公众号连夜安利 no-ai-slop去 AI 味正在成为内容行业的自救运动【免费下载链接】no-ai-slopRemoves 20 patterns of AI slop from any piece of writing.项目地址: https://gitcode.com/gh_mirrors/no/no-ai-slop过去一个月中文互联网上出现了一个略显奇特的传播现象大量公众号、头条号和博客开始连夜安利同一个开源项目——no-ai-slop。它的功能只有一个从你的文字里找出 20 多种典型的AI 味表达并帮你把它们改掉同时保留作者自己的说话方式。在 2026 年 9 月的 GitHub 周榜上这个项目连续多期与 AI Agent 工程化工具同框出现有创作者发文称项目开源五天就斩获了数千 Star头条号甚至用一次揪出 20 种废话来概括它的能力。一个写作技能文件凭什么引发内容行业的集体转发这篇文章会结合社区情报与仓库源码拆解三件事公众号到底在焦虑什么、no-ai-slop 用什么样的工程化方式去 AI 味以及这股风潮背后内容行业对 AI 写作的态度正在发生怎样的转向。公众号在焦虑什么AI 味与流量焦虑先看 no-ai-slop 在 README.md 里描述的问题。它开篇就点名了几类连最好的模型都在反复产出的句子Its not X. Its Y.这不是 X这是 YWhat nobody tells you is…没人告诉过你的是……The future isnt coming. Its already here.未来不是将要到来它已经在这里了把这三句话翻译回中文语境公众号读者只会更加熟悉二元对仗、没人告诉你式伪洞见、金句式结尾。这些句式过去是爆款模板如今却成了读者一眼识破 AI 生成的指纹。公众号的焦虑由此而来且是多层的第一层是信任流失。当读者发现一篇深度好文的句式结构与隔壁号完全相同——同样的冒号揭示、同样的划重点、同样的综上所述收尾——内容的可信度就开始坍缩。AI 味不再只是审美问题而是公信力问题。第二层是算法识别。内容平台的推荐系统与查重机制越来越擅长识别模板化文本。AI 生成内容高度同质化同质化意味着低互动、低推荐权重这在流量逻辑下几乎是致命伤。这也是为什么公众号需要连夜寻找解决方案——它们面对的不是某个写作瑕疵而是分发层面的生存压力。第三层是定位塌陷。公众号赖以生存的是人格化表达。而当创作者用 AI 批量生产文字、又用 AI 批量润色时号与号之间的差异被逐步抹平关注你这个号的理由也随之消失。所以去 AI 味本质上不是修辞训练而是一次内容行业的自救在 AI 让生产变得无限廉价之后把人的味道重新变成稀缺资产。从个人工具到行业自救运动的扩散路径no-ai-slop 的定位非常克制。它不是又一个AI 检测器而是一份可以被任何 coding agent 读取的写作编辑规范。仓库的结构也印证了这一点核心只有两个 Markdown 文件SKILL.md 承载全部编辑规则eval.md 承载修改后的自检清单。使用方式简单到几乎没有门槛。README.md 给出了三种接入方式把一句话粘贴给 ChatGPT、Claude Code、Codex 等任意 coding agent或通过npx skills add全局安装在写作时调用/no-ai-slop (你的文字)即可。它定义了两种模式默认的Edit最小化编辑并列出改动和Detect逐条点名命中的 slop 模式、引用原文、给出简短修复建议但不重写、不打分、不猜测作者。这种轻量、模块化、可复制的设计恰好解释了它为什么能在社区里滚雪球。回看社区情报可以梳理出三条扩散路径路径一热榜效应。CSDN 的 GitHub 周榜在 2026 年 9 月连续多期把 no-ai-slop 与 humanizer 并列收录为AI 去痕方向的代表项目GitHub 2026 W38 周刊又将其与阿里开源的代码评审工具、智能体运行底座等并列。开源生态对它的定位很清晰这是文本去 AI 味赛道里工程化最完整的项目之一。路径二生态化扩散。no-ai-slop 并非孤例。社区同期还涌现出 stop-slop8 条核心规则 Quick Checks 自查表、Vale-LLM-slop基于散文 Linter 的AI 水词拦截、Continue Anti-Slop识别 10 种 AI 代码坏味道、anti-slopOxlint 规则集等一系列项目。它们把同一个理念复制到了文本、散文 lint、代码质量检查等不同环节形成了一个完整的反 AI 味工具族。这已经不是某个作者的个人偏好而是开发者社区对 AI 输出质量的一次系统性纠偏。路径三从文本到代码的跨界。