GitHub 周刊第 53 期 | taste-skill 教 Agent 先定美术方向，JetBrains 和心动都在 pi 上做了 Agent 客户端
本期 4 个项目：让 Agent 先定美术方向再做网页的 taste-skill，JetBrains 基于 pi 的 ThinkRail，心动开源的多设备 Agent 客户端 Cindy，把代码库变成知识图谱的 graphify。
📅 本期时间范围：2026-10-26 ~ 2026-11-01
你让 AI 给你写一个网页，现在看一眼就能认出来是 AI 做的，AI味太重了：居中的大标题、渐变背景、一排三张圆角卡片，换个行业、换个品牌，页面长得都差不多。
这周的 GitHub 周榜上，有 4 个项目都在解决这个事。排第一的 Hallmark 一周涨了 1.17 万 Star，Impeccable 涨了 1.13 万；另外两个是 taste-skill 和设计工程师 Jakub Krehel 的 skills 合集。一个周榜上同时挤进 4 个「设计技能」，说明大家已经不满足于 AI 能把页面写出来，开始在意它写得好不好看了。
本期挑了 4 个项目：第一个是 taste-skill，它解决这个问题的思路和前面几个不太一样，所以下面会多讲一些；第二、三个是 JetBrains 和心动各自推出的 Agent 客户端，巧的是两家都选了同一个开源 Agent 做底座；最后一个是把代码库画成知识图谱的 graphify。文中 Star 数均为截至发文时 GitHub 页面的数据。
01 taste-skill
别的设计技能告诉 Agent「别做成什么样」，这个技能它让 Agent 先决定「要做成什么样」
taste-skill 目前 10.6 万 Star，这周涨了 4700 多，MIT 协议。
先说它和 Hallmark、Impeccable 的区别。后两个的思路，更接近给 Agent 配一份「反面清单」：哪些字体用烂了、哪些配色一看就是 AI、卡片不要层层嵌套，然后用规则去检查。这种做法能把页面从「很差」拉到「不出错」，但不出错的页面，往往也没有什么记忆点。
taste-skill 的 v2 版本换了个方向。作者研究了 247 个精选网站，整理出 20 种设计方向，Agent 每次做页面时会按下面的流程走：
- 先读需求，列出这个客户独有的东西，比如一家咖啡店自己烘豆、只有二十个座位
- 用脚本从 20 种设计方向里随机发 3 个，让 Agent 挑一个
- 用一句话把客户自己的素材和这个方向连起来，作为整个页面的创意
- 去公开图库找真实的照片和视频素材，放进页面并标注出处
- 在真实浏览器里按三种屏幕宽度检查页面，看到「AI 味」的地方就判不合格
- 看自己的截图，挑出最严重的三个问题去改，最多改三轮
上面那张咖啡店首页就是它根据一段需求做出来的，首屏没有渐变和卡片，而是一张画出来的店面，营业时间和「明天几点开门」直接写在门口。下面这张是一个电子音乐活动的页面，演出日期被排进了一张老照片里：
这里面我觉得最值得借鉴的，是第 2 步的「随机发三张牌」。如果让大模型自己决定设计风格，它大概率会选训练数据里最常见的那一种，这也是 AI 页面长得都差不多的原因之一。用脚本先把选项限定在三个不常见的方向里，相当于强行把它从「最安全的选择」里推出去。
第 4 步的图片来源也处理得比较细。素材只从 Wikimedia Commons、Openverse、大都会博物馆这类开放馆藏里找，而且只用公有领域、CC0、CC BY 和 CC BY-SA 这几种允许商用的授权，出处会自动写在页面上。如果你自己有产品图，做完之后替换掉就行。
10 月更新的 v2.1 还加了后台和应用界面的做法：它会先判断你要做的是宣传页还是应用界面，应用界面走另一套规则，比如面板要安静、数字要对齐、颜色只花在数据上、手机上导航要能收起来。
安装用 npx skills 一条命令：
npx skills add https://github.com/Leonxlnx/taste-skill --skill "design-taste-frontend"Claude Code 和 Codex 也可以当插件装：
