常识：去AI味的工具，第一步就是检测这篇文章是不是AI写的。概率打分，风险等级，疑似AI的比例。你被判定为”83%像AI”，然后不知道从哪改起。
no-ai-slop不猜你是谁。它只做一件事：把你文章里的AI套路一条一条列出来，附上原文证据，告诉你怎么改。这个判断差异，是它和其他去AI化工具之间最本质的鸿沟。它不是检测器，是编辑。
项目作者Peter Yang是个长期泡在创作者经济里的人。他写newsletter、做YouTube、卖付费课程。7月初，他把自己的”去AI味”编辑规则开源了，两个文本文件，一份规则加一份自检表。三周后，GitHub上攒了近4000个Star。
这件事本身就挺反直觉的：最热门的不再是帮你写得更快的工具，而是把AI写的东西改得不像AI写的工具。不过仔细想想也合理，当所有人都在用同样的模型产出内容，”听起来像人写的”就成了稀缺资源。
往下翻，我们看看这份清单到底有多好用。
为什么值得关注
no-ai-slop的核心设计就一条，但执行得很彻底：把”AI味”从模糊直觉变成可核对的证据。
它盯上了20多种常见的AI写作模式，每种都有名字、有例句、有修改建议。二元对立句式：”这不是X，而是Y。”清嗓子开场：“说白了”“老实讲”。假洞见铺垫：”大多数人不知道的是……”冒号揭晓：”最好的部分：它会自动学习。”空泛拔高：“标志着行业的一次范式转移。”
这些名字本身就是武器。一旦你知道了它们叫什么，下次你写”值得注意的是”的时候，脑子里会弹出一个标签：清嗓子开场。这种可命名的反馈比”你的文章有点AI味”有用一百倍。从HackerNews到Reddit，技术社区的反馈也集中在这一点——你不需要相信一个黑箱的结论，你只需要核对你认识的那些套路。
它还有个难得的设计：最小有效编辑。规则写得很明确，只删让文字难读的东西，不把有个性的句子磨成通顺的通用体。保留词汇、节奏、直率、幽默，甚至故意保留不完美。很多去AI工具的问题不是改得太少，是改得太多，把作者也一起删了。
配套的自检表也值得提一嘴。eval.md里是一份pass/fail检查清单，模型改完稿之后要自己跑一遍。这不是花架子，是防劣化的硬约束。没有自检的改稿，质量取决于模型的当天心情。
不过也有明显的局限。规则是为英文散文调的，中文写作的AI套路（逢段升华、段标题一个模子、升维套话）不在它的射程内。这不是缺陷，是范围声明，作者自己在README里也把话说明了。
跟同类工具放在一起看，它的位置更清楚。GitHub上”去AI味”品类已经炸了——taste-skill走的是设计品味路线（25k Stars，给AI生成的前端界面装审美），humanizer走的是通用去味（24种模式，覆盖范围更广），Humanizer-zh和nuwa-skill则专注中文场景。no-ai-slop卡在一个很窄但很精准的位置：英文散文的套路命名和最小有效编辑。它不比别人做得更多，但它在自己这一亩三分地做得最干净。竞争对手可以抄规则，但抄不走”命名套路→给证据→你自己判断”这个核心设计决策。
还有一个容易被忽视的细节：它不是一个独立应用。你没法装一个桌面软件叫no-ai-slop，双击打开，粘贴文字，点按钮。它只是一个Skill文件，必须装进Claude Code、Codex、ChatGPT这类AI编程工具里才能用。对非技术用户来说，这门槛比看上去高。
跑起来看看
两种模式的入口一样，但走向完全不同。Edit负责改，Detect负责查。知道什么时候用哪种，比知道怎么装更重要。
安装方式出奇地简单。如果你已经在用Claude Code或Codex，在对话框粘贴这一行就能装：
Install the /no-ai-slop skill globally from https://github.com/petergyang/no-ai-slop
或者用npx命令行安装，效果完全一样：
npx skills add petergyang/no-ai-slop --skill no-ai-slop --global --yes
装完就能直接用，没有多余的配置步骤。
它有两种模式。默认是改稿模式，粘贴草稿即可：
/no-ai-slop (你的草稿)
把文字贴进去，它做最小有效编辑，返回修改后的版本加一份What changed说明。说明里逐条列出：改了哪里、为什么改、原文的套路叫什么名字。你可以自己决定接不接受每一条修改。
检测模式更轻量，不改文章，只告诉你哪些套路被触发了：
/no-ai-slop is this slop? (你的文字)
这个模式不改文章，只输出检测结果，命中了哪些套路，原文哪句话触发的，建议怎么改。最妙的是，它不会给你一个”83% 像 AI”的概率。它只给证据，你自己判断。
常见卡点有两个。SKILL.md里的规则有30多条外加自检表，第一次跑的时候模型可能会输出”没法一次性改完所有内容”，这时候分段贴进去，每次300-500字，效果稳得多。另外一个坑是有些去味后的结果可能跟你想的不一样，比如你故意要用的反问句被当成套路删了，把那段单独拿出来，告诉模型”这一句保留”就好。
项目在ChatGPT上也有插件版本，从插件商店就能装。如果你不用CLI工具，走这个路径也行，体验上没有本质区别。
什么时候用，什么时候别用
| 场景 | 典型用户 | 优势 | 局限 |
|---|---|---|---|
| 博客/Newsletter改稿 | 内容创作者 | 保留个人风格，改完还能逐条核对修改理由 | 英文精准，中文需二次适配 |
| AI生成内容的二次编辑 | 日常写作者 | 清单代替经验，不用积累”去AI味”直觉 | 必须装进AI工具运行，非独立应用 |
| 团队写作标准建设 | 内容团队负责人 | 规则可复用，自检表可直接做团队规范 | 需要有人先把规则翻译成可落地话术 |
| 学习”什么文章像AI” | 写作爱好者 | 每条套路有名字有例子，天然教学材料 | 仅覆盖英文写作的AI套路 |
