
rnskill
rnskill 是由开发者“雪踏乌云”维护的一套 comprehensive AI Agent Skill 集合,专为 Codex、Claude Code 及其他支持 SKILL.md 标准的工作流设计。目前包含 54 个技能,覆盖从选题策划、脚本洗稿、视频制作到商业诊断的全链路内容创作,以及通用的编码开发辅助。
vibecoded-design-tells 是一个基于数据的开源研究项目,它通过挖掘 Reddit 上数百万条讨论,精准定位了那些让网站看起来像“AI 劣质内容”的设计线索,并提供了相应的 Claude Skill 来帮助用户清除这些痕迹。
在“氛围编程”(Vibe Coding)盛行的今天,越来越多的网站呈现出一种令人不适的同质化和廉价感。用户往往一眼就能认出:“这又是 AI 生成的。” vibecoded-design-tells 是一个基于数据的开源研究项目,它通过挖掘 Reddit 上数百万条讨论,精准定位了那些让网站看起来像“AI 劣质内容”的设计线索,并提供了相应的 Claude Skill 来帮助用户清除这些痕迹。

该项目扫描了 320 万+ 条 Reddit 帖子,从 125 个权威讨论帖中提取了 3,033 条切题评论。研究发现,用户对 AI 生成内容的最大抱怨并非某个单一特征,而是**“它们看起来都一样”**。
在具体设计特征中,以下线索被提及频率最高,是造成“AI 劣质感”的元凶:
趋势洞察:相关讨论在 2023 年至 2024 年间跃升了约 150 倍,表明随着 AI 生成内容的爆发,用户对“同质化设计”的敏感度正在急剧上升。
基于上述数据,该项目构建了三个 Claude Skills,旨在帮助开发者和创作者移除这些“AI 线索”,强制做出有意的、针对项目的设计选择。
unslop-ui:清理网站视觉线索unslop-text:清理写作中的 AI 腔调delve, leverage, landscape。unslop-code:清理源代码中的 AI 痕迹该项目的全部数据和分析脚本均开源,无需 API 密钥即可复现。
运行步骤:
pip install -r requirements.txt
cd unslop-ai-ui
# 阶段 1-2:收集 subreddit 总数并按年份匹配
python3 collect.py
# 阶段 3:收集相关帖子文本 -> corpus.jsonl
python3 harvest.py 3000
# 从权威讨论帖中收集评论 -> comments.jsonl
python3 harvest_comments.py
# 帖子级别的线索统计 + 前五个图表
python3 analyze.py
# 评论级别的线索统计(更清晰的排名)
python3 analyze_comments.py
# 生成诚实的评论级别 + 对比图表
python3 make_charts.py
# 生成规模、原始计数、漏斗、集中度、共现、情感等图表
python3 make_charts2.py
数据资产:
corpus.jsonl.gz (320万+ 帖子), comments.jsonl (3000+ 评论)。comment_tell_counts.csv 等表格。通过 unslop 系列技能,我们可以将这些数据洞察转化为实际的工作流约束,强迫自己和团队在每一个设计决策中注入意图(Intention)。毕竟,真正打动用户的不是完美的渐变,而是背后那个具体、鲜活的人。







