如果你依赖工具，很快就能得到一个看起来“还行”的东西。然而，结果往往都是千篇一律的通用感，你肯定在别处见过。这就是“AI 感”的本质，也是现在拉开最大差距的地方。
根据我使用基于 Claude Code 打造的生产线（makeLP 项目），从同一基础出发创建三个具有不同个性的网站的经验，我将简要总结一个可复现的方法。
工厂，而非一次性魔法
即使你一次性做出了好东西，但如果不能复现，它也不会成为资产。因此，我们通过四个阶段来运作。
生产 → 质量 → 验证 → 改进。
有四种类型的支持组件：
・技能：方法论模板（motion-lp-builder 用于创作，frontend-design 用于反 AI 原则，bulk-categorize 用于批量分类）
・子 Agent：专业角色（lp-visual-verifier 用于绘制和评判，design-reference-analyst 用于将参考转为规范，bulk-classifier 用于分类）
・参考库：一个包含 4,074 条“参考”条目的书架，按“网站类型 × 行业”分类
・进化规则：CLAUDE.md（标准流程/规范）+ Memory（将评判结果永久化）
准备与前提
基础固定为 Vite + React + GSAP (ScrollTrigger) + Lenis。关键在于“将滚动进度直接与生产挂钩”。滚动量成为表达方式的输入（背景视频帧擦除、固定、视差、入场揭示）。
根据主题选择两种资产类型：
・AI 生成（Higgsfield）：当需要度假村等逼真图像时
・代码绘制（SVG/Canvas/CSS）：对于 B2B 和科技类感觉更“对味”。无需积分
如有疑问，根据“应该是照片还是图表”来决定。
第一步：生产
顺序至关重要。不要立刻开始写代码；首先，将品牌概要（你对谁承诺什么、颜色、排版、动态强度）浓缩到一页上。即使基础相同，区分输出的也是概要，而不是代码。
如果你选择 AI 生成，请遵循积分纪律：
- 检查余额
- 使用 get_cost 获取初步估算
- 先创建一张主视觉图
- 以其为参考生成其他图片，以统一质感 5. 等待完成并下载。
在实现方面，将生产直接与滚动挂钩（帧擦除/固定/视差/揭示）。并且始终使其健壮：使用 prefers-reduced-motion 实现静态回退，确保即使缺少资产也能运行 npm run dev，并对触摸和 canvas 考虑省电。
第二步：质量 - 摆脱量产设计
从六个方面解构并消除“AI 感”：
- 过度使用渐变（尤其是文字和紫色渐变） → 缩小到单一颜色 + 一个强调色
- 只是按标准顺序排列标准部件 → 用独特的概念来创造结构本身（例如，整个页面就像一个工作流画布）
- 四舍五入的“膨胀”数字 → 给出具体数值（例如，“600 份发票/月 → 0”的前后对比）
- 表情符号图标 → 不要使用。如有必要，绘制 SVG
- 仅位于区块左侧边缘的色条 → 不要使用。在表面、边距和排版中使用颜色
- 一切对称、统一、圆角且带有柔和阴影 → 引入不对称和边距强度的变化
原则是：配色方案为单一颜色 + 一个强调色，排版用一个特色字体来推动，边距要有力度，运动要为了“聚焦”而服务。
第三步：验证 - 构建通过 ≠ 优秀
即使代码通过，固定、擦除和揭示在实际屏幕上也可能出问题。因此，lp-visual-verifier 会启动一个开发服务器，通过 puppeteer-core 操作现有的 Chrome/Edge，渲染并截取每个部分，然后“用肉眼进行评判”。
三个关键点：
・验证者不修改代码（以隔离原因）
・使用 prefers-reduced-motion 截取可以静态可视化固定区域和等待揭示的下方部分
・始终也截取移动端宽度
仅一轮评判 → 修正就能大幅提升质量。不要满足于构建成功。
第四步：改进 + 参考库
design-reference-analyst 阅读参考网站并将其转化为“通用模式”和“改进规范（在何处以及如何改进）”，而不仅仅是印象。sankou-reference 库有 4,074 个条目，按两个维度分类，可以让你瞬间拉取“仅限旅游 × 特殊 LP 的示例”（每行的注释中内容清晰可见）。
批量分类本身也是模板化的（bulk-categorize：拆分 → 子 Agent 并行化 → 聚合 → 修正）。
不断进化的规则
这是最大的发现。不要将客户的评判只当作一次性修复，而要将其提升为永久规则。
示例：
“表情符号图标看起来像 AI”、“左侧色条看起来像 AI” → 将这些转化为 memory 和 CLAUDE.md 中的禁止规则 → 从那时起在每个网站中自动避免。
换句话说，用得越多，“AI 感”就消失得越快。拥有技能和子 Agent 也便于横向扩展。
创建三个截然不同的网站
・AZURE BAY（夏日泳池 LP / B2C）：青绿色 + 金色。由 Higgsfield 生成。滚动时帧擦除泳池视频。
・FLOWGEAR（n8n 实施支持 / B2B）：单一珊瑚色 + 扁平化，无图像生成。整个页面是一个 n8n 工作流画布。使用具体的前后对比代替膨胀的数字。
・STATIK（虚构工作室的实验实验室）：近黑色 + 单色 + 一个酸色。Canvas 动态文本网格 + 自定义光标。不仅仅是一个 LP，而是一种沉浸式体验。
共同点是“单一颜色 + 一个强调色”、“用具体内容说话”以及“通过单一概念实现突破”。根据主题选择手段是走向平庸之外的第一步。
自行搭建的最小配置
- 模板化滚动联动基础（不要每次都从头写）
- 将反量产原则放入一个规则表（无渐变/表情符号/左侧条……）
- 创建后始终截取并查看实际屏幕
- 每次都将评判转化为规则
常见陷阱与对策：积分浪费（主视觉优先 + 初步估算）、验证遗漏（截取实际屏幕）、运动无障碍（reduced-motion）以及移动端崩溃（始终以不同宽度截取）。
总结
AI 是一只“快手”，而非“眼睛”。
当你将眼睛（验证）和规则（学习）融入系统后，AI 制作的网站就能摆脱 AI 感。
