theclaymethod/unslop

解決的問題

unslop 能識別並移除公式化、AI生成的寫作模式（常稱為「垃圾內容」或「slop」），同時保留原文的含義、語氣和事實準確性。它可防止「AI痕跡」——即那些使機器生成的散文顯得人工的可預測節奏、短語和結構。

工作原理

該系統採用三層檢測架構來發現有問題的寫作內容：

1. 短語層：掃描特定的「禁用」短語和觸發詞（例如「豐富的織錦」、「讓我們深入探討」），並透過上下文保護機制避免將技術、醫療或法律術語誤判為違規內容。
2. 結構層：分析文件級指標，如句子突變性、段落開頭方式以及「道德性結尾」的使用，以捕捉節奏上的線索。
3. 輪廓層：評估思想的高階布局，標記諸如總結循環和模板驅動的段落角色等問題。

檢測到問題後，該工具可選擇將問題標記為可審查的建議（/unslop cleanup）或在嚴格保護下重建草稿（/unslop rewrite）。它還包含一個「語音」系統（/unslop teach 和 /unslop mimic），可分析使用者自己的寫作樣本，建立風格學指紋，使 AI 能夠以特定人類語氣撰寫內容，而不會觸發「垃圾內容」檢測器。

適用對象

• 希望從文章中去除 AI 生成痕跡的寫作者和編輯。
• 希望透過代理技能將 AI 寫作助手整合到工作流程中的開發者。
• 使用 LLM 時希望保持一致、個人化寫作語氣的使用者。

核心亮點

• 上下文感知過濾：透過確保技術、醫學或法律術語在正確領域使用時不被誤標，避免簡單粗暴的詞語屏蔽。
• 風格學語音建模：基於已批准樣本，使用字元三元組和句子長度分佈來模仿特定使用者的寫作語氣。
• 嚴格的事實保護機制：採用對數值敏感的檢查方式，確保在重寫過程中不會更改事實（如數字和日期）。
• 代理就緒：作為一項技能提供，可安裝至 Claude Code 或 Cursor 等編碼代理中。