mcpField
D
design-archivist

design-archivist

github.com/curiositech设计与 UI257321 次安装2 天前更新
代码仓库

关于 design-archivist

用于大规模视觉设计研究的长期运行技能，面向需要系统分析数百至上千个实例的设计研究者。它记录视觉特征和上下文，并归纳主流、新兴、过时及非典型模式。

主要功能

  1. 01定义研究领域与目标受众
  2. 02系统收集设计实例
  3. 03提取颜色、字体与布局特征
  4. 04记录交互与上下文信号
  5. 05识别设计模式与趋势
  6. 06定期保存研究检查点

适用场景

  1. 01开展金融科技应用视觉研究
  2. 02分析竞品的设计语言
  3. 03追踪设计趋势与模式演变
  4. 04构建设计实例数据库

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/curiositech/some_claude_skills --skill design-archivist

安装后在 Claude Code 中输入/design-archivist确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

CHANGELOG.md
.claude-plugin/
plugin.json
references/
data_structures.md
domain_guides.md
scripts/
validate_archive.sh

详细介绍

设计档案管理员

一位设计人类学家，通过大规模分析现实案例，系统地构建视觉数据库。这是一项长期运行的技能，适用于持续数日的研究（分析 500-1000 个案例需 2-7 天）。

快速开始

User: "Research design patterns for fintech apps targeting Gen Z"

Archivist:
1. Define scope: "fintech landing pages, Gen Z audience (18-27)"
2. Set target: 500 examples over 2-3 days
3. Identify seeds: Venmo, Cash App, Robinhood, plus competitors
4. Begin systematic crawl with checkpoints every 10 examples
5. After 48 hours: Deliver pattern database with:
   - Color trends
   - Typography patterns
   - Layout systems
   - White space opportunities

适用场景

适用于：

  • 全面的设计研究（300-1000 个案例）
  • 从大量案例中识别模式
  • 竞品视觉分析
  • 有数据支撑的趋势识别
  • 提取特定领域的设计语言

不适用于：

  • 快速获取设计灵感（直接使用 Dribbble/Awwwards）
  • 分析单个案例
  • 小样本（<50 个案例）
  • 实时发现趋势（需要数天）

核心流程

1. 初始化领域
  • 定义目标领域和受众
  • 设定目标数量（根据具体程度选择 300-1000 个）
  • 确定种子 URL 或搜索查询
  • 明确关注领域
2. 系统化爬取

针对每个案例：

  1. 捕获视觉快照
  2. 记录元数据（URL、时间戳、上下文）
  3. 提取视觉 DNA（色彩、字体排印、布局、交互）
  4. 分析上下文信号（受众、定位、成功指标）
  5. 应用分类标签
  6. 每分析 10 个案例保存一次检查点
3. 提取模式

积累足够案例后，识别：

  • 主导模式——“常态”（最常见的方法）
  • 新兴模式——“未来”（正在获得关注）
  • 过时模式——“过去”（应避免采用）
  • 离群模式——“实验性”（独特的方法）

视觉 DNA 提取

针对每个案例，提取：

类别提取内容
色彩调色板、主色/次色/强调色、占比
字体排印字体系列、字重、字号、层级
布局网格系统、间距基准、结构、留白
交互悬停效果、过渡效果、滚动行为
动画使用程度、类型、时长

完整的 TypeScript 接口请参阅 references/data_structures.md。

领域速查

领域关注领域种子来源
作品集清晰度、可信度、故事叙述Awwwards、Dribbble、Behance
SaaS 落地页转化、信任信号、定价Product Hunt、SaaS 目录
电子商务产品照片、结账流程、移动端Shopify 商店、主要零售商
成人内容高端定位、谨慎性成人广告网络、VR 平台
技术演示视觉冲击、性能、交互性Shadertoy、Codrops、ArtStation

详细的领域策略请参阅 references/domain_guides.md。

长期运行基础设施

检查点策略
  • 每分析 10 个案例保存一次检查点
  • 包含任务 ID、进度计数、队列状态、时间戳
  • 保留最近 3 个检查点作为备份
进度报告

定期报告：

  • “已分析 250/1000 个案例（完成 25%）”
  • “当前速度：每天 100 个案例”
  • “预计完成时间：7 天”
  • “最突出的新兴模式：玻璃拟态卡片（近期案例中占 15%）”
速率限制
  • 每个域名每秒最多发送 1 个请求
  • 遵守 robots.txt
  • 出错时采用指数退避策略

反模式

1. 爬取过于激进

症状： 每 100 毫秒发送请求，反复密集访问同一域名 解决方法： 每秒最多发送 1 个请求，遵守 robots.txt，采用指数退避策略

2. 不保存检查点

症状： 连续运行 24 小时而不保存 解决方法： 每分析 10 个案例保存一次，并记录时间戳和队列状态

3. 忽略领域上下文

症状： 将电子商务模式应用于作品集网站 解决方法： 先研究特定领域的最佳实践

4. 分析瘫痪

症状： 分析 1000 个案例时，每个案例耗时 30 分钟 解决方法： 按每组 10 个案例批量处理，只对离群案例进行深入分析

5. 多样性不足

症状： 只分析顶级案例 解决方法： 纳入领军者、中等水平案例和独立创作者的作品，并确保地域多样性

6. 忽略历史背景

症状： 将所有模式都视为当前模式 解决方法： 使用 Wayback Machine，注明模式出现的时间，并跟踪其演变

输出格式

生成全面的研究资料包，包含：

  • 元信息：领域、数量、日期范围、深度
  • 示例：完整的视觉数据库
  • 模式：主流、新兴、已弃用、离群
  • 洞察：色彩／字体排版／布局／交互趋势
  • 建议：稳妥的选择、差异化方案、应避免的模式

成本与规模

对于 1000 个示例的分析：

项目成本
截图~$20（Playwright 云服务，按每张 $0.02 计）
大模型分析~$15（100 个批次 × $0.15）
存储~$0.01（200MB）
总计~$35
运行时间48-72 小时

开始前告知用户分析范围和成本。

参考文件

文件内容
references/data_structures.mdVisualDNA、ContextAnalysis、Checkpoint 的 TypeScript 接口
references/domain_guides.md详细的领域专属策略和重点领域

涵盖： 设计研究 | 模式识别 | 视觉分析 | 竞争情报

搭配使用： web-design-expert（应用研究结果）| competitive-cartographer（市场背景）

评论

支持 Markdown