Communitygithub.com

Tosccony/design-dna-tool

收集指定行业的知名设计参考网站,通过四透镜分析法生成研究笔记。适用于用户缺少参考案例或需要补充灵感时,可通过 `/research` 调用。

design-dna-tool 是什么?

此技能用于填补构思阶段“没有参考案例”的空白。它会从设计媒体中精选 5 个行业标杆网站,逐一进行版式、色彩、布局和动效四透镜分析,并汇总跨网站的模式。技能还会与已存在的预设库(`presets.ts`)对比,指出当前配置尚未覆盖的设计模式。分析完成后,结果会以 Markdown 文件形式保存在 `docs/research/` 目录下,供后续项目复用。 触发方式灵活:可在 `/new-mockup` 流程的第一步自动调用(当用户没有参考时),也可通过独立命令 `/research <自由输入>` 单独运行。它通过 LLM 知识候选与 WebSearch 补充发现双重机制来精选网站,并通过 WebFetch 验证 URL 有效性。输出会生成一个结构化的研究笔记(包含每个网站的四透镜分析与“为何有效”的总结)、跨站模式提炼,以及针对预设库的差距报告。 支持的平台包括 Claude Code、Cursor、Codex 等支持 WebSearch 和 WebFetch 工具的 AI 代理。该技能设计的初衷是提取设计语言而非克隆具体网站,因此不适用于商业成功分析或视觉资源爬取。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Tosccony/design-dna-tool/tree/HEAD/.claude/skills/website-research

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

网站研究

支持文件:填补构思阶段“没有参考案例”的空白。为某个行业精选 5 个来自设计媒体的参考网站,逐个应用与 /analyze 相同的四透镜分析法,提炼跨站模式,桥接到预设库,并将完整研究过程保存为 Markdown 笔记,供未来项目使用。

设计原理在 docs/plans/2026-04-29-website-research-design.md 中;本技能是具体操作指南。

何时使用

  • 在 /new-mockup 的步骤 1 中,当用户没有参考点(或请求帮助寻找参考)时自动触发。
  • 通过 /research <任意输入> 独立运行,进行即兴灵感收集。
  • 当用户询问“某某行业目前流行什么”或“给我一些好的某某类型网站的例子”时——即使没有显式使用 /research,此技能也应介入。

不要用于:克隆某个具体网站(我们提取模式,而非资源)、商业成功研究(信号错误——原因见 docs/plans/2026-04-29-website-research-design.md)、或分析用户已提供的单个参考(这种情况请使用 /analyze)。

前置条件

运行前,确认以下三点:

  1. docs/research/ 目录存在。 应该存在——本计划的任务 1 会创建它。如果缺少,立即用 mkdir -p docs/research/ 创建即可。(不要因此中止——自动恢复即可。)
  2. 输入具有足够的信号。 单个通用词(如“SaaS”或“电商”)太宽泛——见下方边界情况 #1;先请用户缩小范围再运行。
  3. 工具访问权限。 必须可用 WebSearch 和 WebFetch。如果被禁用,则中止并提示:“Web 工具调用已禁用。/research 需要 WebSearch 和 WebFetch 来发现并验证候选网站。请启用它们,或改用人工搜集参考。”

五步流程

1. 解析输入

输入是自由文本。读取并提取:

  • 行业——企业或产品的类型(律师事务所 / 印刷商 / SaaS 着陆页 / 商品 / 机构作品集 / 编辑出版物等)。
  • 约束条件——缩小候选范围的形容词(现代 / 传统 / 深色 / 浅色 / 高级 / 趣味 / 极简 / 密集等)。
  • 硬排除项——用户明确不想要的内容(如“但不要企业风格”、“不要电商模板”)。

如果提取存在歧义(例如输入真的只有“SaaS”),应用边界情况 #1,在运行前提出一个澄清问题。

先前研究查找: 在发现之前,列出 docs/research/*.md,检查文件名和首行主题是否与解析出的行业匹配。如果最近的笔记覆盖了相同行业(对于快速变化的类别如 SaaS 着陆页或 AI 工具,通常 < 3 个月;对于较慢变化的如律师事务所,< 6 个月——以该行业的设计媒体典范是否明显变化为准,而非日历日期),则提示:“找到 <文件名>(<日期>,同一行业)。是复用、重新运行、还是用新选择补充?”复用跳过发现步骤;重新运行从头开始;补充则以先前笔记的候选网站为种子,并寻找更多网站。

