你是不是也遇到过这种稿子：事实没错，句子也通顺，可读两段就能猜到它来自 AI？问题往往不在某个词，而在一串重复出现的习惯。stop-slop 正是为这种“读起来太像模板”的文本准备的一套审稿 Skill。

它不是改写器，而是一张审稿清单

stop-slop 的官方仓库把定位写得很直接：找出 prose 里的 AI 痕迹。它本身不运行模型，也不提供一个单独的编辑器；核心是一份 SKILL.md，外加短语、结构与前后对照三个参考文件。Claude 读到这些规则后，会在润色时检查空泛开场、商业套话、二元对立、连续三项列举、碎片化短句以及被动语态等模式。

这类设计有一个实用好处：规则是可读的。你能知道一句话为什么被改，而不是只收到一版风格突然变化的结果。失败场景也很明确——如果原稿缺少事实、案例和作者判断，Skill 只能把句子修干净，不能凭空补出可信经验。

三组规则分别管什么

短语层

清掉“值得注意的是”一类铺垫、夸张副词和泛化判断，让句子更快抵达信息。

结构层

检查“不是 A，而是 B”、先提问再自答、连续否定和戏剧化断句，避免一篇稿子从头到尾用同一种节拍。

句子层

鼓励主动语态、具体主语与长短交替，也会提醒模型少用破折号和像海报文案一样的结论句。

这些规则主要以英文写作为样本。拿来处理中文时，不宜机械执行“所有副词都删掉”或“某种开头一律禁用”。更稳妥的做法是把它当成异常提示：先定位高频套路，再由作者判断这句话是否真的多余。

一次润色应该留下什么

官方还给出五个评分维度：直接、节奏、信任读者、真实感和信息密度。这个评分更像复查顺序，不是文学质量认证。实操时可以让 Claude 先标出问题，再按段修改，最后保留你的事实、术语和观点。若让它整篇重写，常见结果是旧模板被替换成另一套模板。

哪些人用起来最省事

经常写产品说明、技术教程、邮件或内容稿的人，会最容易感到差别；团队也可以把它当作交稿前的统一检查表。它无法证明一篇文章“由真人写成”，更不能保证通过任何 AI 检测器。真正决定文本可信度的，仍是准确事实、具体经历、清楚立场和愿意承担的判断。stop-slop 做的是把挡在这些内容前面的模板腔移开。