AI 生成前端页面同质化
用不同 AI 工具分别生成一个落地页，输出往往高度近似：紫色渐变背景、Inter 字体、卡片叠卡片、灰色正文配彩色按钮。这种同质化不是观感问题，它有明确的成因。
主流大模型的训练语料里包含大量同类 SaaS 模板。在没有任何设计偏好约束的情况下，模型会倾向于采样训练数据中出现频率最高的视觉组合——这些组合就是「安全选项」。没有外部引导时，AI 编程工具产出的页面结构自然收敛到同一类。
方案：impeccable 设计语言
impeccable 是面向 AI 编程工具的设计语言（Design Language），目标是在前端生成流程中注入一套显式的设计规范，覆盖字体、颜色、组件层级等内容。它不是一个只能绑定单一平台的插件，而是一组规则和命令的集合。
安装后，在支持的 AI 工具中输入 /impeccable 即可调用全部命令。核心命令如下：
| 命令 | 作用 |
|---|---|
/impeccable init | 初始化项目设计上下文，写入 PRODUCT.md 和 DESIGN.md |
/impeccable audit | 技术质量检查：可访问性、性能、响应式 |
/impeccable critique | UX 设计评审：层级、清晰度、情感共鸣 |
/impeccable polish | 上线前最终美化，对齐设计系统 |
/impeccable craft | 先设计后构建，可视化迭代 |
/impeccable live | 浏览器内实时调整 UI 元素 |
/impeccable distill | 去除冗余，回归本质 |
/impeccable onboard | 首访流程、空白状态、激活路径设计 |
除了 LLM 驱动的命令，项目还包含 60 条确定性检测规则。这些规则不需要调用 API，完全在本地运行，直接检出一系列具体的设计问题，例如对比度不足、层级混乱、响应式断裂等。
三个关键点
作者背景
impeccable 的作者是 Philipp Bakaus，同时是 Anthropic 官方 frontend-design Skill 的原作者。impeccable 在他的基础上扩展为独立项目，兼容更多工具，去掉了对单一 AI 平台的依赖。
平台无关性
一个安装命令即可将设计规范注入 Claude Code、Cursor、Codex、Gemini CLI、Grok Build、GitHub Copilot、Trae、OpenCode 等十余个工具。设计规范可以跨团队、跨工具统一，不绑定某一家 AI 平台的运行时。
确定性规则 vs 纯 Prompt 引导
纯 Prompt 输出不稳定，生成的页面质量取决于每次请求的随机性。60 条硬规则的作用是把质量下限用代码锁住：规则说不行就是不行。这是它与传统「AI 设计建议」的本质区别——设计保障靠工程逻辑，不靠运气。
边界与取舍
- 适用场景：SaaS 类前端页面，尤其是 AI 编程工具参与的从零生成或批量迭代场景。
- 依赖成本：安装后会把
PRODUCT.md、DESIGN.md写入项目，相当于项目里多了一份设计上下文资产，需要纳入版本管理，否则团队协作时容易丢失。 - 限制：原文未提供安装命令的具体写法，也未说明 60 条规则的具体检查项清单，需要到 GitHub 仓库
pbakaus/impeccable确认。 - 失败表现：原文未提供实际失败案例。但从机制上推断，当生成的页面违反任一确定性规则时，本地检查会直接报告问题并要求修正；而若完全不使用这套约束，AI 默认输出即为同质化页面。
一个可复制的思路
AI 编程工具能「写代码」和能「写出有质量的代码」是两回事。impeccable 的实质是给 AI 一个设计记忆体，让每次生成不必从零做视觉决策。这个思路可以扩展到代码规范、安全审计、性能优化等领域：找到「AI 默认行为」中的短板，将规则打包成可注入的技能，就等于一个新的优化抓手。
原文引用一句值得保留的判断：与其让用户学会写 Prompt，不如给他们一套可以装配进去的技能体系。