Was macht AI Clean Master（全载体去 AI 味小字清理与人味化大师）?
1. 核心使命 / Core Mission
KI-generierte PPTs, Plakate, Infografiken, Websites und Dokumente leiden oft unter einem starken "Maschinen-Fließband-Plastik-Gefühl (AI Slop)", das sich auf zwei Hauptprobleme konzentriert:
- Visuelle und Layout-bedingte „KI-Kleinschrift und billige Dekorationsrahmen" (Visual & Micro-Copy Slop):
- Obere/Karten-Pseudo-Englisch und formelhafte Überschriften (Kickers & Pill Badges): Wie
SECTION 01 · STRATEGIC OVERVIEW,CORE INSIGHT,✨ Next-Gen AI Platform,SYSTEM ONLINE,核心赋能模块, meist in abgerundeten Kapselrahmen (Pill/Badge) oder mit Leuchtrahmen. - Redundante Erklärungen in Karten (Redundant Micro-Copy): Die Überschrift sagt bereits "Erkennungsgeschwindigkeit 3x erhöht", aber darunter stehen noch zwei Zeilen
10pt/text-xsUnsinn wie "Durch die Einführung eines effizienten Algorithmus-Mechanismus wurde eine signifikante Steigerung der Erkennungsgeschwindigkeit erreicht." - Fußzeilen/untere Leisten mit großspurigen Zusammenfassungen und Haftungsausschlüssen (Footer Slop & Disclaimers): Wie
本页核心洞察：构建全链路数字化闭环,Key Takeaway: Empowering seamless digital transformation,注：以上数据仅供演示参考, KI-Wasserzeichen oder falsche Web-Kommandozeilen-Statusleisten. - Gefälschte dekorative Mikrodaten/Ecken und Symbolrauschen (Fake Metrics & Emoji Slop): Ohne echte Quelle:
+99.8%,INDEX-A,STEP 01 //, sowie übermäßig verwendete✨🚀💡⚡Emojis und billige lila-cyan Neon-Leuchteffekte.
- Obere/Karten-Pseudo-Englisch und formelhafte Überschriften (Kickers & Pill Badges): Wie
- Sprachliche „KI-Fachjargon und -Phrasendrescherei" (Linguistic AI Buzzwords):
- Hochfrequente chinesische Schlagwörter: „赋能 (Befähigung), 抓手 (Hebel), 闭环 (Schließung des Kreises), 全链路 (gesamte Kette), 多维度 (mehrdimensionale), 底层逻辑 (grundlegende Logik), 顶层设计 (Top-Level-Design), 生态体系 (Ökosystem), 范式转移 (Paradigmenwechsel), 协同共振 (synergistische Resonanz), 颗粒度 (Granularität), 组合拳 (Kombination von Schlägen)" und vierteilige mechanische Parallelismen.
- Hochfrequente englische Schlagwörter (English AI Slop):
delve into,testament to,rich tapestry,seamless integration,paradigm shift,holistic ecosystem,empower,leverage,cutting-edge,game-changer,unlock the full potential.
Die vier eisernen Regeln dieses Skills / Four Iron Rules:
- Box-und-Text-Entfernung (Box-and-Text Removal): Beim Löschen dekorativer Kleinschrift muss der dahinterliegende Kapselrahmen (Pill/Badge), die Fußleiste (Footer Bar) etc. mit entfernt werden. Es darf kein leerer Farbklecks zurückbleiben.
- Intelligente visuelle Aufwertung (Smart Visual Promotion): Nach dem Löschen überflüssiger Kleinschrift in Karten werden die verbleibenden Kernaussagen automatisch vergrößert (z. B. PPT
+2pt~+4pt, Webtext-base -> text-lg font-semibold), der Zeilenabstand vergrößert oder vertikal zentriert, um ein leeres Layout zu vermeiden. - Adaptive Humanisierung (Adaptive Humanization): Alle chinesischen/englischen Floskeln werden einheitlich entfernt und je nach Zielkontext (Wettbewerbspräsentation, technische Verteidigung, Unterricht, sachlich-kommunikativ) in „Worte umgeschrieben, die ein echter Mensch auf der Bühne natürlich aussprechen würde".
- Nicht-destruktive Ausgabe (Non-Destructive Output): Alle Änderungen werden immer in neuen Dateien
*_cleaned.<ext>ausgegeben.
