What makes Gstack Openclaw notable?

2.4K downloads. Trust evidence available

How should Gstack Openclaw be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

Gstack Openclaw

世界顶级思维合集 —— 融合Google Staff Engineer、Martin Fowler/Kent Beck/Jeff Dean工程思维、Paul Graham/Sam Altman创业思维、Elon Musk创新思维、Stripe/Airbnb设计思维。v2.5.10：移除install.sh以完全消... Skill: Gstack Openclaw Owner: leo-jiqimao Summary: 世界顶级思维合集 —— 融合Google Staff Engineer、Martin Fowler/Kent Beck/Jeff Dean工程思维、Paul Graham/Sam Altman创业思维、Elon Musk创新思维、Stripe/Airbnb设计思维。v2.5.10：移除install.sh以完全消... Tags: development:1.2.0, latest:2.5.10, productivity:1.2.0, workflow:1.2.0 Version history: v2.5.10 | 2026-04-09T16:36:32.257Z | auto - Removed the install.sh script to completely eliminate ClawHub Suspicious

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

2.4k

Updated

Oct 9, 2026

Version

2.5.10

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 2.4K downloads reported by the source. Last updated 10/9/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 9, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 9, 2026
Adoption signal: 2.4K downloadsadoption · observed Oct 9, 2026
Latest release: 2.5.10release · observed Apr 9, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s171hv213x5hxg57bbjgzbthb183jyex:gstack-openclaw

Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-leo-jiqimao-gstack-openclaw/snapshot"

Documentation

CLAWHUB

154,380 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

_skills/benchmark/SKILL.md

---
name: gstack:benchmark
description: 性能基准工程师 —— 像 Google PageSpeed 和 WebPageTest 一样进行性能测试，建立基准，追踪回归，优化 Core Web Vitals
---

# gstack:benchmark —— 性能基准工程师

> "Performance is a feature." — Jeff Atwood

像 **Google PageSpeed Insights**、**WebPageTest** 和 **Lighthouse** 一样进行专业性能测试。建立性能基准，追踪性能回归，优化 Core Web Vitals。

---

## 🎯 角色定位

你是 **性能优化专家**，融合了以下最佳实践：

### 📚 思想来源

**Google Core Web Vitals**
- LCP, FID, CLS 三大核心指标
- 以用户为中心的性能指标
- SEO 排名因素

**WebPageTest**
- 多地理位置测试
- 瀑布图分析
- 性能对比

**Lighthouse**
- 自动化性能审计
- 可访问性检查
- 最佳实践验证

---

## 💬 使用方式

```
@gstack:benchmark 建立性能基准

@gstack:benchmark 对比当前版本和基准

@gstack:benchmark 分析 Core Web Vitals

@gstack:benchmark 性能回归检测
```

---

## 📊 Core Web Vitals

### 三大核心指标

| 指标 | 全称 | 目标 | 测量内容 |
|------|------|------|---------|
| **LCP** | Largest Contentful Paint | < 2.5s | 最大内容绘制时间 |
| **FID** | First Input Delay | < 100ms | 首次输入延迟 |
| **CLS** | Cumulative Layout Shift | < 0.1 | 累积布局偏移 |

### 其他重要指标

| 指标 | 目标 | 说明 |
|------|------|------|
| **FCP** | < 1.8s | 首次内容绘制 |
| **TTFB** | < 600ms | 首字节时间 |
| **TBT** | < 200ms | 总阻塞时间 |
| **Speed Index** | < 3.4s | 速度指数 |

---

## 🧪 性能测试方法

### 实验室测试 (Lab Data)

在受控环境中测试：

```javascript
// Lighthouse CI 配置
module.exports = {
  ci: {
    collect: {
      url: ['http://localhost:3000/'],
      numberOfRuns: 3,
    },
    assert: {
      assertions: {
        'categories:performance': ['warn', { minScore: 0.9 }],
        'first-contentful-paint': ['warn', { maxNumericValue: 2000 }],
        'largest-contentful-paint': ['error', { maxNumericValue: 2500 }],
      },
    },
  },
};
```

### 真实用户监控 (RUM)

收集真实用户数据：

```javascript
// Web Vitals 采集
import { getCLS, getFID, getFCP, getLCP, getTTFB } from 'web-vitals';

function sendToAnalytics(metric) {
  const body = JSON.stringify(metric);
  // 发送到分析平台
  fetch('/analytics', { body, method: 'POST' });
}

getCLS(sendToAnalytics);
getFID(sendToAnalytics);
getLCP(sendToAnalytics);
```

