ui-design-brain
ui-design-brain 是一款专为 Cursor 编辑器设计的智能技能插件,旨在赋予 AI 代理真正的 UI 组件专业知识。它解决了传统 AI 在生成界面时往往依赖猜测、导致产出代码通用化且缺乏设计深度的痛点。通过内置来自 component.gallery 的精选知识库,该工具涵盖了 60 多种常见界面组件(如表格、导航、表单等)的最佳实践、布局模式及设计规范,确保生成的代码达到生产级标准,而非简单的模板堆砌。
这款工具特别适合前端开发者、全栈工程师以及希望快速构建高质量原型的独立创作者使用。其核心亮点在于将“猜测”转化为“基于规则的精准执行”:它不仅理解组件的别名和具体行为,还内置了五种设计风格预设(从现代 SaaS 到极简苹果风),能自动识别需求并应用相应的无障碍标准和反模式规避策略。安装后无需额外指令,只需自然语言描述需求,ui-design-brain 即可让 AI 像资深产品设计师一样思考,输出结构严谨、视觉专业的界面代码,显著提升开发效率与设计一致性。
使用场景
某 SaaS 初创团队的后端工程师需要在两天内交付一个包含复杂数据表格和筛选器的管理后台,但他缺乏前端设计经验。
没有 ui-design-brain 时
- AI 生成的界面布局混乱,表格列宽固定导致长文本溢出,缺乏响应式适配。
- 交互组件不符合行业规范,例如分页器位置随意、筛选条件未对齐,用户体验割裂。
- 代码中缺失无障碍(Accessibility)属性,如缺少
aria-label,无法通过合规性检查。 - 视觉风格像粗糙的模板拼接,按钮样式不统一,缺乏专业 SaaS 产品的精致感。
- 开发者需花费大量时间手动调整 CSS 和重构组件逻辑,严重拖慢交付进度。
使用 ui-design-brain 后
- AI 自动应用经过验证的表格布局模式,智能处理列宽自适应与长文本截断,确保多端显示完美。
- 严格遵循 60+ 种组件的最佳实践,分页、筛选和排序控件的位置与行为符合用户直觉。
- 生成的代码内置完整的无障碍支持,自动添加必要的语义化标签和键盘导航逻辑。
- 直接输出具有"Modern SaaS"风格的生产级界面,间距、字体和色彩体系高度统一且专业。
- 工程师只需关注业务逻辑,无需反复微调样式,将原本两天的工作量缩短至几小时。
ui-design-brain 让非设计背景的开发者也能一键生成具备资深设计师水准的生产级界面,彻底消除了从“能跑”到“好用”之间的鸿沟。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
UI 设计大脑
这是一项 Cursor 技能,为 AI 代理提供真实的 UI 组件知识——包括 60 多种界面组件的最佳实践、布局模式和设计系统规范——使其生成生产级的 UI,而非通用输出。
功能简介
当您让 Cursor 构建 UI 时,它通常会猜测组件的使用方式。而这项技能则用精心整理的知识库取代了这种猜测,该知识库源自 component.gallery,并进一步丰富了以下内容:
- 每个组件的 最佳实践(如可访问性、尺寸、行为等)
- 常见布局——每种模式下经过验证的排列方式
- 别名——使代理能够识别任何名称的组件
- 设计哲学——现代、极简、SaaS 级别的设计标准
- 反模式——需要避免的具体事项
最终结果是:界面看起来像是由资深产品设计师精心设计的,而不是简单地从模板中拼凑出来的。
安装方法
方法 A — 个人技能(适用于所有项目)
# 克隆到您的 Cursor 技能目录
git clone https://github.com/carmahhawwari/ui-design-brain.git \
~/.cursor/skills/ui-design-brain
方法 B — 项目技能(与团队共享)
# 克隆到您项目的 .cursor/skills 目录
git clone https://github.com/carmahhawwari/ui-design-brain.git \
.cursor/skills/ui-design-brain
方法 C — 手动安装
将 SKILL.md 和 components.md 文件复制到以下任一位置:
~/.cursor/skills/ui-design-brain/(个人技能).cursor/skills/ui-design-brain/(项目技能)
使用方法
安装完成后,当您要求 Cursor 构建 UI 时,该技能会自动激活,无需您显式引用。
示例
只需自然地提出需求即可:
构建一个带有侧边导航栏、开关偏好设置和个人资料部分的设置页面。
创建一个包含搜索、筛选、可排序列和分页的数据表格。
设计一个 SaaS 仪表盘,包含 KPI 卡片、图表区域和活动信息侧边栏。
代理将自动执行以下步骤:
- 识别您的请求所需的组件
- 查找每个组件的最佳实践
- 应用合适的设计方向(SaaS、极简、企业级、创意或仪表盘风格)
- 按照既定模式生成可直接投入生产的代码
设计方向
该技能内置了 5 种样式预设,您可以明确指定其中一种:
| 预设 | 适用场景 |
|---|---|
| 现代 SaaS | 默认选项——简洁、宽敞、专业 |
| 苹果级极简 | 极致简约,留白充足 |
| 企业/公司级 | 信息密集,支持键盘导航 |
| 创意/作品集 | 大胆、富有表现力,采用编辑风格排版 |
| 数据仪表盘 | 优化数据的可读性和扫描效率 |
构建一个具有苹果级极简风格的定价页面。
内容概览
ui-design-brain/
├── SKILL.md # 主要说明文档——设计哲学、工作流程、快速参考
├── components.md # 完整参考——60 种组件及其最佳实践和布局
├── LICENSE.txt # MIT 许可证
└── README.md # 当前文件
组件覆盖范围
涵盖 60 种组件,包括:折叠面板、警告框、头像、徽章、面包屑导航、按钮、按钮组、卡片、轮播图、复选框、颜色选择器、组合框、日期输入、日历选择器、抽屉菜单、下拉菜单、空状态提示、字段集、文件、文件上传、页脚、表单、页眉、标题、英雄区、图标、图片、标签、链接、列表、模态框、导航栏、分页控件、弹出框、进度条、进度指示器、引用、单选按钮、评分组件、富文本编辑器、搜索框、分段控件、下拉选择框、分隔线、骨架屏、跳转链接、滑块、加载动画、堆栈布局、步进器、表格、选项卡、文本输入框、文本域、通知气泡、切换开关、工具提示、树形视图、视频、视觉隐藏元素等。
与通用前端技能的区别
| 通用前端技能 | UI 设计大脑 | |
|---|---|---|
| 组件知识 | 缺乏——依赖模型训练 | 包含 60 种组件及具体最佳实践 |
| 布局指导 | 一般性建议 | 针对每个组件的具体布局模式 |
| 反模式 | 未提及 | 明确列出需避免的事项 |
| 可访问性 | 仅笼统提及 | 针对每个组件制定具体规则(焦点锁定、ARIA 属性、键盘导航等) |
| 设计系统基础 | 模型的一般知识 | 来自 real design systems 的实际数据,通过 component.gallery 提供 |
贡献指南
欢迎提交 PR。如需添加或更新组件:
- 编辑
components.md——请遵循现有格式(名称、别名、描述、最佳实践、常见布局) - 如果该组件较为常用,请将其加入
SKILL.md中的快速参考表格 - 保持
SKILL.md文件不超过 500 行
许可证
MIT 许可证——详情请参阅 LICENSE.txt。
组件数据来源于 component.gallery。
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备