Deslop — 反 AI 味写作

蒸馏自 @human-writing、slopbuster、humanizer 三个 skill 的核心规则。

去 AI 味只是一半。去完之后的文字如果无菌、无观点、无节奏，同样一眼就能看出是 AI 改过的。目标是替换，不是删除。

When to Use

• 文章/文档/博客写完后读起来像 AI 生成的
• ATA 分享稿、对外文档需要去 AI 味
• 用户明确要求"去 AI 味"、"写得更像人"
• 审查已有文档的 AI 痕迹并修复

When NOT to Use

• 代码注释和 commit message 的去 AI 味（用 slopbuster --mode code）
• 学术论文的去 AI 味（用 slopbuster --mode academic）
• 纯文档生成（用 @doc-gen）
• 内容本身需要重写而不只是去 AI 味

\x3Cexample> 正确用法：对一篇 ATA 技术分享稿做两次 pass 去 AI 味重写 输入: 一篇 2000 字的技术文章，包含"革命性"、"赋能开发者"、"无缝集成"等 AI 痕迹 Pass 1: 去掉 12 个 AI 词汇、5 个意义膨胀、3 个 copula 回避 Pass 2: 发现残留痕迹（均匀句长、无观点），注入节奏变化和具体感受 结果: 评分从 3.2/10 提升到 8.1/10 \x3C/example>

\x3Canti-example> 错误用法：只做 Pass 1 不做 Pass 2 Pass 1 去掉 AI 模式后，文字变得干净但无菌——均匀句长、中立陈述、完美结构 这种"无菌文"和 AI slop 一样容易被识别，只是被不同的检测器识别 MUST 做两次 pass，NEVER 只做一次 \x3C/anti-example>

Usage

/deslop \x3Cfile>              # 标准深度，自动检测语言
/deslop \x3Cfile> --score-only # 只评分，不重写

Workflow

MUST 按以下 4 步执行，NEVER 跳过 Pass 2（跳过 = 产出无菌文，同样一眼能看出 AI 改过）。如果不确定某个改动是否合适，保留原文并标注，让用户确认。

Step 1. 诊断  — 读全文，按模式清单标注所有 AI 痕迹，给原始评分
Step 2. Pass 1 — 去模式：逐条消除标注的 AI 模式，保留事实和论证
Step 3. Pass 2 — 注灵魂：问"这还像 AI 写的吗？"，列出残留痕迹，再改一遍
Step 4. 评分  — 给最终版评分，输出变更日志

Pass 2 是关键。Pass 1 去掉 AI 模式后，文字往往变得干净但无聊——均匀的句长、中立的陈述、完美的结构。这种"无菌文"和 AI slop 一样容易被识别，只是被不同的检测器识别。

Do not add new content that doesn't exist in the original. Do not inject opinions the author didn't express. Avoid over-correcting formal technical writing into casual blog tone.

边缘场景

• 代码块：跳过，只评分和修改散文部分
• 表格：检查表头行有没有 AI 词汇（"解决方案"、"核心优势"），单元格内容通常不改
• 中英混合：英文段落用英文模式清单，中文段落用中文模式清单，不交叉套用
• HTML/组件：跳过标签本身，只处理可见文字

核心模式（Tier 1 — 最强 AI 信号）

每个命中扣 3 分。在中文技术写作中最常见的：

核心模式（Tier 2 — 中等 AI 信号）

每个命中扣 2 分：

中文特有 AI 模式

结构性 AI 模式（Tier 3 — 需要全文视角才能发现）

单独看每段都没问题，放在一起就暴露了。每个命中扣 1.5 分：

这些模式是 Pass 1 无法检测的——需要在 Pass 2 用全文视角扫描。单段去 AI 味之后如果全文结构仍然对称，整篇文章照样一眼 AI。

Pass 1 → Pass 2 示例

Pass 1 后的文字：

我们设计了一个三层架构。评估层负责检查质量。改进层负责生成候选。控制层负责管理循环。这三层协同工作，形成了完整的改进流程。

Pass 1 去掉了 AI 词汇（"协同"、"赋能"），但留下了均匀的句长（每句 10-15 字）、平行的"X层负责Y"结构、零个人感受。读起来干净但无聊——这就是"无菌文"。

