no-ai-slop、stop-slop、humanizer 三雄对决谁的洗稿功夫最狠【免费下载链接】no-ai-slopRemoves 20 patterns of AI slop from any piece of writing.项目地址: https://gitcode.com/gh_mirrors/no/no-ai-slop2026 年 9 月的 GitHub 热榜上一个词反复刷屏slop。先是 no-ai-slop 与 humanizer 被多家周刊列为AI 去痕方向的代表项目连续两周进入周榜视线紧接着围绕 stop-slop 的规则拆解文章开始在中文社区密集传播从规则四Be specific到被动语态清除指南一篇比一篇讲得细。三款工具都盯着同一个痛点——大模型生成的文本自带一股挥之不去的AI 味口头禅开场、空洞强调、二元对立句式、假深刻结尾。但它们的解法路径截然不同有的靠黑名单查表硬拦截有的靠最小编辑保语感有的则整段重写求人性化。本文不打算复述它们各自的项目简介而是直接下到源码与规则文件里把三家洗稿的底层功夫逐一拆开它们各自认定 AI 味长什么样、用什么手段清除、代价是什么最后落到场景选型——文档、自媒体、代码注释到底该用谁。这里的洗稿取中性义洗掉的是模型生成的同质化指纹不是搬运别人的内容。一、定位与规则哲学三种对AI 味的不同建模三款工具表面上都在做同一件事但对什么是 AI 味的回答完全不同这决定了它们的规则形态与使用体验。no-ai-slop模式驱动的保留式编辑先看本地仓库的真实源码。SKILL.md 规则文件 在开篇就写清了立场You are a sharp human editor. Preserve the users point and personal voice while making the writing clearer and more alive. Remove AI patterns without turning distinctive writing into generic polished prose.翻译过来是你是一个苛刻的人类编辑保留作者的观点与个人语感把文字改得更清晰、更有生气但绝不把有辨识度的写作磨成流水线抛光件。这句 prompt 是整套规则的哲学底座——去 AI 味的前提是别把人也一起去掉。基于此它把 AI 味建模成 20 种可枚举的模式README 与 SKILL.md 互相印证包括二元对立Its not X. Its Y.清嗓开场Heres the thing、Let me be clear伪洞察铺垫What nobody tells you、The part everyone misses冒号揭示The best part: it learns.戏剧化碎片句Thats it. Thats the whole thing.表面化分析句子末尾挂 highlighting、underscoring、reflecting 这类假装解释意义的-ing从句重要性吹嘘marks a pivotal moment、a testament to含糊归因experts agree、studies show同义词轮换The agent handles your email. The assistant drafts replies.假深刻结尾The future isnt coming. Its already here.除模式外还有三级词表Words to cut 中直接拉黑了 delve、foster、leverage、utilize、empower、streamline、robust、cutting-edge、paradigm shift、game changer、tapestry、multifaceted 等一批AI 高频词并对 just、literally、simply、actually、fundamentally 这类常空副词给出了保留条件只有在承载真实强调、不确定或口语节奏时才保留。关键差异在于它的双模式设计。README.md 明确区分了 edit编辑与 detect检测两种调用方式而 detect 模式有一条铁律只引用命中的模式原文不猜测文本是不是 AI 写的。SKILL.md 里写得很硬AI detectors guess. Named patterns are evidence the user can check.AI 检测器靠猜具名模式是用户可核验的证据。这是对AI 内容检测整个赛道的一次方法论反击——不给概率分给证据链。stop-slop黑名单查表式的硬拦截stop-slop 走的是另一条路。综合社区对它的多篇拆解路线图展望、规则四详解、被动语态清除指南、holaOS 实战它的核心是一套8 条核心规则 11 条 Quick Checks 自查表的查表体系配套phrases.md与structures.md两个短语/结构黑名单文件。与 no-ai-slop 的编辑哲学不同stop-slop 更像一本违规清单清嗓开场、填充词、商务术语堆叠、戏剧化碎片句、修辞式设问……逐一列出来逐条对照删除。它对 AI 味最犀利的建模体现在规则四Be specific与被动语态规则上。社区文章记录到规则四专门打击模糊断言与懒惰极端词像影响深远结构性问题这类空泛宣称以及 every / always / never 这类绝对化词必须用具体事物、数字、事实替换配套黑名单句式与三步自查清单。被动语态规则则识别三类无主句——标准被动语态the decision emerged、假行动者、远距离叙述者强制每句话有明确的人类主语。