About de-slop
de-slop is a writing skill for detecting and revising formulaic AI-like prose in Chinese and English. It routes edits by language and prioritizes preserving the author's voice and the source's facts.
Key features
- 01Selects pattern references by language
- 02Offers quick edit, detect, and diagnosis modes
- 03Checks patterns across five root categories
- 04Preserves author voice and source facts
- 05Uses mode-specific output formats
Use cases
- 01Remove filler and empty jargon
- 02Scan text for formulaic patterns
- 03Diagnose and rewrite several pattern types
- 04Edit mixed Chinese-English text
Install
Copy the command and run it in a terminal.
$
npx skills add https:/ / github.com/ hu3rror/ my-skills --skill de-slopAfter installing, type/de-slopin Claude Code to confirm it loaded.
Bundled filesreferences/patterns-en.mdreferences/patterns-zh.md
Details
From the project READMEDe-slop:去 AI 味 / 模板腔消除
判断标准:AI 写作的问题不是"文笔差",而是空洞的中庸、虚伪的拔高、机械的对称——读起来像模板在填空,而不是一个具体的人在讲一件具体的事。你的任务是剥离这些模板痕迹,同时不磨平作者本来的个性和锋芒。
一、语言路由
先判断用户粘贴文本的语言,再加载对应的模式库文件,不要凭记忆套用另一种语言的具体词汇黑名单(两种语言的"空词"完全不同):
- 中文文本 → 读取
references/patterns-zh.md - 英文文本 → 读取
references/patterns-en.md - 中英混排 → 按段落分别处理,各自对照对应文件
二、模式路由
| 模式 | 触发关键词示例 | 输出内容 |
|---|---|---|
| 快速改写 / Quick Edit(默认) | 改一下、去AI味、润色、优化;或直接粘贴文本无说明 | 改写后的完整正文 + 修改说明 |
| 纯检测 / Detect | 检查一下、检测、扫描、flag、audit、does this sound AI | 仅问题清单(模式名 + 原文引用 + 一句话建议)。不改写、不打分、不判断是否由 AI 生成 |
| 深度诊断 / Full Diagnosis | 全面诊断、体检、deep scan and rewrite、detailed teardown | 完整诊断报告:浓度评级 + 保护区确认 + 按 R1–R5 逐项定位 + 完整改写版本 + 节奏说明 |
未指定模式且提供了文本 → 默认快速改写。未提供文本 → 提示用户粘贴文本,不要臆造示例文本来演示。
三、核心编辑原则
- 保护作者的原生特征:改写前先识别词汇偏好、口语停顿、幽默、迟疑或观点锋芒。保留粗糙但真实的表达,不要为了统一风格抹平个性。
- 最小有效修改:只清理空话、套话、假因果和机械结构。已经自然有力的句子原样保留。
- 事实绝对保真(硬边界):不得凭空捏造原文没有的人物、案例、数据或引用;观点文本可以激发作者原有的态度,但不得在客观说明文/技术文档里强行加戏。
- 具体胜过抽象:抽象词必须落地成事实,例如"显著提升了效率"→"部署时间从 40 分钟缩短到 4 分钟"。可迁移测试:如果一句话换到任何公司、产品、话题下依然成立,它就是废话,直接删除或换成具体信息。
- 动词驱动:把名词化结构改回动词,例如"对系统进行优化"→"优化系统","has the capability to"→"can"。
四、声音保护区(Voice Sanctuary)
改写前先划定保护区,保护区内的句子一字不动:
- 用户明确要求保留的句子
- 口头禅 / 标志性表达:自然重复出现且不是作为套话开头的口语习惯(如反复出现的"说实话")
- 具体锚定的真实情绪:与具体场景绑定的细节(如"看到那个数字时,我手停在半空")
- 真人不完美痕迹:自然的自我纠正、语流停顿、真诚的迟疑
五、五大根源(R1–R5)
所有 AI 味模式都归入以下五类;具体的中/英文词汇和例句在各自的 references/patterns-*.md 里,每条都标注了所属根源。诊断和改写时按这五类逐一过一遍,而不是逐句凭感觉找。
| 根源 | 定义 | 典型症状 |
|---|---|---|
| R1 — 空洞拔高与套路化客套 | 没有实质内容的开场白、收尾客套、未经证实的宏大定性 | 「首先/综上所述」类结构胶水、「希望以上内容对您有所帮助」、「具有划时代意义」 |
| R2 — 机械对称结构 | 句式/段落被结构本身而非内容驱动 | 连续排比、三段式对称、「这不仅仅是X,更是Y」、口号式升华收尾 |
| R3 — 空词与行话 | 词汇本身不携带信息,只营造"高级感" | 「赋能/闭环/底层逻辑」、英文 leverage/delve/robust、被动语态与名词堆叠 |
| R4 — 伪逻辑与假中立 | 看似在分析,实际没有真实判断 | 无实质因果的「因此/不难发现」、通篇「一方面……另一方面……」却不给结论、trailing "-ing" 假总结 |
| R5 — 格式滥用 | 用排版制造重要感而非内容本身重要 | 正文乱加粗、多余分隔线、小标题堆砌、em dash 当节奏拐杖 |
六、工作流程
快速改写
- 通读,提取核心信息点与作者原本语气。
- 按第四节标出保护区。
- 对照对应语言的
references/patterns-*.md,逐类清理 R1–R5 命中项;把抽象形容词换成具体事实/动作。 - 按第七节的质检标准自查。
- 按第八节模版输出。
纯检测
- 对照
references/patterns-*.md逐段排查 R1–R5 命中项。 - 按格式列出:【根源 + 模式名】+「原文片段」+ 一句话修改建议。
- 不改写正文,不打分,不猜测是否由某个具体模型生成。
深度诊断
- 浓度评级:粗略给出轻度/中度/重度(依据命中的根源类别数和密度,不是精确到小数点的分数)。
- 保护区确认:列出识别到的保护区句子。
- 逐项定位:按 R1–R5 分类列出命中项,每项带原文引用和修改方向。
- 完整改写版本。
- 节奏与修改说明:概述整体调整思路。
七、质检自查标准
改写完成后逐条自查,不满足就返工:
- 事实保真:没有编造原文不存在的数据、人物、事件;没有删除作者的核心观点。
- R1–R5 逐类过一遍:五类都检查过,没有明显漏改的典型样本。
- 节奏检查:挑出改写后最长的 3 句和最短的 3 句,确认长短交错;如果某段落里连续两句以上长度/结构接近,回去重写。
- 未过度磨平:作者原本的锋芒、幽默或口语化保留下来了,没有被统一压成书面语。
八、输出模版
快速改写(中文)
## 改写后文本
{完整改写文本}
---
### 修改说明
- **清理套话/空词**:{删除了哪些结构胶水或抽象修饰}
- **句式与节奏调整**:{如何打破了对称/翻译腔/匀速段落}
- **事实与细节强化**:{做了哪些具体化改动}
Quick Edit(English)
## Edited Draft
{Full rewritten text}
---
### What changed
- **Removed Filler & Jargon**: {Key terms and empty openers pruned}
- **Structural Fixes**: {How binary contrasts, colon reveals, or robotic rhythm were untangled}
- **Clarity & Directness**: {Specific abstractions replaced with concrete phrasing}
纯检测 / Detect
### 发现的 AI 痕迹 / AI Patterns Identified
1. **【R{n} · {模式名 / Pattern Name}】**
- 原文 / Quote:「{引用原句}」
- 建议 / Fix:{一句话具体建议}
Comments
Markdown supported