2. Cross-Plattform-Fünf-Schritte-Workflow (Integration von grill-me Nachfragen und Bestätigungs-Gate des Benutzers)
Behalte den absoluten Pfad des Verzeichnisses, das diese Datei enthält, als SKILL_DIR. Beim Aufruf eines Skripts wird ${SKILL_DIR} durch den tatsächlichen absoluten Pfad ersetzt.
Stufe 1: Trägererkennung und KI-Slop-Diagnose (Scan & Diagnose)
Basierend auf der vom Benutzer bereitgestellten Zieldatei oder dem Code-Typ wird die entsprechende spezialisierte Scan-Engine aufgerufen (Erkennungskriterien siehe references/ai-slop-dictionary.md):
| Trägertyp (Carrier) | Geeignete Erweiterungen (Extensions) | Scan-Befehl (Scan Command) |
|---|---|---|
| PPT-Präsentation | .pptx | python "${SKILL_DIR}/scripts/pptx_inspector.py" "<input.pptx>" --json "<scan.json>" |
| Website / Frontend-Seite | .html, .jsx, .tsx, .vue, .svg | python "${SKILL_DIR}/scripts/web_cleaner.py" --scan "<input_file>" --json "<scan.json>" |
| Bild / Poster / Infografik | .png, .jpg, .jpeg, .webp | python "${SKILL_DIR}/scripts/image_cleaner.py" --scan "<input_img>" in Kombination mit multimodalen Sehfähigkeiten zur Lokalisierung der Pixelkoordinaten bbox aller Kleinschriften, Kapsel-Labels und redundanten Neben-Copy im Bild |
| Dokument / Gliederung / Vortragsnotizen | .docx, .md, reiner Text | python "${SKILL_DIR}/scripts/doc_cleaner.py" --scan "<input_doc>" --json "<scan.json>" |
[!NOTE]
- Unter Windows, falls
python3den WindowsApps-Stub auslöst (Exit-Code 9009), verwende bitte einheitlichpython.- In reinen Cloud-Dialog-Umgebungen wie der Doubao Workspace ohne lokalen Python-Container, führe die strukturierte Diagnose und Code/Text-Umschreibung direkt gemäß
references/ai-slop-dictionary.mddurch.
Stufe 2: Grill-Me Schritthaltende interaktive Befragung und Abstimmung (One-by-One Decision Interview)
Nach Abschluss des Scans: Das direkte Ändern der Datei ist strengstens untersagt. Es muss in den grill-me Interview-Modus eingetreten werden. Entlang des Entscheidungsbaums wird jeweils nur eine Frage gestellt, und bei jeder Frage muss die am meisten empfohlene Option an erster Stelle stehen und mit (Recommended) gekennzeichnet sein:
- Cross-Agent-Tool-Use-Anpassung:
- In Hosts, die strukturierte Fragentools unterstützen (wie
ask_questionin Antigravity / Claude Code / Cursor / Trae / Qoder / WorkBuddy), wird dieses Tool bevorzugt aufgerufen, um dem Benutzer eine Einzelfragen-Auswahl zu präsentieren. - In Umgebungen ohne Popup-Auswahl-Tools (wie Codex CLI / Doubao Workspace), wird im Dialog eine klare nummerierte Liste (z. B.
1. (Recommended) ...) verwendet, wobei immer nur eine Frage auf einmal präsentiert wird. Es wird auf die Antwort des Benutzers (Nummer oder Meinung) gewartet, bevor die nächste Frage gestellt wird.
- In Hosts, die strukturierte Fragentools unterstützen (wie
Löse die folgenden Entscheidungszweige in der angegebenen Reihenfolge auf (falls der Benutzer in der ursprünglichen Anweisung bereits eine bestimmte Option klar festgelegt hat, kann diese Frage übersprungen werden):
- Q1 — Zielkontext und „Humaner Sprachton"-Stufe (Tone & Scenario):
- Der am besten passende Stil wird automatisch basierend auf dem gescannten Inhalt an die erste Stelle gesetzt und mit
(Recommended)markiert:- Wettbewerbspräsentation / Maker-Pitch-Stil (Pitch & Competition): Schmerzpunkte hervorheben, „was wir selbst gemacht haben" und gemessene Ergebnisse (keine leeren Reden über Ökosysteme und Befähigung).
- Ingenieurstechnische Ausbildung / Technik-Ingenieur-Stil (Engineering & Technical): Mit Verben beginnen + konkrete Hardware/Algorithmen/Parameter + quantitative Ergebnisse, objektiv und prägnant.
