这个 Skill 能做什么，适合哪些场景？
unslop 是 tester-army/e2e 仓库中打包的 10 个技能之一，位于 .claude/skills/unslop/SKILL.md。它是一份纯指令型编辑技能：按照 31 类模式清单扫描文本，重写以消除AI腔，再主动加入观点、节奏变化和具体细节。适用范围是任何文字，不依赖任何脚本、命令或外部工具。注意它托管在一个端到端测试框架仓库里，但技能本身与测试无关。
- 按清单扫描文本中的 31 类AI写作模式，包括内容（浮夸措辞、模糊归因）、语言（AI高频词、三段式排比）、风格（破折号滥用、粗体滥用、表情符号）等。
- 重写句子以保留原意并匹配目标语气。
- 主动加入“灵魂”：表达观点、变化句长、承认复杂性、使用具体细节。
- 自我审查：“这段哪里明显像AI写的？”并修复残留痕迹。
- 技术写作者想让AI起草的博客、文档去掉明显的机器痕迹再发布。
- 营销人员拿到AI生成的文案后需要一版更有人味的润色。
- 开发者用AI写README或公告，希望避免“不仅仅是X，而是Y”这类套话。
- 编辑或审稿人需要一份可复用的AI痕迹检查清单来校对来稿。
- 需要保留原格式（如表格、代码块结构）的机械转换任务，因为该技能会主动重写句子和结构。
- 追求强一致风格规范的团队，因为清单里“加入观点、留些凌乱”这类指导是主观的，产出因模型而异。
如何安装这个 Skill？
- description 声明 'Must always apply'，可能在不应使用的写作场景（代码、诗歌、法律文本）中误触发，建议使用者明确调用条件。
- 技能改写可能偏离原文语气或丢失专业细节，最终文本仍需人工审校，尤其在中英混排或中文写作场景中未经验证。
- 技能与仓库主项目（e2e 测试框架）无内容关联，发布者为未验证身份，维护与更新路径不明。
- 本评审为静态源码评审，未执行任何改写验证；所有评分为低置信度。
本仓库的 README 只给出了测试框架本身的安装方式（npx e2e init），并未说明其中打包技能的安装步骤。作为仓库内的 .claude/skills/unslop/SKILL.md，通用的做法是把它复制到你的技能目录，但具体命令未在来源中记录：
git clone https://github.com/tester-army/e2e.git
cp -r e2e/.claude/skills/unslop ~/.claude/skills/unslop如果你想用整个 e2e 测试框架（而非此技能），来源文档化的安装方式是：
npx e2e init如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 用 unslop 检查并改写这段产品介绍，去掉“不断发展的格局”“至关重要”这类AI腔。
- 我有一篇AI生成的博客草稿，请按 unslop 的 31 条规则逐条扫描，重写后告诉我改了哪些模式。
- 帮我润色这封公告邮件，删掉 'I hope this helps!' 之类的机器人用语，加一点人的语气。
- 把这段文档的破折号、表情符号和粗体滥用清理掉，改成平实的句子。
技能没有脚本或斜杠命令。frontmatter 描述写明 "Must always apply"，即在支持的宿主中它会自动作用于写作任务；你也可以显式点名它。流程为：扫描 31 类模式 → 重写并保留原意与语气 → 加入灵魂（观点、节奏、具体性）→ 自审并修复。值得注意的硬性规则包括：完全避免破折号、改掉中置冒号、标题用句首大写、引号用直引号。
这个 Skill 有哪些优点和局限？
- 覆盖面罕见的完整：31 类模式从内容、语言、风格一直列到隐喻性术语和被动语态。
- 不只是删：有专门的“加入灵魂”章节对抗无个性的中性文风。
- 纯指令实现，无脚本、无依赖，任何 Agent Skills 兼容客户端都能直接使用。
- 规则具体可操作，每条都带正反例，便于模型稳定执行。
- 技能托管在 e2e 测试框架仓库中，与宿主项目主题无关，发现性差；README 只描述整个框架。
- 技能自身的安装步骤在来源中未记录。
- 部分规则（如“完全禁用破折号”）是强烈的主观风格偏好，未必适合所有出版场景。
- 没有提供配套的示例库或测试用例来验证效果。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Unslop 文风去AI味技能 本页 | 49 · 谨慎使用 | ★ 8.7k | 1 天前 | Apache-2.0 |
| No AI Slop | 59 · 推荐 | ★ 12k | 1 个月前 | MIT |
| Beautiful Prose 写作风格规范 | 50 · 谨慎使用 | ★ 57 | 9 个月前 | — |
| e2e 文档写作规范技能 | 54 · 谨慎使用 | ★ 8.7k | 1 天前 | Apache-2.0 |
| 卡兹克公众号长文写作 Skill | 49 · 谨慎使用 | ★ 21k | 10 天前 | MIT |
FollowSkills 如何评估这个 Skill？
该技能是纯文本编辑指导，无脚本、无外部调用、无敏感数据处理，风险面极小；但未声明任何边界或失败时的处理方式，也未说明对原意的保留程度的验证手段，扣分源于最小权限与恢复机制的说明缺失。
指令内部自洽，31 类模式描述清晰、可执行性合理，无脚本依赖，路径确定；但无输入输出示例、无异常输入的反馈说明，边缘情形（如何平衡规则冲突，如禁用冒号与列表冒号）仅靠内嵌示例，扣分源于错误反馈与边界用例薄弱；静态评审上限 10。
受众（去 AI 味的写作润色）明确，模式列表具体；但 description 写 'Must always apply'，属于强制触发，缺乏不适用边界（如诗歌、代码注释、法律文本），会引发误触发风险；无中文相关说明但纯文本技能不受网络可达性影响，扣分源于边界与触发条件不精确。
单文件结构清晰、可读性好，仓库有 Apache-2.0 许可证与 CI、维护迹象（changesets、多工作流）；但技能自身无版本、无变更记录、无已知限制披露、无 FAQ，且 10 个 SKILL.md 同仓但该技能与仓库主项目（e2e 测试框架）无关联，归属与更新路径不明，扣分源于治理信息不完整。
核心任务（识别并改写 AI 痕迹）指令具体、可操作，'加入灵魂'部分提供了超出单纯删模式的增值；但无任何可验证的改写前后示例，实际效果只能靠使用者自评（技能也只提供自查问题），静态评审上限 7，扣分源于产出可用性证据缺失。
模式清单本身可逐条核对（属于可审计的原始材料），部分自我矛盾可由阅读发现；但无第三方执行证据、无测试、无前后对照样本，仓库的 CI 证据针对的是 e2e 框架而非本技能，扣分源于覆盖面薄弱；静态上限 5。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →