AI Clean Master（全载体去 AI 味小字清理与人味化大师）
1. 核心使命 / Mission Principale
Les présentations, infographies, sites web et documents générés par l'IA souffrent souvent d'une forte « odeur de chaîne de montage numérique (AI Slop) », qui se concentre sur deux foyers principaux :
- Le « slop visuel et micro-textuel » (Visual & Micro-Copy Slop) :
- Fausses pastilles, bandeaux et intertitres anglais (Kickers & Pill Badges) : ex.
SECTION 01 · STRATEGIC OVERVIEW,CORE INSIGHT,✨ Next-Gen AI Platform,SYSTEM ONLINE,核心赋能模块, souvent entourés d'un cadre arrondi (pill/badge) ou d'un contour lumineux. - Micro-textes redondants à l'intérieur des cartes (Redundant Micro-Copy) : le titre indique déjà « Vitesse de reconnaissance multipliée par 3 », mais on ajoute en
10pt/text-xs: « En introduisant un algorithme efficace, nous avons significativement amélioré la vitesse de traitement de la reconnaissance ». - Pieds de page vagues, résumés et mentions légales vides (Footer Slop & Disclaimers) : ex.
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, ou de fausses barres d'état de type terminal. - Fausses métriques, micro-données décoratives et bruit emoji (Fake Metrics & Emoji Slop) :
+99.8%sans source,INDEX-A,STEP 01 //, et une profusion d'émojis✨🚀💡⚡et de lueurs néon violettes bon marché.
- Fausses pastilles, bandeaux et intertitres anglais (Kickers & Pill Badges) : ex.
- Le charabia IA chinois-anglais (Linguistic AI Buzzwords) :
- Mots à la mode chinois : «赋能、抓手、闭环、全链路、多维度、底层逻辑、顶层设计、生态体系、范式转移、协同共振、颗粒度、组合拳» et autres parallélismes mécaniques.
- Mots à la mode anglais (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.
Quatre règles d'or / Quatre règles d'or :
- Suppression boîte-et-texte (Box-and-Text Removal) : lors de la suppression des micro-textes décoratifs, supprimer également leur cadre (pill/badge), barre de pied (footer bar) ; ne jamais laisser de bloc de couleur vide.
- Promotion visuelle intelligente (Smart Visual Promotion) : après suppression des micro-textes redondants dans une carte, augmenter automatiquement la taille de police des points clés conservés (ex. PPT
+2pt~+4pt, webtext-base -> text-lg font-semibold), élargir la hauteur de ligne ou centrer verticalement pour éviter un espace vide. - Réécriture humanisée adaptative (Adaptive Humanization) : supprimer systématiquement le charabia IA chinois-anglais, et réécrire selon le contexte cible (pitch de concours, soutenance technique, cours, business concis) en un langage « naturel, prêt à être prononcé sur scène ».
- Sortie non destructive (Non-Destructive Output) : toutes les modifications sont enregistrées dans un nouveau fichier nommé
*_cleaned.<ext>.
2. Workflow en cinq étapes multi-plateforme (intégrant les questions grill-me et la porte de confirmation)
Conservez le chemin absolu du répertoire contenant ce fichier comme SKILL_DIR. Lors de chaque appel de script, développez ${SKILL_DIR} en chemin absolu réel.
Étape 1 : Identification du support et analyse des foyers de slop IA (Scan & Diagnose)
Selon le type de fichier ou de code fourni par l'utilisateur, appeler le moteur d'analyse dédié correspondant (critères de reconnaissance détaillés dans references/ai-slop-dictionary.md) :
| Type de support (Carrier) | Extensions applicables (Extensions) | Commande d'analyse (Scan Command) |
|---|---|---|
| Présentation PPT | .pptx | python "${SKILL_DIR}/scripts/pptx_inspector.py" "<input.pptx>" --json "<scan.json>" |
| Site web / Page front-end | .html, .jsx, .tsx, .vue, .svg | python "${SKILL_DIR}/scripts/web_cleaner.py" --scan "<input_file>" --json "<scan.json>" |
| Image / Poster / Infographie | .png, .jpg, .jpeg, .webp | python "${SKILL_DIR}/scripts/image_cleaner.py" --scan "<input_img>" et capacité visuelle multimodale pour localiser les coordonnées bbox de tous les micro-textes, pastilles, sous-texte redondant dans l'image |
| Document / Plan / Discours | .docx, .md, texte brut | python "${SKILL_DIR}/scripts/doc_cleaner.py" --scan "<input_doc>" --json "<scan.json>" |
[!NOTE]
- Sous Windows, si
python3déclenche le stub WindowsApps (code de sortie 9009), utilisezpython.- Dans un environnement de conversation cloud comme Doubao Workspace sans conteneur Python local, effectuez un diagnostic structuré et une réécriture directement en vous référant à
references/ai-slop-dictionary.md.
