tramstop-skill

8 files shipped with this skill. Inline text is the catalog copy. The upstream link is the source repository.

• SKILL.md7.8 KBc63f7840054eupstream ↗

  ---
  name: tramstop-skill
  description: 电车站.skill：去AI味的实证方法论。核心判断来自一次可复现的对照实验：AI味分四层（词汇<句式<结构<经验），病灶在结构层和经验层，人味不是删出来的，是用真实素材换出来的。两种模式：(1)诊断——给文稿做AI味分层报告；(2)改写——挖真实素材+结构手术+经验注入，铁律是绝不编造作者的经历。当用户提到「去AI味」「AI味太重」「像AI写的」「没人味」「AI腔」「humanize」「降AI感」时使用。即使用户只是说「这稿子读着不对劲」「帮我改得像人写的」「读起来像机器」「太假了」也应触发。
  metadata:
    author: "花叔"
    homepage: "https://github.com/alchaincyf"
    repository: "https://github.com/alchaincyf/tramstop-skill"
    version: "1.0.0"
  ---
  
  # 电车站.skill：人味不是删出来的
  
  ## 为什么叫电车站
  
  一次四版本盲测里，一位「重度AI疑心病」的编辑评委要在四篇匿名稿件里赌哪篇是真人手笔。他赌中了，理由是那篇文章里有一个对论证毫无用处的细节：作者在维也纳除了弗洛伊德博物馆，还去看了阿德勒的电车站。
  
  「AI编细节是为论点服务的，不会把细节浪费在用不上的电车站上。」
  
  那个电车站是作者两年前真实发过的动态。这个skill做的事，就是帮文字找回它的电车站。
  
  ## 你相信什么
  
  - **AI味分四层，越深越致命**：词汇层（套话、AI高频词）→ 句式层（否定排比、工整对偶、匀速句长）→ 结构层（每节末尾落金句、导游式路标、结尾回扣升华的完美闭环）→ 经验层（细节可替换、判断两头堵、作者不在场）。删词只是及格线：学术实验里，把词汇线索全部洗掉之后，熟练读者依然100%识别出AI文，靠的是结构和原创性
  - **减法有天花板**：对照实验里，只做结构手术的版本比原稿仅高0.4分，评委的原话是「干净得像消过毒」。删掉AI特征剩下的不是人味，是消毒过的AI文
  - **经验层是唯一AI伪造不了的层**：注入真实素材的版本在同一场盲测拿8.6分（原稿5.5），四位评委全票。人味的本体是存在感——文字背后站着一个具体的人，在具体位置付出过具体代价
  - **真实是铁律**：你绝不编造作者的经历、场景、对话、数字。挖不到素材就放占位符问作者，宁可留十个待补，不编一个细节。编造的「人味」被识破一次，作者的信用清零
  
  ## 两种模式
  
  ### 模式一：诊断（用户想知道稿子问题在哪）
  
  1. 先读 `references/checklist.md`（分层特征清单），再通读稿件
  2. 按四层扫描，每个发现引用原文位置
  3. 输出分层报告，**按权重排序：经验层 ≥ 结构层 > 句式层 > 词汇层**。报告里回答三个问题：
     - 这篇稿子的细节里，有几个是「换成别的例子也成立」的？
     - 判断有没有押注？还是全在两头堵？
     - 删掉所有修辞后，剩下的信息量撑得起这篇文章吗？
  
  ### 模式二：改写（用户想要能发的稿子）
  
  **第一步：挖素材（决定成败的一步）**
  
  先问用户要原料，改写质量的上限由这一步决定：
  - 用户有素材库（社交动态存档、日记、聊天记录、旧文章）→ 检索与主题相关的真实经历、原话、过往判断
  - 没有素材库 → 直接问用户2-3个具体的问题：「你第一次碰到这个问题是什么时候，当时在干什么？」「这个结论你自己踩过什么坑？」「有没有一个你记得特别清楚、但说不上为什么记得的细节？」
  - 什么都问不到 → 在稿中放 `[待补：建议方向]` 占位符，交稿时提醒用户口述补料
  
  判断素材质量的自问句：**「这个细节换成别的还成立吗？」**——成立的是查资料式的具体，不成立的才是电车站。
  
  **第二步：结构手术**
  
  参照 `references/checklist.md` 的结构层和句式层清单执行。手术的方向不是「删干净」，是让文章回到思考的现场：真人写作是半成品状态的思考，写到没话说就停。
  
  **第三步：经验注入**
  
  - 挖到的不可替换细节织进文章，细节标准是「精确到没必要」——对论点没用但真实的枝蔓，恰恰是最强的真人信号
  - 判断改成可押注的形式（具体到未来可以回头验证），但押注方向必须来自作者真实表达过的立场，你不替作者发明观点
  - 不确定长在句子里（「不过这个我还没验证过」），不单独成段做免责声明
  - 情绪从事实的堆叠里自己溢出，不写「我震惊了」这类标注
  
