OpenClaw模型切换实战：从默认模型到Claude Sonnet 4.6指南
2026/10/6 3:17:00
规则清单而非AI检测器：no-ai-slop如何用“点名套路”根治写作八股
评测快照：
petergyang/no-ai-slop@v1.0.0
项目定位：Agent Skill——识别并清除20+类AI写作套路，保留作者原始语气
核心数据：Stars 10,887 | Fork 739 | 协议 MIT | 主语言 Markdown/Python
安装方式：npx skills add petergyang/no-ai-slop --skill no-ai-slop --global --yes
一、它解决的是什么问题：不是“猜你是不是AI”，而是“告诉你哪里是套路”
市面上多数“AI检测器”的逻辑是：输入一段文本，输出一个0-100的分数，告诉你“这段内容有87%的概率是AI写的”。这类工具的问题在于：它只给判断，不给证据。你收到一个分数，却不知道问题出在哪个句子、哪个词。
no-ai-slop的定位完全不同。它的核心逻辑是：不猜、不打分、不评判你是不是AI写的。它只做一件事——把你文章中的AI味套路一个一个指出来，告诉你具体是哪种套路、引用原句、给出修改建议。
这个设计决策的工程含义是清晰的：AI检测器是在猜；命名到具体套路，才是你能自己核对的证据。当你看到“第3段第2句命中了‘清嗓子式开场’”时，你可以自己判断这个修改建议是否合理。当你只看到一个“87% AI概率”的分数时，你只能选择信或不信。
二、它怎么工作：两种模式，一条核心原则
2.1 两种使用模式
模式一：改稿（默认）。输入/no-ai-slop加上草稿，工具执行“最小有效编辑”——先识别你的个人风格（词汇、节奏、直率程度、幽默感），只删除让文字难读的东西（术语堆砌、长句、抽象名词），不把有个性的句子磨成“通顺的通用体”。输出两部分：改后稿 + “What changed”说明。
模式二：检测。输入/no-ai-slop is this slop?加上文本，只读扫描，不改写。逐条列出命中的套路名称、引用原句、给出一句话修改建议。
2.2 核心原则：保留语气，而非统一成模板
传统“AI润色”工具的目标是让文字变得“通顺、专业、标准”。但标准化的代价是个性被抹平——所有人写出来的东西都长得一样。
no-ai-slop的编辑原则明确写道：“Preserve the writer’s real voice. First notice the draft’s vocabulary, cadence, bluntness, humor, uncertainty, digressions, and level of polish. Keep the traits that feel personal to the writer. Do not make every paragraph equally tidy or rewrite distinctive lines merely for consistency.”
这意味着：一段“不完美但真实”的文字，改完之后仍然应该听起来像同一个人写的。粗糙但有真实声音的草稿，不应该被编辑成“通顺但空洞”的公关话术。
三、它识别什么：20+类套路的分类逻辑
no-ai-slop的SKILL.md中定义了20+种AI写作套路模式。根据腾讯云开发者社区的文章，其中几类高频模式包括：
| 套路类型 | 典型句式 | 核心问题 |
|---|---|---|
| 二元对比句 | “这不是X，是Y” | 用虚假对立制造深度感 |
| 清嗓子开场 | “有一点我们必须明确……” | 零信息量的前置铺垫 |
| 故弄玄虚 | “90%开发者都不懂的核心秘密” | 靠噱头博眼球，无真实干货 |
| 冒号揭秘 | “核心亮点在于：它实现了……” | 机械演讲式句式，割裂阅读节奏 |
| 戏剧化断句 | “仅此而已。这就是本质。” | 刻意停顿渲染，无意义凑篇幅 |
| 空洞收尾 | “技术的终极意义，是赋能未来” | 万能套话，适配任何文章 |