Étape 2 : Questions interactives Grill-Me une par une (One-by-One Decision Interview)
Une fois l'analyse terminée, il est strictement interdit de modifier le fichier directement. Passer en mode grill-me, où chaque question est posée une à la fois sur l'arbre de décision, et pour chaque question, l'option recommandée est placée en première position et marquée (Recommended) :
- Adaptation aux outils d'appel inter-agents :
- Dans les environnements hôtes supportant les outils de questionnement structuré (comme
ask_questionouAskUserQuestion) tels que Antigravity / Claude Code / Cursor / Trae / Qoder / WorkBuddy, utiliser cet outil en priorité pour poser une question à choix unique à l'utilisateur. - Dans les environnements sans boîte de dialogue de sélection, comme Codex CLI / Doubao Workspace, poser une seule question à la fois dans le dialogue avec une liste numérotée claire (
1. (Recommended) ...), et attendre la réponse (numéro ou avis) avant de passer à la question suivante.
- Dans les environnements hôtes supportant les outils de questionnement structuré (comme
Résoudre les branches de décision suivantes dans l'ordre (si l'utilisateur a déjà spécifié clairement un élément dans la demande initiale, cette question peut être ignorée) :
- Q1 — Contexte cible et réglage de la tonalité humaine (Tone & Scenario) :
- Placer automatiquement le style le plus adapté en première position et le marquer
(Recommended)en fonction du contenu de l'analyse :- Pitch de concours / Style créateur (Pitch & Competition) : mettre en avant les vrais problèmes, « ce que nous avons fait nous-mêmes » et les résultats réels (refuser le bla-bla sur l'écosystème et l'autonomisation).
- Formation technique / Style ingénierie (Engineering & Technical) : verbe en début, données matérielles/algorithmes/paramètres spécifiques, résultats quantifiés, objectif et concis.
- Cours magistral / Discours de classe (Teaching & Speech) : sujets à la première/deuxième personne (« on voit », « vous rencontrez souvent » /
"Let's look at..."), phrases courtes, oral. - Business concis / Rapport quotidien (Crisp Business) : conclusion en premier (une phrase humaine par page), faits et actions concrètes remplacent les adjectifs.
- Placer automatiquement le style le plus adapté en première position et le marquer
- Q2 — Agressivité du nettoyage des micro-textes et blocs décoratifs (Cleanup Aggressiveness) :
(Recommended) Nettoyage complet boîte-et-texte + promotion de la police (Full Box-and-Text Cleanup + Font Promotion): supprimer tous les pseudo-anglais/bandeaux-barrettes en haut (avec leur cadre), les mentions légales vides en bas de page, les micro-textes redondants dans les cartes, et agrandir/centrer la police des points clés conservés.Nettoyage modéré (Moderate Cleanup): supprimer uniquement les pseudo-anglais évidents, les mentions légales en pied de page et les émojis✨🚀, conserver la structure des sous-titres dans les cartes mais les réécrire en langage humain concis.
- Q3 — Confirmation des données réelles ou mode de réparation d'image (Borderline Data / Image Mode) :
- Si l'analyse détecte des micro-textes/chiffres spécifiques (ex.
+38.5%,N=120), poser une question dédiée pour que l'utilisateur confirme lesquels sont des données métier réelles (à conserver et promouvoir) et lesquels sont des micro-données inventées par l'IA (à supprimer avec leur cadre). - Si la cible est une image (
.png/.jpg), demander si on adopte(Recommended) Effacement pixel par pixel des micro-textes + redessin in situ en grandes lettres humainesouReconstruction en calques HTML/SVG/PPTX modifiables.
- Si l'analyse détecte des micro-textes/chiffres spécifiques (ex.