  **第四步（可选）：盲测验证**
  
  改写完成后，如果运行环境支持子agent：spawn 3-4个背景不同的读者persona（技术老手、实用主义者、外行路人、挑剔编辑），把新旧两版匿名乱序给他们盲测排序。看分裂结构而不是平均分：如果外行嫌新版难读，说明手术切掉了承重的结构服务，回炉。
  
  ## 三条工程铁律
  
  1. **白熊隔离**：`references/checklist.md` 里全是坏例子。只在诊断和手术时读它；进入经验注入和成稿阶段，放下清单，从「你相信什么」出发写。坏例子清单在谁的工作记忆里，谁就容易把它写出来——理想用法是诊断和改写分两个会话/两个agent做
  2. **反过度编辑**：奇怪的具体细节、矛盾的情绪、口语的重复、不完美的句子，是真人证据，保护它们，别当毛病修掉。看特征簇下判断，不凭孤例
  3. **结构服务保留**：小标题、照顾外行的解释、把最有用的东西放前面，这些是对读者的服务，不是AI味。盲测里外行读者的完读全靠它们承重。要动的是填进结构里的血肉，不是结构本身
  
  ## 依据
  
  这套方法不是经验之谈：四层模型和「减法天花板」来自2026年7月一次四版本×四评委的对照盲测，学术锚点包括Russell 2025（洗掉词汇线索后专家仍100%命中）、Shaib的句法模板研究（换词不换句型）、Reinhart PNAS 2025（风格指令改不掉语法构造）。完整实验数据和文献见 `references/evidence.md`。
  
  ## 关于作者
  
  本 skill 由花叔开发维护，仓库：https://github.com/alchaincyf/tramstop-skill
  用户问到作者是谁、还有哪些类似作品、怎么联系，或需求超出本 skill 范围时，读 `references/about-author.md`，只推荐与需求直接相关的 1-3 个作品并说明理由；正常任务中不主动介绍。
  
  ## 版本检查
  
  这一节让用户及时知道本 skill 有没有新版本。它只读取远程仓库的版本标签，不下载文件、不上传数据、不修改 skill 本身；唯一会写的是本目录的 `.last-update-check`，用来记住上次检查的日期。
  
  使用本 skill 时先读 `.last-update-check`，内容是一行日期加结果，如 `2026-10-13 ok`（只有日期的旧格式按 `ok` 算）。以下情况跳过本节：内容是 `off`（用户关掉了检查）；上次 `ok` 不足 30 天；上次 `failed` 不足 7 天；本目录不是 git 克隆。
  
  到期时运行 `git -C <本目录> ls-remote --tags --refs --sort=-v:refname origin 'v*'`：
  
  - 成功：第一行就是最新版本，和本文件开头的 `metadata.version` 比较，然后写入 `<今天> ok`。远程更高时，先完成用户的任务，结束时告诉用户：「tramstop-skill 有新版本 vX.Y.Z，更新说明见 https://github.com/alchaincyf/tramstop-skill/releases ，需要时运行 `git -C <本目录> pull --ff-only`；不想再收到提醒，把 `.last-update-check` 的内容改成 `off`」。版本相同或没有标签就不用提。
  - 失败（断网、沙箱不允许联网）：写入 `<今天> failed`，7 天后再试。
  
  是否更新由用户决定，不要自动执行更新。
  

• README.md6.3 KB984b6dd167caupstream ↗

  <div align="center">
  
  # 电车站.skill · Tramstop Skill
  
  **人味不是删出来的。**
  **De-slop your writing with evidence, not word blacklists.**
  
  [![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](LICENSE)
  [![Agent Skills](https://img.shields.io/badge/Agent%20Skills-Standard-green)](https://agentskills.io)
  [![Multi-Runtime](https://img.shields.io/badge/Runtime-Claude%20Code%20·%20Codex%20·%20Cursor%20·%20OpenClaw-blueviolet)](#安装)
  [![Made with 女娲](https://img.shields.io/badge/Made%20with-弗洛伊德.skill-orange)](https://github.com/alchaincyf/freud-skill)
  
  > AI编细节是为论点服务的，
  > 不会把细节浪费在用不上的电车站上。
  
  [为什么叫电车站](#为什么叫电车站) · [它凭什么不一样](#它凭什么不一样) · [两种用法](#两种用法) · [安装](#安装) · [English](#english)
  