Pass 2 改后：

三层架构。评估层检查质量——结构评分和执行测试分开算，因为前者跟实际效果 R²=0.00。改进层一次生成 4 个候选，gate 挡退步的。控制层管循环什么时候停。说起来清楚，调通花了两周。

改了什么：句长打破了对称（短、长、短、短）；"负责"换成了具体动作；末尾加了一句真实感受。

灵魂注入（Pass 2 的核心）

去完模式后做两层检查：

句级（逐段）：

• 节奏变化了吗？ 连续 3 句同样长度 → 打断。短句、长句交替。有些段落只有一句话
• 有观点吗？ 纯中立陈述 → 加一句反应。"这个数据让我们放弃了方案 A"
• 有具体感受吗？ "this is concerning" → "有个事一直困扰我们：指标在涨，但没人能说清为什么"

篇级（全文鸟瞰）： 这层是 Pass 2 最容易漏的

• 段落结构对称吗？ 连续 3+ 段用同一种展开方式 → 至少一段打破模式
• 同一个定位语说了几遍？ 3+ 次 → 第二次之后换简短指代
• 自问自答数了吗？ 全文超过 5 个 → 砍到 3 个以内
• 情绪有波动吗？ 全文零个人感受 → 注入 2-3 处真实反应
• 结尾在总结吗？ → 删总结。换成新角度、具体行动、或未解决的问题

语气校准

技术文章的灵魂是技术本身——代码、数据、架构图、失败案例。不是语气和情绪。

Voice Calibration（可选）

如果用户提供了自己的写作样本，先分析：

• 句长模式（短而有力？长而流畅？混合？）
• 用词层级（口语？学术？中间？）
• 段落开头习惯
• 标点偏好（em dash 多？括号多？分号？）
• 过渡方式（显式连接词？直接进下一个点？）

然后用样本的模式替换 AI 模式，而不是用通用的"人味"替换。

如果作者样本中某个 AI 模式出现频率高（比如习惯用 em dash），以作者的频率为准，不是清单的默认值。目标是匹配作者的声音，不是消除一切模式。

禁用词表

评分（0-10）

本评分只覆盖 AI 味（词汇/句式/结构模式），不覆盖内容质量。 一篇干净但单薄的文章可以拿 deslop 9 分，但内容丰满度、图表密度、why 追问等维度需要用 @tech-article --review 单独检查。如果在 tech-article 的 Phase 5 中被调用，tech-article 会合并两个维度的分数。

短文密度修正：300 字以内的文本，Tier-2 命中按 Tier-1 权重（-3 分）计算——短文里一个 AI 词汇的信号密度远高于长文。

输出格式

原始评分: X/10
模式: text | 深度: standard

--- PASS 1 重写 ---
[去模式版本]

--- 残留 AI 痕迹 ---
- [简要列出]

--- PASS 2 最终版 ---
[注入灵魂版本]

最终评分: Y/10（仅 AI 味维度，不含内容质量）

变更日志:
- 删除了 N 个 hedging 短语
- 替换了 N 个 AI 词汇
- 修复了 N 个结构模式
- 加入了 N 个具体示例

自检清单

发布前逐条过：

1. 人会这么说话吗？不会就重写。
2. 每个声明有证据吗？没有就加数据或删掉。
3. 这句话放到任何公司的博客都成立吗？是就太通用了。
4. 开头是热情还是信息？用信息开头。
5. 结尾在总结还是在延伸？删总结，换延伸。
6. 这个过渡可以删吗？可以就删。

Related

@doc-gen 文档生成 | @deep-research 调研报告 | @human-writing 中文写作参考

References

• 完整模式目录（29+ 模式详解和示例）: references/full-pattern-catalog.md
• 中文 AI vs 人味写作对比示例: references/writing-patterns-zh.md
• 场景语气指南和快速修复清单: references/tone-guide.md