Turn AI-sounding Chinese into human-sounding Chinese. A prompt-only Agent Skill: a two-pass rewrite workflow plus a built-in self-check rubric. No code dependency, no API key.
把一个「像人写的文字」从玄学调 prompt 变成可复现、可迁移、可评测的流程。
它解决三件事：
- 改写 AI 腔中文文本，让它读起来像真人写的
- 降低一段文字的 AIGC 检测值（如腾讯朱雀）
- 判断一段文字「像不像 AI 写的」
与「只给一份黑名单词库」的方案不同，本 skill 是正面方法论 + 负面清单双轨：先教「代入一个人去写」（场景化代入三问），再给禁指纹清单兜底；更关键的是内置「去了没去」的评测口径——改写后必须过 L1 指纹自检 / L1.5 统计词频 / L2 结构语义 / L2.5 首末句 / L3 检测器实测，才允许交付。
本 skill 遵循 open Agent Skills 规范（frontmatter 收敛为 name + description，另加 license），一份 SKILL.md 即可装进支持该规范的任意 agent（Claude Code / Codex / Cursor / OpenCode 等），无需任何转换。
通用装法：把 antislop-cn/ 整个目录放进你所用 agent 的 skills 目录。
<你的 agent skills 目录>/
└── antislop-cn/
├── SKILL.md
├── scripts/check-ai-fingerprints.py
└── references/ai-fingerprint-lexicon.md
- Claude Code：
.claude/skills/antislop-cn/ - 其他客户端：按各自的 skills 目录约定放置（目录名要与 frontmatter 的
name一致）
获取方式：
git clone https://github.com/RubyCcll/antislop-cn.git antislop-cn装完让 agent 读取 SKILL.md 即可；需要脚本化自检时，跑 scripts/check-ai-fingerprints.py（只需 Python 3，零第三方依赖）。
改写前（AI 腔原文，小红书短文·时间管理）：
姐妹们，今天来聊聊时间管理！很多人都有这样的困扰：每天忙忙碌碌、加班到深夜、却感觉什么都没做成。其实，时间管理的本质不是做更多的事，而是把重要的事做好。以下是我总结的几个方法：第一，学会拒绝；第二，聚焦重要任务；第三，合理利用碎片时间。记住，自律不是一种天赋，而是一种选择。让我们一起成为时间的主人吧！希望对你有帮助，记得点赞收藏关注哦～
改写后（真人腔）：
我戒掉待办清单了。用了五年的 Todo 软件，上个月卸载了。
起因是有天晚上十一点，我盯着清单上没划掉的十一件事，发现这一天没干多少活，光顾着记要干什么了。早上列一遍，中午改一遍，晚上再数一遍还剩几件，三个小时搭在清单上。
后来我换了个办法。每天只写一件事，写在便利贴上，贴屏幕角上。干完撕掉，下班。刚开始不习惯，老觉得漏了什么。坚持了两个礼拜，活儿没少干，人没那么焦虑了。
现在谁跟我聊四象限，聊番茄钟，我就说，你先把一天一件事干明白，再谈那些。
我还发现个事。以前周末也开着待办软件，陪孩子玩的时候脑子里还在过清单。现在周末不看，手机里就一个闹钟，人反而踏实了。
前两天我又把待办软件装回来想试试。装完没到半天，又删了。也不是它不好，就是我现在的法子够用了，用不上它了。
现在手机里就一个闹钟，一个备忘录。别的效率软件，一个没留。说实话，我到现在也不确定是清单害了我，还是我不会用清单，但卸载之后这两个月，我晚上能睡整觉了。
AIGC 检测值：0.4490（腾讯朱雀人工贴检，2026-08-29；该样本主题 = 叙事 / 个人经历类）
叙事类 / 个人经历类最容易稳过（实测 <0.5）。「我的故事」这种亲历写法，检测器口径宽松。
论证 / 观点 / 技巧类只降值、不保证过。讲道理、列方法类主题本身就落在检测器高敏区。碰到这类主题，建议改写成亲历叙事形态（把「远程办公好不好」写成「我远程三年的经历」），而不是硬套规则。
同一套方法的实测对照（三篇同一流程，改完过 L1-L3）：
| 主题类型 | 检测值 | 结果 |
|---|---|---|
| 叙事 / 个人经历（小红书短文） | 0.4490 | 达标（<0.5） |
| 观点（专栏·远程办公） | 0.5786 | 未达标（只降值） |
| 技巧（抖音文案·效率技巧） | 0.6172 | 未达标（只降值） |
本 skill 不承诺「稳过检测」：检测器会迭代，它只负责降值 + 真人化。主题决定天花板——检测器的宽松区在叙事，高敏区在论证 / 方法。
正式商务文书：邮件 / 工作报告 / 公文 / 通知 / 合同 / 简历等。这类文体有自己独立的话术和语言规范（正式、客观、结构化），套用本 skill 的「口语化 + 有棱角 + 情绪代入」会显得奇怪。遇到这类请求，skill 会明确告知「不适用」，不强行改写。
| 路径 | 说明 |
|---|---|
SKILL.md |
方法层正文：Pass 1 语义层写作 → Pass 2 去 AI 化门禁 → Pass 3 评测交付 |
scripts/check-ai-fingerprints.py |
L1 指纹 / L1.5 统计词频与数字 / L2.5 首末句自检脚本，零第三方依赖 |
references/ai-fingerprint-lexicon.md |
AI 指纹词库（词级 / 句式 / 标点 / 结构 / 人类信号） |
CHANGELOG.md |
版本变更历史 |
LICENSE |
MIT |
README.md |
本文件 |
自检脚本用法：
python3 scripts/check-ai-fingerprints.py 你的改写稿.md --min-chars 350- 检测器：腾讯朱雀（matrix.tencent.com/ai-detect/），本项目检测记录全部为人工贴检（网页版粘贴送检）
- 口径更新（2026-09-16）：朱雀已开放官方 API —— 腾讯云 EdgeOne Makers 内置模型
@makers/zhuque-text（按 token 计费，每月 50 万 token 免费额度；当前仅支持文本检测）。本仓库 v0.5.1 及此前的检测数据仍全部来自人工贴检，未使用该 API。 - 贴检日期：2026-08-29
- 送检字数口径：改写稿纯中文 ≥350 字（朱雀按「去标点纯中文」计字，不是字符数；短文本需合并测）
- 判定区间：<0.5 达标 / 0.5-0.99 疑似 / ≥0.99 打散重写
- 口径说明：以上为单次实测数据，检测器版本与送检语料变化都会导致数值波动，不构成对任意输入的保证
MIT，见 LICENSE。Copyright (c) 2026 RubyCcll