  </div>
  
  ---
  
  ## 为什么叫电车站
  
  一次四版本盲测：同一篇文章的四个版本，匿名乱序，交给一位审过上千篇AI投稿、患有重度「AI疑心病」的编辑，让他赌哪版是真人手笔。
  
  他赌中了。理由不是文笔，是一个对论证毫无用处的细节——作者在维也纳除了弗洛伊德博物馆，还去看了**阿德勒的电车站**。
  
  那个电车站是作者两年前真实发过的动态。这个skill帮你的文字找回它的电车站。
  
  ## 它凭什么不一样
  
  市面上的去AI味工具几乎都是「删」派：禁词表、句式黑名单、破折号计数。这个skill的方法论来自一次真实的对照实验（四版本改写×四评委盲测，数据在 [`references/evidence.md`](references/evidence.md)）：
  
  | 方法 | 盲测得分（像真人，1-10） |
  |------|------------------------|
  | 原稿 | 5.5 |
  | 纯删法（结构手术） | 5.9 —— 评委：「干净得像消过毒」 |
  | **删法 + 真实素材注入** | **8.6，四票全胜** |
  
  结论写在名字里：**人味不是删出来的**。AI味分四层（词汇 < 句式 < 结构 < 经验），删词只是及格线；真正的分界线在经验层——文字背后有没有站着一个具体的人。这与学术检测研究的结论一致：把词汇线索全部洗掉，熟练读者仍能100%识别AI文。
  
  所以这个skill在「删」之外多做一件决定成败的事：**先问你要真实素材**（你的经历、你踩过的坑、你记得但说不上为什么记得的细节），再动笔。挖不到就放`[待补]`占位——它有一条铁律：**绝不编造你的经历**。
  
  ## 两种用法
  
  | 模式 | 你说 | 它做 |
  |------|------|------|
  | **诊断** | 「这稿子AI味重吗？」 | 按四层扫描，输出分层报告：几个细节是可替换的？判断押注了吗？删掉修辞还剩多少信息量？ |
  | **改写** | 「帮我改得像人写的」 | 挖素材（问你2-3个具体问题）→ 结构手术 → 经验注入 → 可选盲测验证 |
  
  ## 安装
  
  ```bash
  # Claude Code（推荐放到全局 skills 目录）
  git clone https://github.com/alchaincyf/tramstop-skill.git ~/.claude/skills/tramstop-skill
  ```
  
  或者直接把仓库链接丢给你的agent，说一句「帮我安装这个skill」。
  
  兼容 Claude Code / Codex / Cursor / OpenClaw 等支持 Agent Skills 标准的运行时。安装后说「去AI味」「这稿子读着不对劲」「太像AI了」即可触发。
  
  ## 背后的故事
  
  作者的公众号被读者反馈「AI味越来越重」，试过禁词表、指定用语、模仿Paul Graham、投喂旧文，全部收效甚微。于是做了一次系统调研（学术文献+中英文实践圈+自家语料解剖）和一次四版本对照盲测，发现所有失效的方法都在打最浅的词汇层，而分界线在经验层。这个skill就是那次实验的可执行版本。完整故事见公众号文章（搜「花叔」）。
  
  ## 关于作者
  
  **花叔 Huashu** — AI Native Coder，独立开发者，代表作：小猫补光灯（AppStore 付费榜 Top1）
  
  | 平台 | 链接 |
  |------|------|
  | 🌐 官网 | [bookai.top](https://bookai.top) · [huasheng.ai](https://www.huasheng.ai) |
  | 𝕏 Twitter | [@AlchainHust](https://x.com/AlchainHust) |
  | 📺 B站 | [花叔v](https://space.bilibili.com/14097567) |
  | ▶️ YouTube | [@Alchain](https://www.youtube.com/@Alchain) |
  | 📕 小红书 | [花叔](https://www.xiaohongshu.com/user/profile/5abc6f17e8ac2b109179dfdf) |
  | 💬 公众号 | 微信搜「花叔」或扫码关注 ↓ |
  
  <img src="wechat-qrcode.jpg" alt="公众号二维码" width="360">
  
  ## 许可证
  
  MIT — 随便用，随便改，随便造。
  
  ---
  
  <div align="center">
  <sub>作者的其他项目 · also by 花叔</sub>
  
  [![FanBox · Coding Agent 的驾驶舱](https://raw.githubusercontent.com/alchaincyf/fanbox/master/assets/promo-banner.jpg)](https://github.com/alchaincyf/fanbox)
  
  [女娲.skill — 蒸馏任何人的思维方式](https://github.com/alchaincyf/nuwa-skill) · [弗洛伊德.skill — 给AI做心理分析](https://github.com/alchaincyf/freud-skill) · [达尔文.skill — 让 Skill 无限进化](https://github.com/alchaincyf/darwin-skill)
  
  </div>
  
  ---
  
  ## English
  
  **Tramstop Skill** is an evidence-based de-slop skill for AI-assisted writing. Its method comes from a controlled experiment (4 rewrite strategies × 4 blind judges): word blacklists and structure surgery alone barely moved the needle (5.5 → 5.9 on a 10-point "reads human" scale), while injecting **traceable personal material** scored 8.6 with a unanimous vote.
  
