中文去水文

这是 hardikpandya/stop-slop 的中文化版本，但不是逐句翻译。

它把原版“去掉 AI 写作痕迹”的逻辑放进中文语境里，重点处理中文 AI 腔、公众号腔、泛开头、意义句、机械三段式、抽象升级、主体消失和无证据技术结论。

可以这样用：

使用 $stop-slop-cn 帮我审一下这段草稿，先评分，再指出最影响可信度和人味的一个问题，最后给出改写稿。

如果只想要结果：

使用 $stop-slop-cn 改写这段文字，只输出改写后的正文。

不适合这些场景：

• 缺少事实材料，却要求补出完整技术结论。
• 希望把文章改成营销爽文。
• 希望一次性重写成另一种作者风格。
• 希望绕过证据，直接写“显著提升”“生产可用”“最佳实践”。

和原版 stop-slop 的关系

保留原版的核心结构：

• 核心规则
• 快速检查
• 评分
• 示例

同时做了中文增强：

• 把英文里的 filler phrases 改成中文泛开头、意义句、公众号腔和技术文空词。
• 把英文里的 formulaic structures 改成中文常见模板结构，比如“首先其次最后”“不仅是 X，更是 Y”“表面是 X，本质是 Y”。
• 把 active voice 扩展为中文里的“主体不能消失”：不要让“能力、体系、生态、方案、模型”自己行动。
• 增加技术文章里的证据链检查：没有代码、数据、截图、引用或真实上下文时，不写“显著提升”“生产可用”“最佳实践”。

一个最小例子：

改写前：

该系统通过构建智能化能力体系，打通数据链路，实现了从数据处理到业务决策的完整闭环。

最关键的问题：

抽象名词太多，读者不知道系统具体做了什么。

改写后：

这个系统把数据清洗、指标计算和报表生成放到同一条任务链路里。业务同学提交口径后，调度服务会触发 SQL 任务，计算结果写回报表表，最后由前端展示给使用者。

这一轮只解决“抽象名词替代真实动作”的问题。改完后再评分，如果仍低于 35/50，继续找下一个最影响可信度和人味的问题。

先问清楚，再修改

这个 skill 也参考了 grill-me 的哲学。

改写前，如果事实、目标读者、语气、证据、边界或作者意图不清楚，不要直接硬改。

应该逐一询问：

• 每次只问一个问题。
• 每个问题给出推荐答案。
• 能从已有上下文判断的，不要问用户。

先把不确定性问清楚，再进入改写。

卡神写作逻辑

这个版本也吸收了中文技术写作圈里“卡神”的写作 skill 思路，参考仓库：KKKKhazix/khazix-skills，尤其是 khazix-writer。

这里借鉴的不是具体文风，而是处理文章的方式：不要为了润色而润色，要抓住真正影响可信度、人味和表达锋利度的问题。

具体体现为：

• 不追求一次性大改。
• 不把所有句子磨成同一种 AI 式流畅。
• 优先处理最关键的一个问题。
• 改完后用评分验证，而不是凭感觉收工。

文件结构

stop-slop-cn/
├── SKILL.md
├── README.md
├── agents/
│   └── openai.yaml
└── references/
    ├── examples.md
    ├── phrases.md
    ├── structures.md
    └── technical-writing.md

License

MIT