最近應該很多人開始用 AI 製作不同的網站，或是產一些 UI 介面，我就很好奇一件事情，AI 對於「美」的看法到底是什麼？
畢竟美這件事情很主觀，有人覺得留白就是高級，有人覺得很空，有人覺得黑底加金色很有質感，有人覺得像詐騙網站，所以我就做了一個無聊、花錢、又有點花命的實驗。
我請不同模型去製作網站，看它們對各產業的配色看法，對於「美」加上「高質感」這種很抽象的要求，最後會做出什麼東西。
所以我就弄了一批 repo，名字都叫做 Omniscient-xxx，我把這個專案取成「全職設計視角」。
因為現在每個模型看起來都很強，懂設計、懂品牌、懂排版，也懂使用者體驗，那就不要只做一個首頁給我看，我要你做一整包網站樣板，而且大量做。
這批 repo 大概是這些，這邊我不一個一個評價，有興趣就點進去看看各模型的詮釋。
尤其不要只看首頁，要多點幾套、多看幾頁，你才會慢慢看到 AI 的習慣。
| Repo | 使用模型 | GitHub | 線上展示 |
|---|---|---|---|
| Omniscient-Qwen3.7-Plus | Qwen 3.7 Plus | GitHub | Demo |
| Omniscient-Qwen3.7-Max | Qwen 3.7 Max | GitHub | Demo |
| Omniscient-Gemini3.5-Flash | Gemini 3.5 Flash | GitHub | Demo |
| Omniscient-MinMax2.7 | MinMax 2.7 | GitHub | Demo |
| Omniscient-Gemini3.1-Pro | Gemini 3.1 Pro + Gemini 3.5 Flash | GitHub | Demo |
| Omniscient-Xiaomi-Mimo2.5-pro | Xiaomi Mimo 2.5 Pro | GitHub | Demo |
| Omniscient-Opus46 | Claude Opus 4.6 | GitHub | Demo |
| Omniscient-DeepseekV4f | DeepSeek V4 Flash | GitHub | Demo |
| Omniscient-BigPickle | BigPickle | GitHub | Demo |
說一下心得。
因為我是大量做視覺網站，所以 AI 在判斷這件事情的時候，即使你 prompt 一直強調不要重複，它還是很容易走向一個最有效率的做法。
它會用 Node 或 Python 先寫好一個樣板製造程式，然後後面再改顏色、改文案、改一些區塊，批次產生出來。
當然你可以解讀成偷懶，但是其實這也是有效率的做法，畢竟對人類來說，很多樣板本來就是大差不差，只要客戶覺得方向對，後面再調就好。
但是從模型的認知來看，它會很自然地選擇這條路，因為這是最穩、最快，也最不容易出錯的產生方式。
這裡面有些 repo，我一開始是真的請 AI 一套一套手工去做，但是後面我真的等不了，因為有時候一跑就是一整天，可用的 token 會瞬間燒盡。
所以趁 2026/05/27～2026/06/12 這段時間，GitHub Copilot 還是算次數，加上 Mimo 的一些優惠，就乾脆把這個實驗做一做，給大家參考。
這次比較像是一個實驗，把 AI 放在一個大量生產網站樣板的情境下，看它到底會怎麼處理「美」這件事情。
結果我自己的感覺是，AI 已經很會做第一版，這點不用懷疑，但是第一版不等於可以交付，尤其當你把數量拉大，它很容易從設計變成產生器。
這燒錢燒命的行為，基本上以後應該不會再做測試了。這個無聊的測試如果有幫助到你，幫忙點個星 :)
--
The bug existed in all possible states. Until I ran the code.
如果這篇文章有幫助到您幫我分享一下，讓我有寫下去的動力...