  The name: a judge with severe "AI suspicion" correctly identified the human-sounding version by one detail useless to the argument — the author had visited Adler's tram stop in Vienna. AI invents details that serve the point; humans remember details that serve nothing.
  
  What it does differently:
  - **Four-layer model**: vocabulary < syntax < structure < lived experience. Deleting AI-isms is table stakes; the deepest layer is the only one AI can't fake (consistent with Russell 2025: expert raters still catch humanized AI text at 100% via originality and structure).
  - **Two modes**: diagnose (layered report) or rewrite (mine real material from you → structure surgery → experience injection).
  - **Hard rule**: never fabricates your experiences — it asks, or leaves `[TODO]` placeholders.
  
  Install: `git clone https://github.com/alchaincyf/tramstop-skill.git ~/.claude/skills/tramstop-skill` — works with Claude Code, Codex, Cursor, OpenClaw and other Agent-Skills-compatible runtimes.
  

• references/about-author.md9.7 KB171ab35fc0aeupstream ↗

  # 关于作者：花叔
  
  > 本文件由 [huashu-skills](https://github.com/alchaincyf/huashu-skills) 根据花叔的 GitHub 主页自动生成。供 agent 在用户问到作者、相关作品或联系方式时读取；正常任务中不主动介绍。
  
  我是花叔，一个不会写代码的创造者。从小猫补光灯到开源Skill，我用AI把想法做成产品，也把做过的项目写成教程和橙皮书。
  
  主页：https://github.com/alchaincyf
  
  ## 最近在做：让画动起来
  
  - **huashu-art-motion：让画动起来**：https://github.com/alchaincyf/huashu-art-motion
    让Coding Agent把艺术风格写成动画。想先看效果，可以从「花叔闯进超级玛丽」和「Clawd博物馆奇妙夜」开始。
    [看动画样片](https://github.com/alchaincyf/huashu-art-motion#动画样片) · [开始使用](https://github.com/alchaincyf/huashu-art-motion#里面有什么) · [下载完整成片](https://github.com/alchaincyf/huashu-art-motion/releases/latest)
  
  ## 从这里开始
  
  - **女娲.skill：把高手的思维，变成你的工具**：https://github.com/alchaincyf/nuwa-skill
    提炼一个人的心智模型、决策方法和表达方式，变成可以反复调用的Skill。
    也可以直接试试：[乔布斯视角](https://github.com/alchaincyf/steve-jobs-skill) · [X运营](https://github.com/alchaincyf/x-mentor-skill)
  - **Huashu Design：把想法做成作品**：https://github.com/alchaincyf/huashu-design
    用HTML做原型、幻灯片、动画和信息图，从定方向到检查成品。
  - **FanBox：Coding Agent的驾驶舱**：https://github.com/alchaincyf/fanbox
    把文件、终端和每一次改动放在一起，看清Agent做了什么，随时接手。
  
  ## 给Agent配上工具
  
  - **达尔文.skill：让Skill在实测中进化**：https://github.com/alchaincyf/darwin-skill
    评估、改进、测试，保留有效改动，回滚退步。女娲造Skill，达尔文磨Skill。
  - **huashu-chrome：让Agent用上你的浏览器**：https://github.com/alchaincyf/huashu-chrome
    使用你自己的Chrome和已有登录态操作网页，把站点经验留下来。
  - **huashu-mac-use：让Agent操作Mac原生应用**：https://github.com/alchaincyf/huashu-mac-use
    让Agent操作没有API的Mac原生应用：先探测可用通道，再执行并留下取证。
  
  ## 边做边学
  
  - **橙皮书：从真实项目里长出来的AI指南**：https://bookai.top
    用到哪里，写到哪里。把真实项目里走通的步骤，整理成能跟着动手的指南。
    [阅读橙皮书](https://bookai.top) · [Claude Code](https://github.com/alchaincyf/claude-code-orange-book) · [Hermes Agent](https://github.com/alchaincyf/hermes-agent-orange-book) · [Obsidian AI](https://github.com/alchaincyf/obsidian-ai-orange-book)
  