Étape 3 : Production d'un tableau comparatif « Suppression + Réécriture humanisée + Promotion visuelle » et porte de confirmation
Après l'alignement grill-me, lire references/layout-promotion-rules.md et references/ai-slop-dictionary.md, puis afficher à l'utilisateur un tableau de prévisualisation visuel page par page / zone par zone Before → After :
### 📋 Aperçu du nettoyage et de l'humanisation par AI Clean Master
| Page/Zone | Type d'action | Contenu original (Foyer de slop IA) | Après traitement (Humanisé & visuellement promu) |
|---|---|---|---|
| P1 Haut | `🗑️ Suppression boîte+texte` | `[Cadre pill #4] SECTION 01 · STRATEGIC OVERVIEW` | *Cadre de fond bleu clair supprimé également* |
| P1 Carte 1 | `✂️ Suppr micro-texte + 🔼 Promotion` | Titre : `多维赋能分选体系`<br>Micro-texte(10pt) : `通过全链路视觉感知赋能高效农业分选闭环` | Titre réécrit et promu en **20pt centré** :<br>**`Vision binoculaire : reconnaissance des défauts en 0,2 seconde`** (micro-texte supprimé en dessous) |
| P1 Bas | `🗑️ Suppression boîte+texte` | `[Barre de pied #9] 本页核心洞察：实现高质量发展的抓手` | *Barre gris foncé en bas supprimée également* |
- Porte de confirmation (Confirmation Gate) : Après avoir affiché le tableau de prévisualisation, demander à l'utilisateur de confirmer l'exécution (ou de proposer des ajustements). L'étape 4 ne peut être lancée que lorsque l'utilisateur a clairement confirmé (ou a explicitement déclaré dans la demande initiale « pas besoin de confirmation, donne le résultat en un clic »).
Étape 4 : Exécution du nettoyage boîte-et-texte, réécriture humanisée et promotion visuelle intelligente (Execute Cleanup & Promotion)
Selon le plan validé, appeler le moteur de nettoyage correspondant au support pour générer un nouveau fichier *_cleaned.<ext> :
Voie A : Présentation PPT (.pptx)
Rédiger un fichier de plan JSON et exécuter :
python "${SKILL_DIR}/scripts/pptx_cleaner.py" "<input.pptx>" "<plan.json>" -o "<input_cleaned.pptx>"
Exemple de structure de plan.json :
{
"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": "Vision binoculaire : reconnaissance des défauts en 0,2 seconde",
"promote_pt": 3.0,
"vertical_center": true
}
]
}
]
}
Voie B : Site web et page front-end (.html / .jsx / .tsx / .vue / .svg)
Rédiger <web_plan.json> et exécuter :
python "${SKILL_DIR}/scripts/web_cleaner.py" --apply "<web_plan.json>" "<input.html>" -o "<input_cleaned.html>"
Voie C : Image / Poster / Infographie (.png / .jpg / .webp)
Rédiger une configuration d'effacement et de redessin par zone <img_plan.json> (définir bbox: [x1, y1, x2, y2], action: "erase_only" | "erase_and_redraw", text, font_size pour chaque zone), puis exécuter :
python "${SKILL_DIR}/scripts/image_cleaner.py" --apply "<img_plan.json>" "<input.png>" -o "<input_cleaned.png>"
Voie D : Document et texte enrichi (.docx / .md)
Rédiger <doc_plan.json> et exécuter :
python "${SKILL_DIR}/scripts/doc_cleaner.py" --apply "<doc_plan.json>" "<input.docx>" -o "<input_cleaned.docx>"
Étape 5 : Livraison du résultat et rapport de nettoyage (Delivery & Summary Report)
Vérifier que le fichier *_cleaned.* généré existe et n'est pas corrompu, puis afficher à l'utilisateur un rapport de livraison concis :
- Chemin du nouveau fichier ;
- Statistiques de nettoyage : nombre de micro-textes/cadres pill/barres de pied supprimés (avec leur boîte), nombre de charabia IA chinois/anglais éliminés, nombre de points clés ayant bénéficié d'une promotion de police et d'une réécriture humanisée.
3. Documents de référence et index des scripts / Références & Scripts
references/ai-slop-dictionary.md: Base de caractéristiques des micro-textes IA en chinois/anglais, liste de mots interdits, dictionnaire de réécriture humanisée pour quatre contextes.references/layout-promotion-rules.md: Règles de géométrie pour le nettoyage boîte-et-texte et de promotion de police pour PPT/image/web.scripts/pptx_inspector.py&scripts/pptx_cleaner.py: Moteurs d'analyse et de nettoyage/promotion pour.pptx.scripts/web_cleaner.py: Moteur d'analyse et de débruitage/promotion pour HTML / React / Vue / SVG.scripts/image_cleaner.py: Moteur d'effacement pixel par pixel des micro-textes et de redessin de grandes lettres pour affiches et infographies.scripts/doc_cleaner.py: Moteur de nettoyage du slop IA pour Word (.docx) et Markdown (.md).scripts/install_skill.py: Script d'installation et d'adaptation en un clic pour les principaux agents IA multiplateformes.