这套规则的设计逻辑是“行为模式识别”，而非“词汇黑名单”。它不是简单地禁用一个词表，而是识别句式结构和修辞模式。比如“二元对比句”的核心特征是“否定A + 肯定B”的结构，无论具体用的是什么词，只要命中这个结构就会被标记。
SKILL.md还包含一个自检环节（eval.md）：每次完成Edit后，模型要逐项检查自己的结果，确认没有引入新的套路。
四、与humanizer的区别：什么时候用哪个
humanizer是另一个在GitHub上广受关注的去AI味Agent Skill，目前有46,014 Star，v3.0.0版本将规则合并为25条。两者的规则都源自维基百科WikiProject AI Cleanup维护的《Signs of AI writing》指南，但设计目标不同。
| 维度 | humanizer | no-ai-slop |
|---|---|---|
| 目标文本 | 维基百科式中性文本 | 个人博客、社交媒体、技术写作 |
| 规则数量 | 25条，按强度分级 | 20+条，按套路类型分类 |
| 核心约束 | 明确禁止编造事实，缺信息时向用户提问 | 保留作者语气，最小有效编辑 |
| 适用场景 | 技术文档、产品说明、百科条目 | 个人博客、公众号、有观点有态度的写作 |
| 输出方式 | 改写后自查三步 | Edit + Detect双模式 |
选择建议：处理需要中性客观的内容，humanizer的分级规则和“不编造”约束更合适；写需要保留口吻和幽默感的个人内容，no-ai-slop的“保留语气”设计更贴合。
五、实测表现：能做什么，不能做什么
5.1 它能做到的
一篇对四款去AI味Skill的实测对比显示，no-ai-slop在结构层面做了较为积极的编辑——它改动了16个段落，删除了15个词，主要针对段落结构和语气。
日文社区的实测给出了更具体的反馈：对于“有意写得像AI”的文本，no-ai-slop能够检测出3-5种套路模式。
5.2 它的边界
同一篇日文实测也指出了no-ai-slop的局限：它擅长去除“文体层面的AI味”，但无法检测“文体自然、但没有判断依据”的内容。比如一段评论文字，语气自然、没有套路句式，但缺乏事实支撑——no-ai-slop不会标记它，因为问题不在“AI味”，而在“信息空洞”。
另一个实测反馈指出，SKILL.md中的规则有30多条，第一次运行时模型可能会输出“没法一次性改完所有内容”。建议分段输入，每次300-500字，效果更稳定。
六、安装与使用
6.1 安装
npx skillsaddpetergyang/no-ai-slop--skillno-ai-slop--global--yes安装后全局生效，适配Claude Code、Codex、Cursor等支持Skills的Agent环境。
6.2 调用
改稿模式：
/no-ai-slop [粘贴你的草稿]检测模式：
/no-ai-slop is this slop? [粘贴待检测文本]6.3 使用建议
优先用于初稿降噪：先剔除废话，再手动补充个人观点和落地案例。工具负责“去糟粕”，人工负责“填干货”。如果初稿较长，分段输入（每次300-500字）比一次性输入全文效果更稳定。
七、适用场景
| 场景 | 适用性 |
|---|---|
| 技术博客、CSDN文章初稿降噪 | ✅ 推荐 |
| 开源项目README、技术文档精简 | ✅ 推荐 |
| AI辅助办公文档去套路化 | ✅ 推荐 |
| 需要中性客观的百科式内容 | ⚠️ humanizer更合适 |
| 需要事实核查的内容 | ❌ 不适用——它管文体，不管真假 |
八、结语
no-ai-slop的价值不在于“让AI写的文字看起来不像AI”，而在于把“AI味”这个模糊的感觉，拆解成了一份可核对的规则清单。当你看到“第3段命中了清嗓子式开场”时，你可以自己判断这个修改建议是否合理，而不是被动接受一个“87% AI概率”的分数。
它的边界同样清晰：它管的是文体层面的套路，不管事实层面的真假。一段没有AI味但信息空洞的文字，no-ai-slop不会标记它——因为问题不在它管的范围内。
版权声明：本文基于开源项目SKILL.md和公开实测数据整理，仅供技术学习与工具评估参考。项目功能以官方仓库为准。