78K Star 达成：impeccable 把“AI 网页味”从 AI 编程流程里连根拔起

2026 年的前端开发者几乎都遇到过同一个场景：让 AI 助手生成一个落地页，它交回来一个"看起来毫无破绽、却一眼假"的界面——Inter 字体铺满全站、紫到蓝的渐变、卡片套卡片、圆角图标块悬在每个标题上方。社区给这种产物起了个名字："AI 网页味"（AI slop）。当所有模型都在同一批 SaaS 模板上训练时，这种同质化几乎无法靠"再给它写个更长的 prompt"解决。

impeccable 这个开源项目的解法完全不同：它不做"更聪明的提示词"，而是给 AI 编程助手装上一套设计语言——24 个结构化设计命令、59 条确定性反模式检测规则、浏览器内实时变体迭代，外加一个不依赖 LLM、不需要 API Key 就能跑的 Rust 检测引擎。从 2025 年发布到如今 78K Star，它把"反 AI 味"从一句口号变成了一个可安装、可审计、可进 CI 的工程系统。这篇文章拆解它爆火的轨迹、踩中的行业痛点，以及它代码仓库里的真实实现。

里程碑：一年时间，从 0 到 78K Star

impeccable 由 Paul Bakaus（jQuery UI 创始团队成员、前 Google Chrome 开发者关系工程师）创建，仓库里的一份信息快照记录了这个时间节点：头条号文章"GitHub 70.4K Star！Impeccable 火了！专治 AI 生成的丑网页"出现在传播序列中，而到 2026 年 10 月，Star 数已站上 78K。从 70.4K 到 78K 的跃升发生在很短的时间窗内，说明增长不仅没有放缓，反而在持续加速。

支撑这个节奏的是一套异常高频的发布流水线。仓库的 package.json 显示当前版本为 4.5.1，而 ENGINE_VERSION 记录的 Rust 检测引擎版本号为 0.1.12；五个平台包（darwin-arm64、darwin-x64、linux-arm64、linux-x64、windows-x64）以 optionalDependencies 的形式随 npm 包分发。docs/ 目录里还保留着 RELEASE-4.4.0.md 的候选发布记录，描述引擎 0.1.6 引入的"组件捕获、输入来源冻结、可持久化评审会话"等能力。一个独立二进制引擎 + 跨平台包 + 技能包独立发版的工程结构，让项目可以像工具链一样每周迭代——这正是开源项目维持热度的底盘。

为什么"反 AI 味"正好踩中 2026 年的痛点

impeccable 的 README.md 开头就把问题说得很直白：

Every model trained on the same SaaS templates. Skip the guidance and you get the same handful of tells on every project: Inter for everything, purple-to-blue gradients, cards nested in cards, gray text on colored backgrounds, the rounded-square icon tile above every heading.

翻译过来就是：所有模型在同一批 SaaS 模板上训练，不加以约束，每个项目都会吐出同一套特征指纹。 这正是 2026 年 AI 编程普及后的新痛点——代码能跑已经不是问题，"长得像 AI 生成的"才是问题。随着 Cursor、Claude Code、Codex 这类工具成为日常生产力，AI 生成界面的同质化从"个人审美困扰"升级成了"产品团队的质量事故"：竞品页面长得一模一样，品牌识别度归零。

impeccable 的狠劲在于，它把这种"感觉"翻译成了可判定的规则。仓库里 crates/live/assets/antipatterns.json 定义了完整的反模式清单，共 59 条，其中 31 条属于 slop（AI 味）类别、28 条属于 quality（通用质量）类别。随手列出几条：

• side-tab：卡片一侧的粗色边条——"AI 生成 UI 最容易被识别的特征"；
• ai-color-palette：紫/紫罗兰渐变与暗底青色——AI 生成 UI 最经典的配色指纹；
• overused-font：Inter、Roboto、Fraunces、Geist、Plus Jakarta Sans、Space Grotesk——"每一波 AI 生成的 UI 都收敛到同一小撮字体"；
• icon-tile-stack：标题上方的小圆角图标容器——"每个生成器都会输出这个形状"；
• kicker-above-heading：标题上方的小号大写标签——被直接列为 outright banned（绝对禁止）；
• em-dash-overuse：正文里破折号泛滥——AI 语气的节奏指纹，仅在饱和时触发；
• marketing-buzzword：streamline / empower / supercharge 等 SaaS 套话；
• aphoristic-cadence："X. No Y." 式的短句排比，三段以上即判定。

