企业官网建设流程全解析

stop-slop系统提示词集成教程：10行代码写出AI写作去味API

【免费下载链接】stop-slopA skill file for removing AI tells from prose项目地址: https://gitcode.com/GitHub_Trending/st/stop-slop

stop-slop 是一个开源的 AI 写作去味技能文件，专门清除文章里可预测的 AI 痕迹——套话开场、空泛副词、假对比结构等。本教程带你把它集成进系统提示词，10 行代码就能搭出一个"去AI味"改写 API，适合新手快速上手 💪

stop-slop 是什么：一个装进提示词的写作技能

AI 写出来的东西总有一股"机器味"：动不动"Here's the thing"、副词满天飞、"不是X，而是Y"的句式反复出现。stop-slop 把去除这些痕迹的规则写成了一个标准化的技能文件，教 Claude 或任何大模型识别并删掉它们。

整个仓库结构非常简洁，核心就四类文件 📁：

更多项目背景可以看 README.md，规则演进记录见 CHANGELOG.md。

第一步：获取 stop-slop 仓库

打开终端执行下面命令，把仓库克隆到本地（需要 clone 时仓库地址如下）：

git clone https://gitcode.com/GitHub_Trending/st/stop-slop

克隆完成后进入目录，确认 SKILL.md 存在即可。

三种集成方式：从简单到灵活

stop-slop 的设计就是为"直接贴进系统提示词"而生的，按使用场景有三种集成路径：

方式一：Claude Code 技能（最省事）

把整个 stop-slop 文件夹作为技能添加到 Claude Code，之后让它写任何文案都会自动套用去味规则。

方式二：自定义指令（适合普通用户）

把 SKILL.md 中 "Core Rules" 一节的 8 条核心规则复制，粘贴到你所用 AI 工具的"自定义指令 / 系统提示词"设置里，保存即可生效。

方式三：API 调用（本教程重点）

把SKILL.md全文作为 system prompt 的内容发给大模型，参考文件按需求再追加。这样任何后端程序都能获得改写能力。

10行代码：写出 AI 写作去味 API

下面这段 Python 约 10 行，核心思路是：读取 SKILL.md → 塞进 system 角色 → 让用户提供待改写文本，即可得到一个 AI 写作去味 API 🚀

from openai import OpenAI client = OpenAI() skill = open("SKILL.md", encoding="utf-8").read() messages = [ {"role": "system", "content": skill}, {"role": "user", "content": "帮我改写这段文字，去掉AI味：\n" + text}, ] resp = client.chat.completions.create(model="gpt-4o", messages=messages) print(resp.choices[0].message.content)

几个实用技巧：

1. 按需加载参考文件：token 紧张时，system prompt 只放SKILL.md，再在结尾加一句"详细清单见下方附录"，然后把 references/phrases.md 拼在后面。
2. 加上评分门槛：SKILL.md内置了 50 分制评分表（直接性、节奏、信任感、真实感、密度各 1-10 分），可在 system prompt 末尾补一句"改写后按此表自评，低于 35 分继续改"。
3. 换任意模型：OpenAI、Claude、DeepSeek 等任何支持 system 角色的模型都能跑，把model参数改成对应模型名即可。

它到底删掉什么：规则速览

SKILL.md 里的 8 条核心规则，浓缩起来就是下面这些"AI 味"特征，新手对照着理解最容易：

• 废话开场："Here's the thing""说白了"——直接删，说正事
• 所有副词：really、just、literally……一律清除
• 二元对比："不是X，而是Y"——直接说 Y
• 拟人化主语："决定自然浮现"——写出是谁做的决定
• 模糊断言："意义重大""影响深远"——换成具体的影响
• 破折号：全文禁用，用逗号或句号

完整对照案例可以参考 references/examples.md，比如这段经典改写：

改写前："In today's fast-paced landscape, we need to lean into discomfort and navigate uncertainty with clarity. This matters because your competition isn't waiting."

改写后："Move faster. Your competition is."

一句商务黑话堆砌，被压成了 6 个词。这就是去味后的密度。

交付前自查：35 分及格线

除了删词删句，SKILL.md还提供了一张交付前检查清单和评分表，可以直接写进提示词让模型自评：

五个维度各 1-10 分，总分低于 35 就必须返工。这条规则对 API 调用场景尤其有用：把评分表加进 system prompt，就能让模型在输出前先自我修订，去味效果显著更稳。

常见问题（FAQ）

Q：一定要用 Python 吗？A：不是。任何语言只要能发 HTTP 请求到模型 API，把SKILL.md内容放进 system 字段即可，语言无关。

Q：token 成本会增加多少？A：SKILL.md约 60 行，作为系统提示词一次性开销很小；references/三个文件按需加载即可。

Q：对中文写作有效吗？A：有效。规则本身是语言无关的写作原则，你可以在 system prompt 里补一句"将规则应用于中文文本"，模型会映射到中文对应的 AI 套话（如"值得注意的是""本质上"）上。

小结：三步完成集成

1. 克隆仓库，拿到 SKILL.md 和 references/ 三个参考文件
2. 把SKILL.md全文放进系统提示词（API 调用约 10 行代码即可）
3. 加上 35 分评分门槛，让模型输出前自查

stop-slop 的价值在于把"什么是 AI 味"变成了可执行、可评分的规则。集成之后，你得到的不只是一段提示词，而是一套完整的内容质检流程 ✍️

【免费下载链接】stop-slopA skill file for removing AI tells from prose项目地址: https://gitcode.com/GitHub_Trending/st/stop-slop