三个去AI味工具的源码级对比真正的差别在AI味的定义【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你让 LLM 写完的文档被退回批注只有一行字去点 AI 味。no-ai-slop、stop-slop、humanizer 三个都声称能处理这件事。但我翻完规则文件发现它们连AI 味是什么都没对上一个列出 20 种模式一个是黑名单加评分表还有一个干脆不列。改完你能不能交代清楚动了哪里AI 文本去痕这件事第一个问题不是它改得多干净而是它改完能不能交代清楚动了哪里。因为团队里被编辑过的文字要接受复核复核只认证据不认态度。no-ai-slop 在这件事上最坚决。它的 SKILL.md 把调用分成 edit 和 detect 两种模式detect 模式的铁律写得很直白Do not rewrite, score the draft, or guess whether AI wrote it. AI detectors guess. Named patterns are evidence the user can check.不改写、不打分、不猜作者是谁。理由也说得硬气AI 痕迹检测靠猜具名模式才是用户能核验的证据。这基本是 AI 痕迹检测替代路线——它不给概率分只给命中的模式清单、对应原文和几个字的修法你可以逐条指给同事看。而 edit 模式的工作流最后一步强制输出 What changed 段落eval.md 的自检表里有对应检查final read 一节还专门问了一句 Would the writer recognize the edited draft as their own voice?——自检的最后一问是让模型确认作者认得出自己这种自我提醒在规则文件里不常见。stop-slop 的改动痕迹以分数形式呈现。据社区拆解文章介绍它由 8 条核心规则加 11 条 Quick Checks 自查表构成路线图里还提到 5 维量化评分。这意味着它不会告诉你我删了第二句而会告诉你AI 味指数降了多少分。发布前自查很方便但复核时被问这句为什么这么改指着分数会显得有点尴尬。humanizer 在另一端。据社区实测拆解文章它做的是整段重写模型理解人该怎么写直接产出一版更口语、更带个人痕迹的文本默认不交代改了什么。自由度最高代价同样清楚——你得自己 diff 两版才知道它动了哪里。同事问这句为什么改成这样你只能答因为这样更像人这种回答在评审会上站不住。所以三者的差别是一个选择留不留痕 。文字要进评审流的话no-ai-slop 是工程化做法stop-slop 算半工程化分数能留档改动清单不留humanizer 则适合你自己就是唯一审稿人的情况。AI 味靠查表抓还是靠模型判断第二个问题更根本LLM 写作里的AI 味是不是查表能抓的东西no-ai-slop 把 AI 味建模成可枚举的集合。仓库 SKILL.md 里的 Patterns to cut 一节列了 20 多种模式从二元对立Its not X. Its Y.到假深刻结尾The future isnt coming. Its already here.每条模式不只给名字还给改写示范二元对立的示范是 State Y directly把 The question isnt the model. Its the eval. 直接改写成 The eval matters more than the model. 这是它 slop 清理里最扎实的部分——规则可执行每一刀都有名字可引用。但更让我在意的是它的豁免设计。词表开头是硬黑名单Banned outright: delve, foster, leverage, utilize, facilitate, streamline, robust, cutting-edge...黑名单够硬可对 often-empty 副词just、literally、simply、actually 这类并不一刀切规则原文是Cut them when they add nothing. Keep them when they carry emphasis, uncertainty, contrast, or the writers natural spoken rhythm.——条件式保留。这个细节是它和纯查表最大的区别查表抓得掉显眼的拿不准的它交给判断测试。比如 portability test 只有一行If a sentence could move unchanged to another person, company, country, or product, it is probably filler. 一句话原封不动能贴进任何一家公司的官网介绍那它就是填充物。这类规则查表执行不了得靠模型执行。stop-slop 走的是反向思路。社区拆解记录到它的构成phrases.md 和 structures.md 两个黑名单文件加上核心规则四 Be specific——影响深远结构性问题这类模糊断言、every/always/never 这类绝对化词必须换成具体事物、数字、事实拆解文章还配了 Before/After 示例比如把显著提升工程生产力换成评审时间从 30 分钟压到 8 分钟这种带具体数字的说法。好处很明确审稿退化成查表结果可复现跑两遍不会不一样代价同样明确不在清单里的模式抓不到查表的上限就是清单的边界。humanizer 没有可枚举的边界。据社区实测它那里 AI 味不是一个模式集合而是一个不像人的连续光谱——让模型理解人怎么写直接重写。上限高代价是不可控你不知道它会改多狠也不知道你那些带个人标记的句子会不会被顺手抹平。这正是 no-ai-slop 在 SKILL.md 里反复警告的Do not make every paragraph equally tidy or rewrite distinctive lines merely for consistency.——别把每段都改得一样齐整别为了统一去重写有辨识度的句子。这里的选型可以转成一个问题你能不能接受它这次改得跟上次不一样不能选查表加测试能而且只看最终读感选光谱式。从编辑器里粘 prompt到 CI 里跑差多远第三个问题关乎落地。在编辑器里粘一句 prompt和真在流水线里跑起来是两种工程三个工具【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
