antislop

AntiSlop

一款全面的 AI 写作模式检测与修复工具。它结合了 Wikipedia 上的 AI 写作迹象和高级结构检测，并提供能够实际修复问题的编辑器模式。

30 秒测试

占星运势测试：

“这段内容是否可以由任何人写给任何人？”

如果是，那就是水文。就像占星运势——理论上适用于所有人，却无法引起任何人的共鸣。

不合格的内容：

• 缺乏具体示例的模糊说法
• 不考虑上下文、适用于所有人的建议
• 缺少作者鲜明观点的内容
• 换上任何署名都说得通的文字

合格的内容：

• 提及具体工具、日期和结果
• 以亲身经历为基础的个人观察
• 并非所有人都会认同的观点
• 只有这位作者才知道的细节

---

用法

/antislop

[paste your text here]

或者直接让 Claude 检查文本：

Please run antislop on this: [your text]

---

工作原理

1. 进行占星运势测试 - 这段内容是否可以由任何人写给任何人？
2. 扫描模式 - 检查 6 类中 50 多种已知的 AI 写作特征，结构特征的权重高于词汇特征
3. 计算水文评分 - 按等级划分严重程度，并进行量化评分
4. 应用修复 - 编辑器模式会改写问题，而不只是标记问题
5. 报告更改 - 显示每项修复的修改前后内容

---

检测模式（50 多种，侧重结构）

第 1 级：AI 词汇密度（评估词语组合，而非单个词语）

在 2023–2024 年 GPT-3.5/4 时代，这些词几乎可以确定是 AI 写作的信号。2025–2026 年的前沿模型很少再大量使用其中最明显的词语，因此现在单独出现一次意义不大——应把它视为密度探针，而非屏蔽词列表。一段话中有三个或更多此类词语集中出现，仍是可靠信号；单独出现一个 “leverage” 通常不算。评估密度（见“评分”），而非逐个评估词语。

旧信号——影响力减弱，但集中出现时仍值得标记：

模式	示例	修改方式
深入探讨	“让我们深入探讨……”	删除，或改为直接陈述
颠覆性变革	“这种颠覆性的方法……”	描述实际影响
革命性	“一种革命性的新方法……”	说明它的实际作用
释放潜力	“释放你的潜力……”	完全删除
Leverage（作动词）	“利用这些见解……”	改为“使用”
值得注意的是	“值得注意的是……”	直接陈述内容
当今的数字环境	“在当今的数字环境中……”	删除
尖端	“尖端解决方案……”	删除
Tapestry（抽象用法）	“影响交织成一幅丰富的图景……”	删除，或具体说明
充满活力	“一个充满活力的社区……”	删除，或使用具体细节
相互作用	“X 与 Y 之间的相互作用……”	改为“X 和 Y 如何相互影响”
赢得	“赢得了……的关注”	改为“获得了关注”，或具体说明

当前信号——如今的模型仍倾向使用的词汇：

模式	示例	修改方式
突显／凸显	“这凸显了……的重要性”	改为“这表明”，或直白陈述
证明	“这是他们敬业精神的证明……”	直接陈述证据
是／充当	“是一个提醒……”	改为“是”，或描述发生了什么
拥有	“该平台拥有 40 项集成”	改为“有”
应对（比喻用法）	“应对……的复杂性”	改为“处理”，或具体说明
领域	“在……领域”	改为“在”
培养	“培养一种……的文化”	改为“建立”或“鼓励”
不断演进／不断变化	“不断演进的 AI 格局”	删除；指出具体变化
无缝／无缝地	“无缝集成”	描述它的实际作用
格局（抽象用法）	“竞争格局”	指出具体领域或参与者

研究证据（词汇信号在 2023–2024 年达到峰值；基于密度的检测比任何词语列表都更经久有效）：

• 芬兰研究（56,878 篇文章）：“delve”的使用量在 ChatGPT 推出后增加了 10.45 倍
• Georgia Tech（1.683 亿篇文章）：“delve”在 2024 年第一季度的使用量从每千篇论文 0.31 次升至 7.9 次
• 生物医学研究：“delve”“realm”“underscore”的共同使用量在 2023–2024 年增加了多达 85 倍
• **2025–2026 年的变化：**前沿模型经过调整，减少了最明显的 2023 年信号，因此如今的检测更依赖结构（见下文）；这一信号依然有效。