/plugin marketplace add Leonxlnx/taste-skill
/plugin install taste-skill@taste-skill它需要 Node 22 以上的版本，以及电脑上装了 Chrome、Edge 或 Chromium，用来在浏览器里检查页面。不需要 API Key，只有找图片时需要联网。另外，它不绑定前端框架，React、Vue、Svelte 和纯 HTML 都能用。
需要注意的成本：项目自己也写明了，做一个完整的页面大约要 30 到 45 分钟，消耗几十万 token。这对按量付费的人来说不算便宜，对用包月套餐的人来说也会占掉不少额度。所以它更适合做官网、活动页、产品首页这类「需要给人留下印象」的页面；如果你只是要做一个内部用的表单页，用它就有点浪费了。
还有一点要注意：作者把以前的一批技能（比如 minimalist-ui、industrial-brutalist-ui）挪到了单独的 taste-skill-classics 仓库，现在这个仓库里只剩一个技能。如果你之前装过旧技能，网上的老教程里的安装命令可能已经对不上了。作者最近还把它做成了一个桌面应用 TasteCode，也是免费开源的，不想折腾命令行的话可以去看看。
02 ThinkRail
JetBrains 孵化的 Agent IDE，以 Agent 对话为中心，编辑器反而是配角
ThinkRail 目前 6700 多 Star，这周涨了 5400 多，Apache-2.0 协议，是 JetBrains 在 GitHub 上标注的孵化项目。
和 IntelliJ IDEA 这类「以编辑器为中心、旁边挂一个 AI 面板」的 IDE 不同，ThinkRail 把重心倒过来了：界面的主体是和 Agent 的对话，编辑器、文件树、终端围绕着对话来摆。它底层用的 Agent 不是 JetBrains 自己写的，而是开源编程 Agent pi。
核心功能：
- 隔离的工作区：每个任务开一个 git worktree，有自己的分支和目录，几个 Agent 可以同时干活，不会互相改乱代码，满意的分支合并，其余的删掉
- SPEC.md 规格文档：项目里放一组互相关联的 SPEC.md 文件，Agent 通过专门的工具去读和维护它们，这样项目的设计意图不会随着一次对话结束就丢掉
- 从对话直接到 PR：推送分支、按计划和提交记录生成 PR 描述、查看 CI 结果，失败的检查可以一键交回给 Agent 处理
- 模型自己选：可以登录 JetBrains AI，也可以接 Ollama、vLLM、LM Studio 这类兼容 OpenAI 接口的服务，包括公司内部的模型网关
界面内置了简体中文，macOS、Windows、Linux 都有安装包，也可以用命令行装好以后在浏览器里打开。
我的判断是：如果你已经习惯了 Claude Code 这类命令行 Agent，又觉得终端里看代码差异、管理多个分支太累，ThinkRail 值得试一下。不过它目前最新版本是 10 月 29 日发布的 0.3.0，而且是孵化项目，意味着 JetBrains 还没有承诺长期维护，重要项目建议先在旁边并行用一段时间，别直接把主力工作流迁过去。
03 Cindy
心动开源的 Agent 客户端，把 Claude Code、Codex 和 pi 放进同一个界面，手机也能接着用
Cindy 目前 8700 多 Star，这周涨了 5300 多，客户端是 Apache-2.0 协议。官网页脚署名是 XD Inc.，也就是做 TapTap 的心动公司，有中国大陆版和国际版两个下载入口。
有意思的是，Cindy 支持的三种 Agent 引擎里，除了 Claude Code 和 Codex，第三个也是 pi，和上面 JetBrains 的 ThinkRail 选的是同一个。pi 本身是一个很轻、可以自己扩展的开源编程 Agent，支持多家模型供应商。两家公司的产品同一周上了周榜，底座都是它，说明「自己从头写 Agent」已经不是做产品的必选项了，更多团队开始把精力放在 Agent 外面的界面和体验上。
