AI Slop CLI——145 条规则,
无 LLM,在 CI 中运行

每个 AI 编码工具都会在第一次生成时落入同样的视觉默认值——头部用 Inter 90px、紫到蓝渐变、三张完全相同的卡片。解决方法不是问大模型「这个设计够好吗」——那是非确定性的。解决方法是一个在 CI 中跑的确定性 linter:145 条正则规则,扫描磁盘上的代码,无 LLM 调用,无 token 预算,sub-second。这就是 ux-skill 的 lint 子命令。

By the ux-skill team · 8 min read · MIT-licensed open source

为什么用正则,而不是 LLM 当裁判

如果把「设计是否合格」交给另一个 LLM 判定,你会撞上三个互相放大的问题。

它是不确定的。同一个输入,裁判模型的结论会在多次运行中漂移。CI 失败变成 flaky test,贡献者学会重试而不是修复,信号崩塌。

它是昂贵的。每个 PR 推送都消耗 token。每次重试都让账单翻倍。一个每周 200 个 PR 的仓库,运行 LLM 设计评判器在 diff 上,实际是在用计算资源确认正则可以在 12 毫秒内捕获的同样问题。

它隐藏了规则。当裁判失败一个 PR,作者得到的是散文。当正则失败一个 PR,作者得到的是可以在自己代码中匹配并学习的模式。前者制造的是申诉文化,后者制造的是熟练文化。

145 条规则覆盖什么

从仓库的 data/anti-patterns.json 拉取。每条规则有一个 id、严重程度(low | medium | high | critical)、类别、带文件后缀作用域的正则、一行 why 和一行 fix。

本地一行运行

# 默认:在 high+critical 上 gate,扫描当前目录
$ uxskill lint
[OK] Scanned 142 files in 412ms · 0 findings at threshold high

# 降低到 medium
$ uxskill lint --threshold medium

# 扫描子目录
$ uxskill lint apps/web/src --threshold high

# JSON 输出,管道给 jq
$ uxskill lint --json | jq '.findings | length'

典型的失败长这样:

$ uxskill lint apps/web/src
[FAIL] 4 findings at threshold high · exit 1

  high  inter-as-display          src/components/Hero.tsx:18
                                  Inter 用作显示字体
                                  fix: 给 Inter(正文)配 Geist / Satoshi / Cabinet Grotesk

  high  purple-to-blue-gradient   src/styles/hero.css:42
                                  默认的紫到蓝 AI 渐变
                                  fix: 单一克制的强调色(Emerald、Electric Blue、Deep Rose)

  high  three-equal-card-grid     src/pages/index.tsx:96
                                  一排三张同款卡
                                  fix: 不对称布局(bento、7-and-5、四张含一张跨列)

无 LLM 调用。200 文件 Next.js 仓库的平均耗时:冷启动 380ms,热启动 90ms。

GitHub Actions 工作流

放到 .github/workflows/ux-lint.yml,每个 PR push 都会被 linter 阻塞。Python 安装是最贵的一步,大约 6 秒;lint 本身在大多数仓库上 sub-second。

# .github/workflows/ux-lint.yml
name: ux-lint

on:
  pull_request:
    paths: ['**/*.{tsx,jsx,vue,css,scss,html}']

jobs:
  lint:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with: { python-version: '3.11' }
      - run: pip install uxskill
      - run: uxskill lint --threshold high

pre-commit hook(在 push 之前就拦下来)

# .pre-commit-config.yaml
repos:
  - repo: local
    hooks:
      - id: uxskill-lint
        name: ux-skill 反模式 lint
        entry: uxskill lint --threshold high --staged
        language: python
        additional_dependencies: [uxskill]
        files: \.(tsx|jsx|vue|css|scss|html)$
        pass_filenames: true

仅扫描 staged 文件,平均运行时间在 200ms 以下。diff 在离开笔记本之前就被拦下来。

Linter 是 AI 辅助代码库中唯一的确定性表层。其他所有检查都是概率性的。

和推荐器配对

单独的 linter 是被动的——它捕获已经存在的代码中的 slop。完整的 ux-skill 循环既预防又被动:

1. /ux-frame —— 10 字段发现简报(forcing function)。
2. /ux-recommend —— Python 推荐器 跑 5 个并行检索并返回一个系统。
3. /ux-design —— 在系统上生成界面。
4. /ux-lint —— 用 145 条正则规则给输出加门。
5. /ux-fix —— 自动修补 linter 能解决的问题(Inter → Fraunces、靛色渐变 → 单一强调色、三卡 → 不对称)。

步骤 1-3 降低模型产出 slop 的频率。步骤 4-5 捕获漏网的。推荐器抬高地板;linter 设定天花板。

跨 IDE 分发

同一个 Python 包,每一个能跑 Python 或 shell 出去的 IDE:Claude Code、Cursor、Windsurf、Copilot、Gemini Code Assist、Aider、Continue、Cline、Roo Code、Codex,以及另外七个。Windsurf 安装 · Cursor 安装。

相关阅读

• AI 编码的正则 linter——145 条规则在 CI 中。
• 每个 AI 编码工具默认产出的 35 个设计指纹。
• Claude Code 的反 AI slop 工具——诚实排名。
• vibe coders 的反 slop CLI——pre-commit 配方。