引言
你是否也曾遇到过这样的文章？开头总是“在当今快节奏的世界里……”，第二段紧接着“值得注意的是”，中间夹杂着“不可否认”“深刻影响”“革命性的突破”，结尾再抛出一段有深意的金句。整篇读下来，就像在套用一套标准的AI写作模板——你几乎能预判下一句会是什么。这种读起来“不对劲”的文字，背后有一个高度一致的原因：AI生成内容已经形成了固定的写作口癖。而我们正在介绍的stop-slop，正是针对这一问题的一次精准出击。
stop-slop是一个Claude Code Skill文件，目前已有5.8k个Star，纯Markdown格式，无需任何代码即可运行，并且任何支持自定义系统提示的AI工具都能通用。它的目标很简单：教会AI识别自己在写作中那些“花架子”表达，并在创作过程中主动避免。
你将学到什么
- AI写作中哪8种模式让人一眼就能识别出来
- 五维评分量表如何将“听起来像人写的”这个抽象概念转化为可打分、可优化的具体维度
- stop-slop的核心设计理念：与其等到写完后检测，不如在写作之初就避开这些坑
- 如何将这套规则融入自己的写作工作流
- 为什么这个项目能在社区中引发关于“AI口癖”的大量讨论和衍生项目
前置知识
- 使用过Claude或其他大语言模型辅助写作
- 对“AI味”有直观感受——至少读完后能感觉到哪里不对劲
项目背景
项目简介
stop-slop由产品设计师Hardik Pandya创建。他是一个在写作上特别较真的人。在深度使用AI辅助写作后，他发现了一个令人困扰的问题：无论更换主题还是调整提示词，AI生成的文字始终呈现出一套高度可预测的模式——雷同的开头、相似的转折结构、统一的“宏大叙事”语调。一眼就能辨认出是AI写的。
Pandya的解决方案并非模糊地让AI“写得更像人”，而是直接列出一份清单，将所有已知的AI写作口癖清晰列出，然后告诉AI：遇到这些，立即修改。这个思路说起来简单，但执行得非常扎实——8条规则、3个参考文件、一张发表前对照清单、一整套评分量表，构成了一个可以嵌入任何写作流程的完整工具箱。
作者介绍
- 作者：Hardik Pandya，产品设计师，长期写作者
- 发布渠道：GitHub + Substack（附有详细的使用说明和背景文章）
项目数据
- ⭐ GitHub Stars: 5,800+
- ? Forks: 435+（同时推动了多个衍生项目）
- ? License: MIT
- ? 格式: 纯Markdown，零代码
- ? 兼容: Claude Code、Claude Projects、自定义系统提示、直接API调用
- ? 仓库: hardikpandya/stop-slop
主要功能
核心作用
stop-slop是一个Skill文件，安装后会在你写作或编辑文字时自动激活，系统性地识别并剔除AI写作中那些“华而不实”的表达。
你的文字草稿
↓
stop-slop Skill（激活）
↓
识别8类AI写作模式
↓
逐一修正
↓
五维评分（< 35/50 = 需要返工）
↓
输出：听起来像人写的文字
安装与使用
Claude Code（Skill目录安装）：
# 克隆项目到 Claude 的全局 Skill 目录
git clone https://github.com/hardikpandya/stop-slop.git ~/.claude/skills/stop-slop
# 安装后，在写作相关的任务中 Skill 会自动激活
Claude Projects / 自定义指令：
# 把 SKILL.md 的内容复制到"自定义指令"或"系统提示"中即可
直接API调用：
import anthropic
with open("SKILL.md", "r") as f:
skill_content = f.read()
client = anthropic.Anthropic()
response = client.messages.create(
model="claude-sonnet-4-6",
system=skill_content,
messages=[{"role": "user", "content": "请帮我编辑这段文字："}]
)
项目详细剖析
8条核心规则
以下是SKILL.md中的核心内容，每条规则对应一类AI写作模式：
规则1：删除填充词
目标：清嗓式开头、强调副词、所有副词
典型AI口癖：
✗ "在当今快速发展的数字时代..."
✗ "值得注意的是"
✗ "当然"、"确实"、"显然"、"非常"、"极其"
✗ "毋庸置疑"
修正方向：直接切入主题，删掉所有副词
规则2：打破公式化结构
目标：二元对立、戏剧性片段、修辞性铺垫、虚假主语
典型AI口癖：
✗ "这不是X，而是Y"（二元对立）
✗ "但这里有一个问题。"（戏剧性独句段落）
✗ "那么我们该如何...？"（修辞性提问）
✗ "这开启了新的可能性"（虚假主语）
修正方向：直接说Y，删掉铺垫，具体说是谁做了什么
规则3：主动语态
每个句子需要一个行动的人类主语
✗ "这个功能被设计为..."
✗ "研究表明..."（无主语的研究）
✓ "团队设计这个功能是为了..."
✓ "MIT的研究人员发现..."