规则甚至细到连 bounce/elastic 缓动、彩色光晕阴影、装饰性光标、自动滚动 marquee 都覆盖了。这种"连 em-dash 数量都要数"的较真，让"反 AI 味"第一次有了可执行、可回归的标准——也解释了为什么它能从一众"设计 prompt 合集"里脱颖而出。

三层机制：预防、修正、质检

impeccable 的产品结构不是单一工具，而是三条互相咬合的防线，这在其 README.md 中交代得很清楚：

第一层，预防：用 PRODUCT.md 建立"耐久的产品事实"。 首次使用运行 /impeccable init，它会检查项目、只针对产品事实的空缺提问，把受众、用途、运行上下文、约束、语气、证据写入 PRODUCT.md——"只谈产品不谈美学"，与记录视觉方向的 DESIGN.md 严格分离。这让后续每个设计命令都建立在真实产品事实之上，而不是让模型从零猜。

第二层，修正：24 个语义明确的设计命令。 覆盖构建（craft/shape/init/document/extract）、评估（critique/audit/polish）、精修（bolder/quieter/distill/harden/onboard）、增强（animate/colorize/typeset/layout/delight/overdrive）、修复（clarify/adapt/optimize）与迭代（live/generate）六大类，全部通过统一的 /impeccable <command> <target> 入口路由。命令之下还有完整的参考文档——比如 reference/live.md 定义的 Live Mode 交互协议：在浏览器里选中元素、生成 HTML+CSS 变体、经 dev server 的 HMR 热替换，通过 poll 循环处理 generate/steer/accept/discard 事件。

第三层，质检：不依赖 LLM 的确定性检测。 CLI 与浏览器扩展直接运行那 59 条规则，"no LLM and no API key"。这是一条关键的架构决策：检测是确定性的，意味着同一个文件在任何机器上跑出同样的结果，意味着它可以被写进 CI、被审计、被豁免管理。CLI 的退出码契约也为此设计：0 表示无主要问题、2 表示存在主要问题、1 表示有目标无法扫描，--json 输出可供 CI 消费（详见 README.md 的 CLI 章节）。

编辑即检测：把质量门禁塞进 Agent 工作流

impeccable 最"连根拔起"的地方，是它不止在你主动喊 audit 时才工作——它把检测器接进了 AI 编程工具的 Hook 机制，让每一次 UI 文件编辑都自动过一遍质检。

crates/hook/src/lib.rs 的实现显示这是一套两级架构：impeccable hook 是 PostToolUse 的每编辑轻量扫描 + Stop 时的深度扫描，impeccable hook-before-edit 则是 Cursor 的 preToolUse 前置门禁。不同 harness 的接入语义被刻意差异化（README.md 的 Design hook 章节）：

• Cursor：在坏写入落地前拦截（hook-before-edit）；
• Claude Code / GitHub Copilot / Codex：编辑后回传发现，Stop 时跑深度扫描；
• Grok Build：编辑后扫描预热 Stop，发现统一在 Stop 时上屏。

Hook 发现会回灌到 Agent 的对话流里，形成"编辑 → 检测 → 修复"的闭环。同时项目把豁免管理也做成了公民级功能：支持值级、文件级、规则级 ignore，还有随文件行走的内联标记（如 <!-- impeccable-disable overused-font: exported brand doc -->），避免误报逼疯开发者。当用户遇到历史遗留问题被反复误报时，还能通过基线机制抑制"编辑前就已存在"的发现。

这套设计的精妙之处在于成本结构：Hook 层跑的依然是确定性规则，不消耗 LLM token、不需要 API Key，开发者唯一要付出的是引擎二进制的一次下载。也因此它才能做到"每次编辑都查"而不会烧钱。

Rust 引擎与 WASM 扩展：同一套规则的三种载体

impeccable 的另一个工程亮点，是同一套 59 条规则被编译到了三个载体里：原生 CLI、浏览器扩展、以及技能内置的 Hook。源码层面，规则核心从最初的 JS 实现被逐步移植到了 Rust 工作区——crates/core/src/checks/rules.rs 开头的注释写着"Port of cli/engine/rules/checks.mjs Section 3"，是纯元素检查逻辑的 Rust 移植，连函数名都保留 JS 原名以便对照。规则依赖 crates/core/src/checks 下的 css_scan、html_patterns、text_rules、vectors 等模块，并复用 foundation crate 里的色彩对比度、字体指纹等基础设施。

