04|前端設計總監(impeccable)

🎯 一行簡述:24 個設計指令 + 一套可執行的反樣板偵測器,把 Agent 從「會寫 CSS」變成有主見的設計總監。
- Repo:https://github.com/pbakaus/impeccable(Apache 2.0,作者 Paul Bakaus)
- 官網:https://impeccable.style/
- 安裝:
npx impeccable install,然後在 Agent 裡跑/impeccable init

一句話把規模講完:1 個 skill、24 個指令、瀏覽器即時迭代,以及 59 條確定性的偵測規則。最後那個數字是重點——它的設計主張不是只寫給模型看的散文,其中 59 條是程式可以直接判定的。
基本資料
| 項目 | 說明 |
|---|---|
| 出自 | Paul Bakaus(個人),paulbakaus.com;專案網站 impeccable.style |
| 組織介紹 | GitHub 簡介寫他創作過 jQuery UI、Google for Creators 與 Spotter Studio,帳號公司欄為 Google。文章整理的資歷另有 Chrome DevTools、AMP、Web Stories 相關工作。 |
| 動機 | README 指出各模型都吃同一批 SaaS 範本,所以每個專案都出現類似的樣子:到處用 Inter、紫藍漸層、卡片包卡片、彩色底上的灰字。專案以 Anthropic 的 frontend-design skill 為起點繼續發展。 |
| 目的 | 給 AI coding agent 一套設計指引:24 個指令、瀏覽器即時迭代,以及 59 條不需要 LLM 的確定性偵測規則,避開上述範本味。 |
| 使用方法 | 在專案根目錄執行 npx impeccable install,再在 Agent 裡執行 /impeccable init。之後用 /impeccable <command> <target>,例如 /impeccable audit blog、/impeccable polish settings。 |
🤖 直接請 Agent 安裝
看不懂底下的指令沒關係,把整段貼給你的 Agent(Claude Code/Cursor/Codex 等)即可:
請幫我安裝 impeccable 前端設計 Skill(github.com/pbakaus/impeccable,Apache 2.0):
1. 在我目前這個專案的根目錄執行 `npx impeccable install`。
2. 安裝完成後,在 Agent 對話中執行 `/impeccable init` 完成初始化。
3. 跑一次 `npx impeccable detect` 掃描我的專案目錄(或指定的頁面/網址),
把偵測到的問題摘要整理給我看。
Paul Bakaus 的資歷幾乎就是這個 Skill 的信用來源:
- jQuery UI 作者——巔峰期被超過 14% 的網站使用
- 打造 Aves Engine(史上第一個完整互動的 HTML5 遊戲引擎原型),後來賣給 Zynga
- 在 Google 期間推出 Chrome DevTools 多項功能、AMP 與 Web Stories,之後成為 Google 首任 Head of Creator Relations,創辦 Google for Creators
- 近期任 Spotter 的 EVP of Product & Creator Tools,打造 Spotter Studio 與創作者 AI workflow
換句話說:一個做了二十年前端框架與開發者工具的人,把自己的設計判斷寫成規則交給 Agent 執行。這解釋了為什麼 impeccable 不只是 prompt——它附了 CLI、hook 與可被程式檢查的規則標記。
它在對抗什麼:AI slop
AI 產出的介面有固定味道——紫藍漸層、玻璃擬態、一模一樣的卡片格線、灰得看不清的內文。impeccable 的目標是逼 Agent 做出刻意、獨特、記得住的選擇,而不是安全的預設值。
架構:Setup → 指令 playbook → Craft floor
每次呼叫都先跑一段強制的 setup(SKILL.src.md 的 Setup 三步):
- 跑一次
scripts/impeccable context(skill 附的 launcher,執行自帶的獨立執行檔,不需要 Node),讀取專案的PRODUCT.md/DESIGN.md、對應的 surface brief,以及原生平台的指引。沒有PRODUCT.md時,新介面或換風格會先走init,但小範圍的修改不會因此被擋下,只是事後建議補跑init。 - 載入該請求的 playbook:子指令讀
reference/<command>.md(audit、adapt在原生平台讀.native.md變體),新介面或整個換風格則讀reference/new-work.md。動手前先檢視目標與既有的視覺現況,不重新發明輪子。 - 要改任何 UI 之前,先讀
reference/craft-floor.md,裡面是品質底線、絕對禁止項目,以及偵測器抓不到的習慣性錯誤;純規劃工作不用讀。
另外還有一層 visitor mode,依「這一個介面」要做什麼來選,而不是依產品類別:
- Persuade:訪客要決定並行動,設計就是產品(行銷頁、活動頁、定價頁)。
- Operate:訪客要完成任務(app UI、後台、儀表板、設定),可掃讀與一致性優先。
