几天前，我分享了 no-ai-slop 工具，它能去除生成文案中的 AI 味。今天我发现了另一款叫 SlopMonster 的工具——它能给文案打分，不达标就无法发布。

它将 AI 味拆解为 5 类模式，每触发一类扣 1 分，满分 5 分。低于 5 分会直接标红，集成到 GitHub Actions 中可以阻止构建。

这 5 类包括：AI 高频词、17 种固定句式（例如“不仅 X，而且 Y”）、单句堆砌两个破折号，以及连续使用三个形容词。

第 5 类针对虚构数据，标记诸如“超过 10,000 名满意用户”这类数字与人名生硬结合的表述——无法佐证的数字不如留白。

GitHub 地址：http://github.com/ItsssssJack/SlopMonster…

最有趣的清洗环节：将 Claude 撰写的草稿提交给 GPT 修改，或反向操作。它拒绝将草稿返还给同一模型——作者的逻辑是：模型听不出自己的口音。

修改后再次评分，需达到 5 分才算通过。README 文件用 Jasper 首页的 7 个句子进行测试：原稿得 3 分，一轮处理后达到 5 分，且长度变化控制在 10% 以内。

词库为英文，针对英语文案。使用纯标准库 Python 编写，零依赖，甚至可以打包为 Claude Code 的技能包。如果你在编写英文着陆页、README 或邮件，可将其作为最终质检关卡。

ItsssssJack/SlopMonster

来源：https://github.com/ItsssssJack/SlopMonster

SlopMonster

五个 SlopMonster 吉祥物依次排开，分别对应它评估的五项规则

让 AI 撰写的文案，变成人类真正会采用的版本。

AI 写作带着一股特殊气味。delve、seamless、unlock、it's not just a tool, it's a journey——读者现在能闻出来了，一旦察觉这种气味，他们就不再信任这个页面。

大多数解决此问题的工具都基于相同的公开研究。而这个工具额外加入了两点被其他工具忽略的内容。

它为文案打出 0-5 分，并且能让你的构建失败。 没有主观判断，没有模糊感受，只有模式识别。开发者称之为检查工具（linter），其他人可以把它看作一个绝不放你过关的审核器。

清洗由另一个模型执行。 如果初稿由 Claude 撰写，就由 GPT 清洗。一个模型听不出自己的口音，就像你听不出自己的口音一样。

适用于着陆页、README、邮件和脚本。任何将被人阅读并评判的内容。

工作流程

1. 评分    tools/deslop.py    5分制评分，低于5分则标红退出。基于模式，而非主观判断。
2. 改写    三轮处理          清理词汇 → 清理句式 → 注入人味
3. 清洗    tools/cleanse.sh   由不同模型家族剥离初稿模型留下的痕迹
4. 重评    tools/deslop.py    仅5/5分才通过发布

评分器拥有最终决定权，因为评分器是客观的，而模型善于说服。“大致还行“正是网页最终听起来像互联网上其他 AI 页面的原因。

实证，而非宣称

对 Jasper.ai 官网（2026年8月29日）7 个逐字句子的真实测试：

每条命令及其确切输出：examples/jasper-live-run.md。 其文案被引用用于批评，版权仍属原作者；下方的 MIT 许可证覆盖本仓库自身的代码和文案。

快速开始

git clone https://github.com/ItsssssJack/SlopMonster && cd SlopMonster

# 为任何内容评分
python3 tools/deslop.py --text "It's not just a tool, it's a game-changing journey."
# → 评分 3/5，识别出两处特征，退出码 1

# 为构建好的页面评分（仅读取访客可见内容）
python3 tools/deslop.py index.html

# 为 markdown 文件评分（跳过代码段、围栏代码块和删除线文本）
python3 tools/deslop.py README.md

# 使用竞争模型清洗草稿，然后重新评分
tools/cleanse.sh draft.md > cleansed.md
python3 tools/deslop.py --text "$(cat cleansed.md)"

# 你的数据真实且可证？阻止验证规则阻止构建
python3 tools/deslop.py index.html --allow-proof

# 修改了正则表达式？这能防止静默的半盲检查目录出错
python3 tools/test_deslop.py

目录仅支持英文。其他语言的文案会得 5/5 分，不是因为它干净，而是因为评分器读不懂。

零依赖。评分器使用标准库 Python。清洗脚本需要一个 AI CLI（codex 或 claude），或者都不用，此时它会打印提示词供你粘贴。.github/workflows/slop.yml 是构建门禁，可直接复制到你的仓库中。