规则4：具体，不要模糊
✗ "这是一个里程碑式的时刻"
✗ "每一个人都..."、"总是"、"从不"（懒惰的绝对化）
✓ "[具体的事件] 标志着 [具体的变化]"
规则5：把读者放进场景
✗ "人们经常发现自己..."（远距离叙述者视角）
✓ "你会发现..."（直接对话）
用"你"代替"人们"，用具体场景代替抽象描述
规则6：变换节奏
✗ 三个连续的同长度句子
✗ 用破折号（em dash）——就像这样——强调
✗ 两件事：第一，...；第二，...；第三，...（永远是三条）
✓ 混合长短句，两件事比三件事更有力
规则7：信任读者
直接陈述事实，不要柔化或手把手带领
✗ "你可能会想知道..."
✗ "在我们深入之前，让我先解释..."
✓ 直接给出信息，读者会自己判断
规则8：删掉金句
"如果一句话听起来像是要被截图传播的，就重写它。"
✗ "技术是工具，人才是核心。"
✗ "真正的创新，始于对问题的重新定义。"
这类句子通常是空的——它们听起来有道理但什么都没说。
发表前快速检查清单
SKILL.md中包含一张12项检查清单，是实际使用中最常用的部分：
| 检查项 | 处理方式 |
|---|---|
| 有副词吗？ | 全部删掉 |
| 有被动语态吗？ | 找到行动者，让他成为主语 |
| 无生命主语在做人类行为？ | 具体说是谁 |
| 句子以疑问词开头（什么/怎么/为什么）？ | 重构 |
| "下面是/这是/这就是"式开头？ | 直接切到内容 |
| "不是X，而是Y"的对比？ | 直接说Y |
| 三个连续的等长句子？ | 打破其中一个 |
| 段落结尾的冲击性短句？ | 变换它 |
| 有破折号吗？ | 删掉 |
| 有模糊的宏大宣言？ | 说具体的事 |
| 叙述者视角太远？ | 把读者放进场景 |
| 有"如本文所述"之类的元叙述？ | 直接让文字自己推进 |
五维评分量表
每个维度满分10分，总分50分，35分以下需要返工：
| 维度 | 核心问题 |
|---|---|
| 直接性（Directness） | 是在陈述事实，还是在宣布事实？ |
| 节奏（Rhythm） | 句子长度有变化，还是像节拍器一样规律？ |
| 信任（Trust） | 尊重读者的智识，还是在手把手引导？ |
| 真实性（Authenticity） | 听起来像人写的，还是像AI生成的？ |
| 密度（Density） | 每个词都在做事，还是有可以删掉的内容？ |
这套量表的价值在于：它把“听起来像AI”这个主观感受变成了五个可量化、可操作的维度——修改时你知道自己到底在改什么，也知道什么时候可以停手。
与其检测，不如预防
这是stop-slop最值得琢磨的设计哲学，也是它与市面上大多数“AI内容检测工具”的最大区别：
主流方向（检测）：AI生成内容 → 检测器 → 标记为"AI写的" → ...然后呢？
stop-slop的方向（预防）：写作之前/同时 → Skill激活 → AI在生成时就避免这些模式 → 直接输出干净的文字
这个区别非常关键。检测工具只能告诉你“这是AI写的”，却不能帮你改好它。而stop-slop的定位是在写作过程中实时拦截，而非事后拿到鉴定报告再干瞪眼。
社区衍生项目
在5.8k个Stars背后，更值得关注的是435个Fork以及由此产生的一批衍生项目：
- skill-deslop：专为科学写作定制的去AI化Skill，针对学术论文的特定模式
- anti-ai-slop-writing：强化版本，专门针对“统计上可检测的AI写作模式”，覆盖更多边缘场景
这些衍生项目说明了一件事：识别AI写作模式的需求是真实且持续的，而且每个领域都有一套自己的口癖。
项目地址与资源
官方资源
- ? GitHub: github.com/hardikpandya/stop-slop
- ? 作者详解文章: hardik.substack.com
- ? Claude Code市场: /plugin marketplace add hardikpandya/stop-slop
适用人群
- 内容创作者：用AI辅助写博客、文章、社交媒体内容，希望输出听起来更像自己
- 技术写作者：写文档、教程、API说明，不想让“AI味”破坏可读性
- 品牌和营销团队：用AI批量生产内容，需要保持品牌语调的一致性
- 任何用AI写作的人：把这套规则装进脑子里，对自己的写作同样有帮助
总结与展望
核心要点回顾
- 8条具体规则：每条针对一类AI写作口癖，从填充词到虚假主语，覆盖最常见的模式
- 五维评分量表：把“听起来像AI”量化成可改进的五个维度，35/50是通过线
- 预防而非检测：在写作过程中拦截，而不是事后标记——这是根本性的思路差异
- 零代码、全平台：纯Markdown，任何支持自定义系统提示的工具都能直接用
- 社区影响：435个Fork和多个领域定制化的衍生项目，足以说明这个问题是普遍的
