你有没有这种体验——打开一篇文章，扫了两行就知道是AI写的。

不是因为内容不对，而是那种"在当今这个时代，我们不得不承认"的开头，那种"总而言之"的结尾，那种每段都精准排比三句话的节奏——太熟悉了。熟悉到恶心。

这种东西有个专门的名字：AI slop。AI泔水。

今天聊的这个项目，叫 stop-slop，GitHub 6.4K星（选题池创建时的数据，现在已经涨到16.8K了，5天翻了快3倍）。它干的事很简单：把AI写的"泔水味"洗掉。

stop-slop 是什么

先说一个容易误解的地方：stop-slop 不是一个CLI工具，不是一个npm包，不是一个Python库。

它是一个 skill文件——本质上就是一套精心设计的提示词，直接喂给LLM（Claude、ChatGPT、Cursor等），让AI自己识别并删除自己写的"AI味"内容。

仓库结构很简洁：

1
2
3
4
5
6
7
8

stop-slop/
├── SKILL.md              # 核心指令（主文件）
├── references/
│   ├── phrases.md        # 要移除的短语列表
│   ├── structures.md     # 要避免的结构模式
│   └── examples.md       # 改写前后对比示例
├── README.md
└── LICENSE

仓库地址：github.com/hardikpandya/stop-slop

MIT协议，随便用。之所以火成这样，我觉得有几个原因：

• 切中痛点：AI写作泛滥到读者都能一眼识别，作者急需去AI化
• 形式新颖：不是装个工具跑个命令，而是把规则喂给AI让它自己改
• 即插即用：Claude Code、Cursor、API调用都能直接用
• 量化评分：5维评分系统让"去AI味"有了可衡量的标准

8条核心规则拆解

stop-slop 的灵魂在 SKILL.md 里的8条规则。逐条拆解：

规则1：删除填充短语

AI最爱写这种东西：“在当今数字化时代”、“值得注意的是”、“不可否认”。stop-slop 要求全部删掉，包括所有副词。副词是AI的拐杖——如果一个动词需要副词来加强，说明动词本身不够好。

规则2：打破公式化结构

AI写文章有个固定模板：先来个二元对比（“不是A，而是B”），然后负面列举（“没有X，没有Y，没有Z”），再来个戏剧性碎片化短句。stop-slop 把这些模式全部标记为"必须重构"。

规则3：使用主动语态

每句话必须有一个人类主语在做某事。“问题被解决了"不行，“张三解决了这个问题"才行。禁止无生命物体执行人类动作——“这个框架决定采用…“这种写法在stop-slop看来是病句。

规则4：具体化

“许多人认为”——多少人？什么人？“极大地提升了”——提升了多少？stop-slop 要求命名具体事物，禁止模糊声明，禁止懒惰极端词（every/always/never）。

规则5：把读者放进场景

“人们通常会发现…“改成"你会发现…"。“有一种观点认为…“改成直接陈述观点。AI喜欢用远距离叙述者声音，stop-slop要求把读者拉进来。

规则6：变化节奏

AI写出来的句子长度高度一致，读起来像节拍器。stop-slop 要求混合长短句，打破单调节奏。还有一个细节：两项胜过三项。AI特别喜欢列三样东西（“快速、高效、可靠”），stop-slop 认为两项就够了，三项是AI的惯性。

规则7：信任读者

“换句话说”、“也就是说”、“简而言之”——这些都是AI在手把手教读者理解。stop-slop 的态度是：直接陈述事实，跳过软化和辩解。读者不傻。

规则8：删除可引用句

如果一句话听起来像名人名言、像朋友圈金句、像可以截图传播的句子——删掉重写。AI特别爱生成这种"金句”，因为训练数据里充满了这类东西。stop-slop 认为这是最明显的AI味。

5维评分系统

stop-slop 不只有规则，还有一个量化评分系统：

总分50分，低于35分需要修改。AI生成的文本通常在18-25分之间——几乎每一项都不及格。

实测：before/after 对比

说理论没意思，直接上实测。我用ChatGPT生成了一段典型的AI文章开头，然后用stop-slop规则改写。

原文（AI生成）：

在当今快速发展的技术领域，人工智能正在深刻地改变着我们工作和生活的方式。值得注意的是，越来越多的企业开始将AI技术融入到日常运营中，这不仅极大地提升了效率，也从根本上重塑了整个行业的格局。可以说，拥抱AI已经不再是一个选择，而是一种必然。

