jaytel0/taste

해결하는 문제

Taste는 몇 장의 참조 이미지를 재사용 가능한 스킬 파일(SKILL.md)로 변환하여 해당 이미지의 시각적 스타일을 포착합니다. 모호한 표현으로 취향을 설명하는 대신, 스킬은 AI 에이전트가 새 인터페이스를 생성할 때 따를 수 있는 구체적인 디자인 규칙(예: 사용할 타이포그래피, 간격, 색상, 그림자)을 명시합니다. 이는 긴 스타일 가이드를 직접 작성하지 않고도 AI가 특정 시각적 스타일을 일관되게 재현하도록 하는 문제를 해결합니다.

작동 방식

프로세스는 5단계로 구성됩니다:

1. 참조 이미지 선별 – JPG, PNG, WebP 이미지의 엄선된 세트를 제공합니다. 클로즈업 크롭과 고해상도 이미지는 시각적 세부 사항을 읽기 쉽기 때문에 가장 좋습니다. 레이아웃, 간격, 색상, 타이포그래피, 질감, 구성, 밀도, 위계의 반복적인 예를 보여주는 것이 목적입니다.

2. 코퍼스 인덱싱 – 파이프라인은 모든 이미지를 스캔하고, 정확한 중복을 제거하며, 각 이미지에 안정적인 ID를 부여합니다(실행당 최대 20개). 원시 파일 목록은 runs/{runId}/01-corpus/images.jsonl에 저장됩니다.

3. 각 이미지 분석 – 비전 모델이 각 이미지를 독립적으로 읽습니다(기본값: OpenAI GPT‑5.5 및 Anthropic Claude Sonnet 4‑6). 프롬프트는 앱이 하는 일을 무시하고 시각적 증거에만 집중하도록 모델에 지시합니다. 원시 노트는 모델별로 runs/{runId}/02-image-notes/raw/{imageId}/{model}.md에 저장됩니다.

4. 융합 및 청크 분할 – 합성 모델이 각 이미지의 원시 분석을 하나의 정규화된 노트로 통합합니다(소스는 익명화됨). 그런 다음 노트는 청크로 그룹화되고, 각 청크는 규칙 합성이 되며, 더 큰 실행은 최종 규칙 집합이 생성될 때까지 병합 레이어를 거칩니다. 중간 파일은 runs/{runId}/03-rule-set/에 저장됩니다.

5. 스킬 작성 – 최종 규칙 집합은 구체적인 지침으로 변환됩니다. 스킬은 "프리미엄하고 세련된"과 같은 모호한 라벨을 피하고 "중립적인 산세리프 타이포그래피 사용" 또는 "액센트 색상은 국소적으로 유지"와 같은 표현을 사용합니다. 최종 산출물은 runs/{runId}/04-skill/SKILL.md입니다.

리포지토리에는 호스팅 데모(taste.jaytel.com)가 포함되어 있지만, 로컬 파이프라인이 비공개로 사용하기에 가장 간단한 방법입니다. Postgres, Vercel Blob, Cron 또는 호스팅 인증이 필요 없습니다. API 키를 설정하고, 이미지를 폴더에 넣고, npm run taste를 실행하기만 하면 됩니다. 웹 앱 버전은 워크플로 상태를 Postgres에 저장하고 실행 산출물을 비공개 Vercel Blob 저장소에 저장합니다.

대상 사용자

• 참조 이미지에서 시각적 스타일을 캡처하여 AI 기반 프론트엔드 생성에 재사용하려는 디자이너 또는 개발자.
• AI 에이전트로 구축하고 에이전트가 특정 외관을 따르도록 하는 반복 가능한 방법을 원하는 팀.
• Node.js 스크립트를 로컬에서 실행하는 데 익숙하거나 호스팅 데모를 사용해 보려는 사람.

주요 기능

• 이미지를 재사용 가능한 구체적인 스킬로 변환 – 생성된 SKILL.md는 일반적인 찬사가 아닌 시각적 규칙에 대해 명확합니다.
• 여러 AI 공급자 지원 – OpenAI와 Anthropic을 직접 사용하거나 OpenRouter 또는 Vercel AI Gateway를 통해 사용할 수 있습니다.
• 로컬 우선 – 파이프라인은 전적으로 자신의 머신에서 실행할 수 있으며 외부 서비스 없이 .taste/runs/...에 결과를 기록합니다.
• 비교를 통해 검증 – README는 Taste 스킬이 대시보드 및 채팅 인터페이스 생성에서 기본 모델과 수제 프론트엔드 디자인 스킬보다 우수함을 보여주는 병렬 테스트를 보여줍니다.

---

참고: 위의 모든 세부 사항은 프로젝트 README에서 직접 가져온 것입니다.