메뉴
去除中文写作中的 AI 腔调，让文本像人写的而非模型生成的。覆盖博客、技术文档、推文、发行说明、科学论文等场景。触发词：去 AI 味、改写、润色、审稿、翻译腔重、像人写的、自然一点。英文去 AI 味见 deslop-en
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| name | deslop-zh |
| description | 去除中文写作中的 AI 腔调，让文本像人写的而非模型生成的。覆盖博客、技术文档、推文、发行说明、科学论文等场景。触发词：去 AI 味、改写、润色、审稿、翻译腔重、像人写的、自然一点。英文去 AI 味见 deslop-en |
| metadata | {"trigger":"去AI味, 改写, 润色, 写一段, 审稿, 改稿, 翻译腔, 自然一点, 像人写的, 技术文档, 博客, 推文, 发行说明, release notes, 文章","sources":["https://github.com/hexiecs/talk-normal","https://github.com/ninehills/skills (write, tech-doc-style-chinese)","https://zh.wikipedia.org/wiki/Wikipedia:AI生成文的特徵","https://github.com/hardikpandya/stop-slop","https://github.com/stephenturner/skill-deslop","https://tropes.fyi","https://github.com/coderjatin/anti-slop-writing"]} |
最高优先级：读起来自然，而非读起来像「努力装人」。
去 AI 味是做减法，不是做加法：
先确认事实、逻辑、因果不变。为「更口语」改坏原意 = 失败改写。
不同写作目标有不同标准：
一段刚解释完某机制，结尾再重述一遍。
信号词：这说明 / 到这里 / 可以看出 / 这本身就是 / 通过以上分析 / 由此可见
❌ 「到这里，我们已经看到了内存分配器在 allocation 路径上的三个关键优化点。」 ✅ 直接删掉，上一句已经说完。
把具体工程观察上升到普适人生道理。
❌ 「这其实和产品设计一样：好的抽象不是为了炫技，而是为了让使用者少犯错。」 ✅ 直接给具体建议：「所以设计抽象时，先用调用方的视角写一遍调用代码，再决定接口长什么样。」
禁止用否定式对比结构。任何形式的「不是 X，而是 Y」「不是 X，是 Y」「X 本身没有价值，真正有用的是 Y」「X 已经不是瓶颈，Y 才是」全部重写。
❌ 「真正的创新者不是有创意的人，而是五种特质同时拉满的人。」 ✅ 「真正的创新者是五种特质同时拉满的人。」
❌ 「这更像创始人筛选框架，不是交易信号。」 ✅ 「这是一个创始人筛选框架。」
❌ 「性能瓶颈已经不是 I/O，而是锁竞争。」 ✅ 「锁竞争现在是主要性能瓶颈。」
❌ 「真拆开看...」「这背后是同一个变化...」「真正关键的问题是...」 ❌ 「先问问是不是」「你要先明白」 ✅ 直接说。「先确认...」「可以先看...」
不要在结尾前加总结标签。
❌ 一句话总结 / 简而言之 / 概括来说 / 总而言之 / 综上所述 / 总结一下 ❌ 一句话落地 / 一句话讲 / 一句话概括 ✅ 直接给 punchline，不加标签。
❌ 「随着 AI 技术的不断发展...」 ❌ 「在当今数字化浪潮中...」 ❌ 「近年来，XXX 受到了越来越多的关注...」 ✅ 直接开头。「用了不到一个月后...」「先说结论...」「这次想把 X 这条链路讲清楚...」
以下词默认不用（除非引用原文或行业固定术语）：
❌ 「通过数据沉淀赋能业务闭环」 ✅ 「积累数据后，业务能形成完整流程」
额外警惕：
| 不用 | 用 |
|---|---|
| 非常 / 极其 | 很 |
| 值得注意的是 | （直接说结论） |
| 综上所述 | （直接收尾） |
| 例如 | 比如 |
| 购买 / 使用 | 买 / 用 |
| 很多同学 / 不少同学 | 很多人 / 不少人 |
| 这几个事 | 这几件事 |
「」，不用弯引号 ""「」『』【】CN 文字 EN → CN 文字 EN版本 2.0❌ 「接住」「击穿」「锋利」「不崩」「不爆」「打穿」「扛住」等物理动作动词用在了抽象认知上 ✅ 换成日常中文：「你这几条我都收到了」「这个假设不成立」
❌ 抽象名词做主语：
工程上的现实比这些数字难看✅ 重写，人/动作做主语。
❌ 「更干净：xxx」「逻辑很清晰：xxx」 ✅ 删掉形容词预判，直接说 xxx。
**xxx**。content）→ 改为 **xxx**，content，让 bold 变成承重词而非独立标题触发：「技术文档」「API 文档」「产品文案」「界面文案」「帮助文档」
「」触发：「博客」「技术文章」「技术长文」「写一篇」「科普」
触发：「推文」「X推文」「twitter」「社交发文」「post」
五规则：
触发：「release」「changelog」「版本」「发行说明」
触发：「论文」「abstract」「cover letter」「grant」「manuscript」
触发：「双语」「中英」「bilingual」「翻译」
| 不用 | 用 |
|---|---|
| 非常 / 极其 | 很 |
| 值得注意的是 | 直接说结论 |
| 综上所述 / 总之 | 直接收尾 |
| 例如 | 比如 |
| 购买 | 买 |
| 使用 | 用 |
| 拥有 | 有 |
| 呈现 | 是 / 显得 |
| 进行（+动词） | 删掉「进行」，用动词本身 |
| 赋能 | 提供 / 帮助 |
| 抓手 | 关键措施 |
| 闭环 | 完整流程 |
| 沉淀 | 形成 / 积累 |
| 对齐 | 统一 |
| 拉通 / 打通 | 连接 / 贯通 |
| 洞察 | 分析结论 |
| 兜底 | 保障机制 |
| 至关重要 / 意义重大 | 重要 |
| 褒有 | 有 |
| 坐落于 | 在 |
| 致力于 | 努力 / 专注 |
改写前：
众所周知，随着云原生技术的不断发展，Kubernetes 已经成为了容器编排领域的事实标准。值得注意的是，虽然 K8s 本身功能强大，但在实际落地过程中，很多同学会发现它并不是银弹。本文将从多个维度深入探讨企业在落地 Kubernetes 时面临的挑战和应对策略，希望能为正在考虑或已经踏上云原生之旅的各位带来一些启发。
改写后：
我们团队用 Kubernetes 跑了三年生产环境。最大的感受：K8s 解决了部署问题，但把复杂度转移到了别的地方。这篇文章记录我们踩过的五个坑，以及每个坑的止损方案。
改动点：删了开篇套话、删了「值得注意的是」「很多同学」、删了对比句式「不是银弹」、删了「从多个维度深入探讨」、删了升华式结尾、换成了具体事实和个人经验。