不适用的情况：
-
你写的是中文为主，找Humanizer-zh或nuwa-skill，词表和方法论更贴中文习惯 -
你需要一个网页工具直接粘贴改稿，no-ai-slop不是应用，是Skill文件 -
你想绕过学校的AI检测，这不是它的设计目标，也大概率不会有效
社区怎么样了
| 指标 | 数据 | 说明 |
|---|---|---|
| Stars | 约3,900（截至2026年8月） | 上线3天破2.5k，三周后接近4k，增速强劲 |
| 核心维护者 | 1人（Peter Yang） | Bus Factor高风险，项目命运与单一作者深度绑定 |
| Open Issues | 少量（仓库仅22次commit） | 项目年轻，Issue和PR积累有限 |
| 协议 | MIT | 商业友好，自由使用无需开源衍生代码 |
Stars增速是实打实的亮眼。3天2500这个数字在同类型Skill项目里不多见。但得说清楚一件事：这些Star有多少是因为项目质量，有多少是因为”去AI味”这个话题本身的流量红利，不好拆分。
Bus Factor是需要敲的警钟。22次commit全由Peter Yang一个人提交，没有其他活跃贡献者。几个PR来自外部但都是小修小补型的。如果作者本人停止维护，这个项目就会停摆。好消息是现在维护频率不低，最新commit就在8月6日。
社区讨论方面，HackerNews的相关讨论串热度不高。但Reddit和X平台上的传播量不低，Peter Yang自己的推文有61万次曝光，10k+次收藏。这个传播路径说明一件事：no-ai-slop火不是因为技术突破，是因为它说中了一个所有人都有的痛点。
中文圈的讨论也很有意思。腾讯云开发者社区、Modb、CSDN都有详细的中文评测文章，都在7月底集中发出。内容本身质量参差，不少一看就是拿no-ai-slop去掉AI味后再发的，算是一种行为艺术。与此同时，discountry维护的awesome-anti-ai-slop列表已经收录了30多个去AI味相关项目，整个赛道正在从”一个人做一件事”变成”一群人在各自领域做同一件事”。no-ai-slop的先发位置能不能守住，要看它能不能在规则迭代速度上保持领先。
我的真实看法
三列对比拉出来，差异就清楚了。一边是给概率的黑箱，一边是给证据的清单。选哪个不只是偏好问题，是你要不要对自己的文字有控制权的问题。
传统去AI味工具的基本假设是”先检测，再修改”。这个假设有一个根本问题：AI检测这件事本身就不靠谱。不同检测器在同一篇文章上的结果可以差30个点，而且检测器在持续更新，你的去味策略也在持续过期。把工作流建在一个不可靠的检测结果上，整条链都摇摇晃晃的。
no-ai-slop跳出了这个泥潭。它不管你这篇文章谁写的，只管你有没有用那些让人读着累的套路。这个区分很聪明：套路可以被命名、被列表、被检查，但”是不是AI写的”只能被猜。可核对的证据比猜出来的概率值钱。
但项目目前的成熟度不算高。22次commit的仓库，核心逻辑集中在两个Markdown文件里，规则覆盖的是英文写作场景。如果你是一个中文内容创作者，直接拿来用的效果会打折扣。更要命的是，它依赖AI模型去执行规则，而不同模型对同一套规则的理解可以差很远。同一条SKILL.md，Claude和ChatGPT改出来的结果经常不一样。
我最担心的不是这些局限本身，而是这个项目的天花板。当”去AI味”这件事被拆成20多条可枚举的规则时，它其实已经进入了可被复制的阶段。任何团队花一个下午，照着同样的思路，都能攒出一份自己的去味checklist。no-ai-slop的先发优势正在被这个品类的低门槛稀释。目前市面上已经出现了至少五六个基于同样思路的中文版本，有些在规则细度上甚至超过了原作。
趋势上看，Peter Yang把它开源的目的也很明确：引流。README里直接写了”Want more great AI skills? Check out Behind the Craft, my personal AI system with over a dozen other quality skills and courses.”这不是秘密，是公开的商业模式。no-ai-slop是最能打的一块免费能力，用来证明自己，然后把你引向付费产品。这种打法在开源Skill圈越来越常见。hallmark之于Together AI，taste-skill之于Leonxlnx的品牌，都是同一个套路。
资源地址
| 资源 | 地址 |
|---|---|
| GitHub | https://github.com/petergyang/no-ai-slop |
| 作者介绍文章 | https://creatoreconomy.so/p/use-my-no-ai-slop-skill-to-remove-20-ai-slop-patterns |
| 作者YouTube | https://www.youtube.com/@PeterYangYT |
先把规则看懂，再让别人替你跑
如果你经常用AI写英文内容，并且已经在用Claude Code或Codex，装一个试试。五分钟的事，改稿效果对得起这个时间。重点是学会看它的检测结果，那些被命名的套路比修改后的文字更有用，因为你下次写的时候会自动避开。
如果你写的是中文，别直接拿来就用。把它的方法论搬过来：先列出中文AI写作的常见套路（逢段升华、段标题一个模子、升维套话），再定一条”最小有效编辑、保留作者声音”的原则，最后配一份中文自检表。这活不难，缺的只是有人认真去磨。
no-ai-slop最好的状态不是替你改稿，是训练你自己。看过两三次它的检测结果之后，你再写文章的时候脑子里会自动弹警示：这句是二元对立，删了。这个开头在清嗓子，重写。这个结尾很假深刻，换一个。能让你不再需要它的工具，才是好工具。