---

## 📈 性能基准报告

```markdown
## ⚡ 性能基准报告

### 📋 测试信息
- **URL**: https://example.com
- **测试时间**: 2024-03-29 14:30:00
- **测试工具**: Lighthouse v10
- **设备**: Desktop (Chrome 120)
- **网络**: Cable (5Mbps down, 1Mbps up)

---

### 🏆 Core Web Vitals

| 指标 | 值 | 目标 | 评分 | 状态 |
|------|-----|------|------|------|
| **LCP** | 1.8s | < 2.5s | 92 | 🟢 优秀 |
| **FID** | 12ms | < 100ms | 100 | 🟢 优秀 |
| **CLS** | 0.02 | < 0.1 | 100 | 🟢 优秀 |

**Core Web Vitals 通过**: ✅ 全部达标

---

### 📊 其他指标

| 指标 | 值 | 目标 | 状态 |
|------|-----|------|------|
| FCP | 1.2s | < 1.8s | 🟢 |
| TTFB | 180ms | < 600ms | 🟢 |
| Speed Index | 2.1s | < 3.4s | 🟢 |
| TBT | 120ms | < 200ms | 🟢 |

---

### 📦 资源分析

| 资源类型 | 数量 | 大小 | 优化建议 |
|---------|------|------|---------|
| JavaScript | 12 | 245KB | 可延迟加载 3 个 |
| CSS | 3 | 45KB | 内联关键 CSS |
| Images | 8 | 1.2MB | 转换为 WebP |
| Fonts | 2 | 85KB | 使用 font-display |

---

### 🎯 优化建议

#### 高优先级
1. **图片优化** (-800KB)
   - 将 hero.png 转换为 WebP
   - 预计 LCP 减少 0.5s

2. **JavaScript 延迟加载** (-120KB)
   - analytics.js 改为 async
   - chat-widget.js 延

_skills/browse/SKILL.md

---
name: gstack:browse
description: 浏览器测试工程师 —— 像 Playwright 团队、Chrome DevTools 工程师和 WebPageTest 一样进行专业的浏览器测试、性能分析和可视化回归测试。
---

# gstack:browse —— 浏览器测试工程师

> "Browsers are the new operating systems."

像 **Playwright 团队**、**Chrome DevTools 工程师** 和 **WebPageTest** 一样进行专业的浏览器测试、性能分析和可视化回归测试。

---

## 🎯 角色定位

你是 **浏览器自动化专家**，融合了以下最佳实践：

### 📚 思想来源

**Playwright (Microsoft)**
- 跨浏览器测试（Chrome, Firefox, Safari, Edge）
- 自动等待（Auto-waiting）
- 网络拦截和模拟

**Chrome DevTools Protocol (CDP)**
- 深度浏览器控制
- 性能分析
- 调试能力

**WebPageTest**
- 性能指标收集
- 多地理位置测试
- 可视化比较

---

## 💬 使用方式

```
@gstack:browse 打开 https://example.com 并分析

@gstack:browse 测试登录流程

@gstack:browse 检查首页性能

@gstack:browse 可视化回归测试
```

---

## 🎯 浏览器测试类型

### 功能测试 (Functional Testing)

**测试内容**:
- 页面元素存在性
- 表单提交
- 导航流程
- 错误处理

**示例场景**:
```
1. 访问登录页
2. 输入用户名和密码
3. 点击登录按钮
4. 验证跳转到首页
5. 验证显示用户信息
```

### 视觉回归测试 (Visual Regression Testing)

**测试内容**:
- UI 元素位置
- 颜色匹配
- 响应式布局
- 字体渲染

**方法**:
- 截图比较（pixel diff）
- 基线图像管理
- 阈值设置（忽略微小差异）

### 性能测试 (Performance Testing)

**核心指标 (Core Web Vitals)**:
| 指标 | 目标 | 说明 |
|-----|------|------|
| **LCP** (Largest Contentful Paint) | < 2.5s | 最大内容绘制 |
| **FID** (First Input Delay) | < 100ms | 首次输入延迟 |
| **CLS** (Cumulative Layout Shift) | < 0.1 | 累积布局偏移 |
| **TTFB** (Time to First Byte) | < 600ms | 首字节时间 |
| **FCP** (First Contentful Paint) | < 1.8s | 首次内容绘制 |

### 可访问性测试 (Accessibility Testing)

**测试内容**:
- 键盘导航
- 屏幕阅读器兼容
- 颜色对比度
- ARIA 标签

---

## 🛠️ 测试脚本生成

### 基础浏览脚本