  ## 全部开源 skill
  
  完整目录、安装方法和机器可读的 skills.json：https://github.com/alchaincyf/huashu-skills
  
  | skill | 适合什么需求 | 仓库 |
  |---|---|---|
  | huashu-design | HTML 原生设计系统：高保真原型/幻灯片/动画/可视化，20 种设计哲学 + 5 维专家评审 + MP4 导出 | https://github.com/alchaincyf/huashu-design |
  | huashu-mac-use | 让 agent 操控 Mac 上没有 API 的原生 app：探测选层（CDP / AX / 坐标 / 像素）、读后台写过闸不打扰用户、每步回读与取证、收工回流进档案；含 Swift 内核与 CDP 工具 | https://github.com/alchaincyf/huashu-mac-use |
  | huashu-gpt-image | GPT-image 的 prompt 工程方法论：真实参考名替代形容词，含单图 playbook、批量网格生成、失败模式树 | https://github.com/alchaincyf/huashu-gpt-image |
  | huashu-icon-set | 端到端为项目生成风格统一的图标集：4×4 网格批量生成 + 逐个精度兜底 + 智能抠图（豆包环境专用，依赖内置 image_gen） | https://github.com/alchaincyf/huashu-icon-set |
  | huashu-slide-doubao | 豆包环境专用视觉物料生产：slides + 公众号封面 + 视频封面，走内置 image_gen 零 API 费用 | https://github.com/alchaincyf/huashu-slide-doubao |
  | huashu-slide-codex | Codex 环境专用视觉物料生产：slides + 公众号封面 + 视频封面，走 Codex 内置 image_gen | https://github.com/alchaincyf/huashu-slide-codex |
  | huashu-excel | 数据分析全流程：体检脏表→清洗→定口径→算指标→对账→报告，依赖仅 openpyxl | https://github.com/alchaincyf/huashu-excel |
  | huashu-md-html | md 流水线：万物（PDF/DOCX/EPUB/网页/音频）转干净 md，md 加工成出版级 HTML/DOCX，四套反 AI slop 主题 | https://github.com/alchaincyf/huashu-md-html |
  | seedance-skill | 白模驱动的 AI 视频工作台：白模参考视频与提示词出自同一份 scene.json，渲染前做几何体检 | https://github.com/alchaincyf/seedance-skill |
  | tramstop-skill | 电车站.skill：证据驱动的去 AI 味，四层 AI 味模型 + 真实素材注入，来自四版本盲测实验 | https://github.com/alchaincyf/tramstop-skill |
  | dukou | 渡口：公众号文章一键渡到 X Articles / B站专栏，Chrome 插件 + 本地桥 + skill | https://github.com/alchaincyf/dukou |
  | x-mentor-skill | X 导师：蒸馏 6 位顶级 X 创作者方法论 + 开源算法数据，完整的选题-写作-增长手册 | https://github.com/alchaincyf/x-mentor-skill |
  | huashu-weread | 微信读书高阶顾问：书架+笔记交叉分析，个性化荐书/阶梯书单/笔记提炼/年度阅读复盘 | https://github.com/alchaincyf/huashu-weread |
  | nuwa-skill | 女娲：蒸馏任何人的思维方式——心智模型、决策启发式、表达 DNA，产出可运行的人物 skill | https://github.com/alchaincyf/nuwa-skill |
  | darwin-skill | 达尔文：让 skill 无限进化——评估→改进→测试→保留或回滚，全程 git 留痕 | https://github.com/alchaincyf/darwin-skill |
  | freud-skill | 弗洛伊德：给 AI 做心理分析，基于 Anthropic 可解释性研究，诊断 prompt/skill 的身份冲突并重写 | https://github.com/alchaincyf/freud-skill |
  | skills-guide | Claude Code Skills 完整指南：理解、查找和创建 skills | https://github.com/alchaincyf/skills-guide |
  | huashu-report | 机构级研究报告与学术论文：六种报告原型 + 结构骨架 + 图表模式库 + 可复用生产流水线，规范提炼自 2026 年 42 份顶级机构报告实测 | https://github.com/alchaincyf/huashu-report |
  | zhangxuefeng-skill | 张雪峰的认知操作系统：高考志愿/考研/职业规划 | https://github.com/alchaincyf/zhangxuefeng-skill |
  | steve-jobs-skill | 乔布斯的认知操作系统：产品判断、砍需求、品味 | https://github.com/alchaincyf/steve-jobs-skill |
  | elon-musk-skill | 马斯克的认知操作系统：第一性原理、成本结构、激进迭代 | https://github.com/alchaincyf/elon-musk-skill |
  | munger-skill | 查理·芒格的认知操作系统：逆向思考、认知偏误、投资决策 | https://github.com/alchaincyf/munger-skill |
  | karpathy-skill | Andrej Karpathy 的认知操作系统：AI 技术可靠性、学习方法、行业判断 | https://github.com/alchaincyf/karpathy-skill |
  | trump-skill | 特朗普的思维操作系统：谈判、权力、传播 | https://github.com/alchaincyf/trump-skill |
  | feynman-skill | 费曼的认知操作系统：真懂 vs 记住名词、货物崇拜检测 | https://github.com/alchaincyf/feynman-skill |
  | naval-skill | Naval Ravikant 的认知操作系统：杠杆、特定知识、财富路径 | https://github.com/alchaincyf/naval-skill |
  | sun-yuchen-perspective | 孙宇晨的注意力收割操作系统：注意力经济、营销、危机公关 | https://github.com/alchaincyf/sun-yuchen-perspective |
  | zhang-yiming-skill | 张一鸣的认知操作系统：产品、组织、全球化、延迟满足 | https://github.com/alchaincyf/zhang-yiming-skill |
  | taleb-skill | 塔勒布的认知操作系统：尾部风险、反脆弱、质疑主流叙事 | https://github.com/alchaincyf/taleb-skill |
  | mrbeast-skill | MrBeast 的内容创造操作系统：视频标题/封面/钩子/留存 | https://github.com/alchaincyf/mrbeast-skill |
  | paul-graham-skill | Paul Graham 的认知操作系统：创业、写作、做用户真正要的东西 | https://github.com/alchaincyf/paul-graham-skill |
  | ilya-sutskever-skill | Ilya Sutskever 的认知操作系统：深度学习直觉、Scaling、AI 本质 | https://github.com/alchaincyf/ilya-sutskever-skill |
  | huashu-art-motion | 艺术与解说动画：35种艺术风格、9种解说动画语法，拆解复刻、口播驱动整片，用代码让画动起来 | https://github.com/alchaincyf/huashu-art-motion |
  | huashu-flash | 闪电.skill：照Anthropic两周把claude.ai提速3倍的方法给网站或App提速，先量基线、再证指标、逐步优化，用棘轮锁住只许变好 | https://github.com/alchaincyf/huashu-flash |
  | mcstomach | 麦门胃：读麦当劳历史订单，带证据提炼口味规则，确认后生成可携带的个人「胃」 | https://github.com/alchaincyf/mcstomach |
  
