去除AI痕迹
v2.88 主要变更(模型无关)
- 模型无关:使用在
~/.claude/settings.json中配置的模型或CLI/env变量 - 无需标志:与配置的默认模型一起工作
- 灵活:适用于GLM-5、Claude、Minimax或任何配置的模型
- 设置驱动:通过
ANTHROPIC_DEFAULT_*_MODEL环境变量选择模型
用于从散文中去除AI特征的技能。AI写作有模式——可预测的短语、结构和节奏。一旦你注意到它们,你将无处不在地看到它们。
它捕捉的内容
禁止短语
清嗓子开场 — 延迟实际内容的通用开场:
- “当然!”
- “重要的是要注意…”
- “应该指出…”
- “值得指出的是…”
- “在当今快节奏的世界…”
- “在不断演变的…领域中…”
强调拐杖 — 过度使用的强调模式:
- “扮演着至关重要的角色”
- “绝对至关重要”
- “不可过分强调”
- “特别重要”
商业行话 — 空洞的企业用语:
- “利用…的力量”
- “直接深入”
- “继续下一个”
- “归根结底”
结构陈词滥调
二元对比 — 强制的非此即彼框架:
- “这不仅仅是X,它是Y”
- “一方面…另一方面…”
戏剧性断裂 — 为了强调而不必要的换行:
- 长句后的短句仅为效果
修辞设置 — 可预测的问题-答案模式:
- “那么这意味着什么?”
- “答案是…”
风格习惯
三重奏 — 作为模式的三列表:
- 例子、证据和专业知识
- 快速、灵活、实惠
节奏性结尾 — 句子都以相同的方式结束
即时问答 — 在同一段落中提问和回答
评分
每个维度评分1-10:
| 维度 | 问题 |
|---|---|
| 直接性 | 陈述或公告? |
| 节奏 | 多样或节奏性? |
| 信任 | 尊重读者智力? |
| 真实性 | 听起来像人类? |
| 密度 | 有可削减的吗? |
低于35/50: 修订内容。
流程
编辑内容时:
- 扫描禁止短语 — 移除清嗓子开场
- 修复结构陈词滥调 — 打破二元对比,减少三重奏
- 检查节奏 — 变化句子长度和结构
- 尊重信任 — 不要过度解释,不要陈述显而易见的
- 验证真实性 — 听起来像是人写的吗?
- 修剪密度 — 削减任何不增加价值的内容
要移除的内容
- 填充短语和对冲
- 过度使用的过渡(此外,而且,另外)
- 人为的正式性(由于事实上,为了)
- 冗余表达(每个和每一个,各种各样的)
- 元评论(如上所述,这证明了…)
- 通用开场(当然!在当今快节奏的世界…)
要保留的内容
在移除痕迹时,保持:
- 真正的技术解释
- 实际的洞察和分析
- 有意义的示例和证据
- 作者的真实声音
- 事实和准确的信息
反目标
这项技能不:
- 降低写作水平
- 移除所有复杂性
- 改变你的个人风格
- 消除必要的解释
- 使一切变短
快速参考
| AI模式 | 修复 |
|---|---|
| “重要的是要注意” | 删除或直接陈述 |
| “总之”(作为过渡) | 只结束或总结 |
| “此外/而且” | 删除或使用特定过渡 |
| “扮演着至关重要的角色” | "重要"或描述角色 |
| “方式” | “如何” |
| “由于事实上” | “因为” |
| “每个和每一个” | “每个"或"每一个” |
| “广泛的” | “许多” |
| “如上所述” | 继续 |
| “这证明了” | 直接陈述它证明了什么 |
转换示例
示例1
BEFORE(AI痕迹):
“重要的是要注意,持续实践在技能发展中扮演着至关重要的角色。此外,我们必须考虑动机是维持这种一致性的关键因素。而且,这突出了设定现实目标的重要性。”
AFTER(人类):
“持续实践发展技能。动机让你继续前进,所以设定现实目标。”
示例2
BEFORE(AI痕迹):
“应该指出的是,有各种各样的方法来解决这个问题。每种方法都提供了独特的一系列优点和缺点。总之,最佳选择取决于具体情境。”
AFTER(人类):
“有几种方法可以解决这个问题。每种都有利弊。选择适合你情况的。”
示例3
BEFORE(AI痕迹):
“当然!让我们直接深入。在当今快节奏的数字领域中,企业必须利用技术的力量来保持竞争力。至关重要的是要理解数字化转型不仅仅是一个流行词。”
AFTER(人类):
“让我们深入。为了保持竞争力,企业需要技术。数字化转型很重要。”
使用方法
Claude代码: 这个文件夹是一个技能。编辑散文时调用 @stop-slop。
Claude项目: 将SKILL.md上传到项目知识库。
API调用: 在系统提示中包含SKILL.md。
参考文件
完整列表,请参见:
references/phrases.md— 完整的禁止短语列表references/structures.md— 要避免的结构模式references/examples.md— 更多前后转换
基于Hardik Pandya的工作