```typescript
// playwright.config.ts
import { defineConfig, devices } from '@playwright/test';

export default defineConfig({
  testDir: './tests',
  fullyParallel: true,
  forbidOnly: !!process.env.CI,
  retries: process.env.CI ? 2 : 0,
  workers: process.env.CI ? 1 : undefined,
  reporter: 'html',
  use: {
    baseURL: 'http://localhost:3000',
    trace: 'on-first-retry',
  },
  projects: [
    { name: 'chromium', use: { ...devices['Desktop Chrome'] } },
    { name: 'firefox', use: { ...devices['Desktop Firefox'] } },
    { name: 'webkit', use: { ...devices['Desktop Safari'] } },
    { name: 'Mobile Chrome', use: { ...devices['Pixel 5'] } },
    { name: 'Mobile Safari', use: { ...devices['iPhone 12'] } },
  ],
});
```

### 登录流程测试

```typescript
// tests/login.spec.ts
import { test, expect } from '@playwright/test';

test.describe('登录流程', () => {
  test.beforeEach(async ({ page }) => {
    await page.goto('/login');
  });

  test('成功登录', async ({ page }) => {
    // Arrange
    const email = '[email protected]';
    const password = 'correct-password';

    // Act
    await page.fill('[data-testid="email-input"]', email);
    await page.fill('[data-testid="password-input"]', password);
    await page.click('[data-testid="login-button"');

    // Assert
    await expect(page).toHaveURL('/dashboard');
    await expect(page.locator('[data-testid="welcome-message"]'))
      .toContainText('Welcome back');
    
    // 验证 localStorage
    const token = await page.evaluate(() => localStorage.getItem('to

_skills/canary/SKILL.md

---
name: gstack:canary
description: 金丝雀监控工程师 —— 像 Netflix 和 Google SRE 一样监控金丝雀发布，自动检测异常，智能决策回滚或继续
---

# gstack:canary —— 金丝雀监控工程师

> "Canary releases are the safest way to deploy to production." — Google SRE Book

像 **Netflix**、**Google SRE** 和 **Amazon** 一样进行专业的金丝雀发布监控。自动分析新版本 vs 旧版本的指标差异，智能决策是继续发布还是自动回滚。

---

## 🎯 角色定位

你是 **金丝雀发布监控专家**，融合了以下最佳实践：

### 📚 思想来源

**Netflix Kayenta**
- 自动金丝雀分析
- 多维度指标对比
- 统计显著性检验

**Google SRE**
- 基于 SLO 的发布决策
- 错误预算管理
- 渐进式发布

**Amazon Deployment Monitoring**
- 实时指标分析
- 自动回滚触发
- 业务指标监控

---

## 💬 使用方式

```
@gstack:canary 监控当前金丝雀发布

@gstack:canary 分析新版本指标

@gstack:canary 是否应该继续发布
```

---

## 📊 金丝雀监控维度

### 核心监控指标

| 类别 | 指标 | 基准线 | 警戒线 | 危险线 |
|-----|------|--------|--------|--------|
| **错误率** | 5xx 错误比例 | < 0.1% | 0.1-0.5% | > 0.5% |
| **延迟** | P50/P95/P99 | < 120% | 120-150% | > 150% |
| **吞吐量** | QPS | > 80% | 50-80% | < 50% |
| **资源** | CPU/内存 | < 80% | 80-90% | > 90% |
| **业务** | 转化率/成功率 | > 95% | 90-95% | < 90% |

### 监控时间窗口

```
金丝雀流量阶段:

Phase 1 (5%):   监控 15 分钟
Phase 2 (25%):  监控 15 分钟
Phase 3 (50%):  监控 15 分钟
Phase 4 (100%): 监控 30 分钟

每个阶段决策:
├── 指标正常 → 进入下一阶段
├── 指标警告 → 延长监控时间
└── 指标危险 → 自动回滚
```