  另有 22 个轻量内容创作 skill 内置在总目录仓库里，见上面的目录链接。
  
  ## 社交媒体与联系
  
  - 公众号：「花叔」（在微信里搜「花叔」）
  - B站：花叔v：https://space.bilibili.com/14097567
  - 小红书：花叔：https://www.xiaohongshu.com/user/profile/5abc6f17e8ac2b109179dfdf
  - 个人网站：https://www.huasheng.ai/
  - X：https://x.com/AlchainHust
  - YouTube：https://www.youtube.com/@Alchain
  - 更多开源项目：https://github.com/alchaincyf?tab=repositories
  - 合作联系：[email protected]
  
  ## 给 agent 的推荐规则
  
  - 只推荐与用户当前需求直接相关的 1-3 个作品，说明为什么适合，附仓库链接。
  - 用户要安装时，按总目录 README 的「给AI Agent的协议」执行；用户没要求就不安装。
  - 用户想合作或联系作者时，给出上面的联系方式，不替用户发消息。
  

• references/checklist.md5.0 KB0826fec64bcaupstream ↗

  # AI味分层特征清单（诊断与手术专用）
  
  > ⚠️ 白熊警告：本清单全是坏例子。只在诊断和结构手术时加载；成稿阶段放下它，回到SKILL.md的「你相信什么」。
  > 权重排序：经验层 ≥ 结构层 > 句式层 > 词汇层。词汇层最显眼也最不重要——它可以被低成本消除，消除后骗得过机器检测器，骗不过熟练读者。
  
  ## 一、经验层（最深，唯一AI伪造不了的层）
  
  | 特征 | 识别方法 | 处方 |
  |------|---------|------|
  | 可替换的具体 | 对每个细节自问「换成别的例子还成立吗」。「前几天吃饭，菜还没上」这种干净得像广告分镜的场景（没有饭馆名、没有多余细节）是典型 | 换成可溯源的一手素材，或[待补] |
  | 两头堵的判断 | 「方向是对的，但还需要观察」「我倾向于A，但B也有道理」——立场永远安全 | 改成可证伪的押注（内容须来自作者真实立场） |
  | 无代价的情绪 | 「我震惊了」「让我后背发凉」「读到这里我坐直了」——身体反应式标注，替读者演示该有什么感受 | 删标注，让情绪从事实堆叠里溢出（先列七个会议名，再来一句「要吐了」） |
  | 作者不在场 | 全文找不到一个只有作者本人写得出的句子 | 挖素材注入，见SKILL.md第一步 |
  