值得注意的是去 AI 味的诉求同时出现在文本和代码两个战场文本侧要消除 AI 腔代码侧要拦截 AI 生成的低质量代码冗余注释、无依据的类型断言、过度抽象。两个战场共享同一套逻辑AI 产出变便宜之后低质但貌似专业的输出开始泛滥行业需要一套规则来捍卫质量标准。no-ai-slop 凭什么能去味源码级拆解如果只是罗列黑名单no-ai-slop 不会引起这么大的关注。真正让它区别于普通提示词工程的是它把人味变成了可执行的编辑原则。第一规则是结构性的不是词表级的。SKILL.md 里值得注意的是一长串模式清单二元对比、清嗓式开头Heres the thing、伪洞见铺垫The part everyone misses、冒号揭示、戏剧化碎片句、重要性吹捧marks a pivotal moment、含糊引用experts agree、同义词轮换、伪深刻结尾、总结式收尾……它抓的不是某个词而是句式和结构的指纹。比如同义词轮换这条抓的是the agent reviews the draft. The assistant scores the piece. The tool suggests fixes这种用换词假装变化的写法——这是词表级过滤永远抓不到的。第二保留人味是最高优先级。规则开篇就要求先识别作者的词汇、节奏、直率程度、幽默感、不确定性和离题习惯然后做出最小有效修改Make the minimum effective edit。它明确禁止把每一段都改得一样整洁禁止为了统一而重写有个性的句子甚至要求保留有用的粗口和自嘲。这与传统的AI 润色恰恰相反——传统润色是抹平一切棱角no-ai-slop 是只摘除 AI 的指纹、留下人的指纹。第三拒绝猜测作者。Detect 模式有一句非常关键的设计原则AI detectors guess. Named patterns are evidence the user can check.AI 检测器靠猜测具名的模式是用户可以核对的证据。它不输出这段有 87% 概率是 AI 写的这类玄学结论而是逐条引用原文、命名模式、给出修复建议。这种可证伪的设计让它同时避开了误判争议和道德风险。第四自带质量闭环。eval.md 是这套技能的验收标准11 条编辑原则检查 9 条模式检查 6 条终读检查要求修改后的文本逐项打 pass/fail任何一项不通过就回头重改。其中反复出现的问题包括作者能否认出这是自己的文字读给一个尖锐的同事听是否自然。也就是说这个技能不是输出一版改写就结束而是带着自检清单运行的。仓库中的 build_plugin.py 则负责把 SKILL.md、eval.md 与 plugin.json 打包成 ChatGPT 插件并校验产物完整性PRIVACY.md 明确声明它是纯 skills 插件、不跑外部服务器、不收集数据。整个工程做到了无服务器、无账号、规则即产品。内容行业对 AI 写作的下一轮态度变化站在更长的时间尺度上看no-ai-slop 的走红或许标志着内容行业对 AI 写作的态度进入了一个新阶段。从用 AI 写到让 AI 写得不像 AI。第一轮 AI 内容浪潮的核心命题是如何用 AI 更快地产出no-ai-slop 所代表的第二轮浪潮核心命题变成了如何让 AI 产出不像 AI。工具链开始反身作用于自身——人们不再无条件信任模型的输出而是把更像人作为新的质量标准。这背后是内容供给过剩之后的必然选择当 100 万篇文章里 99 万篇是一个腔调剩下的那一万篇就会获得全部注意力。人类编辑的价值被重新定价。no-ai-slop 的规则体系几乎是一份现代编辑学的浓缩最小有效修改、保留作者的节奏与棱角、用具体细节替换抽象断言、通过可移植性测试一句话能否原封不动搬到别人身上能就是废话来剔除填充。这些原则过去藏在资深编辑的脑子里现在被开源成了一套人人都可调用的规范。对内容行业而言这意味着编辑能力正在从隐性经验变成显性资产。AI 味从技术缺陷变成商业负资产。当读者、平台算法和同行都开始识别 AI 腔像 AI 写的就不再是效率标签而是减分项。公众号连夜安利 no-ai-slop本质上是在抢跑一条新的差异化赛道在人人都有 AI 的时代把人味做成护城河。而这条赛道的入场券恰好是一份 MIT 协议下、任何人都能拿去改写的技能文件——这本身就是一个很反 AI 味的结局最有效的自救工具不是更强大的模型而是一套关于如何更像人的明确规则。【免费下载链接】no-ai-slopRemoves 20 patterns of AI slop from any piece of writing.项目地址: https://gitcode.com/gh_mirrors/no/no-ai-slop创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考