给AI装个「审美」过滤器，告别废话流水账

你有没有这种经历：想让AI写一段产品介绍，它给你来三段大道理+一个表格+两个例子；问它一个技术问题，先铺垫“首先，这是一个非常有趣的问题”，再啰嗦一堆背景。

我最近就烦透了。每次都得在prompt后面加“直接回答，不要废话”，但效果不稳定。直到昨天刷GitHub时看到这个项目——taste-skill，一天内飙到36000多star。项目描述就一句话：“给你的AI装上好品味，让它停止生成无聊通用的垃圾。”

我当时心想：又是个营销噱头？但看了代码后，我承认——这玩意儿虽然简单，但确实解决了我的实际痛点。

它解决了什么问题

大语言模型默认的输出风格是“安全通用”——万金油式的回答，放哪都行，但也放哪都平庸。

背后原因很简单：训练数据里大部分内容都是中性、客观、不带偏见的写法。所以模型天然倾向于“多说、说全、说稳”，结果就是啰嗦、保守、缺乏个性。

传统解决方法有两种：

1. 人工调prompt，比如加“用词犀利、只出结果、不要解释”。但每次都要写，而且换场景就得重写。
2. 用LangChain等框架里的PromptTemplate。但太重了，装一大堆依赖就为了改一句话。

taste-skill的做法更野：直接在终端里用Shell脚本包装你的prompt，在发送给AI之前，用你选择的“品味”模板把prompt裹上一层。

说白了，它是一个prompt预处理器，但定位精准、零依赖、随手就能用。

核心功能与实战演示

项目就一个Shell文件taste-skill.sh（准确说是若干脚本，核心逻辑在src/里）。安装后，你可以这样用：

# 给AI“职业经理人”品味
cat your_prompt.txt | taste-skill executive > enhanced_prompt.md
# 然后把enhanced_prompt.md发给AI

或者直接在内嵌AI调用的场景里：

# 以ollama为例
taste-skill humorous "为什么程序员讨厌开会？" | ollama run llama3

它内置了二十几种“品味”模板：professional、sarcastic、academic、pirate、stoner、poetic……你选一个，脚本会在你的prompt前后自动加上一段语境说明，迫使模型按特定风格输出。

以 professional 为例，看看它实际加的是什么（从实际代码摘录）：

[SYSTEM: You are a seasoned professional with 20+ years of experience. 
 You communicate in a concise, authoritative manner. 
 You avoid buzzwords, fluff, and qualifiers like "I think" or "it might be".
 You deliver hard facts and actionable recommendations. 
 Never apologize or over-explain.]

加上这段后，你再问“如何降低服务器成本”，模型就不再给你普及云计算基础，而是直接给三条具体策略加数据支撑。

实测对比：我用同一段prompt测了三次（模型：GPT-4o，温度0.7）。

原始prompt：

解释什么是Docker，以及它和虚拟机的区别

输出（无品味）：

Docker是一种容器化技术，它通过共享宿主机内核来运行隔离的应用程序……与虚拟机不同，虚拟机包含完整的操作系统……（后面还有五六行通用介绍）

**加 taste-skill concise**：

Docker：轻量容器，共享宿主机内核。VM：重量级虚拟化，包含完整OS。Docker启动秒级，占用MB级；VM启动分钟级，占用GB级。Docker更适合微服务，VM更适合强隔离需求。

**加 taste-skill pirate**（船长风）：

Ahoy, landlubber! Docker be a fine vessel that sails on the sea of the host's own kernel, while a VM be a whole ship o' its own, complete with its own crew……