2. 发现(混合模式)

两轮搜索共同生成统一的候选列表。

第一轮——LLM 通用知识。 从训练数据中提出 5–10 个网站。使用以下提示结构进行筛选:

“列出 [行业] 中被广泛认可为设计媒体典范的网站(Awwwards、FWA、Land-book、Site Inspire、Brutalist Websites)或被从业者引用的网站。根据 [约束条件] 进行过滤。输出格式为 名称 | URL | 一行说明为何被认可。”

“表现优秀”的标准:

  • 主要: 设计媒体认可(获奖、专题展示)+ 审美工艺(视觉效果出色、排版考究、布局创新、动效精准)。
  • 次要: 从业者声誉(在设计讨论中被引用)。
  • 不采用: 商业成功代理指标(资金充足的品牌也可能有平庸的网站——信号错误)。

设计媒体认可门槛。 仅凭一个 Awwwards SOTD 不足够——太多网站获得了。需要满足以下至少一项:(a) Awwwards/FWA/CSS Design Awards 的 SOTM/SOTY、(b) Land-book / Site Inspire / Brutalist Websites / Page Collective 的编辑精选、或 (c) 在设计讨论中被从业者引用(出现在 Sidebar.io、Hover States、Frontend Focus 等设计新闻简报中;或被机构案例研究、设计师 Twitter/Bluesky 动态引用)。即便资金和商业成功与设计质量相关,也无法说明问题。

第二轮——WebSearch 补充。 基于输入构建 1–2 个查询,例如 “best law firm websites 2025 awwwards”、“premium printmaker website inspiration”。对结果进行分类:保留设计出版物(Awwwards、FWA、Site Inspire、Land-book、Brutalist Websites、Sidebar.io、Typewolf、Page Collective)、机构案例研究页面和从业者帖子。剔除 SEO 驱动的列表式文章(“2025 年十大某某网站”)、模板市场画廊(Wix/Squarespace/Webflow 的模板展示页面,非真实网站)和 AI 摘要内容农场。

(如果某个指定来源返回 404 或明显已关闭,则静默丢弃,依赖其他来源——不要在发现输出中显示死来源报告。)

提取 3–5 个额外候选。

去重 + 验证。 合并两个列表。去除重复项。对每个剩余候选,运行 WebFetch(单次 GET,轻量检查),确认 URL 有效。丢弃无效 URL。将验证后的列表默认限制为 5 个网站;用户可通过技能提示(--count 8 或自然语言“帮我找 8 个网站”)覆盖。

3. 逐个网站分析

对每个验证的网站,直接内联应用现有的 /analyze 工作流(不调用斜杠命令——直接应用四透镜模式):

  • 版式: 字体族特征、字重对比、字号比例、字间距。
  • 色彩: 模式、逻辑(非色值)、强调色在何处发挥作用。
  • 布局: 首屏模式、不对称性、密度、垂直节奏。
  • 动效: 缓动风格、动效位置、密度。

每个类别 3–4 条要点,简洁具体。然后是一段“为何有效”,综合设计优势。

“为何有效”中的禁用短语: “现代而清爽”、“粗体排版”、“优雅设计”、“完美平衡”、“惊艳视觉效果”——这些是空洞内容。段落应指出具体的权衡或非显而易见的选择(例如:“紧凑的展示字体承担了高调工作,所以正文可以保持低调——使他们在正文中只需单一字重就能保持层级”)。

伦理提醒: 提取模式,不复制资源。输出从不建议逐字复制某个网站——我们提取设计语言,而非具体布局或图像。

4. 汇总跨站模式

分析完所有网站后,总结各网站的共性:

  • 版式: “5 个中有 4 个使用单一字体族体系,字重主导层级。”
  • 色彩: “全部 5 个默认为深色模式;3 个使用单色 + 一种强调色。”
  • 布局: “不对称首屏占主导;5 个中有 4 个避免 6/6 分割。”
  • 动效: “Expo-out 入场占主导;3 个使用滚动驱动的揭示效果。”

桥接至预设库:读取 presets.ts,对于文件中存在的每个预设类别,识别最接近的现有预设,并明确标记差距——当前预设未覆盖的模式。如果自本技能编写以来 presets.ts 中新增了预设类别(例如交互基元、数据显示预设),则在桥接中包含它——不要因为四透镜未预期到就跳过。最好标记差距,而不是强行凑合。

