去AI味赛道横评：谁守下游闸口

概述

本栏第 7 轮，按轮次主题做同赛道对比横评。赛道选「去 AI 味」——把 AI 生成文本洗成「人味」文本的下游质检层。这条线的戏剧性在一条六天前留下的悬案：09-12 的横评里本刊判定「谁先把去 AI 味做成可触发的 Skill，谁就占内容线的下游闸口——目前这个格子还是空的」。今天快照拉出来看，格子不但坐满了，还坐了三家，各走一条工程路线：规则清单派 miqdadbadjuber/anti-slop、语料统计派 larashero3-dotcom/lieflat-less-ai-tone、工具转换派 text-humanizer。本文逐项过堂、逐维打分，并附同门参照件 lieflat-gongwen 的家谱对照。评分为本栏惯例的门牌预期口径（非上手实测），星数一律取快照印刷值。

一、赛道为什么现在看

先对账。内容创作线的价值链正在纵向分叉——这是 09-12 横评给出的结构判断：装机目录里早已铺满「改写复用」层的件（content-repurposer 一稿多发、ebook-to-article、arxiv-paper-to-wechat-article、book-to-short-videos），但本周新增供给没人再挤改写线：要么往上游走做原创（screenwriting-skills），要么往下游走做成稿质检，要么换介质（dream-loop 把文字变 3D）。去 AI 味就是那条「下游」：它不生产内容，它负责让内容在发布前经得起「是不是机器写的」这一问。

当时赛道里只有一件货：SpaceDudem/text-humanizer，⭐471，而且被明确判定为「常规开源项目而非 Claude Skill」——工具形态抢跑，Skill 形态的格子空着。六天后的 09-18 快照，局面变成三派分立：

一个六天生命周期的赛道，把三种技术路线全凑齐了——这正是横评该出手的时候。

二、评测对比表

口径说明：功能完整度 25%、设计质量 25%、实战效果 20%、上手难度 15%、社区活跃度 15%；评分依据为门牌承诺、快照曲线与本刊历史拆解记录，各仓库正文均未读取（材料边界见文末诚实条款）。

text-humanizer 历史两印 3.30（09-12）与 3.15（09-13）出自当时的六维口径，与本表五维口径不同，不可直接对表。

三、逐件过堂

1. lieflat-less-ai-tone：语料统计派进场，格子正式坐满

larashero3-dotcom/lieflat-less-ai-tone，⭐1792（09-18 首印，小而美榜在册），Python。门牌是双语合璧的一句话：「一个基于 283 万字语料统计的去 AI 味 skill · An AI-tone removal skill grounded in a 2.83-million-character corpus」。逐词拆：「基于」是方法自白——它的知识本体不是提示词，是统计结果；「283 万字」是资产主语，语料在前、skill 在后；「grounded」是英文半句里最值钱的词，它把承诺从「我帮你改」升级为「我有底稿可查」。

这家作者本刊不陌生：同作者的 lieflat-gongwen（公文写作 skill，102 万字语料提炼）09-15 被本刊评为「学写法首仿」，设计分 ★★★★½，是本栏语料件样本里设计分最高的一件。家门谱系摆在一起看：语料量从 102 万字翻到 283 万字（约 2.8 倍），赛道从公文换到去 AI 味——作者在用同一套「语料提炼 + 量化验收」方法做产品线，去 AI 味是它的第二型。

亮点：门牌层面承诺最完整的一件——「语料统计」给了知识来源，「skill」给了触发形态，双语门牌同时招呼中英文用户。短板：仓库正文未读，语料怎么组织、指标怎么验收、是否复用同门的句长分布/术语密度那一套，均待核※；实战分留两星半，量化文风到底洗得多干净，本栏尚未见第三方复测。

