title: "用技能文件模式构建 AI 文本" 去 AI 痕迹 "流水线" date: "2026-05-29T14:26:50+08:00" excerpt: "基于 stop-slop 技能文件，构建规则引擎驱动的 AI 文本风格检测与重写流水线，实现可配置的" 去 AI 痕迹 "工程方案。" category: "ai-systems"
AI 生成文本正在面临一个尴尬的困境：内容质量不断提升，但 "AI 味" 却越来越重。读者能轻易识别出那些过度结构化的表达、程式化的过渡词，以及缺乏真实人类痕迹的叙述方式。这种被称为 "slop"（AI 痕迹文本）的现象，不仅影响阅读体验，更在内容平台、出版行业和创意写作领域引发了 authenticity 危机。
stop-slop 是一个开源的技能文件项目，通过规则引擎模式为 AI 文本提供系统化的 "去 AI 痕迹" 方案。它并非简单的提示词模板，而是一套可嵌入工作流的结构化规则体系，能够在检测、重写、评估三个阶段实现自动化的风格校准。
技能文件模式的技术架构
stop-slop 采用模块化的技能文件架构，核心由 SKILL.md 主文件和 references/ 目录下的三个规则库组成。SKILL.md 定义了八条核心规则：删除填充短语、打破程式化结构、使用主动语态、保持具体性、变化节奏、信任读者、删除引用式表达。每条规则都配有明确的触发条件和执行指令，使 LLM 能够在推理过程中自我检查。
references/ 目录下的三个文件构成了规则引擎的知识库：phrases.md 收录了需要删除的短语清单，包括开场白（"Here's the thing"）、强调词（"Full stop"）、商业术语（"deep dive"）和全部副词；structures.md 定义了需要避免的结构模式，如二元对比（"Not X, but Y"）、否定列举、戏剧化断句等；examples.md 则提供前后对比的改写示例，用于 few-shot 学习。
这种架构的优势在于可维护性和可扩展性。规则以 Markdown 格式存储，便于版本控制和团队协作。当发现新的 AI 痕迹模式时，只需在对应的引用文件中添加条目，无需修改核心逻辑。
三层检测机制
stop-slop 的检测层采用三级过滤策略，分别对应词汇、句法和语篇三个层面。
词汇层过滤针对高频 AI 痕迹短语。phrases.md 将禁用短语分为六类：开场白（throat-clearing openers）、强调拐杖（emphasis crutches）、商业行话、副词、元评论（meta-commentary）和表演性强调。每类都有具体的替换建议，例如将 "navigate challenges" 替换为 "handle"，将 "deep dive" 替换为 "analysis"。
句法层过滤关注句子层面的模式。规则要求避免以 Wh - 词（What/When/Where/Which/Who/Why/How）开头的句子，禁止使用破折号（em-dash），并要求每个句子都有明确的人类主语执行动作。被动语态被严格限制，"X was created" 必须改写为 "Name who created it"。
语篇层过滤处理段落和篇章结构。二元对比结构（"The answer isn't X. It's Y."）被认为是 "机械化的反转"，应当直接陈述 Y。否定列举（"Not a X... Not a Y... A Z."）被批评为 "修辞脱衣舞"，应当直接给出 Z。戏剧化断句（"X. And Y. And Z."）和虚假主体（"the decision emerges"）也在禁用之列。
重写策略：主动语态与具体性
检测之后的重写阶段遵循两条核心原则：主动语态和具体性。
主动语态要求每个句子都有明确的人类主语。stop-slop 特别强调 "虚假主体" 问题 ——AI 倾向于使用 "the complaint becomes a fix"、"the culture shifts"、"the data tells us" 等表达，将动作归因于抽象概念而非具体的人。规则要求将这些改写为 "The team fixed it"、"People changed behavior"、"Someone reads it and draws a conclusion"。
具体性原则要求消除模糊陈述。"The reasons are structural"、"The implications are significant" 这类不指明具体内容的声明被视为 "模糊陈述"，必须替换为具体的事实。同样，"every"、"always"、"never" 等极端词汇也被禁止，要求使用具体的范围或实例替代。
节奏变化是另一个关键维度。规则建议混合句子长度，避免三个连续句子长度相同。段落结尾应当多样化，不应当每个段落都以有力的单句结束。三项目列表被建议改为两项或一项，以减少程式化感。
五维评分系统
stop-slop 提供了一套可量化的评估框架，从五个维度对文本进行 1-10 分的评分：
- 直接性（Directness）：陈述事实还是发布公告？
- 节奏（Rhythm）：变化丰富还是机械单调？
- 信任（Trust）：是否尊重读者的理解能力？
- 真实性（Authenticity）：听起来像人类写作吗？
- 密度（Density）：是否有可删除的内容？
总分 50 分，低于 35 分的文本需要重写。这个评分系统可以作为自动评估的阈值，也可以作为人工审核的参考。在工程实现中，可以要求 LLM 在输出时附带自评分数，或者通过独立的评估模型进行打分。
工程集成方案
stop-slop 提供了四种集成方式，适应不同的使用场景：
Claude Code 技能：将整个文件夹添加为技能，Claude 会在相关对话中自动应用这些规则。
Claude Projects 知识库：上传 SKILL.md 和引用文件到项目知识，使特定项目中的对话遵循这些规范。
自定义指令：将核心规则复制到自定义指令中，适用于所有对话。
API 调用：在系统提示中包含 SKILL.md，引用文件按需加载。这种方式适合批量处理流水线，可以在内容生成后自动进行 "去 AI 痕迹" 处理。
对于需要构建自动化流水线的场景，建议采用以下架构：首先使用基础模型生成初稿，然后调用带有 stop-slop 技能的模型进行重写，最后通过评分模型进行质量评估。低于阈值的文本可以进入人工审核或再次重写。
局限与注意事项
规则引擎方法虽然有效，但也存在局限。过度应用可能导致文本失去个性，变得过于简洁甚至生硬。某些文学手法（如刻意使用被动语态营造距离感）可能被误判为 AI 痕迹。建议在关键场景保留人工审核环节，将 stop-slop 作为辅助工具而非绝对标准。
此外，AI 痕迹的模式在不断演变，规则库需要持续更新。建议建立反馈机制，将人工审核中发现的新模式定期合并到 phrases.md 和 structures.md 中。
资料来源
- stop-slop 项目仓库：https://github.com/hardikpandya/stop-slop
- SKILL.md 核心规则文件：https://github.com/hardikpandya/stop-slop/blob/main/SKILL.md
- phrases.md 禁用短语清单：https://github.com/hardikpandya/stop-slop/blob/main/references/phrases.md
- structures.md 禁用结构模式：https://github.com/hardikpandya/stop-slop/blob/main/references/structures.md
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。