- Read:訪客要理解內容(文件、文章、說明、changelog)。
- Experience:訪客就在作品之中(作品集、展覽),介面退後。
PRODUCT.md 的 Platform 是 ios / android / adaptive 時,另外套用 iOS HIG 或 Material 3 的參考檔(reference/ios.md、reference/android.md)。
這幾步是它品質穩定的關鍵:先讀你的專案,再談美感。
24 個指令,五個分類
| 分類 | 指令 | 用途 |
|---|---|---|
| Build | init | 記錄產品的長期事實,寫成 PRODUCT.md(不寫 DESIGN.md;可執行的 web 專案另會設定 live) |
shape [feature] | 寫程式前先規劃 UX/UI | |
craft [feature] | 先 shape,再端到端把功能做完(SKILL.src.md 標為已棄用,等同一般的新介面請求) | |
document | 從既有程式碼反推生成 DESIGN.md | |
extract [target] | 把可複用的 token 與元件抽進 design system | |
| Evaluate | critique [target] | UX 設計審查,含啟發式評分(會存成快照) |
audit [target] | 技術品質檢查:a11y、效能、RWD | |
| Refine | polish | 上線前的最終品質關(會拿 critique 快照當 backlog) |
bolder / quieter | 太平淡就放大,太吵就收斂 | |
distill | 剝到本質,砍掉複雜度 | |
harden | 生產就緒:錯誤狀態、i18n、邊界情境 | |
onboard | 首次使用流程、空狀態、啟用 | |
| Enhance | animate / colorize / typeset / layout | 動效、配色、字體階層、間距節奏 |
delight | 加入個性與記憶點 | |
overdrive | 推過常規極限 | |
| Fix | clarify | 改 UX 文案、標籤、錯誤訊息 |
adapt | 適配不同裝置與尺寸 | |
optimize | 診斷並修 UI 效能 | |
| Iterate | live | 在瀏覽器裡直接點選元素,即時生成替代版本 |
generate [n] [action] [element] | 一句話指定元素、方向與數量,直接在 live 瀏覽器裡產出多個版本,不用手動點選 |
另有幾個管理指令:pin / unpin(釘住常用指令成獨立的 /<command>)、hooks(開關、設定編輯後自動跑偵測器的 hook)、doctor(檢查並修復專案內 PRODUCT.md、DESIGN.md、設定與 hook 跟目前版本之間的落差)。
路由規則(不打指令也能用)
- 不帶參數 → 跑
impeccable signals,依專案現況推薦 2~3 個最有價值的下一步(例如:有程式碼但沒DESIGN.md→ 建議document;從沒 critique 過 → 建議critique;dev server 有跑 →live、generate可用),再列出完整選單。絕不自動執行。 - 明確或明顯要跑某個指令 → 載入該指令的 reference,其餘當 target;兩個指令都像就問一次。
- 語意可對應 →「間距怪怪的」→
layout、「這錯誤訊息看不懂」→clarify、「顏色好扁」→colorize。 - 對不上 → 當一般設計請求處理,套用通用規則與 visitor mode。
硬性規則舉例(reference/craft-floor.md)
規則尾巴都帶 rule: 標記,方便和偵測器、測試對應:
- 對比:內文 ≥ 4.5:1,大字 ≥ 3:1,placeholder 同樣要 4.5:1。最常見的失敗是「淺灰內文配帶色近白背景」——為了優雅而用淺灰,是 AI 設計難讀的頭號原因。
- 彩底上的灰字看起來會髒:改用背景同色相的深色,或文字色的透明度。
- 行長 65–75ch。
- 字級與字距:大標題上限 6rem;字距下限 ≥ -0.04em,再緊字就黏在一起;標題要平衡換行,字級與字重的階層要明顯。
- 間距:群組內緊、群組間寬,標題上方的空間大於下方。
- 狀態:hover、disabled、loading、error、empty 都要有,再加上真實內容、可用的控制項與鍵盤 focus。
不用 AI 也能跑的偵測器
npx impeccable detect src/ # 掃目錄
npx impeccable detect index.html # 掃單檔
npx impeccable detect https://example.com # 掃線上網址
README 標榜 59 條確定性的偵測規則,另有只能由 LLM 判斷的 critique 檢查;CLI 與瀏覽器擴充套件跑的是前者,不需要 LLM 也不需要 API key,因此「這份設計有沒有踩雷」可以被程式判定,而不是只能問模型。
skill 內建的 impeccable detect 是純本地規則引擎(不連網、不需 npx),Agent 在推薦指令前會先對 git 變更的檔案跑它,把命中的 slop 家族折進建議——這是實測訊號,勝過用猜的。注意:live、generate 與 detect 都是 web-only,原生 App 專案不適用。