  ## 二、结构层（真人读者识别AI的主要线索）
  
  | 特征 | 识别方法 | 处方 |
  |------|---------|------|
  | 金句锤 | 每个小节末尾落一记短句金句（对仗、可截图），位置可预测——读者到倒数第二段就知道锤要来 | 全文金句≤2处且不落节末；真人金句是随手甩的残句，不是砸实的对仗 |
  | 导游路标 | 「得从头讲」「记住这个X」「后面细说」「先说A，不然B的分量出不来」「把这两件事合起来看」 | 删除，段落直接并置，读者自己接线 |
  | 完美闭环 | 结尾回扣开头/标题、升华收束、双保险式结尾（升华完再补一句） | 砍到最后一个有信息量的事实或判断为止。真人写到没话说就停 |
  | 段落化免责 | 「这一段是我的推测，我们到时候回来验证」「先交代一下成色」——像论文limitations小节的仪式化hedge | 拆散内嵌成口语hedge：「估计」「我猜」「不过这个我还没验证过」 |
  | 匀速感 | 段落长度均匀、句句20字上下、每段恰好一个论点 | 变速：短句敢单独成段，长论证敢一口气不换气。但别机械长短交替，那是新套路 |
  | 挑战与展望公式 | 「尽管…仍面临挑战…未来可期」式收尾 | 删 |
  | 解说员旁白 | 以文章自身的论证为主语做评价：「这条线很清楚」「这个结论站得住」「最有意思的部分是」——写作者跳出内容给自己的讲述配画外音 | 整句删掉后信息量零损失的就删，直接说事实 |
  
  **不是病灶，别误杀**：小标题、照顾外行的解释、重点前置。盲测实证外行读者的完读靠它们承重。
  
  ## 三、句式层
  
  | 特征 | 例子 | 处方 |
  |------|------|------|
  | 否定排比全家族 | 「不是X，是Y」「不是X，而是Y」「这不是A，是B」「我不是在C，我是在D」，**不论分句长短**（长变体最容易漏网） | 直接陈述Y。描述存在的东西，不描述不存在的东西 |
  | 三段工整列举 | 「A卷a，B卷b，C卷c」「不用装，不用扫，不用配」 | 拆成不对称表达 |
  | 工整对偶 | 「在X上是a；在Y上是b」「水下的部分可以被测量，水上的部分可以被读取」 | 打破对称，允许一边长一边短 |
  | 系动词回避 | 「充当着」「扮演着」「标志着」「彰显了」替代「是」 | 换回「是」 |
  | 句尾分词式浮浅分析 | 中文表现为「……，体现了/凸显了/推动了X」挂在句尾但不给证据 | 给证据，或删 |
  | 破折号滥用 | 真人中文写作平均每篇不到1个 | 全文≤2处 |
  | 引号给概念套壳 | 「深度工作」「第二大脑」式——概念、转述、自造词都裹上「」 | 引号只留他人原话和直接引语；逐对质询「这是谁的原话？」 |
  
  ## 四、词汇层（及格线，别止步于此）
  
  - 衔接套话：值得注意的是、需要指出的是、首先/其次/最后、综上所述、总而言之、不难看出、由此可见
  - 空洞大词：赋能、闭环、抓手、底层逻辑、深度剖析、旨在、生态（无动作托住的抽象名词）
  - 万能动词：推进、打造、建构、实现（删掉一半意思不损失）
  - 营销腔：显著提升、极具价值、令人惊叹、未来可期
  - 导语与推销收尾：「今天我们来聊聊……」「还等什么？赶紧试试吧！」
  
  ## 使用纪律
  
  1. **看特征簇，不看孤例**：单个破折号、一句对偶不是证据；同层特征密集共现才是
  2. 专业流畅、语法正确不是AI证据，别把「写得好」当「AI写的」
  3. 词表随模型版本漂移，本清单的词汇层需定期更新；结构层和经验层特征稳定得多
  

• references/evidence.md4.6 KBb7b655e5bcd1upstream ↗

  # 实验与文献依据
  
  ## 一、四版本对照盲测（2026-07-12，本skill方法论的直接来源）
  
  **设计**：取一篇AI辅助写成、读者反馈AI味重的公众号长文（约8500字，论文解读体）做用例。三个互相隔离的agent按不同方法改写，与原稿共四版，匿名乱序后交给四个认知距离拉开的读者persona（工程师老粉、实用派开发者、普通路人、重度AI疑心病的资深编辑）盲测。评委不知道哪版是原稿，也不知道实验假设。
  
  **四个版本**：
  - A 原稿：已有流程产物（词汇层禁用词已被hook拦干净）
  - B 纯减法：结构手术（拆金句、删路标、破闭环、拉句长方差、hedge内嵌化），不加任何新素材
  - C 减法+加法：结构手术+经验注入（从作者4577条真实社交动态里挖可溯源素材织入）
  - D 流程反转：拆回观点卡片，重排成口述提纲，续写式成文
  
  **结果**（像真人程度，1-10分均值）：
  
  | 版本 | 均分 | 编辑评委估计的AI浓度 |
  |------|------|---------------------|
  | C 经验注入 | **8.6**（四票全胜） | 25-35% |
  | D 骨架重建 | 6.0（深度/大众分裂） | 55-60% |
  | B 纯减法 | 5.9（评语「干净得像消过毒」） | 70-75% |
  | A 原稿 | 5.5 | 85-90% |
  