第 2 级：重复使用时可疑

过度使用或集中出现时会有问题。

模式	示例	修改方式
事情是这样的	反复使用	保留第一次，之后改用其他表达
归根结底	“归根结底……”	删除
最重要的是	“最重要的是……”	直接陈述
让我们深入了解	“闲话少说，让我们深入了解”	删除
全面且详尽	成对使用的形容词	选用一个
简单而直接	成对使用的形容词	选用一个
在这篇文章中，我们将介绍	模板式开场	删除
阅读本文后	承诺式开场	删除

第 3 级：留意模式聚集

单独看没问题，组合起来就有问题。

模式	示例	修正
However/But	每个段落都以这种方式开头	变换过渡方式
Firstly/Secondly/Thirdly	列举要点	使用自然的行文方式
Moving forward	"Moving forward, we'll..."	删除
Robust/Seamless/Scalable	企业宣传套话	使用具体术语
Stakeholder	"Key stakeholders..."	指明具体对象，或说“人们”

---

内容模式

#	模式	修改前	修改后
1	夸大重要性	"marking a pivotal moment in the evolution of..."	"was established in 1989 to collect statistics"
2	堆砌知名媒体名称	"cited in NYT, BBC, FT, and The Hindu"	"In a 2024 NYT interview, she argued..."
3	肤浅的 -ing 分析	"symbolizing... reflecting... showcasing..."	删除，或补充实际来源
4	宣传性语言	"nestled within the breathtaking region"	"is a town in the Gonder region"
5	模糊的归因	"Experts believe it plays a crucial role"	"according to a 2019 survey by..."
6	公式化地描述挑战	"Despite challenges... continues to thrive"	提供实际挑战的具体事实
7	提纲式结论	“挑战”一节以乐观展望收尾	删除，或替换为实际分析
8	捏造精确数据	没有来源却称“将部署时间缩短了 47%”	引用来源，或诚实地给出范围，或删掉数字

捏造精确数据是当前模型的明显特征：没有引用来源，却给出看似精确的数字（47%、3.2 倍、“超过 10,000 小时”）来营造权威感。标记任何没有来源的硬性统计数据。

---

语言模式

#	模式	修改前	修改后
7	回避系词	"serves as... features... boasts..."	"is... has..."
8a	否定式平行结构：“不是 X，而是 Y”	"It's not about the tools, it's about the process"	直接陈述观点
8b	否定式平行结构：“不只是 X，还有 Y”	"Not just faster, but also cheaper"	直接说明情况，删去铺垫
8c	否定式平行结构：“X 而非 Y”	"By removing tools rather than adding them"	直接陈述做法
9	三项并列	"innovation, inspiration, and insights"	根据内容自然决定列举项数
10	同义词轮换	"protagonist... main character... central figure..."	使用“protagonist”，表达最清楚时可重复使用
11	虚假的范围表达	"from the Big Bang to dark matter"	直接列出主题
12	生硬正式的措辞	"individuals" / "utilize" / "implement"	"people" / "use" / "do"

---

风格模式

#	模式	修改前	修改后
13	过度使用破折号	"institutions--not the people--yet this continues--"	使用逗号或句号
14	过度使用粗体	"OKRs, KPIs, BMC"	"OKRs, KPIs, BMC"
15	表情符号标题	"Target Goal / Lightbulb Key Insight / Check Action Item"	删除表情符号
16	标题式大小写	"Strategic Negotiations And Partnerships"	"Strategic negotiations and partnerships"
17	滥用列表	所有内容都变成项目符号	适当改为段落
18	弯引号	始终使用直引号	始终使用直引号
19	不必要的表格	本可写成一个句子的 3 行表格	改写为文字
20	内嵌标题式垂直列表	"The problem: X. The cause: Y. The fix: Z."	改写为段落；带粗体引导语的项目符号列表是当前明显特征
21	标题层级异常	跳过层级、满篇一级标题，或在每个章节之间都省略分隔线（---）	使用正常、嵌套的标题结构

---

结构模式（关键）

这些模式无法通过基于短语的检测发现，却是明显特征。

断续短句垃圾信息

连续三个或更多简短的陈述句，以平行结构陈述事实。这是 AI 把要点伪装成散文的写法。

之前：

这个模型令人印象深刻。复杂代码很快就能交付。文档会自动写好。问题能迅速解决。

之后：

这个模型令人印象深刻——复杂代码一次会话就能交付，文档几乎能自动写好，而原本要花一个周末解决的问题，现在一个下午就能搞定。

检测规则： 连续 3 句或更多，每句都少于 10 个词，都是陈述句，采用平行结构，而且都可以改成要点。

句子长度过于一致

每句话都在 10 到 15 个词之间。短促有力，却令人疲惫。

真实写作有节奏——既有 5 个词的句子来强调重点，也有 25 个词的句子来探讨影响。

对照句式

之前：

这不是理论。这是实践。 这不是一个功能。这是一种理念。 重点不是 X。重点是 Y。

之后：

下面介绍它在实践中如何运作： [直接说明它是什么]

