fuck-slop

去除 AI 腔

剥掉文本中的所有 AI 写作痕迹，让它符合所属文体的要求。目标不是“骗过检测器”，而是让文本读起来像是某个具体的人，为某个具体的受众，带着某个具体的观点写出来的。

为什么这是一个循环，而不是风格指南

最明显的痕迹——尤其是 “不是 X，而是 Y” 这一类句式——并非词汇错误，而是大模型生成文本时涌现出的特征：偏好调优会奖励平衡、对比鲜明、听起来面面俱到的表达，因此这种对比手法早已融入模型的先验倾向。由此带来的两个后果决定了这项技能的设计：

1. 你无法可靠地发现自己写的 AI 腔。 产生这类模式的同一套先验倾向，也会让它们在重读时变得隐形。检测必须采用机械方法——针对固定目录运行正则表达式，而不是问“我觉得这像 AI 写的吗？”
2. 重写会重新引入 AI 腔。 让模型删掉“这不只是 X，而是 Y”，它就会写出“这与其说是 X，不如说是 Y”——换了件外衣，手法还是一样。因此，每次重写后都要重新扫描，并不断循环，直到扫描结果干净为止。

工作流：扫描 → 诊断 → 按含义重写 → 重新扫描 →（重复）→ 检查语域。

阶段 0：明确目标

动笔修改前，先确定：

• 文体和发布渠道——学术文章、推文、Reddit 帖子、LinkedIn、电子邮件、博客、文档、营销文案。如果文本没有说明，而且也无法从内容中判断，就先询问。文体决定哪些痕迹不可接受，以及什么才算“写得好”；参见 references/voices.md。
• 受众和立场——谁会阅读，以及作者实际主张什么。AI 腔往往填补了本该表达主张的空白；不知道主张是什么，就无法删掉这些空话。
• 限制条件——篇幅限制、必须包含的引用、品牌文风。

阶段 1：机械扫描

用 references/tells.md 中的检测模式扫描文本。如果文本在文件里（或你可以把它写入临时文件），就严格照着该参考文档运行 grep 命令——其中的目录以可直接运行的 grep -Ein 模式编写。否则，就逐行手动检查每个模式。

整理一份问题清单：行/句子、匹配模式、痕迹类别。还要运行正则表达式无法完全覆盖的两项结构检查：

• 节奏：标出任意连续 3 句或以上、长度都与彼此相差不超过 4 个词的句子；以及所有句式结构都相同（主语–动词–展开说明）的段落。
• 格式：散落在正文中的粗体、带表情符号的标题或项目符号、“术语： 定义”式项目列表、篇幅太短而不需要标题的文本却用了标题，以及工整的“引言–三点–结论”框架。

重写前，先用简短表格向用户报告问题（类别、数量、最严重的例子）。这就是诊断结果；用户应该知道文本的问题在哪里。

阶段 2：按含义重写，而不是照搬句式

逐项处理发现的问题。首要原则：绝不要通过改写句式来修复一种模式。 应先判断句子实际表达了什么，再直接把它说清楚。

“不是 X，而是 Y”这一类句式——三种处理方式

每个否定式平行结构都必须采用以下一种处理方式：

1. 否定的是稻草人论点（没人相信 X）。彻底删掉 X 部分，直接陈述 Y，并提供文本中已有的证据。
   • “这不只是一个工具，更是团队工作方式的一次根本转变” → “采用这项工具的团队在一个月内就不再开晨会了。”
2. 对比确实存在（确实有人持有 X 观点）。那就把对比说扎实：指出谁持有 X 观点，并具体说明为什么 Y 更好。真正的对比经得起具体阐述；AI 腔则经不起。
3. 句子没有表达任何主张（对比只是装饰空洞的主张）。删掉整句。大多数情况都属于这一类。

禁止使用的规避写法——这些手法本质相同，会作为新问题记入清单：“与其说是 X，不如说是 Y”、“X 很重要，但 Y 更重要”、“真正的 X 是 Y”、“问题不在于 X，而在于 Y”、“X？Y。”（反问句变体），以及破折号变体“——不是 X，而是 Y”。

其他内容

• 浮夸和夸大的用词（关键性、剧变、证明、织锦、格局、深入探究……）：换成平实的词，或写出这些浮夸说法掩盖的具体事实。“发挥着至关重要的作用” → “会”。
• 三项并列清单：保留最有力的一项，删掉其余内容；除非三项各自都包含不同信息，这种情况下就全部保留，并打破整齐的节奏（调整句子长短和句式）。
• 虚假的范围表达（“从 X 到 Y”）：如果找不到 X 和 Y 之间有意义的中间点，那就不算范围，应该明确说出这两件事，或删掉其中一项。
• 两边都顾及的模糊表述（“值得注意的是”、自动补充反方观点、“虽然 X，但 Y 也确实如此”）：明确表态，直接表达并承担自己的观点。只有作者确实承认反方观点时，才保留反方观点。
• 节奏过于整齐：有意改变节奏。长句后面接短句。也可以用不完整句。不要套用公式（长短句交替本身也会暴露模式），大声读一遍段落，在节奏像节拍器一样规整的地方打破节奏。
• 具体性不足：把“许多公司”“研究表明”“近期研究”换成具体名称、数字和日期，但只能使用源文本、对话内容或你实际查证的研究中的信息。绝不编造具体信息。如果需要作者补充，就留下标记占位符：[ADD: 哪项研究？]。
• 陈词滥调的框架：删掉铺垫式开头（“在当今快节奏的世界中……”）、总结式结尾（“总之……”“归根结底……”）和诱导互动式结尾（“你怎么看？”）。从重点开始，表达清楚后就结束。

不要做什么——矫枉过正同样糟糕

• 不要故意制造错别字、强行使用俚语或刻意打造“个性”。人性化工具生成的内容本身就是一种糟粕。
• 不必禁用长破折号。人们会用。问题在于使用过多，以及“——不是 X，而是——”这种写法。用量限制：每约 150 个词最多用一个长破折号，同一句中绝不能出现两个。
• 学术或技术文本中，不要为了个性而牺牲准确性。在这些文本中，去除糟粕意味着删掉浮夸措辞、明确陈述观点，而不是添加态度。
• 准确保留作者的含义、观点和事实。这是风格调整，不是内容编辑。发现看似有事实错误的内容时，应标注，不要悄悄改正。

第 3 阶段：验证循环

在改写后的文本上重新执行完整的第 1 阶段扫描。这一步不可省略，也不是走形式：预计自己的改写也会出现新的问题，因为生成改写的模型和最初生成这些问题的模型有相同的倾向。修正后重新扫描，直到某一轮扫描没有发现任何模式问题，并且节奏检查也通过。最多执行 4 轮；如果某个问题经过 4 轮仍然存在，就从头重写该句，先明确它要表达的基本观点（“这句话要表达什么事实或观点？”）。

第 4 阶段：文体检查

根据 references/voices.md 中的文体说明检查润色后的文本：长度、正式程度、人称和特定文体的常见问题都应符合要求（例如，在 Reddit 上不使用粗体，也不写成项目符号式长文；在学术文体中，不要擅自添加第一人称的强烈观点）。最后一步：大声读一遍。凡是不像是对实际读者说的话，就重写那句话。

交付内容：改写后的文本，以及一份简短的修改日志（修正的问题类别、数量和验证轮数）。