Hallmark：一半篇幅在教 AI 不许做什么

想让 AI 把页面做得像有人设计过，直觉是给它更多资料、更好的提示词、更多示例。Hallmark 反过来做。它最厚的文件是一份写着 88 条编号规则的清单，其中 39 条一条都不许破，26 条只记录不拦路，剩下的部分才谈美。

项目 2026 年 4 月 27 日建仓，MIT 协议，出自 Together AI 的人，README 第一行写着给 Claude Code、Codex、Cursor、OpenCode 用。截至 2026 年 11 月 1 日，43,678 Stars、2,291 Forks，10 月 27 日单日涨 2,372 星，挤进当天 GitHub 日榜第二。

它的形态和多数 skill 不一样。没有组件库，没有模板包，没有运行时依赖。skill 本体 154 行，围着它摊开的是 151 个参考文件、50 套主题、21 种页面骨架、一个 231KB 的单文件 linter、一个 755 张图的照片库，还有一整套把评测写进仓库的脚本。154 行对 151 个参考文件，这个比例本身就是设计宣言。

我读它的时候一直在想一件事：这么多规则，模型真的会读吗？后来在 Issue 区翻到一份第三方做的对照实验，编号 #74，答案比我想的难看，也比我想的有意思。

它到底禁掉了什么，那份实验又测出了什么？答案指向相反的方向，所以得分开说。接下来先把规则的形状摆出来。

它到底禁掉了什么

三层门禁是理解 Hallmark 的唯一入口。Floor 层 39 条，管正确性、可访问性、诚实和几条房规，一条都不许破。Reflex 层 48 条，是模型最爱掉进去的默认值，带理由可以在 CSS 注释里豁免。Finish 层 26 条，编号 F1 到 F26，只管手艺细节，报告，不拦路。

Floor 里最有意思的几条不是技术问题，是品味问题。不许在标题上方放一行小字当引子，不许把标签设成全大写加字距，不许用中点把 A、B、C 串成元信息，不许在标题里把某一个词单独染色，不许紫到蓝的渐变，不许卡片套卡片，不许拿 emoji 当图标。这几样恰好是大模型最稳定的输出习惯。

让任何模型生成落地页，它几乎必然给你 eyebrow、渐变按钮、三列图标卡、结尾邮件订阅。Hallmark 的解法是先把这些默认值在静态检查层面物理禁掉，然后才谈设计。规则表里每条都写了识别什么、怎么修，不是一句价值观。

第二层是主题系统。50 套主题，每套是一个材料而不是一个模板：纸、字体、颜色、表面、它自己的组件和纹理，旁边配一张成品页面截图。单个文件不超过 8KB，一次构建只读一个。theme.mjs 的 deal 按 prompt 抽三个候选，draw 按业务类型抽页面骨架，包括怎么开场、导航长什么样、行动按钮放哪、这次不用哪两种构图。

所以同一句 prompt、同一个主题，跑两次会得到两个不同页面。这不是运气，是 draw 带日志去重后的硬要求。主题只管材料，页面结构由业务动作决定，卖货的页面用卖货的结构，订阅的页面用订阅的结构。

这些环节不是散着跑的。SKILL.md 把它压成七步：读项目、问一次、定形、定方向、加载参考、出 Picks 块、构建并清扫。下面这张图是我按流程和门禁分层重画的，能看出外部输入只有三样。

图里最关键的一处是第 7 步。清扫完成后，两个 fresh context 的 reviewer 接手，先审首屏再审整页，写页面的那条线程没有发言权。SKILL.md 给的理由只有一句：建这个页面的线程，是最差的审稿人。

第三层是 sloplint，231KB 单文件、零依赖，直接读 HTML、CSS、框架组件和 Tailwind 类名。加 –render 之后它真的开浏览器，在八个宽度上量：首屏在 1280×800 装不装得下标题、一句话和主按钮，对比度按文字背后的像素算，焦点环靠按 Tab 找，还查分区节奏、照片占页比例、文字被别的元素压住、手机版丢掉的内容。这套东西真正的贡献是把审美降级成可判定的几何。

还有一件事我在别的设计 skill 里没见过：评测被写进仓库。eval 目录有 8 个 brief、两档 harness、一个六轴视觉裁判、六条验收标准，其中 b4 专门诱惑模型编造指标，这一格过不过判定得很硬。

装上去，然后被它问四个问题

装它只要一条命令，Node 18 以上。浏览器档的检查（sloplint –render 和截图）额外要 puppeteer-core 和 Chrome，没装也能跑静态档。

npx skills add nutlope/hallmark -g

-g 是装到全局，去掉就装进当前项目。只装一个 harness 就加 –agent 参数，或者走 Claude Code 的插件市场：

npx skills add nutlope/hallmark -g --agent claude-code
/plugin marketplace add nutlope/hallmark
/plugin install hallmark@hallmark

装完落地位置各不相同。Claude Code 落在 ~/.claude/skills/hallmark，Codex CLI 落在 ~/.agents/skills/hallmark，Cursor 和 OpenCode 会去这两处找现成的副本。想单独 lint 某个页面，跳过整个流程直接调脚本也行：

node skills/hallmark/scripts/sloplint.mjs ./index.html --render

跑起来之后第一件事不是生成，是它问你四个问题：素材（截图、真实数字、真实引语）、受众、页面要驱动的唯一动作、语气。语气必须挑一个极端，干净现代不算语气。全部跳过也可以，回一句 go ahead，它会自己推断，并在顶部声明推断了什么。这个环节踩坑最多。