Cindy 在体验上主打的是多设备：
- 公司电脑上开的任务，回家在另一台电脑上打开，可以接着聊，也能访问原来那台电脑上的文件
- 一台电脑上配好的模型订阅或本地模型，开启远程访问后，其他设备也能调用
- 手机上内置远程桌面，聊天解决不了的时候，可以直接操作自己的电脑
官方的说法是「你的电脑变成你的服务器」，不用另外租服务器，也不用自己搭服务。另外还可以从飞书这类聊天渠道直接给它派任务。
需要注意的一点是：本次开源的只有客户端。仓库里是 Electron 桌面端和 React Native 手机端，后端服务源码并没有公开。多设备互联、云端伙伴这些功能都要登录 Cindy 账号，对话、记忆和技能会通过它的服务同步。如果你在登录页选择「跳过登录」，可以只用本地的 Agent，但依赖服务器的功能就都用不了了。
所以它更像一个「开源客户端 + 商业云服务」的产品，客户端免费，模型费用和云服务按各自的规则收费。如果你看重的是多台设备之间无缝切换，它目前做得比较完整；如果你更在意数据完全留在本地，就要先想清楚哪些功能会经过它的服务器。
04 graphify
在 Agent 里输入 /graphify，把整个代码库变成一张可以查询的关系图
graphify 目前将近 14 万 Star，这周涨了 5800 多，Apache-2.0 协议。
Agent 在一个陌生的代码库里找东西，最常用的办法是 grep 搜关键词，再一个个文件打开看，代码库一大，光这一步就要消耗很多 token。graphify 的思路是一次性先把项目里的类、函数、调用关系、引用关系都整理成一张图，之后 Agent 有问题就去查这张图。
通过以下两条命令可以直接安装，然后在 Claude Code、Cursor、Codex 这类工具里输入 /graphify .：
uv tool install graphifyy
graphify install注意 PyPI 上的包名是 graphifyy，结尾有两个 y，项目特别提醒过，别的 graphify 开头的包都和它无关，安装时别输错了。
跑完会得到三个文件：一个可以在浏览器里点开的 graph.html，一份列出核心概念和建议问题的 GRAPH_REPORT.md，还有完整的 graph.json。之后可以直接问它两个东西之间是怎么连起来的：
它有两个设计我觉得挺实在。一是代码部分用 tree-sitter 在本地解析，不调用大模型，代码也不会上传到云端，只有文档、PDF、图片这类非代码内容才会用到模型。二是图里的每一条关系都标了来源，EXTRACTED 表示源码里明确写着的，INFERRED 表示它推断出来的，你可以通过标签分清哪些结论是靠得住的。
在 ERPNext 这个大型开源 ERP 项目上，用它回答跨文件问题，关键信息覆盖率是 82.0%，只用 grep 和读文件的方式是 70.8%。
上期介绍的 ai-memory 记的是「你和 Agent 做过什么」，graphify 记的是「这个代码库是什么样的」，两者不冲突。如果你经常要接手别人的项目，或者在一个大仓库里让 Agent 改代码，可以先跑一遍 graphify。另外 README 里有不少 Graphify Cloud 付费版的推广，开源版本身是可以独立使用的，不需要注册。
我会先装 graphify
这四个里，taste-skill 是我觉得想法最好的，「随机发三个方向」这个做法，以后自己写提示词时也能用上。但如果只装一个，我会先装 graphify。
原因是使用频率。taste-skill 做一个页面要半个多小时、几十万 token，一般人一个月也做不了几个官网；ThinkRail 和 Cindy 是换一套工作环境，要花时间适应，而且一个还在孵化阶段，一个的主要功能依赖账号和云服务。graphify 则是装上就能用在手头的项目里，代码部分不花模型的钱，也不改变你原来用 Agent 的方式。
ThinkRail 和 Cindy 我会再观察几周。两家公司都拿 pi 做底座，接下来大概还会有更多团队这么做，到时候比的就不是谁的 Agent 更聪明，而是谁的界面、多任务管理和多设备体验做得更顺手。