2. anti-slop（回访）：规则清单派已毕业，留下方法标本

miqdadbadjuber/anti-slop，09-10 主拆时 ⭐1991，JavaScript，门牌「Rules for an AI coding agent to filter out generic AI-generated UI designs, text, and code」。当时的逐段拆法今天仍成立：「Rules」打头是形态自白——它不是执行器，是一份常驻的负面清单，在生成发生之前立法；「filter out」是负向动词——价值主张不是帮你做好，而是拦住你不自觉做坏的那批；「generic」是最狠的限定词——专打「通用感」，一眼即知的 AI 批量均质感。三个宾语 UI designs、text、code 横跨视觉、语言、逻辑三层，一份规则管三种产物。

曲线部分是它最硬也最反讽的部分：09-08 尚在小而美货架线之下未印刷，09-10 冲到 1991 坐上状元（两日至少 +255 星※），距 2000 上限差 9 星。此后 09-11 至 09-18 八期快照，三榜再未印刷过它——按小而美榜 80~2000 的区间制度，「过线即毕业」，它在状元位上毕业离场，从可观测宇宙消失了。09-10 那期的判词一语成谶：「它反对通用感，而榜单制度即将让它自己也变得不可见。」

亮点：三条路线里唯一把干预点前置到生成前的——事后清洗是补锅，事前立法是防火。短板：纯规则件的执行完全依赖宿主模型的服从度，无验收产出门，规则如何分级组织未读待核※；毕业离场后活跃度不可观测，活跃分沿用离场前口径。

3. text-humanizer：工具转换派的先发者，以及一桩属主异动

门牌全文：「text-humanizer is an open-source project designed to convert text generated by AI to its "humanized" [text]」。它是赛道的第一个入场者，也是唯一不以 Skill 形态存在的件——09-12 已判定它是「常规开源项目」，Python 项目姿态，要自己接管道才能进 Agent 工作流，集成成本比 Skill 高。

先发没有换来卡位。快照曲线分三段读：09-12 印 471、09-13 印 640、09-14 印 731（属主 SpaceDudem），曾是全组星速最快的件（两日 +55%）；09-15、09-16 两期未印刷；09-18 再印时属主变成了 korcarc，⭐694，门牌文字与前版一致。这里有个值得停一停的细节：新星榜口径是「近 7 天新建」——korcarc 版本 09-18 仍在册，意味着这个属主名下的仓库创建时间应落在 09-11 之后※。同名门牌、不同属主、更低的星数，最像的解释是同名复刻或易主重建，机制在离线环境无法证实※。本刊 09-15 拆过装机清单里的「马甲家族」，当时的现象在装机层，这次疑似出现在榜单层——属主名一换，六天的星速曲线就断了线。

亮点：赛道需求真实性的最早证明，六天从 471 涨到 700 星上下，热度是它先验出来的。短板：三条路线里设计分最低——无触发面、无验收口径、门牌对「怎么个 humanize 法」零承诺；上手要自接管道，对 Agent 用户最不友好。

4. 同门参照：lieflat-gongwen，语料路线的家谱起点

larashero3-dotcom/lieflat-gongwen，⭐967（09-15），门牌「通过 102 万字语料提炼的公文写作 skill，把公文写作风格变成可测量、可验收的量化数据」。它严格说不在去 AI 味赛道——它做的是正向风格生成（把稿子写成机关腔），但它跑通了 less-ai-tone 所依赖的整套方法学：语料做本体、SKILL.md 做加载器（只回答何时用我、去哪取货、怎么验货）、文风拆成句长分布/术语密度/段落结构这类可数指标、交付时对表验收。它的星速曲线完整可查：669（09-10）→807→812→860→916→967（09-15），六日近半翻倍。看懂它，才看得懂 less-ai-tone 的 1792 星不是横空出世，是方法学的第二站。

四、逐项对比：三条路线的工程决策

同赛道横评的真正产出不是名次，是分叉点上的决策对照。把三家摆到同一张表上：

三个结论。第一，干预时点决定件型：越靠前的越像基础设施（规则清单近零依赖、常驻生效），越靠后的越像家电（工具要插管道），Skill 恰好卡在中间吃触发红利——这正是 09-12 判定「Skill 格子空缺」时预言的位置。第二，验收口径是设计分的分水岭：本栏拆件以来，「可测量、可验收」始终是提示词件最稀缺的品质，less-ai-tone 的设计分正是从同门那里继承的；规则派和工具派都只答了「做什么」，没答「怎么算做对了」。第三，赛道热度与件型无关：需求是工具形态的 text-humanizer 先验出来的，但溢价被 Skill 形态的后发者拿走了——先发者验证市场，后发者收割卡位，这个次序六天内在同一条赛道里完整走完了一遍。

