Community写作与编辑github.com

yonathan-boop/Claude: 反AI写作文案技能

文案与文本技能,用于消除AI写作痕迹。适用于撰写或编辑散文:标题、语气、行动号召以及反AI写作模式。与核心技能一起加载。

Claude: 反AI写作文案技能 是什么?

本技能是 antislop 系统的一部分,专门针对文案写作和文本处理任务。它与核心规则文件 `antislop.md` 配合使用,提供了针对营销文案、产品文案、落地页文本以及任何面向人类读者的散文进行质量控制的深度指南。技能详细列举了多种AI写作常见模式(如空洞的AI词汇、虚假权威、机器人式结尾等),并为每种模式提供了识别方法、原因分析以及具体的修正示例。它支持在Claude Code、Cursor、Codex等AI编码代理中使用,通过遵循其规则,开发者可以确保AI生成的文本更加自然、具体、诚实,避免常见的AI“痕迹”。该技能的核心价值在于帮助用户从“听起来像AI”转变为“听起来像人类”,同时避免过度消毒而失去文本的个性与声音。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/yonathan-boop/Claude/tree/HEAD/skills/antislop-copywriting

Installed? Explore more 写作与编辑 skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

antislop-copywriting

反AI写作:AI编码代理规则。文案与文本技能

属于 antislop 系统的一部分。请与 antislop.md(核心)一起阅读。本技能深入探讨文案和文本问题:标题、行动号召、语气、价值主张,以及让AI生成的散文容易被识别的模式。它通过编号引用核心规则,且从不重复或重新编号。当任务涉及撰写或编辑营销文案、产品文案、落地页文本或任何供人阅读的散文时,请加载此技能。

如何使用本技能

  • 当任务是文案或文本工作时,请与 antislop.md 一起加载。核心文件包含机制(目的测试、三个层级、交付门禁)和硬性禁止项(R-02、R-15、R-16、R-17、R-18、R-36、R-38)。本技能包含核心文件中未涉及的文案特定深度内容。
  • 每个模式都具有相同的结构:模式、为何读起来像AI、之前(AI废话)、之后(修正版),并引用相应的核心规则编号(R-XX)。
  • 以下两条规则适用于所有内容:
    • 切勿捏造事实(R-17、R-36、R-38)。重写时不得添加源文本或用户未提供的任何事实、名称、数字、日期、引用或引文。具体细节应来自源文件或用户,而非重写过程。如果某个句子需要真实细节才能成立,请询问用户或直接写出没有细节的朴素版本。
    • 不要过度消毒。 避免AI模式只是工作的一半。没有声音的文案与充满AI痕迹的文案一样明显是机器生成的(R-37)。当用户提供了某种声音时,请保留它。
  • 核心文件中的交付门禁仍然是最终检查点。本文件末尾的“文案技能检查清单”是与之配合使用的文案特定补充检查清单。

语气与声音

空洞的AI词汇

  • 模式: 堆砌动词和抽象名词,听起来很厉害但什么都没说:解锁、提升、赋能、深入、展示、证明、格局(抽象)、旅程、稳健、游戏规则改变者、下一级别、无缝、尖端、革命性。
  • 为何读起来像AI: 这些词在机器生成的文本中出现频率远高于人类。它们标志着意图是打动而非告知,并且是标记页面为AI生成的最快方式。
  • 之前:

    解锁无缝协作的力量,将您的团队之旅提升到下一级别。

  • 之后:

    在同一个共享空间中与您的团队一起工作。

  • 规则: R-16(流行词)、R-36(禁止捏造声明)。

意义膨胀

  • 模式: “X的未来”、“标志着一个关键时刻”、“XX的证明”、“革命性”、“XX的新时代”。
  • 为何读起来像AI: 声明背后没有任何证据,而且无论产品做什么,句子读起来都一样。本应是内容的地方却充满了仪式感。
  • 之前:

    我们的平台正在标志团队生产力演变中的一个关键时刻,引领着一个工作的新时代。

  • 之后:

    我们的平台减少了您的团队在状态会议上花费的时间。

  • 规则: R-36(禁止捏造声明)、C-5(用证据代替声明)。

无证据的空洞声明与社会证明

  • 模式: “受到数千个团队的信任”、“行业领先”、“世界级”、“受到全球客户的喜爱”,但没有任何具体的、可验证的信息。
  • 为何读起来像AI: 没有证据的信任声明等于供认。它占用了本应放置真实客户名称、真实数字或真实用例的空间。
  • 之前:

    受到全球数千个团队的信任。行业领先的技术,受到世界各地客户的喜爱。

  • 之后:

    被[客户名称,仅当真实存在]的支持团队使用。如果没有真实的客户可以提及,则完全删除此声明。

  • 规则: R-17(数据与数字)、R-18(推荐语)、R-36(禁止捏造声明)、C-5。

含糊的归因

  • 模式: “专家说”、“行业观察人士认为”、“人们报告称”、“领先分析师相信”,但没有指名道姓。
  • 为何读起来像AI: 归因的存在是为了让一个没有来源的声明看起来具有权威性。如果权威是真实的,请给出名字;否则,声明不应披上权威的外衣。
  • 之前:

    专家称这种方法能显著提高转化率。

  • 之后:

    [给出来源名称或删除该句。真实来源示例:“在2024年由[具名公司]进行的一项研究中,这种方法将转化率提高了[真实数字]。”]

  • 规则: R-36、C-5。

说服性权威套路

  • 模式: “其核心是”、“真正的问题是”、“真正重要的是”、“从根本上说”、“更深层次的问题”、“事情的关键”。
  • 为何读起来像AI: 这些短语假装穿透噪音直达更深层次的真理,然后以额外的仪式感重述一个普通的观点。
  • 之前:

    其核心是,真正重要的是您的团队能否更快行动。

  • 之后:

    您的团队能否更快行动取决于您合并更改的速度。

  • 规则: R-36。

聊天机器人式结尾

  • 模式: “希望这对你有帮助!”、“如有任何问题请告知”、“需要我展开说明吗?”、“不客气!”。
  • 为何读起来像AI: 这些是对话产物,不是文案。它们出现在模型的聊天输出被直接粘贴到交付物中时。
  • 之前:

    以下是我们的定价概览。希望这对你有帮助!如需分解任何层级,请告诉我。

  • 之后:

    以下是我们的定价。入门级包括三个席位和社区支持。

  • 规则: R-36。

虚假坦诚的开场白

  • 模式: “老实说?”、“说实话”、“事情是这样的”、“说真的”,作为一个戏剧性的停顿,然后引出普通的观点。
  • 为何读起来像AI: 一个坦诚的人通常直接说事情。这种停顿加揭示的方式是一种制造出来的亲密感。
  • 之前:

    它值这个价吗?老实说?这取决于你使用它的频率。

  • 之后:

    它是否值这个价取决于你使用它的频率。

  • 规则: R-36。

路标式宣告

  • 模式: “让我们深入探讨”、“以下是你需要知道的”、“在本文中,我们将探讨”、“闲话少说”。
  • 为何读起来像AI: 宣告你将要做什么而不是直接去做,是元评论。它会拖慢读者,并给文本一种教程脚本的感觉。
  • 之前:

    让我们深入探讨Next.js中的缓存是如何工作的。以下是你需要知道的。

  • 之后:

    Next.js在多个层级缓存数据,包括请求记忆化、数据缓存和路由器缓存。

  • 规则: R-36。

全大写强调

  • 模式: 段落中整个句子、从句或短语使用全大写来喊出强调:“发布已经准备好了,我们需要立即行动,否则窗口期就会关闭。”
  • 为何读起来像AI: 大写作为强调是一种生硬的手段,是模型为了制造紧迫感而使用的,而不是将强调写入句子本身。在长文本中,它读起来像喊叫,并且通过让所有内容都很大声而抹平了真正的高潮。
  • 之前:

    这是我们赢得这个客户的最后机会,我们必须立即行动,否则他们会选择竞争对手。

  • 之后:

    这是我们赢得这个客户的最后机会。如果我们今天不回应,他们会选择竞争对手。

  • 规则: R-36。(R-06涵盖了作为设计选择的宽间距大写标签;此模式是散文情况:段落内的大写字母在做强调工作。)
  • 并非禁止: 真正的大标题、故意喊叫风格的声音中的一行、或者作为一次强调使用的单个全大写单词可以保留大写。问题在于句子接句子地使用大写来做本应由词语完成的强调工作。尽量减少,而非去除所有大写。

无施动者的被动语态

  • 模式: 删除施动者的被动语态:“已决定停止免费层服务”、“定价页面已更新”、“犯了错误”。
  • 为何读起来像AI: 模型不知道谁采取了行动,所以它绕开不写。知道这件事的团队清楚是谁做的,并且会说出来。删除施动者也悄悄地移除了句子中的责任,这就是为什么这种形式在商业文案中存续而其他场合却很少见。
  • 之前:

    定价页面已更新以反映新的层级。

  • 之后:

    我们重写了定价页面以显示新的层级。

  • 规则: R-02(文本必须感觉自然和人性化)。
  • 并非禁止: 当施动者未知、无关或故意隐藏时(“服务器在03:00重启了”),以及当宾语是段落的真正主语时,被动语态是正确的选择。问题在于默认选择被动语态,一页接一页,而施动者始终是已知的。

无生命主语搭配人类动词

  • 模式: 赋予抽象概念以能动性:“数据告诉我们”、“设计决定了”、“投诉变成修复”、“路线图想专注于留存”。
  • 为何读起来像AI: 它听起来主动却不指名道姓,因此可以通过被动语态检查,同时仍然隐藏了施动者。它也奉承了产品,因为一个“理解”你的仪表盘做了没有仪表盘能做的事。
  • 之前:

    仪表盘理解您的团队需要什么,并浮现出正确的数字。

  • 之后:

    仪表盘打开时显示您的团队每天早上检查的三个指标。

  • 规则: R-02、R-16(用具体语言代替声明)。
  • 并非禁止: 普通的产品动词是可以的,既定的习语也可以。“报告显示”、“表单提交”、“过滤器缩小列表”描述了事物所做的动作。问题在于需要一个思想主体才能使用的动词:理解、知道、决定、想要、相信、关心。

节奏与结构

过度使用“事不过三”法则

  • 模式: 每个想法都被强行塞进三个一组以显得完整:“创新、灵感,和洞察”。
  • 为何读起来像AI: 真实的列表包含内容所需的项目数量。强制的三连是节奏上的破绽,并且会在每个部分同时出现。
  • 之前:

    与会者可以期待主题演讲、小组讨论和社交机会。他们将带着创新、灵感和行业洞察离开。

  • 之后:

    活动包括演讲、小组讨论以及会议间隙的非正式社交时间。

  • 规则: R-05(页面结构)、R-36。

否定平行结构与尾部否定

  • 模式: “不只是X,更是Y”、“不仅X,而且Y”,以及作为强调而附加的片段:“无需猜测”、“无浪费动作”。
  • 为何读起来像AI: 这种结构是模型为了听起来有力度而使用的公式,无论这种力度是否成立。
  • 之前:

    这不仅仅是一个仪表盘,更是一个指挥中心。选项来自所选项目,无需猜测。

  • 之后:

    仪表盘显示您选择的数据。选项来自所选项目,无需您猜测。

  • 规则: R-36。

格言公式

  • 模式: “X是Y的语言”、“X是Z的货币”、“X不是工具而是镜子”、“当……时,效率就变成了陷阱”。
  • 为何读起来像AI: 一个可重复使用的公式,听起来深刻但缺乏精确性。它指向一个观点,而不是陈述它。
  • 之前:

    对称是信任的语言。当团队忘记人性层面时,效率就变成了陷阱。

  • 之后:

    对称布局对用户来说感觉更可预测。团队可能过度优化工作流程而忽略了人们的实际工作方式。

  • 规则: R-36。

断奏式戏剧效果

  • 模式: 一串简短的陈述性片段来制造高潮:“它没有偏好。没有先前知识。没有怀旧之情。”
  • 为何读起来像AI: 一个短句用于强调是好的;一连串短句则显得刻意。节奏均匀,效果戏剧化。
  • 之前:

    然后旧规则消失了。没有模板。没有默认值。没有安全感。

  • 之后:

    旧规则不再适用,每个页面都必须从头开始设计。

  • 规则: R-36。

同义词循环

  • 模式: 交换同义词以避免重复一个词:“主角面临挑战、主要人物必须适应、核心角色坚持”。
  • 为何读起来像AI: 模型重写是为了逃避重复惩罚。人类作者在最清楚的时候会重复最清晰的词。
  • 之前:

    结账很快。这个过程很迅速。这个流程很快速。

  • 之后:

    结账很快。所有操作只需点击三次。

  • 规则: R-36。

虚假范围

  • 模式: “从X到Y”,其中X和Y并不在某个有意义的尺度上:“从入门到规模化”、“从首次点击到最终发票,以及中间的一切”。
  • 为何读起来像AI: 这个范围是一个听起来很厉害但未涵盖任何具体内容的框架。
  • 之前:

    从首次接触到最终发票,以及中间的一切。

  • 之后:

    处理报价、发票和付款提醒。

  • 规则: R-36。

诚实与证据

捏造的细节

  • 模式: 编造的数字、推荐语、姓名、日期或特征,看起来真实但实际不存在。
  • 为何读起来像AI: 一个看起来具体的捏造比模糊的声明更糟糕,因为它读起来像实话实说,但实际上却是虚假的。这是唯一一个即使听起来更人性化但仍被视为缺陷的模式。
  • 之前:

    受到10,000+个团队的信任。“Antislop将我们的审查时间减半。”——Sarah Chen,[虚构公司]的工程副总裁。

  • 之后:

    如果没有真实客户,就不要写任何数字和引用。而是说明产品功能。任何真实的统计数据都需要真实的来源(R-17、R-36)。

  • 规则: R-17、R-18、R-36、R-38、C-5。

推测性空白填充

  • 模式: 当作者不知道某个事实时,他们会写一个关于不知道的句子,然后编造看似合理的填充内容:“该公司很可能成立于1990年代”、“她保持低调”。
  • 为何读起来像AI: 伪装成事实的猜测。模型找不到来源,所以它掩盖了空白。
  • 之前:

    虽然具体细节有限,但创始人很可能从小做起,并通过口碑发展壮大。

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

相关技能