slop-check

Slop Check

一次性访问 Slop or Not Pro 的设备端分析功能。检测文本或图像是否由 AI 生成、清理 AI 痕迹，或评估可读性，然后给出明确结论。无需访谈，也无需反复交互。

斜杠命令： /slop-check [paste text | file path | image path]

关键规则

1. 对于 image-detect 和明确要求的 image-score，如果当前客户端能够运行本地 Shell 命令，MUST 优先使用应用包内 CLI。仅当不支持 CLI 执行或执行失败时，才使用 MCP 进行图像操作。对于文本、可读性、清理和状态检查，先尝试 MCP，再尝试 CLI。
2. MUST 通过实际调用受 Pro 限制的功能来验证 Pro。绝 NEVER 根据 slop_status 或 slop status 推断用户拥有 Pro；非 Pro 用户也能成功调用这两项。
3. 绝 NEVER 因结构化提问工具而停滞。按照第 1 步的优先级规则消除歧义并说明假设，或发出唯一的纯文本输入请求。所有执行环境都能渲染纯文本。
4. 绝 NEVER 创建符号链接、编辑 Shell rc 文件或以其他方式修改 PATH。使用 CLI 时，优先使用应用包内二进制文件的绝对路径 /Applications/Slop Or Not.app/Contents/MacOS/slop。检测、可读性、清理、评分和状态检查都是只输出操作：立即运行，无需许可。
5. 检测分数为 0-1 的小数；显示时 MUST 乘以 100。可读性数值是年级或易读度分数，MUST NOT 转换为百分比。绝 NEVER 猜测标志或 JSON 字段路径；请在 references/slop-tools.md 中查找。
6. 图像检查 MUST 默认使用 detect_image。仅当用户明确要求原始或绝对 OmniAID 分数时，才使用 score_image。用户要求“为这张图评分”但未提及 OmniAID 时，仍应映射为 image-detect。

第 1 步：识别操作和输入

根据请求选择一种操作。不要提问以消除歧义。

操作	触发用语
text-detect	“这是 AI 生成的吗”、“这是机器人写的吗”、“AI 写的”
image-detect	“这张图是 AI 生成的吗”、“AI 生成的图片”、“真实照片”
image-score	“原始 OmniAID 分数”、“绝对 OmniAID 模型分数”
readability	“阅读水平”、“几年级”、“Flesch”、“可读性如何”，或原生公式名称（“LIX”、“Wiener Sachtextformel”、“Gulpease”、“Flesch-Szigriszt”、“Reading Ease”）
cleanup	“清理一下”、“去除不可见字符／零宽字符”、“移除同形异义字符”
status	“Slop 配置好了吗”、“Slop or Not 能正常运行吗”、“检查 Pro”

按优先级确定输入（匹配到的第一项优先）：

1. 以 .png、.jpg、.jpeg、.heic 或 .webp 结尾的路径，或明确指向图像的引用：对该文件执行图像操作。
2. 其他明确的文件路径：将该文件作为文本读取。
3. 请求中直接粘贴的文本：使用该文本。
4. 用户要求使用剪贴板：pbpaste。

歧义规则（绝 NEVER 通过工具提问）：如果没有指定操作动词，文本输入默认执行 text-detect，图像输入默认执行 image-detect，并在输出中说明假设，例如：“假设你要检测 AI 生成内容。若要改为可读性分析或清理，请提出要求。”

只有在完全没有可用输入时，才原样输出以下这一行，然后停止并等待：

Paste the text, or give a file or image path, and say detect / clean / readability.

