为什么 AI 生成的设计千篇一律
如果你的 AI 产出的东西看起来都差不多——干净、能用、却毫无记忆点——你看到的就是 AI slop。它的成因是结构性的,解法也是结构性的。
什么是 AI slop?
AI slop 指的是 AI 工具默认产出的那种通用、平均长相的内容——技术上没毛病,却毫无观点的设计。落到设计上,就是一个又一个网站、一份又一份 PPT,反复出现同样的柔和渐变、同样的圆角卡片、同样的紫到蓝渐变首屏、同样安全的无衬线字体。
“slop(泔水)”这个词不是随便骂的:它精确命名了那种“这是被生成的,而非被设计的”的感觉。单看任何一个元素都没问题,问题在于整体是一个统计平均值——而平均值,按定义,不属于任何人。
AI 设计为什么通用
一个在数百万设计上训练出来的模型,学到的是这个分布的中心,而非边缘。你让它做“一个现代、干净、好看的落地页”,其实是在要“最可能的设计”——而那几乎按定义就是最平均的那个。研究者把这叫同质化(homogenization):越多人依赖同样的模型,创作产出就越向一个共同的均值收敛。
笼统的输入会放大这个效应。“现代”“干净”“专业”“极简”这类形容词不指向任何具体方向——训练数据里每种风格都自称如此——于是模型退回到它的默认审美。请求越开放,结果越平均。
这不是未来某个模型能修掉的 bug。一个没有被要求“具体”的模型,永远会伸手去够中心。独特性,是你必须从外部加进去的信息。
为什么写更好的 prompt 也救不了
写 prompt 有边际帮助。你给模型一个参考、点一个约束、贴一个例子,下一次产出会通用得稍微少一点。但模型内部仍没有可以锚定的品味——在你的指令之间,它会漂回自己的平均值,跨多个屏幕的一致性随之崩溃。
你无法靠 prompt 凭空获得一个模型并不持有的具体审美。“做得像高端 fintech 产品”依然是一堆形容词;十个人会得到十种解读,同一个人明天又会得到另一种。要可靠地得到一个具体的长相,这份“具体”必须活在 prompt 之外。
解法:给 AI 一个真实的设计风格
治平均值的解药是承诺。与其让 AI 把一切混在一起,不如把它约束到一个具体的、真实的、有文献记载的设计风格——一个本就有观点、有一套规则的流派或品牌。包豪斯有规则,瑞士风格有规则,孟菲斯有规则。真实的风格会逼出非平均的选择,因为它是围绕一个立场建起来的,而不是围绕“不得罪人”。
关键在于:风格必须以模型能套用的“规则”形式到达——一套真实的配色、字阶、间距系统和组件逻辑——而不是一个形容词。“用包豪斯”依然含糊;但三原色色板、硬边偏移投影、严格网格、零装饰原则,就不含糊了。当 AI 在遵循一套已定义的系统时,它就不再是在求平均——它是在执行。
这正是“策展式风格库”要填的空。Curio 把真实设计风格打包成 AI 能直接读取并套用的规范,于是独特性从外部被供给,你的 AI 不再伸手去够均值。
实操:怎么干掉 AI slop
挑一个有真实身份的风格,而不是一个形容词。“编辑式瑞士网格”或“孟菲斯”给了模型可执行的东西;“现代又干净”没有。
把风格的真实规则给 AI——配色、字体、间距、形状语言——而不是描述那种“感觉”。具体,才是能在 prompt 之间存活下来的东西。
认准一个风格,别混。slop 常常来自把两三种影响取平均;单一、坚定的系统才读起来像“有意为之”。整件事的要点,就是要有一个观点。
常见问题
“AI slop”只是骂人,还是真有这回事?
词和现象都真实存在。“AI slop”是口语,但它命名了一个可测量的倾向——同质化,即 AI 产出向统计平均值收敛。这是模型“泛化”方式的结构性属性,不是临时的质量问题。
把 prompt 写得更详细,能修掉通用感吗?
只有边际作用。详细的 prompt 能推动单次产出,但模型在多次请求之间仍没有可持有的品味,于是漂回平均值,一致性崩掉。一份具体、可复用的风格规范能可靠修好长相;prompt 不能。
用一个命名风格,会不会让东西看起来像抄的?
不会——真实的风格是语法,不是模板。它给 AI 一套一致的规则去组织,就像字体或网格那样。独特性来自对一个观点的承诺;像抄的,恰恰来自把几种影响取平均却不承诺任何一个。