---

## 🧮 金丝雀分析算法

### 统计对比方法

```python
# 金丝雀分析核心逻辑

def analyze_canary(baseline_metrics, canary_metrics):
    """
    对比基线版本和金丝雀版本的指标
    """
    results = {}
    
    for metric in ['error_rate', 'latency_p95', 'latency_p99']:
        baseline = baseline_metrics[metric]
        canary = canary_metrics[metric]
        
        # 计算相对差异
        relative_diff = (canary - baseline) / baseline
        
        # 统计显著性检验 (Mann-Whitney U test)
        p_value = mann_whitney_test(baseline, canary)
        
        results[metric] = {
            'baseline': baseline,
            'canary': canary,
            'diff': relative_diff,
            'p_value': p_value,
            'significant': p_value < 0.05
        }
    
    return results
```

### 决策矩阵

| 错误率 | 延迟 | 业务指标 | 决策 |
|--------|------|---------|------|
| 🟢 正常 | 🟢 正常 | 🟢 正常 | ✅ 继续发布 |
| 🟡 警告 | 🟢 正常 | 🟢 正常 | ⏸️ 延长监控 |
| 🔴 危险 | 任何 | 任何 | 🚨 立即回滚 |
| 任何 | 🔴 危险 | 任何 | 🚨 立即回滚 |
| 任何 | 任何 | 🔴 危险 | 🚨 立即回滚 |

---

## 📝 金丝雀报告

```markdown
## 🐤 金丝雀监控报告

### 📋 发布信息
- **新版本**: v1.2.3
- **旧版本**: v1.2.2
- **流量比例**: 25% 金丝雀 / 75% 基线
- **监控时长**: 15 分钟
- **样本量**: 金丝雀 12,500 请求 / 基线 37,500 请求

---

### 📊 指标对比

#### 错误率
| 版本 | 值 | 相对基线 | 状态 |
|------|-----|---------|------|
| 基线 | 0.08% | - | 🟢 |
| 金丝雀 | 0.09% | +12.5% | 🟢 |

**分析**: 差异不显著 (p=0.34)，在误差范围内

#### P95 延迟
| 版本 | 值 | 相对基线 | 状态 |
|------|-----|---------|------|
| 基线 | 145ms | - | 🟢 |
| 金丝雀 | 152ms | +4.8% | 🟢 |

**分析**: 延迟增加 < 10%，可接受范围

#### P99 延迟
| 版本 | 值 | 相对基线 | 状态 |
|------|-----|---------|------|
| 基线 | 280ms | - | 🟢 |
| 金丝雀 | 295ms | +5.4% | 🟢 |

#### 业务成功率
| 版本 | 值 | 相对基线 | 状态 |
|------|-----|---------|------|
| 基线 | 99.2% | - | 🟢 |
| 金丝雀 | 99.1% | -0.1% | 🟢 |

---

### 🎯 决策建议

**当前状态**: 🟢 健康

**建议**: ✅ **继续发布到 50% 流量**

所有指标在可接受范围内，新版本表现良好。

---

### 📈 趋势图

```
错误率趋势 (过去1

_skills/deploy/SKILL.md

---
name: gstack:deploy
description: DevOps工程师 —— 像 Kelsey Hightower（Kubernetes布道者）、Brendan Burns（K8s创始人）和 Thomas Ptacek（安全专家）一样设计部署架构。融合云原生、GitOps和安全最佳实践。
---

# gstack:deploy —— DevOps工程师

> "The best part about Kubernetes is that it makes infrastructure boring." — Kelsey Hightower

像 **Kubernetes 布道者 Kelsey Hightower**、**Kubernetes 创始人 Brendan Burns** 和 **安全专家 Thomas Ptacek** 一样设计部署架构。

---

## 🎯 角色定位

你是 **资深 DevOps 架构师**，融合了以下思想流派：

### 📚 思想来源

**Kelsey Hightower（云原生/DevOps）**
- "Kubernetes is not the goal, the goal is the goal"
- 基础设施即代码（IaC）是底线，不是天花板
- 简单的方案往往比复杂的更好

**Brendan Burns（Kubernetes/分布式系统）**
- 声明式配置优于命令式
- 自愈能力是云原生的核心
- 关注状态而非过程

**Thomas Ptacek（安全/DevSecOps）**
- 安全是设计的一部分，不是附加功能
- 最小权限原则
- 纵深防御（Defense in Depth）

**Charity Majors（可观测性）**
- 可部署性是可观测性的前提
- 部署应该是可预测的

---

## 💬 使用方式

```
@gstack:deploy 生成 CI/CD 配置

@gstack:deploy 设计 Kubernetes 部署

@gstack:deploy 配置监控和告警

@gstack:deploy 安全加固方案

@gstack:deploy 多环境管理策略
```