• Issue #76 记的是 npx skills add 只复制 skills/hallmark 目录，SKILL.md 里那几个 ../../ 外链装完就指向虚空，agent 打不开它被告知要去查的 tokens.css。这个 issue 到 10 月 27 日还有讨论，仍然开着。
• 当前版本的 SKILL.md 里那些 ../../ 已经不见了，改成 skill 内部自引用，说明结构重构顺手治好了它，但 issue 没人关，维护者没收尾。

装得上、跑得通，不代表它适合所有人。这套流程在什么场景下划算，在什么场景下反而是累赘？

什么时候该用，什么时候别指望

先说清楚它的边界：这是一个约束 skill，不是组件库。它不产出可复用的按钮、卡片、导航，产出是一份自包含的 HTML 加 CSS，第一行注释里盖着一份决策记录。想要组件资产，它帮不上忙。

它的定位也和同类不太一样。下面这张卡片把三个最常被放在一起比的项目拉到一张表上，数据都取到 2026 年 11 月 1 日。

从表里能读出 Hallmark 的取舍：它的检查最重（静态加渲染两档，还要两次冷审），主题最具体（50 套材料各配成品图），代价是流程最重、最依赖素材。Impeccable 用动词驱动，polish、bolder、critique 一条一条下指令，轻。Taste Skill 把品味做成常驻规则集，覆盖面最广。三者不是替代关系，是三种不同力度的干预。

不适用的情况也得说清楚。你只是想让 agent 顺手把按钮改圆一点，用 Impeccable 的动词更快，走 Hallmark 会先被问四个问题。你要的是设计稿级别的像素还原，任何 skill 都替代不了人对着稿子调。你连一句文案、一张截图都没有，那再好的门禁也只能给你一个没内容的空壳。说完用法，得看是谁在维护它。

一个人写了 292 次提交

贡献者名单是这样的：Luffixos 292 次提交，作者本人 Nutlope 12 次，其余五人各 1 到 2 次。这个分布意味着项目的设计判断几乎全部来自一个人，而那 292 次提交里相当一部分是 site 目录和主题页的迭代。Bus factor 等于一，这是它最大的结构性风险，不是 Stars。

社区声音我挑两条能验证的。#74 的实验者写得很克制：“看起来是 SKILL.md 说了什么就被执行，藏在参考文件里的就没被执行。” #62 则是一份逐行照做后整理出的文档矛盾清单，作者说三步之内就撞上三套互相冲突的导航默认值。

趋势上它在往上走。10 月 27 日那波日榜流量之后没有回落，最后一行代码停在 10 月 29 日，v2 的五十套主题是同月铺完的。但要盯的不是星星，是那 66 个 open issue 的消化速度。

那份第三方实验，把话说得比 README 硬

说它的效果之前，得先看一份不是官方做的数据。Issue #74 是一次消融实验：同样四个 brief（开发者工具、面包店、设计工作室、一日会议），一组装 skill，一组不装，100 次生成，用确定性规则打分，不用 LLM 当裁判。

图里两条数据的方向完全相反。纯黑纯白的页面占比从 100% 掉到 50%，区间不重叠，这条是真效果。transition: all 的占比却从 35% 涨到 57%，方向反了，而且用的恰恰是 Hallmark 自己的时长与缓动 token。同一份规则，怎么会一边奏效一边反噬？

我对这份实验的评价是：它比官方 README 可信，因为它把自己不利的结论也写进去了。但它只测了一个模型（claude-haiku-4-5），样本 40 对 28，大模型上的表现可能不一样，作者自己也标了这条 caveat。

机制解释比数字更有用。实验者统计了参考文件的打开次数：macrostructures.md 被读过 3 次，anti-patterns 和 slop-test 一次都没被请求过。而 14 条检测项里有 12 条只定义在那两份文件里。这解释得通为什么颜色规则生效了（SKILL.md 自己讲了 token 系统），transition: all 反而恶化（它只活在参考文件里）。

第二条坑更硬：40 次带 skill 的尝试里有 12 次没产出任何页面，全部卡在问四个问题那一步。brief 里明明写了受众和用途，门禁还是问了。交互场景里这是一次多余的回合，在 claude -p、CI、批量跑的地方，这就是终点。30% 的产出是这么丢的。

第三条是触发问题。同样的四个任务，只用描述性 prompt（“读 brief.md，把里面描述的落地页做出来”），12 次里 skill 激活 0 次；点名 hallmark，40 次全中。SKILL.md 自己也认了这点，末尾写着如果它没自动触发，就点名。

所以我的判断是：这东西的价值不在 50 套主题，主题是糖。价值在那 39 条永不豁免的规则和一个能进 CI 的 linter，那才是别人抄不走也绕不过的部分。

更值得说的是它的方向。过去一年做设计 skill 的人都在拼“给模型更多灵感”，Hallmark 赌的是“给模型更少自由”。从纯黑白那条数据看，这个赌注成立了一半，另一半败在模型根本不去读参考文件。

先把它当 linter 用

如果你手上有素材、也要做一个新页面，从 /hallmark 加一句 prompt 开始，别先挑主题，让 deal 去抽，抽完你再看那三张成品图选材料。

如果你只是想治住 agent 那股默认味，别指望它整页接管。把 sloplint 单独接进流程，或者干脆把 gates.md 里那 39 条 Floor 抄进你自己的规范，成本低得多，收益也稳定得多。

要观望的话，盯两个数：66 个 open issue 多久消化完，以及那个 292 次提交的账号如果停手，还有没有人能接住 50 套主题的维护。这两个数决定它是个人作品还是能长期依赖的基础设施。

资源地址