90 分 HN 热帖揭示 AI 编程工具的隐藏规律：不是 AI 不会做设计，是你的 Prompt 没给对"风格锚点"。
▲ ▲ 八种 AI 生成风格对比：只有 Qt 风格消除了 AI Slop（来源：envs.net/~volpe, HN 90pts）
事件回顾
6 月 12 日，程序员 volpe 在个人博客发表了一篇题为《Slightly reducing the sloppiness of AI generated frontend》的文章，迅速登上 Hacker News 首页，获得 90 个推荐和 26 条深度讨论。
volpe 做的事情很简单：他用同一个单页应用（一个选举人团预测可视化工具），反复让 AI Agent 按照不同设计风格重新生成前端界面。他测试了八种风格：SaaS 产品页风格、广播风格、GTK 桌面应用风格、Apple HIG 风格、Material Design 风格、Windows 11 原生风格、Qt 桌面应用风格，以及原始的 AI 自发风格。
结果令人震惊。
八种风格里，七种都带着明显的"AI 味”——那种你一眼就能认出来的、千篇一律的 AI 生成感。 只有一种风格例外：Qt。
volpe 写道："Simply asking it to make it look like a Qt app — to my tasteless eyes — removed almost all feeling of slop."（只需要要求它做成 Qt 应用的样子——在我这个没有审美的人看来——几乎完全消除了 AI Slop 的感觉。）
他甚至把其他所有个人工具软件都用 AI 重构成了 Qt 风格，并认为"看起来好多了"。
这个发现背后藏着什么规律？对我们这些天天用 AI 编程工具的创业者来说，有什么启示？
为什么"Qt 风格”能消除 AI Slop？
HN 评论区给出了一个关键解释。
用户 voxleone指出：Qt 在训练数据中有极高的"概念密度”。Qt 是一个存在了几十年的 GUI 框架，AI 模型在训练过程中见过大量的 Qt 教程、截图、源代码、技术文档和社区讨论。这使得"Qt 应用”在模型的潜在空间中成为一个高度凝聚、边界清晰的概念。
换句话说，当你说"做一个网页应用”时，AI 模型在数十亿个模糊的、风格各异的示例中随机采样，结果自然是不稳定的、缺乏个性的。但当你明确说"做一个 Qt 风格的应用”，AI 模型的搜索空间被大幅收窄到了一个定义完善的"风格分布”（style distribution）上。
这就像让一个画家"画一幅画"vs"画一幅莫奈风格的画”——后者的结果通常更好，因为约束反而释放了创造力。
AI Slop 到底是什么？
volpe 在文章中给出了一个精妙的定义：Slop 不是一种风格，而是一种叠加物。
"Slop is not a distinct style, it can be overlaid on top of many others. Even when I got it to make a page to look like X, it looked like X with slop."
这解释了很多 AI 创业者的困惑：为什么即使用 Cursor 或 Claude Code 生成了看起来"专业”的界面，总有一种说不清道不明的廉价感？因为 AI 在没有明确设计约束时，会自然偏向训练数据中出现频率最高的"平均风格”——而这种平均风格恰好是过去十年 SaaS 产品的那套视觉语言。
评论区用户 swiftcoder 一针见血："To me the 'AI slop' mostly just looks like the last decade of SaaS products."（对我来说，AI Slop 看起来就是过去十年的 SaaS 产品。）
bg-indigo-600 的 CTA 按钮、slate-900 的标题颜色、特定的阴影和圆角半径——这些不是 AI 发明的，是 AI 从无数个 SaaS 模板中学来的。问题不在于 AI，而在于我们对 AI 的期望：我们希望它创新，但它只能重组已知。
我们能学到什么？
▲ ▲ AI 编程的"风格锚点”原理：品牌名称比形容词更有效（来源：HN 讨论 + OSSInsight 数据）
1. 风格锚点比风格描述更有效
volpe 的实验说明了一个深层原则：对 AI 编程工具来说，指定一个"风格名称”（如 Qt、Material、HIG）远比描述视觉特征（如"简洁”"专业”"现代”）有效。