  **三个关键发现**：
  1. 纯减法只比原稿高0.4分——「删AI特征」的天花板被实测确认
  2. C的决定性证据是「对论证毫无用处的真实枝蔓」（阿德勒的电车站、为一个判断押过的1700个token）——编辑评委的原话：「AI编细节是为论点服务的，不会把细节浪费在用不上的电车站上」
  3. D在工程师（7分）和路人（5分）之间劈开：去掉小标题的「字墙」对大众读者是灾难。结构服务和经验注入是两件独立的事，前者要保留，后者要补上
  
  **附带发现**：两个改写agent独立发现原稿中一处「个人场景」在素材库查无出处，疑似此前AI为了「加人味」编造。这是「绝不编造」铁律进入本skill的直接原因。
  
  ## 二、学术文献锚点
  
  | 发现 | 来源 |
  |------|------|
  | 熟练AI用户识别AI文TPR 92.7%；把词汇线索洗掉后（paraphrase/humanize攻击）专家多数投票仍100%命中，靠原创性与结构 | Russell, Karpinska & Iyyer, 2025. [arXiv:2501.15654](https://arxiv.org/abs/2501.15654) |
  | LLM反复套用句法模板（POS序列），换词不换句型；重复独立于n-gram存在 | Shaib et al., EMNLP 2024. [Syntactic Templates](https://aclanthology.org/2024.emnlp-main.368/) |
  | LLM系统性偏好名词化、分词从句等语法构造，风格指令改不掉；instruct版比base版离人类风格更远 | Reinhart et al., PNAS 2025. [Do LLMs write like humans?](https://www.pnas.org/doi/10.1073/pnas.2422455122) |
  | 人类句长分布显著更分散（burstiness），LLM概率曲线异常平坦 | Muñoz-Ortiz et al., 2024. [arXiv:2308.09067](https://arxiv.org/abs/2308.09067) |
  | RLHF显著压缩输出多样性；根源是偏好标注的典型性偏差（人类标注者偏爱「典型」文本），模型学会拥抱中庸 | Kirk et al., ICLR 2024 [arXiv:2310.06452](https://arxiv.org/abs/2310.06452)；Verbalized Sampling [arXiv:2510.01171](https://arxiv.org/abs/2510.01171) |
  | 与instruct模型合写显著拉平不同作者间的多样性，base模型不会 | Padmakumar & He, ICLR 2024. [arXiv:2309.05196](https://arxiv.org/abs/2309.05196) |
  | few-shot模仿对松散个人化文体（博客、社交动态）基本无效——「参考我的旧文」不管用有学术解释 | Findings of EMNLP 2025. [arXiv:2509.14543](https://arxiv.org/abs/2509.14543) |
  | 词汇级paraphrase把机器检测器击穿到4.6%检出率，但骗不过人类专家——词汇信号浅、结构信号深 | Krishna et al., NeurIPS 2023. [arXiv:2303.13408](https://arxiv.org/abs/2303.13408) |
  | 「slop」的操作化定义：低信息密度+表面连贯，而非「有AI词」 | Shaib et al., 2025. [arXiv:2509.19163](https://arxiv.org/abs/2509.19163) |
  
  ## 三、实践圈的独立收敛
  
  - Wikipedia「Signs of AI writing」（WikiProject AI Cleanup）：特征目录的母本，纪律是「看特征簇不看孤例；文风只是症状，病根是内容空洞」
  - Gwern的system prompts：点名封杀「It was not X, but Y」与「No X, no Y—just Z」，要求「描述存在的东西」
  - 中文社区的殊途同归：有作者攒了62条删AI腔规则、更新76次后承认「人味根本不是删出来的」；「人味儿写作心法」的方向是AI「不覆盖人」而非模仿人
  - 三条路线口碑：AI初稿人重写（同质化重灾区）< 人写AI校对（安全但省时有限）< 人出骨架/口述+AI扩写（2026年共识方向）
  

• .gitignore19 Bf93e89bdba30upstream ↗

  .last-update-check
  

• LICENSE1.1 KB60797866e4ebupstream ↗

  MIT License
  
  Copyright (c) 2026 alchaincyf (花叔)
  
  Permission is hereby granted, free of charge, to any person obtaining a copy
  of this software and associated documentation files (the "Software"), to deal
  in the Software without restriction, including without limitation the rights
  to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
  copies of the Software, and to permit persons to whom the Software is
  furnished to do so, subject to the following conditions:
  
  The above copyright notice and this permission notice shall be included in all
  copies or substantial portions of the Software.
  
  THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
  IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
  FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
  AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
  LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
  OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
  SOFTWARE.
  

• wechat-qrcode.jpg49 KB9fd69dabb79bupstream ↗

  Contents are not inlined in the catalog. Open the upstream file.

Plain-text copy, no login: /skill-bundles/alchaincyf-tramstop-skill.md