安装为智能体技能

Claude Code： 将此文件夹复制到 ~/.claude/skills/slopmonster/，然后说 /slopmonster 或“去 AI 味”。 Codex / 其他智能体： 将智能体指向 SKILL.md——这是纯 Markdown 指令，不依赖 Claude 特定功能。

清洗能识别模型家族

规则：清洗必须使用与初稿不同的模型家族执行。不同家族有不同的口音，而模型很难听出自己的口音。

它拒绝将初稿路由回同一模型家族。让模型批改自己的作业，正是这一步要避免的。

然后它总是重新检查：前沿模型在移除痕迹方面非常擅长，且在操作过程中完全有可能添加新的痕迹。

评分器捕猎什么

五类模式。触发一类扣一分。低于 5/5 分则命令标红退出，构建可以因此中止。

前四类剥离 AI 口音。第五类则质问：这句文案到底在推销什么？

以下每个改写前后对比都来自 Ridgeline Roofing 项目的实际构建。删除线是初稿内容，加粗是最终发布版本。完整记录：examples/ridgeline-roofing.md。

本页每个示例都以 代码格式 或删除线呈现。这并非装饰。字面量不是文案，因此 deslop.py 在读取 .md 文件时会跳过两者，这也是本 README 能通过它自身所记录评分器的原因。

规则 1，AI 词汇：delge, leverage, seamless, unlock

1. AI 词汇。 那些在 AI 写作中出现频率远高于人类写作的词汇。

有两份词表，工作方式不同。

第一份词表按词根匹配。因此 elevate 也会匹配 elevates、elevated 和 elevating。这比听起来更重要。销售页面常用第三人称。Acme elevates your workflow 是该词最常见的形式，精确匹配会直接漏掉它。

第二份词表包含那些本身也有诚实日常含义的词。如 crafted、harness、landscape、journey。这些词进行逐词匹配。因此“我们手工制作家具”这类表述不会被标记，只有营销滥用才会被捕获。

修复方法是使用更朴实的词。不是为同一个想法找个更高级的同义词。

We leverage industry-leading materials to deliver unparalleled protection. We source materials from manufacturers who test for wind, hail and sun. leverage、deliver、unparalleled。每一个都空洞无物，却占一行。

规则 2，AI 句式：“不仅是个工具，更是一段旅程”

2. AI 句式。 此类捕获句式结构，而非单个词。

句式是一种可以填充任何内容的模式。not just X, but Y 是当前英语中最喧闹的一种。一旦你注意到，就再也无法忽视它。

词表中有 17 种句式。例如 that's where X comes in、say goodbye to、whether you're X or Y，以及 could potentially 这类堆叠的委婉语，还有作者自问自答的问句。

长短形式都会被检查，“it’s”和“it is”都算。正式语体并非巧妙的伪装。它是模型写作的默认模式。

句式比单词更重要，因为一个页面可能通过词汇检查，读起来仍像机器所写。

Not just a roof, but peace of mind. A written scope and a fixed number before anyone climbs a ladder. 句式承诺揭示实质，却给了你一个抽象概念。

规则 3，标点节奏：单句两个破折号

3. 标点节奏。 单个句子内出现两个破折号。

段落里一个破折号是标点。三个就是怪癖。模型使用破折号的频率大约是人类的三到五倍。

此检查仅在 220 个字符的窗口内进行，这个限制很关键。界面文本没有句号。导航项、按钮和标签连在一起，所以简单按句分割会把整个页面当作一个句子，规则就会在所有地方触发。一个总是报警的评分器会被关闭，所以窗口保留。

分号也会被统计，但仅超过三个的阈值，并按页面长度缩放。在一篇长篇技术文档中出现两个分号是风格问题，而非 AI 痕迹。

Our team — trained, certified and local — is ready to help. Thirty-eight on the crew, factory-trained for every material we install. 破折号掩盖了句子缺乏实质信息的事实。

规则 4，三段式韵律：“更快、更智能、更优”

4. 三段式韵律。 连续三个项目。faster, smarter, and better。

三个形容词构成韵律，而非论证。一个三段式（tricolon）是修辞。页面上出现三个三段式就是机器。Tricolon 只是三段列表的高级名称。

此检查特意设计得狭窄，只有两种形式会触发。有牛津逗号时，需要三个单词。没有时，第三个项目必须是以短语结尾从句的短语。

狭窄是关键。“Inspection, repair and replacement for homes and commercial buildings”是屋顶工实际做的三件真事，它得分为干净。标记这个就是误报，下一个人就会关闭评分器。

Trusted, reliable and built to last. Six nails per shingle, every shingle. 一个具体规格永远胜过三个形容词。没人能编出这样的句子，因为编造的文案自己都不知道。