- Unterricht / Klassenrede-Stil (Teaching & Speech): Mit Ich-/Du-/Wir-Pronomen als Subjekt („Lasst uns ... betrachten", „Ihr kennt das sicher ...") und kurzen, gesprochenen Sätzen.
- Sachlich-kommunikativ / Täglicher Berichtsstil (Crisp Business): Fazit zuerst (ein Satz als verständliche menschliche Aussage pro Seite), Fakten und konkrete Aktionen statt vierteiliger Adjektive.
- Der am besten passende Stil wird automatisch basierend auf dem gescannten Inhalt an die erste Stelle gesetzt und mit
- Q2 — Aggressivität der Bereinigung von Kleinschrift und dekorativen Farbblöcken (Cleanup Aggressiveness):
(Recommended) Vollständige Box-und-Text-Bereinigung + Schriftgrößen-Aufwertung (Full Box-and-Text Cleanup + Font Promotion): Entfernen aller oberen Pseudo-Englisch/Formel-Kapseln (zusammen mit ihrem Hintergrundrahmen), Fußzeilen-Haftungsausschluss-Floskeln, redundanten Kleinschriften in Karten. Die verbleibenden Kernaussagen werden vergrößert und zentriert.Moderate Bereinigung (Moderate Cleanup): Nur offensichtliche Pseudo-Englisch-Ecken, Fußzeilen-Haftungsausschluss-Floskeln und✨🚀Emojis löschen. Die Untertitel-Struktur in Karten bleibt erhalten, wird aber in prägnante menschliche Sprache umgeschrieben.
- Q3 — Bestätigung des Modus für grenzwertige echte Daten-Ecken oder Bildreparatur (Borderline Data / Image Mode):
- Falls der Scan Kleinschrift/Ecken mit konkreten Zahlen findet (wie
+38.5%,N=120), wird eine separate Frage gestellt, um den Benutzer zu bitten, zu bestätigen, welche davon echte Geschäftsdaten sind (müssen behalten und aufgewertet werden) und welche von der KI erfundene dekorative Mikrodaten sind (müssen mitsamt Box gelöscht werden). - Falls das Ziel ein Bild (
.png/.jpg) ist, wird gefragt, ob der(Recommended) Pixelgenaue, unsichtbare Entfernung der Kleinschrift im Originalbild + In-situ-Neuzeichnung mit menschlichen großen BuchstabenoderRekonstruktion als bearbeitbare HTML/SVG/PPTX-Ebenebevorzugt wird.
- Falls der Scan Kleinschrift/Ecken mit konkreten Zahlen findet (wie
Stufe 3: Ausgabe der Vergleichstabelle „Löschungen + Humanisierungsumschreibung + Visuelle Aufwertung" und Bestätigungs-Gate
Nach Abschluss der grill-me Abstimmung werden die references/layout-promotion-rules.md und references/ai-slop-dictionary.md gelesen. Dem Benutzer wird eine intuitive seitenweise/bereichsweise Before → After-Vergleichsvorschau-Tabelle präsentiert:
### 📋 AI Clean Master Bereinigungs- und Umschreibungsvorschau (Cleanup & Humanization Preview)
| Seite/Bereich | Aktionstyp | Originalinhalt (KI-Slop-Läsion) | Nach Bearbeitung (Humanisiert & Visuell Aufgewertet) |
|---|---|---|---|
| P1 oben | `🗑️ Box+Löschen` | `[Kapselrahmen #4] SECTION 01 · STRATEGIC OVERVIEW` | *Zusammen mit hellblauem Kapselhintergrundrahmen entfernt* |
| P1 Karte 1 | `✂️ Kleinschrift löschen + 🔼 Aufwerten` | Titel: `多维赋能分选体系`<br>Kleinschrift(10pt): `通过全链路视觉感知赋能高效农业分选闭环` | Titel umgeschrieben und auf **20pt zentriert** aufgewertet:<br>**`双目视觉 0.2 秒识别单果瑕疵`** (darunterliegende überflüssige Kleinschrift gelöscht) |
| P1 unten | `🗑️ Box+Löschen` | `[Fußleiste #9] 本页核心洞察：实现高质量发展的抓手` | *Zusammen mit dunkelgrauem unterem Querbalken entfernt* |
- Bestätigungs-Gate (Confirmation Gate): Nach Vorlage der Vorschautabelle wird der Benutzer gebeten, die Ausführung zu bestätigen (oder Anpassungsvorschläge zu machen). Nur wenn der Benutzer dies ausdrücklich bestätigt (oder in der ursprünglichen Anfrage klar erklärt hat, dass er kein Bestätigungs-Gate benötigt und direkt das Ergebnis haben möchte), darf mit Stufe 4 fortgefahren werden.
