企业官网建设流程全解析

继 Node.js 核心成员联名"封杀"AI 代码后，no-ai-slop 把反 AI 战火烧到了文章

【免费下载链接】no-ai-slopRemoves 20+ patterns of AI slop from any piece of writing.项目地址: https://gitcode.com/gh_mirrors/no/no-ai-slop

2026 年秋天，开源社区的情绪经历了一次肉眼可见的转向：先是"1.9 万行 Claude Code 生成代码"点燃了 Node.js 核心成员与上百位维护者的联名请愿，要求项目内禁止 AI 辅助开发；紧接着，一个名为 no-ai-slop 的写作 Skill 登上 GitHub 周榜，把"反 AI 味"的战场从git diff一路烧到了文章、邮件和社交媒体的字里行间。这场接力并非巧合——当 AI 生成的内容开始大规模污染代码库时，同样的污染正在以更隐蔽的方式侵蚀文本。本文将以 no-ai-slop 仓库源码为样本，拆解它如何用 20 多种模式识别"AI 味"、如何在保留作者个人声音的前提下做"最小有效编辑"，以及这条反 AI 情绪链的终点究竟在哪里。

导火索：当代码审查变成"AI 味"识别

事件的起点在 Node.js 社区。据 36 氪报道，一份由 Node.js 核心成员发起的请愿引发百人联名，矛头直指项目中大量混入的 Claude Code 生成代码——一份 PR 里躺着约 1.9 万行由 AI 生成的代码，成了压垮情绪的最后一根稻草。请愿者的主张很直接：项目应禁止 AI 辅助开发。

表面看这是工具之争，实际上是维护者被三重成本压垮后的表态：

• 审查成本转移。AI 产出的代码"看起来干净"，但干净恰恰是问题。人类 reviewer 无法再依赖"写得烂=需要细看"的直觉信号，每一行都必须以对待陌生代码的态度重新验证。
• 风格熵增。多个 AI 助手轮番提交，代码库的语气、命名习惯、错误处理模式快速漂移，维护者被迫在"统一风格"和"接受熵增"之间二选一。
• 责任链断裂。代码出了问题，归因链条在"AI 生成的、人类没细看、reviewer 没拦住"之间循环往复，最终由核心维护者兜底。

请愿能不能落地是另一回事，但它精准地命名了一种弥漫已久的感受：AI 让"平庸的输出"变得过于廉价，而清理平庸的成本被转嫁给了社区里最认真的人。

舆论接力：从代码审查到文本创作

代码侧的"封杀"情绪很快蔓延到了文本侧。2026 年 7 月，前增长营销人、创作者经济领域的写作者 Peter Yang 开源了自己一直在用的写作 Skill——no-ai-slop，目标是"从任何文本中移除 20+ 种 AI slop 模式"。随后几天，它冲上 GitHub 周榜，开源五天收获约 3.7K Star；在 9 月中旬的 GitHub 热榜周报里，它与 Humanizer 一起被列为"AI 去痕"方向的代表项目；头条系文章则给出了"2.3k Star、一次揪出 20+ 种废话"的传播口径。CSDN 上甚至出现了配第三方 API Key 在 Claude Code 里跑通它的实操教程。

更值得玩味的是，"no AI slop"已经从项目名变成了整个行业的文化符号。Hacker News 上，Vivaldi 7.8 的发布标题直接写作"No AI Slop. Just Powerful Features"，Firefox 的硬分叉项目 Base Browser 用"no AI slop"作为卖点，连 CPython 核心开发者发布的 Django 框架都标注"No AI slop, but built for the LLM era"。这个词不再描述一个具体工具，而是一面旗帜：在所有人都在往产品里塞 AI 的时候，"没有 AI 味"本身就是一种差异化。

文本侧的舆情接力还有一个标志性节点：Substack 宣布推出 AI slop 检测功能来"保护读者"，并把 Peter Yang 的视频作为"用 AI 编辑但仍保留细节"的正面范例。平台下场做检测，意味着"AI 味"已经从个人审美问题升级为平台治理问题。

源码拆解：一个"编辑"而非"检测器"的 Skill

no-ai-slop 的仓库结构极简，核心是 skills/no-ai-slop/SKILL.md 和配套的 skills/no-ai-slop/eval.md。没有模型、没有 API 服务、没有运行时依赖——它是一份高度结构化的提示词工程，靠规则驱动 Claude、ChatGPT、Codex 等任意前端执行。