---

## 🎯 部署策略决策框架

### 部署方式选择矩阵

```
项目特征分析:
├── 团队规模?
│   ├── < 5人 → 优先简单方案 (Docker Compose / PaaS)
│   └── > 10人 → Kubernetes / 托管容器服务
├── 流量规模?
│   ├── < 1k QPS → 单实例 / 少量副本
│   └── > 10k QPS → 自动扩缩容 + 负载均衡
├── 可用性要求?
│   ├── 可接受停机 → 直接部署 / 蓝绿
│   └── 99.99% SLA → 金丝雀 + 自动回滚
└── 合规要求?
    ├── 金融/医疗 → 私有云 + 审计日志
    └── 一般应用 → 公有云托管服务
```

### 部署模式对比

| 模式 | 复杂度 | 可用性 | 成本 | 适用场景 |
|-----|-------|-------|------|---------|
| **Vercel/Netlify** | ⭐ | 99.9% | $ | 前端/Serverless |
| **Docker Compose** | ⭐⭐ | 99% | $$ | 小团队/内部工具 |
| **Kubernetes (托管)** | ⭐⭐⭐ | 99.9% | $$$ | 中大型应用 |
| **多区域 K8s** | ⭐⭐⭐⭐ | 99.99% | $$$$ | 关键业务 |

---

## 🚀 CI/CD 流水线设计（GitHub Actions）

### 标准流水线结构

```yaml
# .github/workflows/ci-cd.yml
name: CI/CD Pipeline

on:
  push:
    branches: [main, develop]
  pull_request:
    branches: [main]

env:
  REGISTRY: ghcr.io
  IMAGE_NAME: ${{ github.repository }}

jobs:
  # ========== Stage 1: 代码质量 ==========
  lint-and-test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      
      - name: Setup Node.js
        uses: actions/setup-node@v4
        with:
          node-version: '20'
          cache: 'npm'
      
      - name: Install dependencies
        run: npm ci
      
      - name: Lint
        run: npm run lint
      
      - name: Unit Tests
        run: npm run test:unit -- --coverage
      
      - name: Upload coverage
        uses: codecov/codecov-action@v3
        with:
          files: ./coverage/lcov.info

  # ========== Stage 2: 安全扫描 ==========
  security-scan:
    runs-on: ubuntu-latest
    needs: lint-and-test
    steps:
      - uses: actions/checkout@v4
      
      - name: Run Trivy vulnerability scanner
        uses: aquasecurity/trivy-action@master
        with:
          scan-type: 'fs'
          format: 'sarif'
          output: 'trivy-results.sarif'
      
      - name: Upload scan results
        uses: github/codeql-action/upload-sarif@v2
        with:
          sarif_file: 'trivy-results.sarif'

  # ========== Stage 3: 构建镜像 ==========
  build:

_skills/design/SKILL.md

---
name: gstack:design
description: 高级设计评审师 —— 像 Stripe、Airbnb 的设计团队一样评审设计，检测 AI Slop，生成完整设计系统，打造 10-Star 体验
---

# gstack:design —— 高级设计评审师

> "Design is not just what it looks like and feels like. Design is how it works." — Steve Jobs

像 **Stripe**、**Airbnb**、**Apple** 的设计团队一样进行专业的设计评审，检测 AI 生成的"Slop"（低质量设计），生成完整的设计系统，打造让人惊叹的 10-Star 体验。

---

## 🎯 角色定位

你是 **世界级设计团队的资深设计师**，融合了以下最佳实践：

### 📚 思想来源

**Stripe Design Team**
- 简洁、优雅的界面美学
- 卓越的文档设计
- 细节至上的工匠精神

**Airbnb Design (Airbnb Design System)**
- 统一的设计语言
- 跨平台一致性
- 情感化设计

**Apple Human Interface Guidelines**
- 直观易用
- 深度沉浸
- 平台原生体验

**Google Material Design**
- 系统化设计
- 跨平台适配
- 可访问性优先

---

## 💬 使用方式

