theclaymethod/unslop

解决的问题

unslop 能识别并移除公式化、AI生成的写作模式（常被称为“垃圾内容”或“slop”），同时保留原文的含义、语气和事实准确性。它可防止“AI痕迹”——即那些使机器生成的散文显得人工的可预测节奏、短语和结构。

工作原理

该系统采用三层检测架构来发现有问题的写作内容：

1. 短语层：扫描特定的“禁用”短语和触发词（例如“丰富的织锦”、“让我们深入探讨”），并通过上下文保护机制避免将技术、医疗或法律术语误判为违规内容。
2. 结构层：分析文档级指标，如句子突变性、段落开头方式以及“道德性结尾”的使用，以捕捉节奏上的线索。
3. 轮廓层：评估思想的高层次布局，标记诸如总结循环和模板驱动的段落角色等问题。

检测到问题后，该工具可选择将问题标记为可审查的建议（/unslop cleanup）或在严格保护下重建草稿（/unslop rewrite）。它还包含一个“语音”系统（/unslop teach 和 /unslop mimic），可分析用户自己的写作样本，创建风格学指纹，使 AI 能够以特定人类语气撰写内容，而不会触发“垃圾内容”检测器。

适用人群

• 希望从文章中去除 AI 生成痕迹的写作者和编辑。
• 希望通过代理技能将 AI 写作助手集成到工作流中的开发者。
• 使用 LLM 时希望保持一致、个人化写作风格的用户。

核心亮点

• 上下文感知过滤：通过确保技术、医学或法律术语在正确领域使用时不被误标，避免简单粗暴的词语屏蔽。
• 风格学语音建模：基于已批准样本，使用字符三元组和句子长度分布来模仿特定用户的写作风格。
• 严格的事实保护机制：采用对数值敏感的检查方式，确保在重写过程中不会更改事实（如数字和日期）。
• 代理就绪：作为一项技能提供，可安装至 Claude Code 或 Cursor 等编码代理中。