双模式设计

SKILL.md 开头就定义了两种工作模式，这是它区别于大多数同类工具的关键：

• Edit（默认）：用户给草稿，它做"最小有效编辑"，返回改后全文加一份 What changed 说明。
• Detect：用户问"这是不是 AI slop"，它只点名模式、引用原句、给出几字修改建议，不重写、不打分、不猜测作者。

Detect 模式里有一句非常清醒的原则："AI detectors guess. Named patterns are evidence the user can check."（AI 检测器靠猜，具名模式才是用户能核对的证据。）这句话把工具定位从"鉴定者"拉回"清单工具"——它从不声称能判断某段文字是否由 AI 写成，只负责指出"这里出现了哪种可命名的模式"。

三类规则构成的能力层

SKILL.md 的规则体系分三层：

第一层是编辑原则。核心诉求贯穿全文："Preserve the writer's real voice"（保留作者真实声音）、"Make the minimum effective edit"（最小有效编辑）、"Leave strong human sentences alone"（放过大体上没问题的人类句子）。它还发明了一个非常实用的判别工具——可移植性测试（portability test）：一句话如果换到另一个人、另一家公司、另一个产品上依然成立，那它就是填充物，该删。

第二层是禁词表。delve、leverage、utilize、facilitate、empower、streamline、robust、cutting-edge、paradigm shift、game changer、tapestry、realm、transformative、supercharge、ever-evolving……这些词直接"Banned outright"（彻底禁用），而不是"建议少用"。之所以敢这么强硬，是因为这类词在 AI 输出里几乎不携带信息量，删掉不损失任何语义。

第三层是模式清单，也就是 README 说的"20+ patterns"。SKILL.md 里至少枚举了 18 种具名模式，每一条都带例句和改写示范：

• Binary contrasts："This is not X. It's Y."（"The question isn't the model. It's the eval." → "The eval matters more than the model."）
• Throat-clearing openers："Here's the thing"、"Let me be clear"，砍掉直接说论点。
• Faux-insight setups："What nobody tells you"、"The part everyone misses"，这类句式先把作者捧成"唯一看透真相的人"，再抛观点——删掉铺垫，让论断自己站住。
• Colon reveals："The best part: it learns."，用冒号制造廉价戏剧感，改写为普通句。
• Fake-profound kickers："The future isn't coming. It's already here."——规则明确说：不要改写成更好的比喻，直接删除，让全文结束在最清晰的具体句子上。
• Weasel attribution："experts agree"、"studies show"，没有出处就删掉或问用户要来源，绝不代编。
• Synonym cycling：同义词轮换（"The agent handles your email. The assistant drafts replies."），规则反其道而行：清晰的那个词就该重复使用。

自检闭环

规则不依赖模型自觉，skills/no-ai-slop/eval.md 提供了一份强制自检清单：编辑完成后逐项回答 pass/fail，任何一项不过就返工。它检查的不只是"有没有删干净"，还包括"有没有把作者的声音也删掉了"——比如第 10 条"Do you keep useful edge and preserve structure unless the structure was hurting the piece"。这套 eval 设计把"编辑质量"从玄学变成了可执行的检查流程。

调用与分发

使用方式极简。README 提供了三种调用：

/no-ai-slop (your writing) /no-ai-slop is this slop? (your writing) Draft an AI slop post about (topic)

第三种是"生成 AI 味内容当讽刺素材"，作者在发布文中还专门用它写了一篇"最令人尴尬的 AI slop"作为自嘲示范——这个用法反而印证了作者对模式库的掌握程度。

安装也体现了 Skill 生态的约定俗成：可以在 ChatGPT、Claude Code、Codex 里直接粘贴安装指令，也可以用npx skills add petergyang/no-ai-slop安装。分发层面，.codex-plugin/plugin.json 声明了插件元数据（版本 1.0.6，能力为 Edit / Detect / Preserve voice），agents/openai.yaml 为 ChatGPT 侧提供接口描述，scripts/build_plugin.py 则负责把 SKILL.md、eval.md、logo、许可协议打包成规范 ZIP——校验逻辑里甚至要求"打包产物必须与仓库源文件逐字节一致"，保证分发物和源码不漂移。整个仓库体现的工程态度，恰好与它要传递的理念一致：结构克制、可验证、不搞花活。

