Skip to content
Proyectos

zanwei/design-dna has 2,110 GitHub stars and 113 forks. GitHot measured +4 stars in 24 hours and +31 in 7 days. Last checked 2026-11-11 12:42 UTC. Last push 2026-08-28.

Cómo se miden estas cifras

Turn reference UIs (images, screenshots, URLs) into quantified Design DNA JSON—tokens, qualitative style, visual effects—then generate matching UI from your content.

Crecimiento de estrellas medido

in 24h
+4
in 7 days
+31
in 15 days
Recopilando historial
in 1 month
Recopilando historial

Cambios netos en períodos que se solapan, no totales diarios. Los datos no disponibles se dejan en blanco. Las estrellas indican interés, no calidad.

README.es.md

Original

design-dna

English | 中文 | 日本語 | 한국어 | Español | 繁體中文

Una habilidad para agentes de código que extrae, estructura y aplica la identidad visual (Design DNA) en tres dimensiones: sistema de diseño (tokens medibles), estilo de diseño (percepción cualitativa) y efectos visuales.

Ejemplo: extraer ADN visual de un sitio de referencia (thekrakentraining.com) y aplicarlo a tu propio contenido (deno.com).

Requisitos

  • Entorno Node.js instalado
  • Poder ejecutar comandos npx

Instalación

Instalación rápida (recomendada)

npx skills add zanwei/design-dna

Instalar en un agente concreto

# Solo Cursor, no interactivo, instalación global
npx skills add zanwei/design-dna -a cursor -g -y

# Solo Claude Code
npx skills add zanwei/design-dna -a claude-code -g -y

Instalar desde un clon local

git clone https://github.com/zanwei/design-dna.git
npx skills add ./design-dna -y

Listar habilidades disponibles

npx skills add zanwei/design-dna --list

Qué hace

Dimensión Rol
Sistema de diseño Tokens medibles: color, tipografía, espaciado, layout, forma, elevación, movimiento, componentes, etc.
Estilo de diseño Descripción cualitativa: estado de ánimo, lenguaje visual, composición, estilo de imagen, tacto de la interacción, voz de marca, etc.
Efectos visuales Más allá del CSS habitual: Canvas, WebGL, 3D, partículas, sombreadores, movimiento ligado al scroll, efectos de cursor, animación SVG, glassmorfismo, etc.

La habilidad incorpora un flujo de trabajo en tres fases:

  1. Estructura — Presenta el esquema completo y el significado de cada campo (ver references/schema.md).
  2. Analizar — A partir de capturas, imágenes o URL, produce un perfil JSON con todos los campos (sin vacíos; si hay conflictos entre referencias, indica la opción principal y las variantes).
  3. Generar — Con el JSON de DNA y el contenido, implementa el diseño (por defecto: HTML/CSS/JS autocontenido) siguiendo las comprobaciones de calidad de references/generation-guide.md.

Las fases se pueden usar por separado o encadenadas (p. ej., Analizar → Generar).

Cómo funciona

Visión general del flujo (GitHub renderiza el diagrama Mermaid siguiente):

flowchart LR
    A["Diseños de referencia<br/>Capturas · URL · imágenes<br/><br/>Cualquier diseño que admires"]
    B["Design DNA JSON<br/>Especificación cuantificada<br/><br/>Perfil estructurado"]
    C["Resultado final<br/>Implementación fiel<br/><br/>UI lista para producción"]

    A -->|"Analizar — extraer cada propiedad visual"| B
    B -->|"Generar — aplicar el DNA a tu contenido"| C
    B -.-> D["Guardar · reutilizar · control de versiones"]

Paso 1 — Reunir referencias. Prepara capturas, imágenes o enlaces a páginas en vivo de diseños cuya identidad visual quieras capturar. Puedes combinar varias referencias; la habilidad identifica patrones dominantes y anota variantes.

Paso 2 — Extraer DNA. Entrega las referencias al agente. Inspecciona cada propiedad visual en las tres dimensiones y genera un Design DNA JSON completo y cuantificado, sin campos vacíos ni conjeturas. Ese JSON es una especificación de diseño portable y reutilizable.

Paso 3 — Generar desde el DNA. Proporciona el JSON de DNA junto con tu propio contenido. El agente produce implementaciones que reproducen fielmente el lenguaje de diseño original adaptándose a tu material y copy.

El JSON de DNA es el artefacto central. Una vez extraído, puede versionarse, compartirse entre equipos, reutilizarse en varios proyectos y refinarse de forma iterativa, convirtiendo un «hazlo como ese sitio» subjetivo en una especificación precisa y reproducible que cualquier agente puede consumir.

[!TIP] Enriquecer el aspecto visual. Si el primer resultado sigue pareciendo pobre o poco detallado frente a las referencias, inicia una iteración de pulido explícita: vuelve a adjuntar las mismas URL o capturas. Así reduces la distancia entre un borrador usable y un resultado rico y fiel a la referencia sin empezar de cero.

Prompt: Frente a la referencia, revisa jerarquía, ornamentación, ritmo tipográfico, movimiento, materialidad y la UI en conjunto; luego incorpora tus conclusiones a la implementación actual.

Medición determinista (opcional)

La percepción de color de los LLM tiende a desviarse hacia valores predeterminados de paletas conocidas: un rosa de marca como #ff90e8 puede «verse» como #ec4899 (ΔE ≈ 29). Dos scripts opcionales permiten medir las fases de análisis y generación:

Los siguientes comandos manuales están pensados para un clon local de este repositorio. Ejecútalos desde la raíz del clon:

npm install --prefix ./scripts

# Analizar: medir la paleta exacta de una captura de referencia
node scripts/measure-colors.mjs reference.png > measured-colors.json

# Generar: evaluar la captura de la implementación frente a la referencia
node scripts/verify.mjs implementation.png measured-colors.json

Cuando se instala como habilidad de agente mediante la instalación rápida, el agente debe resolver estos scripts desde el directorio absoluto que contiene el SKILL.md cargado; el usuario no necesita un directorio scripts/ en la raíz de su proyecto.

measure-colors.mjs ejecuta un agrupamiento k-means determinista sobre los píxeles reales (fusionando el ruido del antialiasing mediante ΔE perceptual) y genera colores hexadecimales exactos, cobertura como fracciones 0..1, funciones de fondo/texto/acento y el k del agrupamiento. verify.mjs reutiliza el k registrado, vuelve a medir el resultado generado e informa el ΔE por color y la desviación de cobertura con umbrales PASS/FAIL. Así, el agente puede autocorregirse sin depender de la evaluación visual del usuario. Cuando las referencias son imágenes, la habilidad indica a los agentes que usen ambos scripts automáticamente. No se necesitan claves de API.

Misma referencia (el hero de bun.sh), mismo agente: reconstrucción percibida frente a reconstrucción medida.

Ejemplo: reconstrucción del hero de bun.sh a partir del estilo percibido frente a tokens medidos. La reconstrucción medida reproduce todos los tokens (verificación PASS, ΔE medio de 0.87); la reconstrucción percibida desvía el fondo casi negro a #000000 y el rosa de marca al familiar #ec4899 (FAIL, ΔE medio de 9.54).

Compatibilidad

Cumple la especificación Agent Skills. Instalable con la CLI skills en todos los agentes compatibles, incluidos Cursor, Claude Code, Codex, GitHub Copilot y más de 40.

Contribuciones

Las issues y pull requests son bienvenidas. Si cambias el comportamiento de la habilidad, actualiza SKILL.md y los archivos afectados en references/ para mantener coherencia entre documentación y comportamiento.

Licencia

MIT

Historial de estrellas

Explorar proyectos relacionados