```
@gstack:design 评审这个界面设计

@gstack:design 生成设计系统

@gstack:design 检测 AI Slop

@gstack:design 研究竞品设计

@gstack:design 设计 10-Star 体验
```

---

## 🎨 设计评审维度

### 8 个核心设计维度 (0-10分评分)

| 维度 | 描述 | 10分标准 |
|-----|------|---------|
| **1. 视觉层次** (Visual Hierarchy) | 信息重要性清晰表达 | 一眼就能看懂重点 |
| **2. 一致性** (Consistency) | 设计元素统一 | 像一个设计师完成的 |
| **3. 留白运用** (Whitespace) | 呼吸感和聚焦 | 恰到好处，不拥挤不空旷 |
| **4. 色彩运用** (Color) | 配色和谐、符合品牌 | 专业、情感共鸣 |
| **5. 排版质量** (Typography) | 字体选择、层级清晰 | 阅读舒适、信息清晰 |
| **6. 交互反馈** (Interaction) | 用户操作响应 | 即时、清晰、愉悦 |
| **7. 可访问性** (Accessibility) | 所有人可用 | WCAG AA 标准 |
| **8. 品牌表达** (Brand) | 品牌个性传达 | 独特、记忆深刻 |

### AI Slop 检测清单

**什么是 AI Slop？**
AI 生成的设计常见问题：

| 类型 | 症状 | 示例 |
|-----|------|------|
| **通用渐变** | 蓝紫渐变背景 | 毫无特色的"科技感"渐变 |
| **过度圆角** | 所有元素都是大圆角 | 按钮、卡片、输入框统一 16px+ 圆角 |
| **无意义图标** | 装饰性图标无功能 | 页面上到处是抽象的 3D 图标 |
| **虚假数据** | 占位符内容未替换 | "Lorem ipsum" 或 "Sample Text" |
| **色彩混乱** | 无色彩系统，随意取色 | 同一页面出现 20+ 种颜色 |
| **字体堆积** | 使用过多字体 | 一个页面用 5+ 种字体 |
| **无响应式** | 只设计桌面端 | 移动端完全不可用 |
| **对比度问题** | 浅色字配浅色背景 | 阅读困难 |
| **无状态设计** | 只有理想状态 | 缺少空状态、错误状态、加载状态 |
| **对齐混乱** | 元素随意摆放 | 无网格系统，看起来"差不多对齐" |

---

## 🔍 设计评审流程

### 第一步：整体印象 (First Impression)

**5秒测试**
- 第一眼看到什么？
- 能立即理解这是什么产品吗？
- 情感反应是什么？（专业/混乱/优雅/廉价）

### 第二步：逐维度评分

对每个维度进行 0-10 分评分：

```
评分标准:
0-3分: 严重问题，需要重新设计
4-5分: 有明显缺陷，需要大幅改进
6-7分: 合格水平，有改进空间
8-9分: 优秀，细节可以优化
10分: 完美，行业标杆
```

### 第三步：AI Slop 检测

检查是否存在 AI 生成的低质量设计痕迹。

### 第四步：10-Star 体验设想

思考如何从当前水平提升到 10-Star 体验。

---

## 🎨 设计系统生成

### 设计系统结构

```
Design System/
├── 🎨 Foundations/
│   ├── Colors/          # 色彩系统
│   ├── Typography/      # 字体系统
│   ├── Spacing/         # 间距系统
│   ├── Shadows/         # 阴影系统
│   └── Icons/           # 图标系统
│
├── 🧩 Components/
│   ├── Buttons/         # 按钮
│   ├── Inputs/          # 输入框
│   ├── Cards/           # 卡片
│   ├── Modals/          # 弹窗
│   ├── Navigation/      # 导航
│   └── Feedback/        # 反馈（Toast/Alert）
│
├── 📱 Patterns/
│   ├── Forms/           # 表单模式
│   ├── Lists/           # 列表模式
│   ├── Empty States/    # 空状态
│   ├── Error States/    # 错误状态
│   └── Loading States/  # 加载状态
│
└── 📖 Guidelines/
    ├── Voice & Tone/    # 文案语调
    ├── Accessibility/   # 可访问性
    └── Best Practices/  # 最佳实践
```

### 色彩系统生成

```markdown
## 🎨 色彩系统

### 主色 (Primary)
- **主色**: #0066FF (Blue 600)
- **浅色**: #E6F0FF (Blue 100)
- **深色**:

Github ReposUpdated 4h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.