生态位：no-ai-slop 与同类"去味"工具的分工

no-ai-slop 并非孤例，它处在一个快速拥挤的赛道里：

• stop-slop：8 条核心规则 + Quick Checks 自查表 + phrases.md/structures.md 查表，主打"轻量、模块化"，演进方向包括多语言短语库、5 维自动评分、流水线门禁。
• anti-slop（Oxlint 规则集）：把反 slop 落地为代码静态检查规则——拒绝链式断言、拒绝 unknown 泛滥、拒绝无注释的强制转换，面向"用 AI 写代码又想保住质量的团队"。
• Vale-LLM-slop：基于 Vale prose linter，把"水词"建模为 YAML 规则包，可接入编辑器与 CI。
• Continue Anti-Slop：在临时 worktree 里基于 diff 范围做检查，只清理增量变更中的 10 种 AI 代码坏味道，强调"移除仪式感，保留功能性"。
• Hallmark：面向 SaaS 落地页生成，用 21 种宏观结构 + 22 套主题 + 60 余项 slop test 门禁确保输出不带 AI 指纹。

横向比较，no-ai-slop 的差异化清晰可见：

1. 它是"编辑器"而非"检测器"或"生成器"。stop-slop 偏查表自查，Hallmark 偏生成侧规避，而 no-ai-slop 的核心动作是"改写既有草稿"，且强制输出 What changed，让编辑过程可追溯。
2. voice preservation 被写进原则而非口号。多数去味工具只解决"像不像 AI"，no-ai-slop 同时解决"像不像你"——它要求先记录草稿的词汇、节奏、直率度、幽默感等 3-5 个声音信号，再动刀。
3. 诚实边界。Detect 模式拒绝猜测作者，这在人人都在吹"AI 检测准确率"的环境里近乎异类，反而建立了信任。
4. 零依赖、纯提示词、MIT 许可。一个 Markdown 文件就是全部，任何人可以 fork 出自己团队的版本——这也解释了它为何能在 5 天内收获数千 Star：传播成本低，二次开发门槛更低。

热度周期预判：情绪会退潮，需求不会

"反 AI slop"这波热度的结构，和以往的开发者情绪周期有相似之处：由标志性事件点燃（Node.js 请愿）、由明星项目放大（no-ai-slop 冲榜）、由平台跟进固化（Substack 检测功能），随后进入工具生态的混战期。这个阶段通常还能持续数周，直到"反 AI 味"从话题变成默认配置。

但有几个信号提示我们，这波情绪比普通的"抵制某工具"运动更持久：

• 需求侧是长期刚需。"禁 AI 代码"本质上是在争论工具边界，而"去 AI 味"是每个内容生产者每天都要面对的问题。只要 AI 写作继续免费、廉价、量大，清理 AI 味的需求就不会消失——它只会从"编辑模式"进化成"发布前检查"的默认环节。
• 供给侧在向工程化收敛。从单个 SKILL 到 Oxlint 规则、Vale 规则包、CI 门禁，去味能力正在变成代码库和内容管线的一部分。当它成为"检查清单"而非"情绪表达"，热度就完成了从话题到基础设施的转换。
• 真正的风险在信任层面。一是检测功能的"狼来了"效应：平台和工具一旦声称能识别 AI 内容，误报会迅速消耗用户信任；二是过度清洗的悖论——no-ai-slop 自己都承认，用 AI 去 AI 味，稍不留神就会把作者的声音一起抹平，"套娃去味"（AI 清洗 AI 清洗过的文本）会让内容变得更空洞而不是更人性化；三是讽刺性使用（故意生成 slop）在传播中稀释了严肃性。

回到那个更根本的问题：为什么"AI 味"会引发如此强烈的反感？no-ai-slop 的 SKILL.md 里藏着一个答案——"portability test"。当一句话可以被移植到任何主题、任何作者、任何产品名下而毫无违和感时，它就不是表达，而是噪声。开发者抵制的是"没有人为代码负责"，读者反感的是"没有人为文字负责"。从这个角度看，反 AI slop 运动真正在捍卫的，是署名背后的责任：代码要有人看懂，文字要有人在乎。热度终会退潮，但"谁对这段话负责"这个问题，会一直追问下去。

【免费下载链接】no-ai-slopRemoves 20+ patterns of AI slop from any piece of writing.项目地址: https://gitcode.com/gh_mirrors/no/no-ai-slop