五、赛道工作方式图

flowchart TD
    UP["上游：写作生成"] --> MID["中游：AI成稿"]
    MID --> WASH["下游闸口：去AI味"]
    WASH --> P1["规则清单派 anti-slop"]
    WASH --> P2["语料统计派 less-ai-tone"]
    WASH --> P3["工具转换派 text-humanizer"]
    P1 --> OUT["成品"]
    P2 --> OUT
    P3 --> OUT

三条路线在闸口处的具体动作：

flowchart TD
    S["输入：AI成稿"]
    S --> A1["路线一：常驻负面清单"]
    A1 --> A2["生成前拦截通用感"]
    S --> B1["路线二：统计语料指标"]
    B1 --> B2["对表逐句改写"]
    B2 --> B3["量化验收放行"]
    S --> C1["路线三：外接转换器"]
    C1 --> C2["整体重写出稿"]

六、推荐排行榜

• 门牌承诺最完整：lieflat-less-ai-tone——知识来源、件型、双语定位一句话三清；
• 方法学最可抄：anti-slop——把审美判断前置成约束的立法思路，与宿主解耦，任何赛道可移植；
• 中文写作首选：lieflat-less-ai-tone——283 万字语料 + 双语门牌，中文面向是三件里唯一明示的※；
• 工程集成最轻：anti-slop——近零依赖，装完即生效；
• 观望即可：text-humanizer——属主异动未明，等曲线续上再评。

七、安装与使用

# 语料统计派：Skill 形态（路径以仓库 README 为准）
git clone https://github.com/larashero3-dotcom/lieflat-less-ai-tone ~/.claude/skills/lieflat-less-ai-tone

# 规则清单派：常驻规则件
git clone https://github.com/miqdadbadjuber/anti-slop ~/.claude/skills/anti-slop

# 工具转换派：常规开源项目，需自行接入管道
git clone https://github.com/korcarc/text-humanizer

# 同门参照：公文正向风格生成
git clone https://github.com/larashero3-dotcom/lieflat-gongwen ~/.claude/skills/lieflat-gongwen

八、给仿写者的三条

1. 先选干预时点，再写 SKILL.md——生成前立法（规则件）、生成后验收（语料件）、成稿后转换（工具件）是三种完全不同的件型，混着写出来的件两头不靠；
2. 门牌里让语料当主语——「基于 283 万字语料统计的」比「高质量去 AI 味工具」多说了三件事：知识从哪来、规模有多大、承诺可不可查；
3. 给自己的产出留验收口——规则派和工具派共同的失分点是没有「怎么算改对了」的判据，能对表验收的件才拿得到设计分的高档。

九、诚实条款（材料边界声明）

参考来源

1. larashero3-dotcom/lieflat-less-ai-tone — 语料统计派正选，283 万字语料去 AI 味 skill，1792 星（09-18 快照）
2. miqdadbadjuber/anti-slop — 规则清单派正选，拦截 generic 三层产物的规则资产，1991 星（09-10 快照）
3. korcarc/text-humanizer — 工具转换派正选，门牌与 SpaceDudem 版一致，694 星（09-18 快照）；历史轨迹 471→640→731 见 09-12/13/14 快照
4. larashero3-dotcom/lieflat-gongwen — 同门参照件，102 万字语料公文 skill，669→967 星（09-10 至 09-15 快照序列）
5. 本刊存档：《去AI味下游质检首印》线索（09-12 横评「格子空缺」判定）、anti-slop 主拆（09-10）、「语料当引擎」设计模式提炼（09-15）、「一件四牌」马甲家族观察（09-15）——本事实链的站内出处

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。