如果模式过于泛泛(“5 个中有 3 个使用无衬线字体”——这在 95% 的网页中都成立,毫无用处),则明确说明。不要粉饰普通结论。

5. 保存研究笔记

写入 docs/research/<slug>-<YYYY-MM-DD>.md,其中 slug 是 kebab-case 关键词。如果路径已存在(相同行业、同一天),则依次追加 -v2、-v3 等,直到路径可用。使用以下结构(严格按此格式):

# 研究:<主题 / 行业>
**日期:** YYYY-MM-DD · **简介:** <用户输入原样>

## 分析的候选
1. <网站名称> — <URL> · <一行说明为何被认可>
2. ...
(以及任何被丢弃的候选列表及原因)

## 逐个网站分析
### 1. <网站名称>
[四透镜分析:每类别 3–4 条要点]
**为何有效:** <1–2 句话,综合设计优势>

### 2. <网站名称>
...

## 跨站模式
- **版式:** ...
- **色彩:** ...
- **布局:** ...
- **动效:** ...

## 桥接至预设库
- **最接近的现有预设:** ...
- **差距:** ...(或“无——当前预设已覆盖这些模式”)

## 推荐的设计方向
<2–3 句话,说明基于现有模式和差距,哪种设计方向合理——作为未来 DNA 提案的起点,而非最终选择。此处不要使用“简介”一词,因为独立 `/research` 运行可能没有简介。>

写入后,在聊天中发布简短摘要(非完整笔记——已保存)。如果从 /new-mockup 调用,则将模式+差距作为上下文传递给构思步骤。如果独立运行,则在此结束。

边界情况

  1. 行业太宽泛。 如果输入是一两个通用名词(“电商”、“SaaS”),在发现前中止并请求缩小范围:“电商范围很广——品牌定位是什么(高级 / 趣味 / 实用)?产品类别是什么?这样能让列表更精准。”用户回复后继续。
  2. LLM 建议的全部 URL 失效。 训练截止日期意味着约 10%–20% 的 LLM 建议 URL 可能已迁移或失效。如果验证后列表少于 3 个网站,退回到仅 WebSearch 的筛选。如果之后仍少于 3 个网站,承认差距:“未能为此次简介找到可靠的 5 个设计媒体参考。获得 个分析候选;想继续使用这些,还是您自己有一些起点?”
  3. JS 渲染的网站。 WebFetch 返回未渲染的 HTML;现代 SPA 可能显示空标记(脚本标签 + 空的 <div id="root">)。检测(未提取到有意义的内容),将该网站标记为“在未渲染视图下无法分析——已记录 URL 待人工检查”,然后继续处理其余网站。不要尝试解析空的 DOM 就像它有内容一样。
  4. 模式过于泛泛。 当提取的模式较弱时,明确说明,不要粉饰结论:“这 5 个网站的模式大多泛泛——行业可能太宽泛,或者该细分领域的设计媒体典范较少。建议手动补充其他参考,或收窄简介。”
  5. 补充模式。 如果用户有 1–2 个参考并希望研究找到更多(“我有网站 X,再找几个类似的”),接受现有 URL 作为种子输入。与候选列表去重。对合并后的集合进行分析。现有参考不会被忽略。

不适用范围

该技能不处理:

  • 基于截图的 multimodal 分析。 WebFetch 仅适用于 HTML;JS 渲染的 SPA 可能需要渲染视图,但此技能不捕获。
  • 跨会话缓存的研究。 每次 /research 运行都是全新的。
  • 自动标签 / 归档搜索。 仅支持文件名 + grep 搜索。
  • 直接抓取画廊(Awwwards、Land-book)。 无公开 API;受服务条款限制。
  • 商业成功指标或流量数据。 信号错误——我们研究设计语言,而非商业策略。

成功标准

一次 /research 会话后,用户将获得一个保存的 Markdown 笔记,包含 5 个经过验证、达到设计媒体质量的参考网站,并使用工具中其他部分相同的透镜进行分析,同时提取了模式并指出预设库中的差距。未来同一行业的项目将通过先前研究查找发现该笔记,因此任何研究工作都不会被浪费。

相关技能