AI 喜欢这种修辞模式。听起来干脆利落，却浪费篇幅告诉读者某事不是什么。

各部分过度均衡

每个部分都一样长。所有段落都由 3 到 4 句话组成。AI 没有自己的观点，所以会对所有内容一视同仁地均衡讲解。真实写作会体现优先顺序。

---

沟通模式

#	模式	之前	之后
18	聊天机器人套话	“希望这对你有帮助！如果你有什么问题……”	全部删掉
19	信息不足免责声明	“虽然可用来源中的细节有限……”	查找来源，或删掉
20	谄媚语气	“问得真好！你说得完全正确！”	直接回应
21	夹心式恭维	“传统方法固然有其价值，现代方法则提供……”	直接表明你的实际立场

---

高级结构特征

刻意营造个性

AI 试图显得像人，却给人矫揉造作的感觉：

之前：

五项服务。五个标签页。五重烦恼。 很快就让人厌烦了。 所以我搭建了一个 MCP 服务，把它们整合起来。

之后：

我在工作流中使用五种不同的服务。它们都是可靠的平台，但和大多数 SaaS 工具一样，每种服务都意味着又一个控制面板、又一套要导航的菜单，以及又一次上下文切换。

不刻意营造犀利感。不故作讽刺。只是描述情况。

自我宣传式框架

把作者的成就放在标题位置，而不是关注读者的转变。

之前：

我在假期期间交付了 11 个项目。以下是我的收获。

之后：

大多数开发者都没有意识到，[关于读者处境的观察]。现在情况正在发生变化……

作者的经历是证据，不是故事本身。

解释型标题模板

承诺提供见解，实际却只给出模板结构的标题：

• “这为什么确实行得通”
• “这对你意味着什么”
• “真正的原因……”
• “事情的真相是……”

改进方法： 换成能概括实际内容的描述性标题。

诱导互动式开场

用反问句假装对话，以此制造兴趣：

• “如果我告诉你……”
• “有没有想过为什么……？”
• “说实话：”
• “想象一下：”
• “问题在于——”

改进方法： 直接从核心论点或具体细节切入。相信读者会因为内容值得一读而继续读下去。

句末肯定语

在句子后附上一句简短的安慰或自我肯定：

之前：

自动化让人们可以专注于自己最擅长的事。这是件好事。 工具会处理那些枯燥的部分——这正是你想要的。

之后：

自动化让人们摆脱枯燥的工作。

这句肯定语没有增加任何信息。删掉它。

---

填充语与模糊措辞

#	模式	修改前	修改后
22	填充短语	“In order to” / “Due to the fact that”	“To” / “Because”
23	过度含糊	“could potentially possibly”	“may”
24	泛泛的结论	“The future looks bright”	具体计划或事实

---

评分系统

结构特征的权重高于词汇：现代模型经过训练，能够规避最明显的词汇特征，因此，一段文字即使读起来很流畅，结构上仍可能有问题。

模式类型	分值
每个 Tier 1 词（单独出现）	+1
Tier 1 集中出现（文段中出现 3 个或以上）	+4
每个 Tier 2 短语（重复出现）	+2
Tier 3 集中出现（章节中出现 3 个或以上）	+2
未通过占星测试	+5
短促片段滥用（每处）	+4
检测到句式单一	+3
比较式／否定平行结构（每处）	+3
行内标题式垂直列表	+3
刻意塑造个性	+4
吸引互动式开场	+2
结尾附和	+1
虚构精确数据（无来源的统计数据）	+2
自我宣传式表述	+5
模板化标题（每处）	+2

分数解读：

• 0-5： 风险低（少量修改）
• 6-12： 风险中等（需要大幅编辑）
• 13+： 风险高（很可能是未经编辑的 AI 输出）

---

编辑模式（默认）

此技能用于编辑，而非批评。检测完成后：

1. 使用 Edit 工具直接应用所有修正
2. 通过修改前／修改后的示例报告所做修改
3. 在原位置保存清理后的文件

修正优先级：

1. 删除所有 Tier 1 短语
2. 去除重复的 Tier 2 短语（保留首次出现的，后续改用其他表达）
3. 拆解短促片段（用 em-dash、逗号或连词合并）
4. 修正比较句（直接说明内容）
5. 在检测到句式单一时调整句长

