SimpleEnglish 代理技能使大型语言模型能够使用 ASD‑STE100 简化技术英语编写
TL;DR – SimpleEnglish 技能的作用及其重要性
SimpleEnglish 代理技能迫使大型语言模型生成符合 ASD‑STE100 简化技术英语标准的文本，消除大部分 “AI slop”，并在六个 Claude 模型上将句子长度、标记数量和规则违规率大约降低 73%。这使得 AI 生成的文档更加清晰、歧义更少，并在航空维修等任务关键环境中更安全。
核心功能 – 代理级插件，而非提示 hack
该项目提供一个单文件 Agent Skill，可安装在任何支持 Agent Skills 标准的环境中（Claude Code、Cursor、VS Code Copilot、OpenAI Codex、Gemini CLI、Goose、OpenCode 等）。安装只需一行命令：
npx skills add AminBlg/SimpleEnglish
该技能注入一个基于 ASD‑STE100 53 条编号规则的系统提示，确保每次生成都受以下约束：
- 每条指令 ≤ 20 个词，描述 ≤ 25 个词
- 每个词仅有一种含义（无歧义同义词）
- 仅使用一般现在时/过去时
- 不使用 “‑ing” 动词形式
- 仅使用主动语态
- 除 can、will、must 外不使用含糊的情态动词
- 条件在命令之前，每句仅包含一个指令，等等
由于该技能运行在代理运行时，它在各种工具中都能保持一致，无需用户记住自定义提示。
可衡量的影响 – 基准测试结果
仓库中包含可复现的基准测试（96 次运行：6 种 Claude 模型 × 8 项写作任务 × 2 种条件）。关键发现：
| Model | STE 违规数 / 100 词（基线） | STE 违规数 / 100 词（使用技能） | 降低比例 |
|---|---|---|---|
| claude‑opus‑4‑8 | 1.05 | 0.62 | 41 % |
| claude‑opus‑4‑7 | 2.28 | 0.42 | 82 % |
| claude‑opus‑4‑6 | 2.24 | 0.40 | 82 % |
| claude‑opus‑4‑5 | 2.55 | 0.57 | 78 % |
| claude‑sonnet‑5 | 2.67 | 0.53 | 80 % |
| claude‑sonnet‑4‑6 | 2.06 | 0.52 | 75 % |
所有模型的输出标记也更少，平均句子长度更短（11.2 → 9.7 词）。评估使用了确定性的正则表达式 linter，对基线和使用技能的输出均应用相同的规则集，确保公平比较。
真实案例 – 前后对比
README 展示了并排改写示例。典型的 LLM 输出：
"Leveraging sqlpipe's robust architecture, users can seamlessly synchronize their Postgres tables to S3 with minimal configuration overhead. ..."
After applying the skill:
"sqlpipe copies your Postgres tables to S3. It needs one configuration file. Before you start, make sure that your AWS credentials are correct. If they are not, S3 rejects the upload with a permission error."
其他示例包括错误信息、事件报告和发布说明，全部被转化为简洁的祈使句式，使疲惫的维修员也能毫不歧义地遵循。
安装方式 – CLI 与网页 UI
- CLI –
npx skills add可用于任何兼容 Agent Skills 的运行环境。 - Claude.ai – 通过 设置 → 自定义 → Skills 上传
SKILL.md文件。 - ChatGPT – 将系统提示块粘贴到自定义指令中。
- Gemini – 将相同的块添加到 Gemini “Gem”的指令中。
- Any other chatbot – 粘贴提示并请求在所有后续生成中应用该技能。
还提供了约 60 标记的精简版，以适用于令牌预算紧张的场景。
社区反馈 – 来自 Hacker News 的常见主题
“它会影响模型的智能吗？” – 有用户担心约束输出会限制模型的推理能力。该技能仅修改 表层 语言；底层模型仍执行相同的推理步骤。
“系统提示只需一行即可” – 多位评论者认为简单提示（例如 “Use ASD‑STE100”）即可获得相似效果。作者反驳称，该技能编码了完整的 53 条规则，确保在各代理间一致执行，无需手动提示工程。
“我只在请求前加前缀就得到不错的结果” – 有用户通过手动请求 STE 获得了可接受的改写，但指出该技能消除了临时提示的需求，并提供确定性的规则合规性。
“这只是冗余，熟练用户不需要它” – 有人将该技能视为不必要的样板代码。另一些人则强调它对非技术写作者或在大型代码库中强制风格的价值，因为手动提示不切实际。
“README 本身违反了 STE” – 一种调侃式的观察，指出项目文档本身违背了多条 STE 规则，凸显了遵循该风格的难度。
“使用 linter 进行后处理” – 建议将 STE 强制视为 linter 而非生成约束。SimpleEnglish 技能可视为 生成前 linter，确保模型永不输出被禁止的结构。
总体而言，讨论呈现出两派分歧：一派是偏好最小化提示的纯粹主义者，另一派是欣赏可复用、符合标准的强制层的实践者。
限制与适用范围
- 不用于营销或品牌语调 – 该技能刻意阻止宣传性语言；旨在用于技术文档、错误信息、运行手册、事件报告和发布说明。
- 无官方认证 – ASD‑STE100 并未对工具进行认证；该技能提供务实的合规性，但不声称获得正式认证。
- 模型无关但仅在 Claude 上评估 – 虽然该技能可用于任何兼容 Agent Skills 的模型，但基准数据目前仅针对 Claude 系列。
- 可能出现漂移 – 随着模型演进，技能可能需要更新以处理新的分词怪癖或新出现的表达模式。
如何扩展或适配该技能
- 领域词汇表 – 用户可以通过自定义词汇表扩展技能，以保留行业专有术语，同时仍遵守 STE 语法。
- 严格模式 – 仓库提供更严格的配置，更贴近官方规则集，适用于需要近乎认证输出的环境。
- 与 linter 集成 – 将该技能与生成后英文 linter（如 Vale）配合使用，可捕获任何残余违规。
许可证与来源
代码采用 MIT 许可证发布，仅包含规则描述的改写；未复制任何专有的 ASD‑STE100 文本。该项目与 ASD 组织无关联。
结论
SimpleEnglish 代理技能表明，轻量级、基于标准的插件能够显著提升 AI 生成技术文档的清晰度和安全性。通过将已有 40 年历史的 ASD‑STE100 规则集直接嵌入生成流水线，它消除了临时提示的需求，降低了标记使用量，并产生始终简洁、明确的输出——这些特性对航空维修等高风险领域至关重要。