步骤 2：解析可用的后端

按以下顺序选择后端。遇到首个可用的后端后即停止。

1. 支持 Shell 的图像操作：优先使用 CLI。 对于 image-detect 和 image-score，先检查应用包二进制文件：

   ls "/Applications/Slop Or Not.app/Contents/MacOS/slop"
   

   如果该文件存在，且客户端可以运行 Shell 命令，请使用带引号的 二进制文件路径。这样就不必将本地图像文件转换为 base64。如果 客户端不支持 Shell 或 CLI 执行，例如 Claude Desktop 或 ChatGPT 连接器等仅支持 MCP 的客户端，则跳过此项，改用 MCP。

2. 非图像操作使用 MCP，或作为图像操作的备用方案。 调用相应操作的 SlopOrNot MCP 工具（Claude Code 会将其显示为 mcp__SlopOrNot__<tool>；其他运行环境会公开相同的 SlopOrNot 服务工具）。如果调用返回结果，且不是 Pro 要求错误（isError: true 或提示需要 Pro 的消息），则使用该结果。对于 status，slop_status 只是健康状态／版本调用：报告 Pro 已激活之前，还要运行 references/slop-tools.md 第 5 节中的 Pro 验证探测。完成。

3. 非图像操作的 CLI 备用方案。 如果 MCP 不可用或出错，请检查应用包二进制文件是否存在：

   ls "/Applications/Slop Or Not.app/Contents/MacOS/slop"
   

   • 如果存在：通过其带引号的绝对路径调用二进制文件，完成本轮操作。不要修改 PATH。
   • 如果不存在：则确实未安装。转到步骤 5 的“未安装”备用方案。 对于 status，运行绝对路径二进制文件的 status --json，并执行 Pro 验证 探测，然后再报告 Pro 已激活。

4. 需要 Pro 的调用失败。 如果 CLI 可以运行，但需要 Pro 的调用以非零状态退出 或返回需要 Pro 的消息，则表示应用已安装，但 Pro 未激活：转到步骤 5 的“已安装但 Pro 未激活”备用方案。对于 status，按步骤 4 报告 Pro 未激活。

工具名称、标志、参数和 JSON 字段路径请参阅 references/slop-tools.md。设置和注册详情请参阅 references/slop-setup.md。请查阅这些文件；不要猜测。

步骤 3：运行操作

使用 references/slop-tools.md 第 5 节中的操作到工具映射表。 要点：

• text-detect：请求同时返回可读性结果 （MCP 中设置 include_readability: true；slop text --json 会返回两者）。当 可以检测输入语言时，传入规范化的 language_code（挪威语书面语 Bokmål 为 nb；切勿传入宏语言代码 no，应将其映射为 nb）；如果语言不明确，则省略该参数，让应用自动检测。传入 nn（Nynorsk）也无妨，但它会返回 kind: "not_english" 和 null 分数，与其他非英语语言相同。对于非英语输入，detect_text 会返回 kind: "not_english" 和 null 分数；请参阅步骤 4。
• readability：如果语言可检测，传入相同的规范化 language_code。 挪威语书面语 Bokmål 为 nb；传入前始终将检测到的 no 映射为 nb （切勿传入 no；即使是 Bokmål 文本，也会返回 unsupported_language:no）。 返回的 scores[] 中的 kind 取决于语言，不一定是 Flesch-Kincaid；请读取实际返回的类型（参阅步骤 4 和 references/slop-tools.md 第 2 节）。
• 图像：默认使用 image-detect。当可运行 Shell 命令时，使用绝对 CLI 路径，并通过 Shell 重定向读取图像路径： "/Applications/Slop Or Not.app/Contents/MacOS/slop" image --json < "<path>"。 仅在 CLI 不受支持或运行失败时，MCP 才使用 base64 调用 detect_image（base64 -i <path>）。仅当用户明确要求原始或绝对 OmniAID 分数时，才对 image-score 使用 score-image / score_image。如果用户要求的是通用图像评分，并未提及 OmniAID，则继续使用 image-detect，并以检测概率作为结果。
• cleanup：除非用户要求限制移除内容，否则保留默认移除项。格式化前，统一 MCP 和 CLI 的清理字段：MCP 返回 cleaned_text 和整数计数；CLI 返回 cleanedText 和计数数组。
• status：运行健康状态调用，然后执行 Pro 验证探测。只有需要 Pro 的探测成功时，才报告 Pro 已激活。