为什么？因为"Qt"是一个在训练数据中有明确定义的商标级概念，AI 不需要猜测你想要什么。而"简洁”是一个主观形容词，在不同上下文中指向完全不同的设计方向。
这个原则不仅适用于前端设计。当你让 AI 写代码时，"写一个类似 Redis 的缓存层”比"写一个高性能缓存”产出更好。当你让 AI 写文章时，"写成 36 氪深度报道风格”比"写得专业一些”效果更好。
品牌名称、框架名称、产品名称——这些是 AI 理解世界的高分辨率锚点。
2. AI 编程工具正在经历"设计觉醒”
volpe 的文章只是冰山一角。近期 AI 编程社区的讨论正从"能不能生成”转向"生成的质量如何”。
OpenAI Codex CLI 开源后在 GitHub 上 28 天增长 457 星（OSSInsight 数据），排名 AI 编程工具增长第二。Claude Code 同期增长 433 星。而异常增长的头名是 anomalyco/opencode（683 星），一个专注 AI 代码质量的开源项目。
开发者不再满足于"AI 能写代码”，开始追问"AI 写的代码看起来怎么样、维护性如何、用户体验够不够好”。这是 AI 编程工具从"能用”到"好用”的必经阶段。
3. 约束=创造力，这是 AI 时代的设计第一原理
传统的设计思维是：给创作者最大自由，他能产出最好作品。
AI 时代的设计思维正好相反：给 AI 最精确的约束，它才能产出最接近期望的结果。
这和 Prompt Engineering 的根本原则一致：好的 Prompt 不是"少说两句让 AI 发挥”，而是“把你能想到的所有约束都写进去”。
volpe 的 Qt 实验就是这句话的完美验证：他没有描述任何颜色、布局、字体，只说了一个词"Qt"。这个高度凝练的约束比一百个形容词更有效。
行动建议
- 建立你的"风格锚点库”
：收集 10-20 个在你领域里有明确定义的品牌/框架/产品名称，在 Prompt 中使用它们替代模糊形容词。比如前端用"Qt 风格”"Stripe 风格”"Linear 风格”，后端用"Redis 风格”"Postgres 风格”。 - 给 AI 一个"设计系统”而非"设计描述”
：HN 用户 mywittyname 分享了他的方法——先让 AI 做一个"设计画廊”（Design Gallery），把所有 UI 组件渲染出来，确认风格一致后再开始写功能代码。这比在每个 Prompt 里重复描述设计需求高效得多。 - 用 Tailwind 而非 CSS
：评论区 ramesh31 的经验是：纯 Tailwind 类名比自定义 CSS 更有利于 AI 生成一致的前端。因为 Tailwind 的类名本身就是原子化的语义约束，AI 不需要在 HTML 和 CSS 文件之间跳转推理。 - 接受"AI 有风格，但没有品味”
：volpe 自嘲"a person without taste controlling an AI without taste"（一个没品味的人控制一个没品味的 AI）。但这句话反过来说也是好消息：你不需要是设计师，只需要知道怎么给 AI 正确的约束。
一个值得关注的趋势
volpe 文章引发的讨论远不止一个前端技巧。评论区 stabbles 提出："This begs for a modern version of CSS Zen Garden, where the CSS is generated by different LLMs and prompts."（这催生了一个现代版的 CSS 禅意花园，CSS 由不同大模型和 Prompt 生成。）
CSS Zen Garden 是 2003 年的经典项目，展示了同一份 HTML 在不同 CSS 下可以呈现截然不同的设计。如果 2026 年有人做一个 AI 版——同一份 HTML，不同大模型和 Prompt 自动生成 CSS——这将是检验 AI 设计能力的终极实验场。
对于 AI 创业者来说，这不仅仅是一个有趣的话题。随着 AI 生成内容的比例持续攀升（LinkedIn 上 Agent-shipped code 在 2026 年增长了 1400%），如何让 AI 产出的界面"去 Slop 化”正在成为一个有商业价值的技能。
毕竟，当所有人都能用 AI 生成一个 SaaS 产品页面时，那个看起来不像 AI 生成的，就是赢家。
本文由 AI 辅助创作，经人工审核编辑发布