心就五条:

字体

❌ Inter、Roboto、Arial
✅ 有性格的、独特的字体组合

配色

❌ 紫色渐变、均匀分布的配色
✅ 大胆的主色 + 尖锐的点缀色

动效

❌ 零散的微交互
✅ 精心编排的页面加载动画

布局

❌ 对称、可预测的网格
✅ 非对称、重叠、破格元素

细节

❌ 纯色背景
✅ 渐变网格、噪点纹理、几何图案

一句话:拒绝通用,拥抱独特。


怎么装?三种方法

方法一:命令行(推荐)

打开终端,一行命令:

npx skills-installer install @anthropics/claude-code/frontend-design --client claude-code 

如果你用 Codex,把 --client 改成 codex

如果你用 Cursor:

npx skills-installer install @anthropics/claude-code/frontend-design --local --client cursor 

方法二:手动下载

  1. 打开 github.com/anthropics/skills
  2. 找到 skills/frontend-design 文件夹
  3. 下载整个文件夹
  4. 放到 ~/.claude/skills/ 目录下
  5. 重启工具

方法三:skill0 市场

国内有个团队做了个 Skills 聚合平台,叫 skill0。

地址:skill0.atypica.ai

搜索 “frontend-design”,直接点击下载。


怎么用?

装好后,提示词里加一句就行:

“使用 frontend-design skill 来完成前端设计”

就这么简单。


真实案例

有人在开发者社区分享过实战经验:

第一步,用这个 skill 生成初版登录页,重点看"设计风格"和"结构布局"对不对。

第二步,在同一 skill 指导下迭代优化。

最后整个页面的质感直接上升了一个量级。

不是那种"紫色渐变"的通用模板,而是有设计感、有品牌调性的页面。


还有个案例。

作者直接用这个 skill 优化 Waytoagi 的首页。

提示词就一句:

“使用 frontend-design skill,优化一下 https://www.waytoagi.com”

从平庸的"AI 风格",变成了有设计感的专业页面。


什么时候用?

不是所有情况都需要。

做简单的 CRUD 后台、内部工具,用不用差别不大。

但你做这些的时候:

  • 产品官网
  • 营销落地页
  • SaaS 产品界面
  • 数据可视化 Dashboard
  • 需要惊艳效果的展示页

这个 skill 就能派上用场。


进阶玩法

你可以在原版 skill 的基础上,加自己的东西。

比如品牌主色、偏好的字体、圆角风格、阴影参数。

这样每次生成都符合你的品牌调性,效果更稳定。


为什么这么管用?

它不是教 AI “怎么做”,而是教 AI “怎么选”。

AI 已经见过无数优秀设计。

它缺的,是判断标准。

有了标准,AI 就能调用它已有的知识库,做出正确的选择。

不是注入新能力,而是激活已有能力。


最后

2025 年是 MCP 元年,2026 年是 Skills 元年。

真正的分水岭不在「能不能做」,而在「能不能把判断写成系统、让交付稳定发生」。

frontend-design skill 就是这样一个系统。

官方出品,完全免费,现在就能用。

去试试吧。


参考资源

Read more

学习FPGA(八)快速傅里叶变换

前言         傅里叶变换能通过将信号的时域变换到信号的频域,因为在频域中,系统的响应就等于信号与系统传函的频域上相乘(时域上是卷积),相比于直接在时域里做卷积,先进行傅里叶变换,再在频域上相乘,最后通过逆傅里叶变换反变换回来的步骤看似更长更复杂,但在工程技术上却相对容易实现。         传统的傅里叶变换属于工程数学范畴,主要针对连续时间信号进行时域-频域的变换。而从工程技术的角度来看,人们不可能做到对信号进行连续时间的采样,因此离散傅里叶变换(DFT)也就在这种情况下诞生了。时间久了以后,人们发现DFT的算法时间复杂度太高了,优化DFT的迫在眉睫,快速傅里叶变换(FFT)的出现使原本时间复杂度o(n^2)的DFT直接降到了o(nlogn)。         以上算是FFT的极简版背景故事,具体如何发展如何变换的,数字信号处理相关课程一定有讲,这里就暂时不细讲了,这里还是主要以FPGA中实现快速傅里叶变换为主。         由于我仅在FPGA上实现FFT对信号进行时域-频域的变换,并做到了基波频率的采集,目前尚未如之前的一些历程那样试过其他的方案,因此本文不能给