第 4 步：呈现结果

先阅读 references/slop-tools.md 第 2 节中的分数归一化说明 （检测分数是 0-1 的小数，乘以 100；MCP verdict 是纯字符串，CLI verdict 是 位于 detection.result._1 的单键对象）。

渲染匹配的区块。

检测（文本或图像）：

**Likely AI** (most_likely_ai_slop) · 87% AI probability
Language: en · Sentences: 6

按规则映射 verdict（verdict 有不同程度，例如 probably_ai_slop）： real ->“可能为人工撰写”；包含 ai_slop ->“可能由 AI 生成”；否则 使用标题式大小写。显示标签、括号中的原始 verdict，以及百分比。

当 MCP detect_text 返回 kind: "not_english"（非英文输入）时， score 和 verdict 为 null。对于 CLI slop text --json，在读取 detection.result 前，也要对同一情况进行归一化：如果存在 detection.notEnglish、detection.not_english 或归一化后的 kind: "not_english"，或者响应包含非英文的 detectedLanguage / readability.language，且没有 detection.result 或 detection.resultFewSentences，则将 AI 分数和 verdict 视为 null。不要显示 AI 百分比。请改为打印：“AI 文本检测仅支持英文； 无可用分数。”（从 language、detectedLanguage 或 readability.language 字段读取语言），然后 在响应包含可读性区块时显示该区块。绝不要为非英文输入臆造分数。

可读性：

读取 scores[] 返回的任何 kind；不要假定为 fleschKincaidGradeLevel。当语言返回两种 kind（英语： fleschKincaidGradeLevel 加 fleschReadingEase）时，以 Flesch-Kincaid 年级 确定等级并作为主要结果，同时将 Reading Ease 作为补充值显示在括号中；绝不要 根据 Reading Ease 确定等级，因为其 0 到 100 的刻度方向相反。请在 references/slop-tools.md 第 2 节中查找公式显示名称、刻度方向和等级范围。 显示公式名称、数值、检测到的语言和等级。

**Flesch-Kincaid grade: 9.7** (Reading Ease 62.4)
Language: en · Band: High school · Words: 210 · Sentences: 14

对于非英文内容，根据返回的 kind 标注，例如：

**Wiener Sachtextformel: 11.2**
Language: de · Band: High school · Words: 180 · Sentences: 12

如果 scores[] 为空，请读取 warnings。根据后端不同，警告会以两种形式返回： MCP 返回带冒号标签的字符串（unsupported_language:<code>、 insufficient_text:NN、approximate_syllable_counts:<lang>）；CLI 在 readability.warnings[] 下返回 camelCase 对象（unsupportedLanguage、 insufficientText，可选的 wordCount）。请将这两种形式视为等价： unsupported_language / unsupportedLanguage 表示无可用分数（报告 “此应用版本不支持 的可读性分析”）；insufficient_text / insufficientText 是软警告（仍可能存在分数；仅作提示），报告为“文本量不足， 无法可靠评分（insufficient_text:28）。”；approximate_syllable_counts / approximateSyllableCounts 不影响结果。不要臆造数值。

**清理：**打印计数行，然后将清理后的文本放在单独的 text 围栏代码块中， 以便用户原样复制。对于 CLI 输出，将 cleanedText 用作清理后的文本，将 invisibleCounts[].count、punctuationCounts[].count 和 homoglyphCounts[].count 相加，并计算 britishMappings.length。