效果立竿见影。而且整个过程只多了一个管道命令，对现有工作流侵入极小。

和同类方案的区别

vs. 传统prompt模板

• taste-skill优势：模板即文件，随时切换。你可以在不同场景下选不同品味，甚至自己写新的品味文件放到~/.taste-skill/traits/里。而传统做法是反复改prompt字符串，容易搞混。
• 劣势：它只负责加前缀/后缀，不帮你管理prompt版本，也没有内置变量替换（虽然你可以配合sed等实现）。

vs. LangChain PromptTemplate

我的观点：如果你只是在日常聊天或用ollama折腾，taste-skill是更好的选择。它不要求你改代码，不引入新语言。但如果你要写生产级AI应用，LangChain的模板系统更强大（支持输出解析、链式调用等）。

vs. 直接在系统prompt里硬编码

很多AI应用允许在配置文件里设置system prompt。那还需要taste-skill吗？

需要。因为taste-skill的模板是针对单个请求的，而不是全局。你可以同时让一个请求用“搞笑风”，另一个用“学术风”，不用改配置。这对个人用户价值更大。

适用场景与局限

什么时候用？

1. 日常使用AI的终端党：你用ollama run、ai（OpenAI CLI）、llm等工具和AI交互，加一个管道就能提升质量。
2. 写文案、做脚本：需要快速生成不同风格的文本（技术文档、营销文案、段子），不用反复改prompt。
3. 教育/演示：想感受不同prompt设计对输出的影响，taste-skill的模板目录就是最好的学习材料。

什么时候别用？

1. 生产级API调用：你已经在代码里管理了prompt，再加一层Shell反而多余。应该直接在代码里集成模板。
2. 需要对模型输出也做处理：taste-skill只改输入，不改输出。你依然可能得到格式混乱的回答。
3. 需要精细控制指令：它的模板是纯文本，不支持条件逻辑。如果某个场景需要根据上下文动态调整提示，你最好自己写代码。

已知问题（来自真实使用反馈）

• 对某些模型效果差：特别是对指令跟随能力弱的模型（如早期LLaMA），加了模板反而可能导致输出混乱。
• 头尾模板叠加：如果原始prompt已经有system message，taste-skill直接加在前面可能会冲突。项目目前没有做去重。

5分钟上手步骤

1. 安装

git clone https://github.com/Leonxlnx/taste-skill.git
cd taste-skill
# 将脚本加到PATH中（建议复制到~/.local/bin）
cp -r src/* ~/.local/bin/
# 或直接source
source taste-skill.sh  # 如果项目提供

*注意：项目没有提供一键安装脚本，手动复制完需确保有执行权限：chmod +x ~/.local/bin/taste-skill*。

2. 基本使用

# 查看所有可用品味
taste-skill list

# 使用某种品味增强prompt
taste-skill professional "写一封请假邮件"

# 直接放入对话（示例用ollama）
taste-skill funny "为什么程序员讨厌凌晨3点？" | ollama run gemma2:9b

3. 自定义品味

品味文件存放在src/traits/目录下，每个是一个纯文本文件。复制一个并修改：

cp ~/.local/bin/traits/professional.txt ~/.local/bin/traits/my_style.txt
vim ~/.local/bin/traits/my_style.txt
# 写入你想要的风格指令

然后通过taste-skill my_style "prompt"调用。

4. 集成到工作流

如果你常用某个AI工具，可以写个别名：

alias ask='taste-skill professional "$1" | ollama run llama3'

这样每次ask "如何优化SQL查询"都能得到专业简洁的回答。

总结（非标语堆砌）

taste-skill不是什么革命性工具，它是一个极端专注的Shell脚本，只做一件事：给你的prompt注入风格。但它做得足够好，好到我打算在自己的~/.zshrc里常驻。

36000多颗星，说明很多人和我一样，受够了AI的“废话文学”。如果你也有这个痛点，花5分钟装上试试，不亏。

最后说句实在话：不要指望装上它就一步到位。taste-skill提升的是prompt质量的上限，但最终输出质量还取决于模型本身。你选的品味文件是否适合当前场景，也需要试错。但它至少给了你一个低成本的探索工具。

Github地址：Leonxlnx/taste-skill