机器人测试工具解析

机器人测试方法与工具全解析 机器人测试是涵盖软件、硬件、AI算法和机电一体化的综合测试领域。下面我从工业机器人、服务机器人、移动机器人等不同类别,全面解析测试方法与工具链: 一、机器人测试方法体系 1. 分层测试框架 机器人测试硬件层软件层算法层系统层机械结构测试传感器校准执行器精度嵌入式软件控制逻辑通信协议感知算法决策规划运动控制功能安全人机交互环境适应性 2. 核心测试方法 方法类型应用场景技术特点仿真测试早期验证、危险场景Gazebo/Webots数字孪生硬件在环测试控制逻辑验证dSPACE/NI实时仿真平台场地测试实际环境性能验证标准测试场地+动作捕捉系统压力测试极限工况验证振动台/温控箱/EMC实验室安全认证测试合规性验证ISO 10218/IEC 61508标准测试 二、工业机器人测试方案 1. 测试重点领域 工业机器人测试分布 运动精度: 35 重复定位: 25 负载性能: 20 协作安全: 15 通信协议: 5 2. 测试工具链 测试类型工具推荐关键指标运动性能测试KUKA.KR C4控制器+激光跟踪仪定位误差<0.1mm, 重复精

手把手教你用RK3566泰山派开发板跑LVGL(附交叉编译避坑指南)

手把手教你用RK3566泰山派开发板跑LVGL(附交叉编译避坑指南) 在嵌入式开发领域,图形用户界面(GUI)的实现一直是开发者面临的挑战之一。LVGL(Light and Versatile Graphics Library)作为一款轻量级、开源的嵌入式图形库,凭借其丰富的控件和跨平台特性,正成为越来越多开发者的首选。本文将聚焦于如何在国产高性能开发板——泰山派RK3566上成功移植并运行LVGL,特别针对交叉编译过程中的常见问题提供实战解决方案。 1. 环境准备与基础配置 泰山派RK3566开发板搭载四核Cortex-A55处理器,主频高达1.8GHz,配备Mali-G52 GPU,为GUI应用提供了充足的性能保障。在开始移植前,我们需要准备以下环境: * 开发主机:推荐Ubuntu 20.04 LTS(避免CMake版本问题) * 开发板系统:Buildroot或Debian系统镜像 必要工具链: sudo apt update sudo apt install git build-essential cmake 注意:Ubuntu 18.

AutoGLM-Phone-9B部署案例:教育机器人交互

AutoGLM-Phone-9B部署案例:教育机器人交互 随着人工智能在教育领域的深入应用,智能教育机器人正逐步从“被动应答”向“主动理解+多模态交互”演进。传统教育机器人受限于本地算力与模型能力,往往只能实现简单的语音识别与固定话术回复,难以应对复杂、动态的学习场景。而大语言模型(LLM)的兴起为这一领域带来了变革性可能。本文聚焦 AutoGLM-Phone-9B 模型的实际部署与应用,展示其在教育机器人中的多模态交互能力落地路径。 AutoGLM-Phone-9B 是一款专为移动端优化的多模态大语言模型,融合视觉、语音与文本处理能力,支持在资源受限设备上高效推理。该模型基于 GLM 架构进行轻量化设计,参数量压缩至 90 亿,并通过模块化结构实现跨模态信息对齐与融合。 1. AutoGLM-Phone-9B 简介 1.1 模型定位与核心能力 AutoGLM-Phone-9B 是面向边缘计算场景设计的轻量级多模态大模型,专为移动终端和嵌入式设备(如教育机器人、智能学习平板等)优化。其核心目标是在有限硬件资源下,提供接近云端大模型的语义理解与生成能力,同时支持图像、语音、文