你有没有发现，AI 写的文章总有一股挥之不去的"AI 味"？
"值得注意的是……"、"在当今快节奏的环境中……"、"让这个观点沉淀一下。"
这些句子你一眼就能认出来。它们没有语法错误，但它们是可预测的。一旦你注意到这些模式，就会在 AI 生成的每一段文字里看到它们。
stop-slop 就是为了解决这个问题而生的。它是一个专为 Claude（以及其他 LLM）设计的"技能包"（Skill），通过一套精心设计的规则，帮助 AI 识别并消除那些暴露"AI 身份"的写作模式——包括特定的禁用短语、结构性陈词滥调，以及节奏上的机械习惯。
核心特点：三个维度"去 AI 化"
stop-slop 从三个维度对 AI 写作进行深度净化：
1. 禁用短语（Banned Phrases）
直接清理那些 AI 惯用的"口头禅"：
- 清嗓子式开场："Here's the thing:" / "说实话" → 直接删除
- 强调拐杖词："Full stop." / "让这个沉淀一下" → 删除
- 商业黑话："Leverage" / "深度挖掘" → 替换为平实语言
- 填充副词："值得注意的是" / "重要的是" → 删除
- 元评论："Plot twist:" / "剧透一下" → 删除
2. 结构性陈词滥调（Structural Clichés）
打破 AI 写作中常见的僵硬结构：
- 二元对比："不是 X，而是 Y。"
- 戏剧性碎片化：用单词句制造效果
- 修辞式铺垫："如果我告诉你……你会怎么想？"
- 三段式排比：过度使用平行结构
- 节拍器式节奏：每句话长度几乎相同
3. 风格习惯（Stylistic Habits）
- 段落总以"金句"收尾
- 破折号前必有"揭示"
- 解释每一个比喻，不信任读者
技术亮点：零代码的纯文本系统
stop-slop 的设计哲学极其简洁，却非常聪明：整个系统没有一行可执行代码。
它完全由纯文本 Markdown 文件构成，"运行时"就是 LLM 本身。项目结构如下：
stop-slop/
├── SKILL.md ← 核心指令，规则+评分+快速检查
├── references/
│ ├── phrases.md ← 禁用短语查找表
│ ├── structures.md ← 结构模式查找表
│ └── examples.md ← 改写前后对比示例处理流水线
- 原始文本输入
- 5 条核心规则：删短语 → 破结构 → 变节奏 → 信读者 → 删金句
- 4 项快速检查：连续三句等长？段尾金句？破折号揭示？解释比喻？
- 5 维度评分（满分 50 分）：
- 直接性（Directness）：是陈述事实，还是在"宣告"？
- 节奏（Rhythm）：句子长短有变化，还是像节拍器？
- 信任感（Trust）：尊重读者智识，还是在手把手带路？
- 真实感（Authenticity）：听起来像人说的话吗？
- 密度（Density）：还有什么可以删掉？
- 输出：评分 ≥ 35 分才输出
使用方法
stop-slop 支持四种接入方式，覆盖主流使用场景：
- 方式一：Claude Code（推荐）：将整个 stop-slop 文件夹作为 Skill 添加到 Claude Code 中，自动触发。
- 方式二：Claude Projects：将 SKILL.md 和 references/ 下的文件上传到项目知识库。
- 方式三：自定义指令：将 SKILL.md 中的核心规则复制到系统提示词（System Prompt）中。
- 方式四：API 调用：在 system prompt 中包含 SKILL.md 内容，reference 文件按需加载。
真实改写对比（Demo）
来看看 stop-slop 的实际效果：
案例 1：清嗓子 + 二元对比
❌ 改写前：
"Here's the thing: building products is hard. Not because the technology is complex. Because people are complex. Let that sink in."
✅ 改写后：
"Building products is hard. Technology is manageable. People aren't."
删掉了开场废话、二元对比结构和强调拐杖词，只留下直接陈述。
案例 2：商业黑话堆砌
❌ 改写前：
"In today's fast-paced landscape, we need to lean into discomfort and navigate uncertainty with clarity. This matters because your competition isn't waiting."
✅ 改写后：
"Move faster. Your competition is."
黑话全部消除，核心信息压缩到 6 个词。
案例 3：戏剧性碎片化
❌ 改写前：
"Speed. Quality. Cost. You can only pick two. That's it. That's the tradeoff."
✅ 改写后：
"Speed, quality, cost—pick two."
一句话搞定，不需要表演式强调。
案例 4：修辞式铺垫
❌ 改写前：
"What if I told you that the best teams don't optimize for productivity? Here's what I mean: they optimize for learning. Think about it."
✅ 改写后：
"The best teams optimize for learning, not productivity."
直接给出结论，不需要修辞脚手架。
总结
stop-slop 解决的是一个真实存在且越来越重要的问题：AI 写作的同质化。
它的聪明之处在于：不是试图让 AI"更有创意"，而是通过一套可执行的规则，系统性地消除那些让文字显得机械的模式。没有代码，没有构建步骤，没有依赖——只有一份精心设计的 Markdown 指令文件。
苏米注：如果你经常使用 Claude 或其他 LLM 辅助写作，stop-slop 值得加入你的工作流。特别是内容创作者、产品经理、开发者和营销人员，它能有效避免"AI 腔"拉低可信度。