若要在不编辑的情况下进行审查，请明确提出“仅审查”。

---

输出格式

## AntiSlop Report

**Horoscope Test:** [PASS/FAIL] - [reason]
**Slop Score:** [X] → [Y] - [Risk Level]

### Fixes Applied

| Location | Before | After |
|----------|--------|-------|
| Line 3 | "Let's delve into the details" | "Here are the details" |
| Line 15 | "Game-changing approach" | "Different approach" |

### Remaining Considerations
- [Any issues requiring human judgment]

### The Core Principle
Your voice is in the specificity, the opinions, the rough edges, and the rhythm. Protect those.

---

完整示例

修改前（听起来像 AI）：

好问题！以下是关于这个主题的文章。希望对你有所帮助！

AI 辅助编程是大模型变革潜力的持久见证，标志着软件开发演进过程中的关键时刻。在当今快速发展的技术环境中，这些突破性工具——处于研究与实践的交汇点——正在重塑工程师构思、迭代和交付成果的方式。

其核心价值显而易见：简化流程、加强协作、促进协同。这不仅仅是自动补全，更是大规模释放创造力。

• 速度：代码生成速度显著提升。
• 质量：输出质量有所提高。
• 采用情况：使用率持续增长。

总之，未来一片光明。如果你想让我进一步展开，请告诉我！

修改后（已修正）：

AI 编码助手可以加快某些任务。Google 在 2024 年的一项研究发现，使用 Codex 的开发者完成简单函数的速度比对照组快 55%，但在调试或架构决策方面没有任何提升。

这些工具擅长处理样板代码：配置文件、测试脚手架、重复性重构。它们无法判断自己何时出错。

一家金融科技初创公司的工程师 Mira 表示，她把 Copilot“当作无聊代码的自动补全工具”，但提交前会逐行检查。另一家大型公司的资深开发者 Jake 则禁用了它，因为它总是建议使用某个已弃用的内部库中的模式。

生产力方面的说法很难核实。GitHub 称 Copilot 用户“会接受 30% 的建议”，但接受并不等于正确。

模式刷新协议

随着 AI 模型不断演进，模式会逐渐过时。扫描前，请检查 frontmatter 中的 last-refreshed。如果超过 30 天，先刷新。

刷新工作流：

1. 从 Wikipedia 获取最新模式：

# Signs of AI writing - full wikitext
curl -s "https://en.wikipedia.org/w/api.php?action=parse&page=Wikipedia:Signs_of_AI_writing&prop=wikitext&format=json" | python3 -c "
import json, sys
data = json.load(sys.stdin)
print(data['parse']['wikitext']['*'][:30000])
" > /tmp/antislop-signs.txt

# WikiProject AI Cleanup
curl -s "https://en.wikipedia.org/w/api.php?action=parse&page=Wikipedia:WikiProject_AI_Cleanup&prop=wikitext&format=json" | python3 -c "
import json, sys
data = json.load(sys.stdin)
print(data['parse']['wikitext']['*'][:30000])
" > /tmp/antislop-cleanup.txt

2. 阅读输出，并与此技能中已有的模式进行差异比较
3. 对于尚未涵盖的真正新模式：
   • 根据其表明内容由 AI 生成的强弱程度，将其归入第 1、2 或 3 级
   • 将其连同示例和修正方法添加到相应表格中
   • 更新概述中的模式数量
4. 更新 frontmatter 中的 last-refreshed 日期
5. 报告新增的内容（如有）

不要添加重复项。 Wikipedia 中的许多模式已用其他名称涵盖在此处。只添加代表真正新检测信号的模式。

---

参考资料

• Wikipedia：AI 写作的迹象
• WikiProject AI Cleanup
• 关于 “delve” 用法的芬兰研究（56,878 篇论文）
• Georgia Tech 分析（168.3M 篇文章）

---

核心原则

AI 垃圾内容不在于个别词语，而在于模式。

单独一个 “moreover” 并不能说明内容由 AI 生成。但 “moreover” + “值得注意的是” + “深入探讨” + 句式统一 + 表情符号标题 = 一眼可见的 AI 垃圾内容。

目标是写出听起来像某个有具体观点的具体的人所写的内容，而不是像一个极尽礼貌、试图不得罪任何人的委员会写的。