用途
ai-slop 是一套界面设计评审量表（operational rubric），用于判断前端设计产出是否为泛化的「AI 垃圾」（AI slop），即表面看起来合格、但缺乏意图、依据、特异性、连贯性、真实性或产品契合度的输出。它的适用范围包括：营销站点、产品界面、仪表盘、作品集、编辑类页面和电商。它与前端设计技能互补——后者负责构建界面，本技能负责评判其结果是否真正契合产品。
该量表明确声明自己不是通用风格指南：它不会仅因 AI 系统经常使用某种视觉风格就禁止它。渐变、卡片网格、衬线标题、玻璃质感、深色主题都可能是合适的；只有当它们出于条件反射而非产品、受众、内容、交互或品牌需要时，才成为 slop 信号。规则强度分为三级：MUST/MUST NOT 为验收必需；SHOULD/SHOULD NOT 为默认规则，偏离需书面理由；MAY 为可选且依上下文而定。
主要能力
核心定义
AI slop 是表面合格但缺乏意图、依据、特异性、连贯性、真实性或产品契合度的输出，通常表现为以下一种或多种：默认驱动（可识别的模型/模板反射取代了刻意决策）、可替换（换个产品名就能套用）、无依据（内容、主张、视觉或功能缺乏简报或证据支撑）、不连贯（精致的元素未构成一个一致系统）、无目的装饰、以量代质、未经审阅、过度拟合当前 AI 审美。
量表强调：AI 参与产出不等于 slop——只要结果基于真实产品/用户语境、经过刻意艺术指导、具体、事实诚实、连贯、可访问、经过编辑与浏览器验证，且难以原样移植到其他产品，它仍然可以是优秀作品。人工产出也可能是 slop；判定针对输出本身，而非作者身份。
两项快速测试
替换测试：如果更换产品名、Logo 和强调色后，页面 80% 的内容对另一个产品依然同样说得通，则 slop 风险很高。
理由测试：每个显著决策必须至少回答以下之一——服务什么用户需求、表达什么产品事实、澄清什么层级、体现什么品牌特质、传达什么交互状态、什么约束使其合适。如果唯一答案是「看起来现代」或「AI 建议的」，则是 slop 候选。
评估维度（每项 0-4 分：0 优秀，1 轻微，2 明显，3 严重，4 阻塞）
- 产品根基与特异性；2. 真实性与证据（阻塞级）；3. 信息架构与叙事；4. 构图与布局；5. 视觉系统连贯性；6. 色彩与材质；7. 字体排印；8. 文案与语气；9. 图像与图标；10. 动效与交互；11. 可用性与可访问性（阻塞信号）；12. 响应式行为；13. 功能完整性；14. 实现质量；15. 独特性与品类反射。
跨信号规则与严重度
出现以下任一情况即归类为 slop：存在一个阻塞问题、三个或以上维度得 3 分、同一反射在多个层面（色彩+字体+布局+文案）重复出现、或两项快速测试均失败。
严重度分三级：阻塞（交付前必须修复，如捏造事实、主任务损坏、严重可访问性失败、欺骗性控件、不可用的响应式行为、公开主张缺乏证据、法律/安全风险内容）；重大（严重损害质量/独特性）；轻微（局部问题）。
所需项目产物
PRODUCT.md：产品/服务、目标用户、主要任务、关键任务、真实事实与假设、非目标、内容缺口、可访问性目标、成功标准。
DESIGN.md：艺术指导句、品牌属性、反面参考、从视觉参考提炼的原则、调色板与语义色彩角色、字体角色、间距/网格系统、圆角/边框/高度/材质规则、图像方向、动效规则、组件词汇、响应式原则、刻意的例外。
EVIDENCE.md：对每个可外部验证的主张记录——确切主张、来源、置信度、允许措辞、出现位置。无支撑的主张不得发布。
评审流水线
单一自我评审不足够，须依次通过：确定性源码扫描 → 浏览器任务测试 → 截图评审（窄移动、宽移动/小平板、笔记本、宽桌面、200% 缩放）→ 视觉评审器逐维度打分 → 成对比较（候选 vs 上一版 vs 无量表对照构建 vs 替代艺术方向 vs 相关参考）→ 人工验收。
评分
跟踪两项彼此独立的结果，不合并为单一数字：交付就绪度（通过/失败）与 slop 风险（加权 0-100，其中产品根基 15、真实性 15、信息架构 10、构图/布局 10、系统连贯性 10、文案/语气 8、字体 7、色彩/材质 7、图像 5、动效 5、响应式 4、独特性 4）。0-14 低风险，15-29 轻微顾虑，30-49 明显泛化，50-69 主要 slop 特征，70-100 被 slop 主导。
修复协议
发现 slop 时：指出失败维度、引用可见/源码级证据、识别原因是缺少上下文/模型反射/实现不完整/评审薄弱，先移除无支撑内容再做打磨，修复系统或规则而非仅修复症状，重跑确定性/浏览器/截图检查，与上一版成对比较，记录改动内容与原因。
反过度纠正
不要把「反 slop」变成另一种可识别的固定风格。不要自动用奶油编辑风替换深色霓虹、用巨型斜体衬线替换无衬线、用随意不对称替换卡片、用平面米色替换渐变、用刻意的古怪替换精致文案、用滚动花招替换标准布局。目标不是通过采纳另一种 AI 默认来显得不那么像某一种 AI 默认，而是让决策由项目本身证明其合理性。
稳定原则与时效趋势
规则分为两层：稳定层（无到期日）——可替换性/替换测试、产品根基、真实性、连贯性、可访问性、功能完整性、理由、与刻板印象的差异；时效层（依上下文，必须到期）——每条给予引入日期与复核日期，例如 dark-purple-cyan-glass-default（当前 LLM 科技产品默认，无品牌理由时标记）或过度使用的默认字体 Inter、Roboto、Geist、Plus Jakarta Sans、Space Grotesk（例外：Roboto Mono 用于等宽、Roboto Condensed 用于展示）。时效规则在复核日期复核，趋势消退则删除，否则续期。时效规则不得变成新的可预测默认。
完成定义
无阻塞问题残留；主任务在浏览器中可用；主张有支撑或明确标注；满足可访问性目标；截图通过响应式评审；设计内部连贯；显著决策有书面理由；替换测试未暴露广泛可替换性；成对评审偏好最终结果而非对照/上一版；剩余已知限制已记录。
紧凑指令（上下文紧张时使用）
AI slop 是表面精致但意图、依据、特异性、连贯性、真实性或产品契合度不足的输出。不要孤立评判风格——检测默认反射、可替换性、无支撑内容、系统不一致、装饰过度、交互不完整和未审阅缺陷。把每个重大决策落到 PRODUCT.md/DESIGN.md，通过 EVIDENCE.md 核实主张，测试真实浏览器任务和响应式截图，用成对评审代替自评分。常见视觉处理只要刻意、连贯、可访问且由项目证明合理，就没有问题。
使用方式
该技能以量表文本形式提供，可配合前端设计技能使用。资料中未提供安装命令、代码示例或具体调用步骤，暂未提供。
适用场景
适用于对 AI 辅助或人工产出的界面设计进行结构化评审，尤其是在需要区分「刻意设计」与「默认反射」时，覆盖营销站点、产品界面、仪表盘、作品集、编辑页面与电商。
限制
该量表明确声明不禁止任何具体风格；它依赖 PRODUCT.md、DESIGN.md、EVIDENCE.md 等项目产物作为判定基础，资料中未说明缺少这些产物时的降级处理方式，暂未提供。关于收费、价格、平台支持与具体工具集成方式，资料中未提供。