Stufe 4: Ausführung der Box-Bereinigung, Humanisierungsumschreibung und intelligenten visuellen Aufwertung (Execute Cleanup & Promotion)
Basierend auf dem bestätigten Plan wird die entsprechende Bereinigungs-Engine des Trägers aufgerufen, um eine neue Datei *_cleaned.<ext> zu generieren:
Route A: PPT-Präsentation (.pptx)
Eine JSON-Plan-Datei schreiben und ausführen:
python "${SKILL_DIR}/scripts/pptx_cleaner.py" "<input.pptx>" "<plan.json>" -o "<input_cleaned.pptx>"
Beispiel fpr plan.json-Struktur:
{
"slides": [
{
"slide_index": 1,
"delete_shape_ids": [4, 5, 9, 10],
"delete_paragraphs": [
{"shape_id": 7, "paragraph_indices": [1, 2]}
],
"rewrites": [
{
"shape_id": 7,
"paragraph_index": 0,
"new_text": "双目视觉 0.2 秒识别单果瑕疵",
"promote_pt": 3.0,
"vertical_center": true
}
]
}
]
}
Route B: Webseite und Frontend-Seiten (.html / .jsx / .tsx / .vue / .svg)
Eine <web_plan.json>-Datei schreiben und ausführen:
python "${SKILL_DIR}/scripts/web_cleaner.py" --apply "<web_plan.json>" "<input.html>" -o "<input_cleaned.html>"
Route C: Bilder / Poster / Infografiken (.png / .jpg / .webp)
Eine Konfiguration <img_plan.json> zum Bereichslöschen und Nezeichnen schreiben (Definition des bbox: [x1, y1, x2, y2] für jeden Bereich, action: "erase_only" | "erase_and_redraw", text, font_size), ausführen:
python "${SKILL_DIR}/scripts/image_cleaner.py" --apply "<img_plan.json>" "<input.png>" -o "<input_cleaned.png>"
Route D: Dokumente und Rich-Text (.docx / .md)
Eine <doc_plan.json>-Datei schreiben und ausführen:
python "${SKILL_DIR}/scripts/doc_cleaner.py" --apply "<doc_plan.json>" "<input.docx>" -o "<input_cleaned.docx>"
Stufe 5: Lieferung der Ergebnisse und Bereinigungsbericht (Delivery & Summary Report)
Überprüfen, ob die generierte *_cleaned.*-Datei existiert und kein Format beschädigt ist. Dem Benutzer wird ein prägnanter Lieferbericht ausgegeben:
- Pfad der neuen Datei;
- Bereinigungsstatistik: Anzahl der mitsamt Box gelöschten Kleinschriften/Kapselrahmen/Fußleisten, Anzahl der eliminierten chinesischen/englischen KI-Schlagwörter, Anzahl der Kernaussagen, die eine visuelle Schriftgrößen-Aufwertung und Humanisierungsumschreibung erfahren haben.
3. Referenzdokumente und Skript-Index / References & Scripts
references/ai-slop-dictionary.md: Merkmalsdatenbank für chinesische/englische KI-Kleinschrift, Verbotsliste für Schlagwörter, Humanisierungs-Umschreibungswörterbuch für vier Szenarien.references/layout-promotion-rules.md: Geometrische Bestimmungen zur Box-Bereinigung und Schriftgrößen-Aufwertung für PPT/Bilder/Webseiten.scripts/pptx_inspector.py&scripts/pptx_cleaner.py: Scan- und Bereinigungs-/Aufwertungs-Engine für.pptx.scripts/web_cleaner.py: Scan- und Entrauschungs-/Aufwertungs-Engine für HTML / React / Vue / SVG.scripts/image_cleaner.py: Engine für das pixelgenaue, unsichtbare Löschen von Kleinschrift und Nezeichnen großer Buchstaben in Postern und Infografiken.scripts/doc_cleaner.py: Engine zur KI-Slop-Entfernung für Word (.docx) und Markdown (.md).scripts/install_skill.py: Ein-Klick-Installations- und Anpassungsskript für gängige Cross-Plattform-KI-Agenten.