浏览器扩展（extension/manifest.json，MV3）则走了一条更巧的路：由于页面 CSP 会封杀 content script 世界里的 WebAssembly，扩展把 WASM 规则核心放进 offscreen document（reasons: <a href="https://link.gitcode.com/i/5a59768bdaf9fccb45b7a77195f80097" target="_blank">'WORKERS']），content script 只负责测量页面生成快照，再把快照交给 offscreen 里的 WASM 核心计算，最后由 overlay 把发现绘制在页面上（见 [extension/content/content-script.js 与 extension/background/service-worker.js）。这样"任何页面都能扫，包括 github.com 这种 CSP 极严格的站"。发现数量会直接显示在扩展徽标上，徽标配色还专门做过对比度计算——gold 底配深色墨字约 11.8:1，超过 4.5:1 的 WCAG 要求。一个检测器连自己的徽标都要过对比度门槛，这很 impeccable。

社区传播路径：CSDN 系列教程、头条爆文与公众号同步升温

观察社区情报可以发现，impeccable 的中文传播不是单一爆点，而是教程生态 + 热点文章双线推进。

CSDN 上围绕它已经形成了一条完整的教程链：从《Impeccable 设计检测器 Hook 完全指南》（解析两级规则与 Claude Code、Cursor 等工具的钩子适配、.impeccable/config.json 配置）、《Impeccable 设计技能完整解析》（23 个设计命令与四类访客模式），到更细的《/impeccable pin 技巧：把高频设计命令变成独立快捷指令》、《/impeccable bolder 使用技巧》、《/impeccable init 详解：PRODUCT.md 到底要记录什么》，甚至有人专门分析了 skill/SKILL.src.md 的 {{}} 占位符系统如何在构建时向 16 种 AI 编程助手注入定制化技能配置——"一份源码、多端分发"的机制本身就成了技术内容素材。这些教程文章单篇阅读量从数百到近 1700 不等，收藏率明显偏高（多篇 9-14 个收藏），说明读者是把它们当"可回查的参考手册"而非"看一次就划走的新闻"。

头条号那篇"GitHub 70.4K Star！Impeccable 火了！专治 AI 生成的丑网页"则承担了破圈角色——标题直击"AI 生成丑网页"这个大众可感知的痛点，把 Star 数当作信任状。掘金等平台上的 AI 编程工具对比、Skill 生态盘点类文章也在持续给它导流。公众号与 CSDN 之间的内容互引，让它在"技术教程读者"与"热点新闻读者"两个圈层间反复曝光，形成了持续的搜索流量入口。

下一步看点：动量能否兑现

78K Star 是里程碑，也是考验。接下来几个信号值得跟踪：

第一，引擎与技能的版本解耦是否稳定。 impeccable 把"确定性引擎"（crates/）与"设计技能包"（skill/）分开发版，还维护着五个平台的原生二进制包。这套流水线在 scripts/release.mjs、scripts/publish-platform-packages.mjs 等脚本里跑得很重，一旦某个平台包发布滞后，就会影响 npx impeccable 的安装体验——而安装体验恰恰是开源项目留存率的生命线。

第二，harness 适配的广度能否转化为深度。 README 的支持列表已经覆盖 Cursor、Claude Code、GitHub Copilot、Codex CLI、Gemini CLI、Grok Build、DeepSeek Harness、OpenCode、Trae、Rovo Dev 等十几家工具，甚至还有 VS Code 扩展（见 docs/VSCODE-EXTENSION.md）。但不同 harness 的 Hook 能力差异巨大——比如 Hermes 没有 hook 面、Cursor 需要 Nightly 版才支持 skills——"支持"和"完整支持"之间仍有落差，谁能把 Hook 质量门禁做到开箱即用，谁就能真正锁住用户。

第三，确定性检测的边界。 README 里有一句很诚实的提醒："A clean detector run is evidence, not proof of visual or accessibility quality." 反模式规则能抓住模板化特征，但抓不住"这个设计到底好不好"。impeccable 把 LLM critique 明确保留为独立的判断层，这个"确定性打底 + LLM 判断"的分层，决定了它能在多大程度上替代设计评审——也决定了它作为一门"设计语言"的上限。

从"专治 AI 生成丑网页"的爆款叙事，到 59 条规则、Rust 引擎、Hook 门禁、Live Mode 这套完整工程，impeccable 证明了一件事：反 AI 味不是靠审美玄学，而是可以做成确定性系统、装进每一次 AI 编辑里。78K Star 是市场给它"痛点选对了"的投票；接下来的问题只有一个——当所有模型都学会避开这 59 条规则时，impeccable 的规则库还能不能继续跑在前面。