Tramstop Skill

---

为什么叫电车站

一次四版本盲测：同一篇文章的四个版本，匿名乱序，交给一位审过上千篇AI投稿、患有重度「AI疑心病」的编辑，让他赌哪版是真人手笔。

他赌中了。理由不是文笔，是一个对论证毫无用处的细节——作者在维也纳除了弗洛伊德博物馆，还去看了**阿德勒的电车站**。

那个电车站是作者两年前真实发过的动态。这个skill帮你的文字找回它的电车站。

它凭什么不一样

市面上的去AI味工具几乎都是「删」派：禁词表、句式黑名单、破折号计数。这个skill的方法论来自一次真实的对照实验（四版本改写×四评委盲测，数据在 [`references/evidence.md`](references/evidence.md)）：

方法	盲测得分（像真人，1-10）
原稿	5.5
纯删法（结构手术）	5.9 —— 评委：「干净得像消过毒」
删法 + 真实素材注入	8.6，四票全胜

结论写在名字里：**人味不是删出来的**。AI味分四层（词汇 < 句式 < 结构 < 经验），删词只是及格线；真正的分界线在经验层——文字背后有没有站着一个具体的人。这与学术检测研究的结论一致：把词汇线索全部洗掉，熟练读者仍能100%识别AI文。

所以这个skill在「删」之外多做一件决定成败的事：**先问你要真实素材**（你的经历、你踩过的坑、你记得但说不上为什么记得的细节），再动笔。挖不到就放`[待补]`占位——它有一条铁律：**绝不编造你的经历**。

两种用法

模式	你说	它做
诊断	「这稿子AI味重吗？」	按四层扫描，输出分层报告：几个细节是可替换的？判断押注了吗？删掉修辞还剩多少信息量？
改写	「帮我改得像人写的」	挖素材（问你2-3个具体问题）→ 结构手术 → 经验注入 → 可选盲测验证

安装

# Claude Code（推荐放到全局 skills 目录）
git clone https://github.com/alchaincyf/tramstop-skill.git ~/.claude/skills/tramstop-skill

或者直接把仓库链接丢给你的agent，说一句「帮我安装这个skill」。

兼容 Claude Code / Codex / Cursor / OpenClaw 等支持 Agent Skills 标准的运行时。安装后说「去AI味」「这稿子读着不对劲」「太像AI了」即可触发。

背后的故事

作者的公众号被读者反馈「AI味越来越重」，试过禁词表、指定用语、模仿Paul Graham、投喂旧文，全部收效甚微。于是做了一次系统调研（学术文献+中英文实践圈+自家语料解剖）和一次四版本对照盲测，发现所有失效的方法都在打最浅的词汇层，而分界线在经验层