kill-ai-slop
系统性识别并修复AI生成内容的视觉/文案「默认丑」,含35种检测规则与修复方案
加载项目详情…
本应用为开源项目,仅供学习研究,请遵守其开源协议。
系统性识别并修复AI生成内容的视觉/文案「默认丑」,含35种检测规则与修复方案
加载项目详情…
本应用为开源项目,仅供学习研究,请遵守其开源协议。
打开任何一个过去两年由 AI 辅助开发的产品——尤其是那些用了 Tailwind CSS 的落地页——你会发现它们惊人地相似:indigo 渐变按钮、玻璃拟态卡片、emoji 塞满每个角落、标题文字用彩虹渐变填充、大号全角数字统计面板、每个功能点都有一个状态小圆点……
这不是偶然。这是模型默认审美的大规模传染——AI 在没有真实品味积累的情况下,把它见过的"漂亮 UI"模式全部叠加在一起,最终变成了同质化的视觉噪音。
Kill AI Slop 就是来解决这个问题的。
Kill AI Slop 由独立开发者 yetone 创建,采用 Apache-2.0 开源许可。项目托管于 GitHub,配套一个多语言在线指南网站 killaislop.com,以及一个可以直接集成到主流 AI 编程工具(Claude Code、Cursor 等)中的 Agent Skill。
项目的核心哲学是:"slop 是没有做决定的结果"。一个 UI 元素本身没有错,错的是它被作为默认选项直接沿用,而没有人真正思考过它是否适合当前的产品语境。换句话说,Kill AI Slop 不是在反对某个具体的视觉风格,而是在反对"不假思索地沿用机器默认"这一行为模式。
这种立场在 2024-2025 年的 AI 前端开发浪潮中显得格外及时——随着 AI 辅助编程工具的普及,"AI 味"已经从一种审美现象演变成了一个行业问题。
如果说传统的前端框架(Tailwind、Bootstrap)是"装修工具箱",那 Kill AI Slop 更像是一本排版校对手册——它不提供任何新的 UI 组件,而是告诉你哪些组合方式在视觉上是有问题的,以及如何一步步把它们修正回来。
把它想象成一个极度认真的文字校对员:它不关心你写了什么内容,只关心你是否用了"的通知""的啦"这类 AI 常犯的语气词,或者是否在正式文档里塞满了 emoji——只不过 Kill AI Slop 关注的是视觉层面,而非文字层面。

图1:Kill AI Slop 网站概览
项目的核心贡献是一套经过深思熟虑的 35 种 AI slop 分类体系,分为两大类:
经典类(Classic):已被广泛认知的 AI 设计特征,包括:
background-clip:text 实现的全彩标题,牺牲可读性换"炫酷"rounded-full演进类(Evolved):更新的已模板化特征:
tag 或 pill每一种 tell 都配有可视化前后对比:在 plain HTML 中重建该 tell 的"问题版本"与"修正版本",读者可以直接看到差别,而不需要猜测。
skill 目录下包含一个 Node.js 扫描脚本(skill/scripts/scan.mjs),直接对项目源码进行模式匹配,检测包含 AI slop 特征的代码片段。
扫描范围:.html .css .scss .tsx .jsx .ts .js .vue .svelte .astro .md .mdx .php .twig 以及 tailwind.config.*。自动跳过 node_modules dist build .git out .next .astro coverage vendor 和所有 *.min.* 文件。
典型检测命令:
node skill/scripts/scan.mjs path/to/project # 分组报告
node skill/scripts/scan.mjs path/to/project --json # 机器可读格式
过滤与抑制机制:
--only=T01 / --skip=T04:按 tell ID 过滤--exclude=src/vendor/**:按路径排除--rules=extra.mjs:加载自定义规则(如俄语 slop 检测规则 rules.ru.mjs)deslop-ignore 注释指令:源码中标记"已知问题,无需再报"修复策略(Fixes):项目不提供一键修复功能,而是给出方向性指导——优先修改设计 token(颜色、圆角、字体),一次修改可以消除多处 slop;然后处理组件层,最后处理文案层。这个优先级设计非常合理,因为很多 slop 实际上是设计 token 被错误配置导致的。
网站基于 Astro 静态网站框架 构建,采用"paper + ink"设计系统——即有意避免它自己在指南中列出的所有 slop 特征,以此作为无声的示范。网站支持英语、中文、日语和韩语四种语言。
设计原则包括:单一编辑红色(像校对员的红笔一样使用)、通过字号和间距建立层级、毛发细线分隔、无渐变/无 emoji/无玻璃效果/无徽章。这本身就构成了对"不用 AI slop 也能做好设计"的有力论证。
网站技术栈:Astro 静态生成,零 JS 默认,无服务端依赖,最终构建产物为纯静态文件,可部署到任何静态托管平台(Vercel、Netlify、Cloudflare Pages 等)。
扫描器技术栈:原生 Node.js,零外部依赖,扫描脚本 scan.mjs 完全独立,可直接在任何 Node.js 环境中运行。
Skill 集成:skill 目录遵循 Hermes Agent Skill 规范(SKILL.md + references/ + scripts/),可通过 npx skills add yetone/kill-ai-slop 快捷安装到任何兼容的 AI 编程工具中。
许可:Apache-2.0,商业友好,无传染性。
Kill AI Slop 的安装和使用门槛极低:
cd website && npm install && npm run dev,1 分钟启动node skill/scripts/scan.mjs <path> 即可npx skills add 完成安装但真正使用 Kill AI Slop 的门槛在于判断力:它报告的每一个 match 都是一个"线索"而非"定论"。同一个 indigo 渐变,在一个真正以紫色为品牌色的产品中可能是正确的选择——Kill AI Slop 的作用是让你意识到这个问题,而不是替你做决定。
"什么是丑的"本身是一个主观问题。虽然 Kill AI Slop 给出了清晰的判断标准("没做决定 = slop"),但某些 tell 存在灰色地带——比如 Inter 字体是否真的是 AI slop,还是仅仅是"流行"的体现?项目作者坦承这一点,并在每条规则后注明了"如果是被主动选择的,那就是好的"。
项目目前专注于前端代码层面的检测,主要覆盖 HTML/CSS/JS 及其框架。对于非前端项目(如后端 API、移动端原生 UI),检测能力有限。此外,检测规则主要基于英文语境,部分文本层面的 tell(如"not just X, it's Y"这类 AI 文案模式)在其他语言中可能不适用。
AI 模型的"默认审美"会随着时间演变。Kill AI Slop 当前列出的 35 种 tell 反映的是 2024-2025 年的主流模式,随着 AI 模型的进化,新的"默认丑"模式会不断出现,这套规则需要持续更新。
Kill AI Slop 的出现有更深层的行业背景:在 AI 辅助编程工具快速普及的背景下,AI 生成的代码存在大量"同质化审美"问题。这不只是美学问题——视觉上的同质化会削弱品牌识别度,让用户难以区分不同产品。
从更广的视角看,Kill AI Slop 代表了一种将设计判断规则代码化的趋势:不再是模糊的"这看起来更好",而是可以被扫描、被量化、被自动化检测的明确规则。这种从"经验"到"规则"的转化,是 AI 时代设计工具进化的一个重要方向。
项目的 800+ stars 和持续增长的趋势表明,这个问题正在被越来越多的开发者重视——AI 编程工具提升的是开发速度,而 Kill AI Slop 试图解决的是速度提升带来的设计质量稀释问题。
一句话评价:不是设计工具,是设计觉悟的触发器——让你意识到"用了默认值"这件事本身,才是解决问题的第一步。