Token导航 LogoToken导航

Agent Skill · 研究检索

design-archivist(设计档案员)

用于辅助界面设计、视觉规范、排版、配色、布局和交互体验优化。它适合让 Agent 根据产品场景整理页面结构、生成 UI 方案、检查视觉一致性或改进组件层级。使用时需要结合现有品牌、设计系统和用户任务,不应只堆装饰元素;涉及真实页面改动时,应通过截图或浏览器预览检查文本溢出、对齐和响应式表现。

design-archivist 是研究检索类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为操作浏览器;许可证为 MIT,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 34,380。

总安装 2,232周安装 93GitHub Stars 98下载 744核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:design-archivist(设计档案员)
来源仓库:https://github.com/erichowens/some_claude_skills
仓库路径:skills/design-archivist
安装命令:
npx skills add https://github.com/erichowens/some_claude_skills --skill design-archivist
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。不同来源提供的安装方式可能略有差异;本站展示可直接复制的安装命令,安装前请核对来源页面。

skills.shnpx skills
npx skills add https://github.com/erichowens/some_claude_skills --skill design-archivist

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

系统性分析真实案例,构建大规模视觉数据库以支持设计决策与研究。适用于多日研究周期(如 500–1000 个示例),聚焦特定领域的设计模式挖掘。用户需提供目标范围(如“面向 Z 世代的金融科技落地页”)以启动爬取流程。安装需从 GitHub 仓库获取,依赖 npx skills add 命令完成集成。

design-archivist 属于研究检索类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/design-archivist

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/erichowens/some_claude_skills --skill design-a…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要操作浏览器,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

design-archivist 怎么安装?

在终端执行 npx skills add https://github.com/erichowens/some_claude_skills --skill design-archivist。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

design-archivist 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

design-archivist 需要什么权限?

权限级别是操作浏览器。该 Skill 可能涉及浏览器控制能力,使用时可能读取或操作网页内容,需要在受控环境中确认权限边界。

design-archivist 是免费的吗?

来源标注的许可证是 MIT。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

design-archivist 用的人多吗?

公开数据是累计安装 2,232 次,近一周安装 93 次,下载 744 次,GitHub 98 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

design-archivist 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 3 个目录同时收录,说明这个 Skill 流传比较广。
  • 许可证明确为 MIT,商用和分发边界好判断。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
design-archivist

设计档案员 · 本页

2,23298操作浏览器MIT有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Design Archivist

A design anthropologist that systematically builds visual databases through large-scale analysis of real-world examples. This is a long-running skill designed for multi-day research (2-7 days for 500-1000 examples).

Quick Start

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

When to Use

Use for:

  • Exhaustive design research (300-1000 examples)
  • Pattern recognition across large example sets
  • Competitive visual analysis
  • Trend identification with data backing
  • Domain-specific design language extraction

NOT for:

  • Quick design inspiration (use Dribbble/Awwwards directly)
  • Single example analysis
  • Small samples (<50 examples)
  • Real-time trend spotting (this takes days)

Core Process

1. Domain Initialization

  • Define target domain and audience
  • Set target count (300-1000 based on specificity)
  • Identify seed URLs or search queries
  • Establish focus areas

2. Systematic Crawling

For each example:

  1. Capture visual snapshot
  2. Record metadata (URL, timestamp, context)
  3. Extract Visual DNA (colors, typography, layout, interactions)
  4. Analyze contextual signals (audience, positioning, success indicators)
  5. Apply categorical tags
  6. Save checkpoint every 10 examples

3. Pattern Extraction

After accumulating examples, identify:

  • Dominant patterns - The "norm" (most common approaches)
  • Emerging patterns - The "future" (gaining traction)
  • Deprecated patterns - The "past" (avoid these)
  • Outlier patterns - The "experimental" (unique approaches)

Visual DNA Extraction

For each example, extract:

CategoryWhat to Extract
ColorsPalette, primary/secondary/accent, dominance percentages
TypographyFont families, weights, sizes, hierarchy
LayoutGrid system, spacing base, structure, whitespace
InteractionsHover effects, transitions, scroll behaviors
AnimationPresence level, types, timing

See references/data_structures.md for full TypeScript interfaces.

Domain Quick Reference

DomainFocus AreasSeed Sources
PortfoliosClarity, credibility, storytellingAwwwards, Dribbble, Behance
SaaS LandingConversion, trust signals, pricingProduct Hunt, SaaS directories
E-CommerceProduct photos, checkout, mobileShopify stores, major retailers
Adult ContentPremium positioning, discretionAdult ad networks, VR platforms
Technical DemosVisual drama, performance, interactivityShadertoy, Codrops, ArtStation

See references/domain_guides.md for detailed domain strategies.

Long-Running Infrastructure

Checkpointing Strategy

  • Save checkpoint every 10 examples
  • Include job ID, progress count, queue state, timestamp
  • Keep last 3 checkpoints as backup

Progress Reporting

Report at intervals:

  • "Analyzed 250/1000 examples (25% complete)"
  • "Current rate: 100 examples/day"
  • "Estimated completion: 7 days"
  • "Top emerging pattern: glassmorphic cards (15% of recent examples)"

Rate Limiting

  • Max 1 request per second per domain
  • Respect robots.txt
  • Implement exponential backoff on errors

Anti-Patterns

1. Scraping Too Aggressively

Symptom: Requests every 100ms, same domain hammered repeatedly Fix: 1 request/second max, respect robots.txt, exponential backoff

2. No Checkpointing

Symptom: Running 24 hours straight without saving Fix: Save every 10 examples with timestamp and queue state

3. Ignoring Domain Context

Symptom: Applying e-commerce patterns to portfolio sites Fix: Research domain-specific best practices first

4. Analysis Paralysis

Symptom: 30 minutes per example across 1000 examples Fix: Batch process in groups of 10, deep-dive only on outliers

5. Insufficient Diversity

Symptom: Only analyzing top-tier examples Fix: Include leaders, mid-tier, and independents; geographic diversity

6. Ignoring Historical Context

Symptom: Treating all patterns as current Fix: Use Wayback Machine, note when patterns emerged, track evolution

Output Format

Generate comprehensive research packages with:

  • Meta: Domain, count, date range, depth
  • Examples: Full visual database
  • Patterns: Dominant, emerging, deprecated, outlier
  • Insights: Color/typography/layout/interaction trends
  • Recommendations: Safe choices, differentiators, patterns to avoid

Cost and Scale

For 1000-example analysis:

ItemCost
Screenshots~$20 (Playwright cloud @ $0.02/each)
LLM Analysis~$15 (100 batches × $0.15)
Storage~$0.01 (200MB)
Total~$35
Runtime48-72 hours

Inform users of scope and cost before beginning.

Reference Files

FileContents
references/data_structures.mdTypeScript interfaces for VisualDNA, ContextAnalysis, Checkpoint
references/domain_guides.mdDetailed domain-specific strategies and focus areas

Covers: Design Research | Pattern Recognition | Visual Analysis | Competitive Intelligence

Use with: web-design-expert (apply findings) | competitive-cartographer (market context)

平台分布

Claude Code

28.1%
按下载量换算209

windsurf

24.15%
按下载量换算180

OpenCode

18.11%
按下载量换算135

Cursor

11.76%
按下载量换算87

Codex

7.71%
按下载量换算57

Antigravity

3.38%
按下载量换算25

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

可疑

权限和风险

操作浏览器

该 Skill 可能涉及浏览器控制能力,使用时可能读取或操作网页内容,需要在受控环境中确认权限边界。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。

继续浏览同类 Skills