Open Design 反 AI-slop 機器：問題表格、五維自評、P0 閘門完整拆解

Skill、Design System、Visual Direction 三個組件講完，但真正讓 Open Design 輸出不 slop 的不是這三個——是壓在它們之上的反 AI-slop 機器。這套機制借自 huashu-design，移植進 Open Design 的 prompt stack 並透過 skill 的 side-file pre-flight 做到可強制執行。這篇逐條拆。

什麼是 AI-slop？先定義清楚

slop 不是「品質差」這麼模糊的東西，是有具體 pattern 的。Open Design 的 slop 黑名單寫得很直白：

紫色漸層（特別是 from-purple-500 to-pink-500 那套）
generic emoji 當 feature icon（🚀💡✨🎯）
圓角卡片左邊一條彩色 accent border
手繪 SVG 人形
Inter 拿來當顯式字體（display face）
隨手編的數字（「10× faster」「500% increase」）

這六樣是 LLM 訓練資料裡反覆出現的模板，不下指令的話 model 預設會生成它們。Open Design 的策略不是「希望 model 聰明點」，是在 prompt 明文禁止。

機制 1：問題表格永遠先行（RULE 1）

prompt stack 寫死一條 RULE 1：每次新對話的 turn 1，只能用 <od:question_form> 回應。不准 think、不准 call tool、不准寫一個字 narration。

form 鎖死的維度：

Surface — 你要做什麼類型的東西？landing / deck / mobile / dashboard…
Audience — 誰會看？工程師 / 投資人 / 一般消費者 / 內部團隊
Tone — 嚴肅 / 輕鬆 / 中性
Brand context — 有 brand spec 嗎？有的話貼上來
Scale — 一頁 / 三頁 / 十頁
Constraints — 不准做的事

理由：一份冗長 brief 仍然會留一堆模糊空間（「視覺調性」「配色立場」「規模感」），這些東西不在 form 裡鎖死，agent 自由發揮 = slop。

30 秒選 radio 比 30 分鐘修改 redirect 便宜——這是這條規則的核心交易。

機制 2：品牌規格五步驟協議

當使用者貼了一個截圖、URL、或品牌指南進對話，agent 不准看一眼就開始畫。它必須跑這五步驟：

Locate — 找到品牌資產的權威來源（官網 / 品牌頁 / press kit）
Download — 把 LOGO、CSS、字體實際抓下來進 cwd
Grep hex — 對下載到的 CSS 跑 grep 找 hex 色值，不憑記憶猜
Codify brand-spec.md — 把抓到的色、字、間距寫成正式檔案
Vocalise — 念回給使用者聽：「我從你的官網抓到主色 #0E1F3F、accent #D4AF37、字體 Söhne，要繼續嗎？」

這五步驟全部跑完才能開始改 CSS。為什麼？因為 LLM 預設會憑記憶亂猜品牌色——你說「做個 Stripe 風的頁面」，model 用訓練資料裡的 Stripe 印象生 CSS，可能對也可能錯。Open Design 的協議讓 agent 強制驗證，而不是 hallucinate。

機制 3：五維自評（5-dim critique）

這是最有意思的一條。Agent 在 emit 任何 <artifact> 之前，必須在內部跑一輪自評，按 5 個維度給自己打 1–5 分：

維度	在問什麼
Philosophy（哲學）	這個輸出對應的是哪一套設計哲學？有走偏嗎？
Hierarchy（階層）	視覺階層是否清楚？讀者眼睛知道先看哪、再看哪？
Execution（執行）	細節到位嗎？對齊、間距、邊角、襯線一致嗎？
Specificity（specificity）	內容夠具體嗎？還是抽象的、generic 的？
Restraint（克制）	該砍的有砍嗎？還是塞滿東西?

任一維度 < 3/5 算 regression，重做、重評、再 emit。實務上兩輪是常態——agent 第一輪通常會打到 2.x，自我修正後才上 3+。

這個機制的精髓是 prompt 直接讓 model 變成自己的 reviewer，比起外部 RLHF 對齊，這套是 inference-time 的 self-critique，可由 prompt stack 強制執行。

機制 4：P0 / P1 / P2 checklist 硬閘門

每個 skill 的 references/checklist.md 都列三檔閘門：

P0 — 必過，沒過不准 emit。例：色票必須來自 active DESIGN.md、沒有自編 hex；不准 Inter 當 display face；不准 emoji 當 feature icon
P1 — 應該過，沒過要在輸出裡標記為已知問題
P2 — 加分項，做到更好但不強制

P0 是這套機器最硬的一環——agent 跑完五維自評之後，還要再跑一次 P0 確認。沒過 P0 就算分數打到 5 也擋下來，重做。

機制 5：誠實的占位符 > 假數據

這是寫在 prompt 裡的另一條明文規則：

When you don't have a real number, write — or a labelled grey block. Never invent metrics like "10× faster" or "500% growth".

LLM 訓練資料裡充滿「Increased revenue by 47%」「10× engineering productivity」這類沒根據的句子，預設它會生這種東西。Open Design 直接禁止——沒真的數字，就用 dash、或 placeholder block。Artifact 看起來會有點空，但空總比假好。

Slop 黑名單：寫在 prompt 裡的禁區

完整黑名單在 discovery.ts 裡是這樣寫的：

FORBIDDEN, no exceptions:
- Aggressive purple gradients
- Generic emoji icons (rocket, lightbulb, target, sparkle)
- Rounded card with left-border accent stripe
- Hand-drawn SVG humans
- Inter as a display face
- Invented metrics

每個 skill 的 SKILL.md 還能加自己的禁區（mobile-app skill 禁的東西跟 dashboard skill 不同）。這些都會在 send-time 注入 prompt，agent 看得到、會遵守。

為什麼這套機器有效？三個原因

強制 + 可驗證 — 不是「希望 agent 聰明點」，是 prompt 寫死規則 + 真實的 Read/Write tool 做驗證
每一條都對應到一個常見 slop 模式 — 不是抽象的「請做好」，是針對性的「這個不准做」
Skill side-files 讓規則可組合 — 每個 skill 有自己的 P0，pre-flight 自動 read 進去；新增 skill 等於新增一組規則

一個務實提醒：機器不保證每次都神

這套機器壓低 slop 機率，但不保證消除。仍有兩種情況會破功：

使用者填 form 時把所有東西選 generic — 「audience: anyone, tone: balanced, scale: medium」這種，鎖不住任何方向
brand spec 太鬆 — DESIGN.md 寫「用暖色系」這種模糊話，agent 還是會自由發揮

換句話說：這套機器幫你壓 slop 機率，但你給的輸入要夠精準。你越精準，輸出越好——這個關係不會變。

下一站：把所有東西串起來看

Skill、Design System、Visual Direction、反 slop 機器——四件事各自獨立看完了，但它們在 send-time 是怎麼疊起來的？答案是 Open Design 真正的核心資產：prompt stack。

下一篇拆 prompt stack 的完整組成：六層架構、每層在做什麼、為什麼作者說「prompt stack is the product」。讀完你會理解這個工具的 IP 到底在哪。