用途
Anti-Slop 是一套用于检测和消除“AI slop”（AI 垃圾内容）的工具包。AI slop 指那些表明内容由 AI 低质量、通用化生成的典型模式，覆盖自然语言、代码和设计三个领域。该技能帮助识别并移除这些模式，从而产出真实、高质量的内容。
主要能力
文本检测与清理
高优先级清理目标包括：
- 立即删除：“delve into”“navigate the complexities”“in today's fast-paced world”“it's important to note that”，以及关于文档本身的元评论。
- 简化冗长表达：“in order to”改为“to”，“due to the fact that”改为“because”，“has the ability to”改为“can”。
- 替换流行词：“leverage”改为“use”，“synergistic”改为“cooperative”，“paradigm shift”改为“major change”。
质量原则：直接（跳过前言和元评论，开门见山）、具体（用具体例子替代泛化术语，使用精确动词）、真实（变化句式结构，多用主动语态，使用符合语境的语气）。
代码检测与清理
高优先级目标包括：
- 重命名泛化变量：data、result、temp、item 等应改为描述其实际内容的名字。
- 删除显而易见的注释（如“# Create a user”后跟 user = User()）。
- 简化过度设计的代码：移除不必要的抽象层、无目的地使用的设计模式、简单任务的复杂实现。
- 改进函数名：handleData()、processItems()、manageUsers() 应说明具体动作与对象。
质量原则：清晰优于聪明、有意义的命名、恰当的文档（记录“为什么”而非“是什么”）。
设计检测与清理
高优先级目标包括：
- 视觉 slop：通用渐变背景（紫/粉/青）、过度使用玻璃拟态或新拟态、无目的的漂浮 3D 形状、所有元素使用相同设计处理。
- 布局 slop：模板驱动、忽略内容需求的布局，无论内容类型都放进卡片，缺乏层级的过度留白，所有元素居中对齐。
- 文案 slop：“Empower your business”式标题、无上下文的通用 CTA（如“Get Started”）、堆砌流行词的描述、图库照片式审美。
质量原则：内容优先的设计、有意图的选择、真实的语气。
使用方式
检测
对文本文件运行：
python scripts/detect_slop.py <file> [--verbose]
输出包括：整体 slop 评分（0-100，越高越差）、分类发现、行号与示例、可操作建议。评分区间：0-20 低 slop（真实写作）；20-40 中等 slop；40-60 高 slop；60+ 严重 slop。
手动检测时阅读对应参考文件：references/text-patterns.md、references/code-patterns.md、references/design-patterns.md。
清理
自动化清理（仅文本）：
预览更改
python scripts/clean_slop.py <file>
应用更改（创建备份）
python scripts/clean_slop.py <file> --save
激进模式（可能轻微改变含义）
python scripts/clean_slop.py <file> --save --aggressive
保存到不同文件
python scripts/clean_slop.py <file> --output clean_file.txt
清理内容涵盖：高风险短语、冗长结构、元评论、过度模糊限定、流行词、冗余修饰、空洞强调词。安全性：覆盖时始终创建 .backup 文件，预览模式先展示更改，非激进模式保留内容含义。
手动清理时依据参考文件中的策略处理检测到的模式。
适用场景
- 交付前审查 AI 生成内容。
- 创建原创内容时避免通用模式。
- 清理现有感觉通用的内容。
- 为项目建立质量标准。
- 用户明确要求 slop 检测或清理。
- 内容有明显通用 AI 生成迹象。
常见场景包括：审查 AI 生成文章、清理代码库中的通用 AI 模式、设计评审、建立团队质量标准。
限制
- 脚本仅处理文本：代码 slop 检测需手动（使用 code-patterns.md），设计 slop 检测需手动（使用 design-patterns.md）。
- 上下文敏感性：脚本无法理解所有语境，某些“slop”在特定领域可能合适，始终需审查自动化更改。
- 语言覆盖：检测模式针对英文优化，代码模式聚焦常见语言（Python、JS、Java），设计模式与平台无关。
最佳实践
- 预防优于治疗：写作时面向具体受众，使用具体例子，开门见山。
- 上下文感知清理：考虑受众、目的、模式是否服务于功能、是否有更好替代。
- 迭代改进：检测 → 分析 → 清理 → 审查 → 精修。
- 质量优于自动化：脚本是工具而非判断的替代品，对改变含义的更改需人工审查。
集成模式
代码审查中可在提交前运行检测脚本；内容流水线中依次执行创建、检测、自动清理、人工审查、最终质检；标准执行中可设置项目特定阈值（如最大可接受 slop 评分 30，评分 >20 需人工审查，>50 自动拒绝）。