而且 stop-slop 走得比编辑更远它的路线图展望中提到了5 维量化评分体系和流水线门禁式集成——把去 AI 味从一次性编辑升级为可打分的质量门禁。这一点正好与 no-ai-slop 的拒绝打分形成哲学对峙一个把 AI 味当作可量化的缺陷指标一个把 AI 味当作可引用的模式证据。humanizer重写式的人性化引擎三雄中最特别的是 humanizer。与 no-ai-slop、stop-slop 都有公开规则文件不同社区实测拆解文章《去 AI 味的 Skill 为何登上 GitHub 周榜第一humanizer 与 no-ai-slop 实测拆解》显示它被反复与 no-ai-slop 放在同一赛道对比但从命名到社区讨论来看其策略是整段重写的人性化不逐条清点违规模式而是让模型理解人类作者会怎么写直接产出一版更口语化、更有个人痕迹的文本。这意味着它几乎没有可枚举的规则边界——AI 味在它那里不是一个模式集合而是一个不像人的连续光谱。好处是改写自由度大、上限高代价是不可预测你不知道模型会改多狠也不知道作者的个人语感会不会在人性化的名义下被一同抹平。这恰恰是 no-ai-slop 在 SKILL.md 里反复警告的Do not make every paragraph equally tidy or rewrite distinctive lines merely for consistency.别把每段都改得一样齐整。humanizer 的优势与风险本质上是同一枚硬币的两面。三者的哲学差异可以这样概括no-ai-slop 是外科手术——只切病灶保住器官stop-slop 是安检门——列出违禁品逐项没收humanizer 是换血——推倒重来追求更像人但可能连血型一起换掉。二、同一篇AI 稿走查三套功夫各自怎么下手规则哲学再漂亮也要落到文字上见真章。下面用一段高度典型的AI 味文字做走查推演。需要说明的是这是基于三款工具公开规则文件的推演示例no-ai-slop 直接取自仓库源码stop-slop 取自社区对其规则的拆解记录humanizer 因其规则不公开、仅模拟其重写策略不是三家工具的真实跑分但每一处改写都有明确的规则出处。先给一段病灶齐全的稿子在这个日新月异的时代AI 无疑正在深刻改变我们的生活方式。值得一提的是这不仅是一次技术变革更是一次思维范式的转变。我们必须积极拥抱变革赋能创新共同描绘数字未来的宏伟蓝图。毕竟未来已来。这段话几乎踩满了三家的全部雷区空泛时间状语日新月异的时代、清嗓开场值得一提的是、二元对立 否定列举不仅是一次技术变革更是一次思维范式的转变、禁词堆砌拥抱变革赋能创新宏伟蓝图、假深刻结尾未来已来。no-ai-slop 的下刀顺序依据 SKILL.md日新月异的时代——空泛状语cut值得一提的是——命中常空短语表cut不仅是一次技术变革更是一次思维范式的转变——命中Binary contrasts与Negative listing双重模式SKILL.md 的改写示范是State Y directly即把 Y 直接说出来砍掉对比外壳拥抱变革赋能创新——empower 在禁词表且属于portability test可移植性测试不过关的句子挪到任何公司、任何产品上都成立必然是填充物未来已来——命中Fake-profound kickersSKILL.md 明确要求不要改写成更好的比喻直接删掉用文中已有的最具体句子收尾。改后版本推演AI 正在改变我们的生活方式。这场技术变革的核心不是模型本身而是评估方式——但这里的改变需要被具体化它把什么从多少分钟降到了多少分钟。更贴近 SKILL.md 原例的做法是套用它自带的改写示范The integration improved efficiency becomes The integration cut deploy time from 40 minutes to 4.集成提升了效率 → 集成把部署时间从 40 分钟降到 4 分钟。它反复强调Protect the specific fact不把有用的细节磨平成泛泛的重要性把显著提升工程生产力改成评审时间从 30 分钟降到 8 分钟。这正是它保留事实优先于保留句式的编辑伦理。stop-slop 的下刀顺序依据社区对其规则的拆解按phrases.md黑名单先收走值得一提的是在这个…的时代这类清嗓开场与填充词按规则四 Be specific把深刻改变思维范式的转变宏伟蓝图这些模糊断言判为不合格要求给出具体事物、数字、事实——哪怕是把回复撰写时间从 2 小时压到 15 分钟这样一个具体场景按被动语态规则检查无主句原文中AI 正在改变这类无生命主语执行人类动作的句子按规则要求找到明确的人类行动者最后过 11 条 Quick Checks 自查表 5 维评分给出一个量化得分——这是它区别于 no-ai-slop 的独门环节。humanizer 的处理模拟其重写策略它不会逐条列证据而是直接产出一版更像真人写的文本比如把整段改成带口语节奏、带具体人称、甚至带自我打断的版本。自然度可能最高但作者无法预期它动了哪些地方、为什么动——这与 no-ai-slop 强制输出的What changed 变更清单SKILL.md 工作流第 6 步形成鲜明对照no-ai-slop 每次编辑必须交代改了什么humanizer 则默认不交代。这场走查指向一个更深的结论三家的狠不在改得多少而在可追溯性。no-ai-slop 把每一次删除都钉在具名模式上stop-slop 把每一次删除钉在黑名单与评分上humanizer 则把狠交给了模型的自由发挥。