GitHub 趋势 · 第 79 期

AI 味去不掉？两个开源 skill，一个查套路一个重写得更狠

#AI写作#开源横评#AgentSkills

先把判断放在前面：no-ai-slop 和 humanizer 是同一条赛道上的两种思路——一个把「AI 味」当成一份可逐条勾选的规则清单，另一个把它当成模型重写时的约束集。前者偏「检测并标注」，后者偏「重写并解释」。本期的结论不是二选一，而是：想要可控可解释选 no-ai-slop，想要连结构一起重排、还要看它怎么改的选 humanizer。

痛点很真实：现在让模型帮你改稿，它一边去掉你的口癖，一边把句子捋成最「安全」的套路——「不是 X，而是 Y」「真正的关键是」「未来已来」。结果稿子干净了，人味也没了。两个项目想解决的都是这件事，但下手的方式完全相反。

两个项目各自是什么

petergyang/no-ai-slop（MIT，8,769★，Python，2026-07 建仓）把自己定位成一份「写作规则 + 工作流」：它内置 20+ 条 AI 套路清单，改动时保留你的个人声音，并列出它改了什么。还顺手提供了两种附加模式——只检测不修改的 detect，以及纯属玩梗的「生成最尬 AI 味帖子」。它已经做成 ChatGPT 插件，产品化最彻底。

blader/humanizer（MIT，47,390★，Python，2026-01 建仓）的做法是交给模型重写：它把 25 种「AI 痕迹」按强度排序，让模型先起草一版重写、再对照痕迹和原始主张做检查、最后出定稿，并把「第一版改写 / 哪里还像机器 / 最终版」一步步展示给你看。它规定事实细节必须来自原文或作者，缺失就问，绝不硬编。指向文件的命令只改散文，代码、数据、frontmatter、链接目标一律不动。

核心差异：一个查、一个重写

维度	petergyang/no-ai-slop	blader/humanizer
做法	规则清单式：查 20+ 套路并标注	模型重写式：按 25 种痕迹重排
是否改原文	标注 + 改写，保留声音	重写整段，并展示工作过程
上手命令	npx skills add … --global --yes	npx skills add blader/humanizer --global
适配 agent	Claude Code / Codex / Cursor / ChatGPT	Claude Code / Codex / Cursor
额外模式	detect 只查不改 / 生成 slop 玩梗	声音匹配（贴写作样本）
商业化	作者导流付费课程 Behind the Craft	个人长期维护，无付费墙信号
star	8,769（API 实测 2026-09-13）	47,390（API 实测 2026-09-13）

一个值得记下的错位：humanizer 的 star 是 no-ai-slop 的 5.4 倍，但 no-ai-slop 的功能更「产品化」——它有 ChatGPT 插件、有 detect 与生成两种附加玩法、还写了 TERMS.md 和 PRIVACY.md。规模与完成度在这里是反着走的。

上手命令（README 原文）

no-ai-slop 安装（取自 README）：

npx skills add petergyang/no-ai-slop --skill no-ai-slop --global --yes

用法（取自 README）：

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

humanizer 安装（取自 README）：

npx skills add blader/humanizer --global

Claude Code 2.1.142+ 还可走插件市场（取自 README）：

/plugin marketplace add blader/humanizer
/plugin install humanizer@humanizer

用法（取自 README）：

/humanizer
[paste your text here]

Please humanize this text: [your text]
Humanize the prose in docs/launch-post.md

25 vs 20+：痕迹清单怎么分

humanizer 把 25 种痕迹分成五类，且前 5 种单次出现就构成改动理由：Not X but Y、单句收尾与戏剧化碎片、听着深刻的格言、铺垫后再点题、无对手的争论；其余按规则押韵（强制三连、重复开头、破折号滥用）、夸大与借来的权威（AI 高频词、夸大意义、模糊关联、销售话术）、按规则排版（加粗当装饰、装饰性标题、花引号）、聊天/草稿残留（机器人残留、知识边界免责、首句重复标题、写上一版）。标 weak alone 的几条，要几处痕迹同段出现才计数。

no-ai-slop 的 20+ 条同样围绕二元对立、清嗓开场、伪洞察、冒号揭秘、戏剧化碎片、重要性吹捧、模糊归因、同义循环等展开，并额外要求「该点时点时、用主动语态、拆长句、用具象替代抽象」这些基础功。两边清单高度重叠，区别在humanizer 把「强度」量化成了顺序，no-ai-slop 把它们平铺成检查项。

我的判断：谁适合谁，以及坑

适合谁：重度用 Claude Code / Codex / Cursor 写文档的人，两个都能一键装进 agent 目录。想要可控、可解释、只标注不改写——选 no-ai-slop 的 detect 模式；想要连结构一起重排、还要看到它怎么改的——选 humanizer。

坑与不适合谁：① 两者都是 skill，效果取决于你用的底层模型，弱模型重写质量就弱；② 清单以英文写作为基准，中文「AI 味」套路覆盖有限，建议当检查清单而非自动润色；③ 装进 agent 后会自动触发，正式合同、学术论文等场景要手动关掉；④ no-ai-slop 作者导流付费产品 Behind the Craft（不是仓库收费，但要意识到这是引流）；⑤ 「去 AI 味」是风格工具，不能当事实核查或抄袭检测用。

数据脚注：仓库地址 github.com/petergyang/no-ai-slop 与 github.com/blader/humanizer；star 分别为 8,769 与 47,390（GitHub API 实测 2026-09-13）；许可证均为 MIT；抓取时间 2026-09-13。两仓库均未归档、未标记 deprecated、无作者禁宣声明；安装与用法命令均摘自各自 README 原文。

你更常用哪种方式改稿——是想要一份「勾选清单」把 AI 味逐条标出来，还是想要一个模型把整段重写并告诉你它怎么想的？留言说说你的场景，下期可以挑一个做单项目精读。

下期预告：三榜若继续被写过项目占满，就挑 no-ai-slop 或 humanizer 其中一个做单项目深挖；若冒出更高动量的干净新面孔，回到单项目精读。