改写前：
你好！欢迎使用我们的 API 服务！我们的平台提供领先的、强大的数据处理能力，能够赋能您的业务，助力您在数字化转型的赛道上实现弯道超车。使用前，您需要先进行 API Key 的申请。
改写后：
API 提供以下数据处理能力：批量查询、实时推送、数据清洗。调用前需先申请 API Key，详见「认证」章节。
改动点：删了问候语、删了感叹号、删了宣传形容词+黑话链条、删了第二人称、把废话换成了功能清单。
改写前：
微服务架构的价值不在"微"，而在于边界清晰。
改写后：
微服务架构的价值在于边界清晰。
改写前：
从多个维度来看，Redis 在高并发场景下具有至关重要的意义。不仅能够提升系统响应速度，还对整体架构的可扩展性产生了深远影响。
改写后：
Redis 用单线程模型处理读写，省去了锁开销。我们压测发现，相同硬件下 Redis 的 QPS 比 MySQL 高两个数量级。
五个维度，每维 1-10 分，低于 35/50 需修订：
| 维度 | 问题 |
|---|---|
| 直接性 | 是在陈述事实还是在预告/总结？ |
| 节奏 | 句子长短有变化还是千篇一律？ |
| 信任 | 有没有低估读者智商（解释过度、灌输腔）？ |
| 真实度 | 读起来像人写的还是像 AI 生成的？ |
| 密度 | 还有能删的吗？ |
tech-doc-style-chinese：中文技术文档排版专项（直角引号、中英留白、黑话规避）deslop-en：英文去 AI 味写作（喉清开场、副词、假主体、对比句式、AI 词汇禁表等）Reviews code diffs, PRs, issue queues, release readiness, commits, pushes, publishing, and project audits. Use when users ask in any language for code review, issue or PR triage, release gates, publishing follow-through, or project audits. Not for debugging root causes or prose review.
Produces distinctive, production-grade UI for pages, components, visual interfaces, typography, and screenshot-driven polish. Use when users ask in any language for UI, page, component, frontend, typography, screenshot-grounded visual polish, or complaints that a screen looks unclear, ugly, inconsistent, or visually wrong. Not for backend logic or data pipelines.
Use when the user requests diagrams, flowcharts, architecture diagrams, ER diagrams, UML / sequence / class diagrams, network topology, ML/DL model figures (Transformer/CNN/LSTM), mind maps, or any visualization. Also use proactively when explaining systems with 3+ components, complex data flows, or relationships that benefit from visual representation. Best suited when the diagram needs custom styling, rich shape vocabulary, swimlanes, or exportable images (PNG/SVG/PDF/JPG). Generates .drawio XML and exports locally via the native draw.io desktop CLI.
Runs a budget-aware agent-assisted engineering health audit for instruction/config drift, hooks/MCP, verifier surfaces, and AI maintainability. Use when users ask in any language to audit Claude, Codex, Pi, agent instructions, MCP or hooks, verifier coverage, or AI-maintainability drift. Not for debugging application code or reviewing PRs.
Finds root cause before applying fixes for errors, crashes, regressions, failing tests, broken behavior, and screenshot-reported defects. Use when users report in any language errors, crashes, broken behavior, regressions, failing tests, screenshot evidence, or something that used to work and now fails. Not for code review or new features.
Runs a six-phase research workflow that turns unfamiliar domains, source bundles, or collected material into publish-ready output. Use when users ask in any language to research, study, deep-dive, compile sources, synthesize unfamiliar material, or turn a source bundle into a coherent reference. Not for quick lookups or single-file reads.