如果你的编辑过程需要留痕、需要复核前两者是工程化的如果你只在乎最终读感、不在乎过程humanizer 的整段重写反而更省事。三、按场景选型文档、自媒体、代码注释各选谁三款工具不是替代关系而是对应着三种不同的写作流水线。结合社区情报中对 no-ai-slop 与 stop-slop 的实战拆解以及仓库源码的结构可以给出如下选型判断。技术文档与产品文案no-ai-slop 的保真优势技术文档对事实保真的要求远高于文笔华丽。no-ai-slop 的整个规则体系都是围绕保真设计的detect 模式只报模式不猜作者规避了误判风险edit 模式要求 Dont invent claims, examples, stats, or opinions不虚构主张、示例、数据、观点eval.md 自检清单 的第一条就是检查是否在未增加任何主张/示例/数据/引语/观点的情况下保留了原意。这套自检甚至内置在仓库的构建流程里——build_plugin.py 会校验打包产物中的 SKILL.md 与 eval.md 是否与源文件逐字节一致把规则即代码落到了 CI 层面。另一个对文档场景的加分项是它的插件化分发仓库同时提供 openai.yaml 与.codex-plugin/plugin.json元数据支持 ChatGPT 与 Codex 插件、npx skills add全局安装README 还演示了在 Claude Code 里粘贴一句提示词即可安装的路径。社区文章记录了它开源五天即斩获约 3.7K Star、并配 TaoToken 统一 Key 在 Claude Code 中跑通调用链路的实践——这说明它已经被当作可集成的工作流组件而非一次性脚本。对于要在编辑器、CI、插件三个层面同时落地去 AI 味的团队它的工程化成熟度目前是三家里最高的。自媒体与营销文案stop-slop 的批量审稿效率自媒体和营销文案的特点是量大、套路重、审稿节奏快。stop-slop 的查表式设计正好命中这个场景phrases.md/structures.md两个黑名单文件让审稿退化成查表11 条 Quick Checks 与 5 维评分让作者可以在发布前自己打一个AI 味指数。社区对其路线图的展望多语言短语库、5 维自动评分、流水线门禁式集成、风格白名单定制、段落节奏级检测也表明它正在把自己定位成写作质量门禁而不是一次性的编辑建议——这比 no-ai-slop 更契合自媒体高频批量的工作流。尤其值得借鉴的是它的规则四Be specific在营销语境下的杀伤力自媒体文案是影响深远赋能闭环这类词的泛滥重灾区而 stop-slop 明确要求用数字和事实替换空泛宣称社区文章还配套提供了多组 Before/After 改写示例与三步自查清单。如果你运营公众号或落地页需要的是一个能在 10 秒内扫完一篇文章的违禁品扫描仪stop-slop 的定位最贴合。代码注释与代码质量跳出写作工具的第三战场代码场景是个容易被忽略的延伸战场。三款写作去味工具都不直接处理代码但社区情报揭示了一个正在壮大的旁支anti-slop 代码规则。它把AI 味建模成代码坏味道——拒绝链式断言、unknown泛滥、无注释的强制转换主张写有依据的代码配套基于 Rust 的 Oxlint 实现规则拦截支持 ESLint 兼容与 CI 集成。另一个分支是 Continue 内置的 Anti-Slop 检查定义了 10 种典型 AI 代码坏味道过度冗余注释、冗余类型标注、样板代码爆炸、过度抽象检查只在临时 worktree 中基于 diff 范围执行核心原则是移除仪式感保留功能性。这给代码注释场景提供了一个清晰答案注释里的 AI 味This function is responsible for...交给 no-ai-slop 的禁词表就够用但代码本身的 slop过度抽象、冗余样板应该交给 anti-slop 这类 lint 层工具。写作去味解决的是人话lint 去味解决的是人码——两者叠加才构成完整的去 AI 味栈。如果压缩成一张选型速查表场景首选理由技术文档 / 产品文案no-ai-slop保真优先、模式可追溯、自带 eval 自检与插件化分发自媒体 / 营销文案stop-slop黑名单查表 评分门禁适合高频批量审稿代码注释 / 代码质量anti-slop Oxlint注释靠词表代码靠 lint分层治理写在最后回到标题的问题谁的洗稿功夫最狠答案取决于你如何定义狠。no-ai-slop 的狠在精准——20 具名模式、禁词表、可移植性测试、拒绝打分只给证据每一刀都落在明处stop-slop 的狠在系统——8 条规则、11 条自查、5 维评分把去 AI 味变成可量化、可门禁的工程指标humanizer 的狠在彻底——整段重写求最大人性化代价是过程不可控、语感可能连带受损。三雄之争的本质其实是对AI 味这个概念的三种建模之争它是可枚举的模式、是可打分的缺陷还是不可言说的不像人。选型没有标准答案但有一个判断标准可以共享先搞清楚你的文字里哪些是要洗掉的模型指纹哪些是不能洗掉的人。工具负责前者后者只能由作者自己守住——这也是 no-ai-slop 仓库里那句 without flattening your personal voice 能登上 GitHub 热榜第一的真正原因。【免费下载链接】no-ai-slopRemoves 20 patterns of AI slop from any piece of writing.项目地址: https://gitcode.com/gh_mirrors/no/no-ai-slop创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考