规则 5，销售与营销：基于克鲁格、普里斯特利和霍莫兹的改写准则

5. 销售与营销。 前四条规则移除了机器人腔。这条提出更难的问题：这句文案到底在推销什么？

干净但空洞的文案仍然是死页面。这里有两条规则。

硬性规则：绝不捏造证据。 没有客户数量，没有推荐语，没有业务未曾获得的评分。评分器会标记任何靠近人名的数字，如 10,000+ happy users。它特意设置得敏感。误报浪费你十秒。漏报则让你网站上的声明无法证实。如果你的数据真实且可证明，--allow-proof 会将其降级为警告，同时仍显示命中项。

虚假证据首先是销售失败，然后才是写作失败。没人会在一个被发现撒谎的页面上消费。

Loved by 10,000+ happy homeowners. Project names and photography are placeholders. Swap in your own jobs before this goes live. 直言该处是空缺。这体现自信，而非软弱。

The area’s most trusted roofing experts. Roofing, and only roofing, since 2001. “最受信任”无法核实，读者会忽略它。日期无法争辩。

文案从何而来。 四个来源。如果句子无法点明其来源，就不应出现在页面上。

1. 行业实际在做什么。 这是最强大的来源。“六颗钉固定一块瓦”是真实的规格，背后有真实的失效模式。
2. 客户已有的担忧。 价格会变吗？院子会被弄脏吗？是否因为一个小小漏水问题被推销了整个屋顶？
3. 竞争对手不会说什么。 拒绝比承诺传播得更远。“我们不做直接覆盖”既能定位自己，又能一行话筛掉错误的客户。
4. 原本就很好的句子。 “从第一个电话到最后一颗钉子”在框架稿中就已写好，并且击败了所有改写。它被保留了。

改写背后的命名工作：

这三位加上品类基准，形成了五条工作原则，每条都有真实的改写前后对比：references/principles.md。

清理后替换什么

干净不等于优秀。以下原则决定文案应表达什么内容——克鲁格的《Don’t Make Me Think》、普里斯特利的问题优先提案顺序，以及霍莫兹从优惠方案角度提出的具体性优于最高级。每条都有真实的改写前后对比：references/principles.md。

一个完整实例

Rideline Roofing 构建项目：从 Lorem-ipsum 框架稿到发布网站，包含每个标题的改写前→后、初稿中捕捉到的六种特征，以及对每个数字的验证或标注过程。这是教学文件：examples/ridgeline-roofing.md。

The area’s most trusted roofing experts. Roofing, and only roofing, since 2001. “最受信任”无法证伪，读者会完全忽略它。日期无法争辩。

唯一硬性规则

绝不捏造证据。 没有用户数量，没有推荐语，没有你未曾获得的评分。如果一个声明需要你没有的数据，就写 [needs number] 然后继续。虚构数字带来的提升小于真实具体性带来的提升，且这是一个无法挽回的错误。

而这个技能永远不会声称能“骗过 AI 检测器”。检测器本身充满噪音。目标是人类读者的直觉。

本文件通过了自身的评分器。python3 tools/deslop.py README.md 得分 5/5，它使用的是评估你着陆页的同一套目录和正则表达式。没有为了通过而软化任何内容。示例被标记为字面量，放在 代码 中或使用删除线，周围的文本也必须像其他任何内容一样保持干净。

基于什么构建

所有来源列在 references/sources.md： 维基百科的《AI写作迹象》（WikiProject AI Cleanup）作为标准目录， 加上四个 MIT 许可的开源人性化工具：blader/humanizer、harshaneel/humanize、lguz/humanize-writing-skill、haidrrrry/humanize-ai-writing。 改写原则来自克鲁格、普里斯特利和霍莫兹。 刻意排除了检测器绕过类仓库。

仓库地图

SKILL.md                            智能体技能——作为指令的完整循环
tools/deslop.py                     评分器。标准库，无依赖，低于5/5分则标红退出
tools/test_deslop.py                回归测试套件。修改任何正则表达式后运行它
tools/cleanse.sh                    竞争模型清洗，自动路由，限时
.github/workflows/slop.yml          构建门禁，可直接复制使用
prompts/cleanse.txt                 清洗模型收到的确切指令
references/signs-of-ai-writing.md   完整目录：2层词汇、8种句式、节奏、韵律、证据
references/principles.md            五条改写原则，每条配有真实对比
references/sources.md               本项目所基于的所有来源
examples/ridgeline-roofing.md       完整网站构建，每行改写前→后
examples/...                        更多实例