**已清理。** 不可见字符：3 · 标点：5 · 同形异义字符：1 · 英式拼写：0, 后跟一个只包含 cleaned_text 的 text 围栏代码块。

图像分数（仅适用于明确提出的 OmniAID 请求）：

**Raw image score: 0.80** (OmniAID)

状态：

**Slop or Not Pro: active** (version 1.0.9)

当健康检查调用成功，但 Pro proof 探测返回 Pro-required 错误时，使用 inactive。

当触发歧义规则时，在最前面添加一行假设说明。

第 5 步：Slop or Not 不可用时的备用方案

有两种不同情况。请根据实际状态选择相符的消息。切勿告知已安装应用的用户去安装应用。

未安装（MCP 已停止运行，且应用包不存在）。结尾必须使用以下段落：

未安装 Slop or Not。请安装适用于 Mac 的 Slop or Not，然后在应用内解锁 Pro：https://slopornot.ai/download

已安装但 Pro 未激活（slop 二进制文件或应用包存在，但需要 Pro 的调用返回了需要 Pro 的提示或以非零状态码退出）。 结尾必须使用以下段落：

已安装 Slop or Not，但 Pro 未激活。请在应用内通过“设置”中的“订阅”解锁 Pro：https://slopornot.ai/download

对于这两种情况，接着说明：安装、Pro 解锁以及 MCP/CLI 注册，请参阅 references/slop-setup.md。仅 PATH 缺失时，应使用第 2 步中的应用包备用方案处理，而不是在此转交。对于 status 操作，请按第 4 步报告 Slop or Not Pro: inactive，而不要使用上述段落。

示例

示例 A，文本检测（没有动词，触发歧义规则）：

用户：/slop-check In today's fast-paced digital landscape, leveraging synergies is paramount.

操作：没有动词，输入为文本，默认执行 text-detect。通过 MCP 调用 detect_text，并设置 include_readability: true。

输出：

Assumed AI-detection. Ask for readability or cleanup to switch.

**Likely AI** (most_likely_ai_slop) · 91% AI probability
Language: en · Sentences: 1

示例 B，从路径检测图像：

用户：is this AI? ~/Desktop/art.png

操作：路径以 .png 结尾，因此执行 image-detect。可使用 Shell 命令， 因此使用应用包 CLI： "/Applications/Slop Or Not.app/Contents/MacOS/slop" image --json < "$HOME/Desktop/art.png"。

输出：

**Likely AI** (most_likely_ai_slop) · 80% AI probability

示例 C，分析文件的可读性：

用户：what grade level is draft.md

操作：明确指定了文件路径，执行 readability。通过 MCP 调用 analyze_readability， 传入文件内容，并在可检测时传入规范化的 language_code。读取 scores[] 返回的 kind（此处为英语的 fleschKincaidGradeLevel）。

输出：

**Flesch-Kincaid grade: 7.2** (Reading Ease 71.8)
Language: en · Band: Middle school · Words: 148 · Sentences: 11

对于德语文件，同一操作会读取 wienerSachtextformel4，并将其标注为“Wiener Sachtextformel”， 同时使用德语等级区间。

示例 D，清理包含零宽字符的文本：

用户：clean the invisible characters out of this: Hello​world

操作：cleanup。MCP clean_text（默认启用）。

输出：计数行 **已清理。** 不可见字符：1 · 标点：0 · 易混淆字符：0 · 英式拼写：0，随后是一个围栏 text 代码块，其唯一内容 为 Helloworld（已移除零宽字符）。

示例 E，明确要求 OmniAID 分数：

用户：give me the raw OmniAID score for ~/Desktop/art.png

操作：明确要求 OmniAID 分数，因此执行 image-score。可使用 Shell 命令， 因此使用应用包 CLI： "/Applications/Slop Or Not.app/Contents/MacOS/slop" score-image --json < "$HOME/Desktop/art.png"。 如果不支持 CLI 执行，则使用 MCP score_image，并传入 base64 图像 输入。

输出：

**Raw image score: 0.80** (OmniAID)

参考文件

• references/slop-tools.md：完整的 CLI 和 MCP 接口、参数、标志、 JSON 字段路径、分数归一化、Pro 限制、操作映射。
• references/slop-setup.md：安装、Pro 解锁、应用包备用方案、 MCP/CLI 注册、故障排除。