改写前我先用stop-slop的评分系统打个分：

• Directness：4/10（全是宣告，没有陈述）
• Rhythm：3/10（每句长度几乎一致）
• Trust：4/10（“可以说”、“值得注意的是"都是在替读者下结论）
• Authenticity：3/10（闭眼都知道是AI写的）
• Density：3/10（50个字能说完的事写了100字）
• 总分：17/50，需要大改

改写后（应用stop-slop规则）：

AI正在改变工作的样子。2025年，全球67%的企业在运营中使用了至少一种AI工具，比前一年增长23个百分点。问题不是要不要用AI，而是怎么用才不会变成"买了一堆工具但没人会用"的尴尬。

改写后评分：

• Directness：8/10（直接陈述事实和数据）
• Rhythm：7/10（长短句混合，最后一句拉长带转折）
• Trust：8/10（没有软化词，没有手把手引导）
• Authenticity：8/10（读起来像人写的博客文章）
• Density：8/10（信息密度明显提升，没有废话）
• 总分：39/50，通过

区别在哪？原文5句话全是废话，没有一个具体数据，没有一个具体场景。改写后有数据（67%、23个百分点）、有场景（“买了一堆工具但没人会用”）、有观点（直接说"问题不是…“而不是"可以说”）。

中文场景：衍生版好用吗？

stop-slop 原版是英文的，但社区很快就做了中文版：

• VincentOld/stop-slop-zh（74星）—— 消除中文AI写作痕迹
• pencil20388-eng/stop-slop-zh（44星）—— 包含中文禁用词、标点规则、结构约束、4层QA
• dripips/plain-prose（67星）—— 合并了stop-slop和avoid-ai-writing，支持英/俄/德

中文AI写作的"AI味"和英文不完全一样。英文AI slop的典型特征是"In today’s rapidly evolving landscape"这种开场白，中文则是"在当今这个”、“不可否认”、“随着…的不断发展”。

中文衍生版加了针对性的禁用词列表，比如：

• 开场白：“在这个快节奏的时代”、“随着技术的飞速发展”
• 连接词：“值得一提的是”、“不难发现”、“毋庸置疑”
• 结尾：“总而言之”、“综上所述”、“让我们拭目以待”

我测试了中文衍生版的效果，整体和原版的8条规则是兼容的，禁用词列表确实能覆盖大部分中文AI slop。但评分系统还是英文原版的，中文场景下"节奏"和"密度"这两个维度的评分标准需要自己调整。

与 taste-skill 的区别

上一篇文章我测过 taste-skill（84.6K星），那这里简单对比一下：

两者不冲突，甚至可以叠加使用：先用taste-skill给内容注入品味，再用stop-slop删除残留的AI味。一个管"好看”，一个管"好读”。

实际应用场景

哪些场景适合用stop-slop？

公众号写作：这是最直接的应用场景。AI辅助写公众号越来越普遍，但读者也越来越敏感。用stop-slop过一遍，至少不会让人一眼看出是AI写的。

技术文档：README、API文档、教程——这些场景AI写出来的内容特别模板化。stop-slop的规则4（具体化）和规则7（信任读者）对技术文档特别有效。

商业文案：产品介绍、营销邮件、landing page。这些场景对"人味"要求最高，AI写的商业文案千篇一律，stop-slop能帮大忙。

不适合的场景：学术论文（格式要求严格）、法律文书（措辞需要精确而非"自然”）、以及你明确需要AI风格的场景（比如批量生成SEO内容）。

总结

stop-slop 解决了一个真实的问题：AI能写，但写出来的东西没有"人味”。

它不是万能药——规则需要你理解并内化，不是机械执行就能出好文章。评分系统也需要根据具体场景调整阈值。但作为一个"去AI味"的起点，它提供了目前最清晰的框架。

适合谁用：用AI辅助写文章但不想被读者一眼识破的人。技术博主、公众号作者、内容创作者。

怎么用：把SKILL.md的内容作为system prompt或skill文件喂给你常用的LLM，然后让它帮你改文章。第一次用建议先跑一遍评分，看看你的AI写作习惯得多少分，然后再针对性地改。

GitHub地址：github.com/hardikpandya/stop-slop

作者：varkm