Sloptrim Zh — AI skill for Claude Code

sloptrim-zh

中文去 AI 味工具：一个 Claude Code / Codex Skill，加一个本地检测脚本。

它找出中文文本里的模板化表达和机器痕迹，给 0–100 分，再按分数决定改多少：分数低就几乎不动，分数高才整篇重写。改写时保留事实、数字、归因和限定词，不替作者编内容。

只用 Python 标准库，不联网，不调用模型。

0.3.0 起参考了 [白话 Baihua](https://huggingface.co/Roland-Wayne/Baihua-Gemma4-E4B)（Apache-2.0）提示词中“保留语气词与长句”“按事实提纲写作、不加比喻和解释”的思路，未包含其提示词原文和模型。

本项目基于 [sloptrim](https://github.com/seyedehsanhadi/sloptrim)（Apache-2.0）修改，中文模式目录参照 [Humanizer-zh](https://github.com/op7418/Humanizer-zh)（MIT）的汉化思路。与两位原作者无关联，也未获其背书。详见 [NOTICE](NOTICE)。

和两个上游项目的关系

	sloptrim	Humanizer-zh	sloptrim-zh
语言	英文	中文	中文（英文自动转交原版）
形式	Skill + 检测脚本 + 钩子	只有 Skill 提示词	Skill + 检测脚本
打分	有，按分数分档改写	无	有，沿用原版思路，中文重新校准
模式数	71	31	85 个编号（删 7 个英文专属，新增 14 个中文，其中 2 条需通读判断）

汉化方法沿用 Humanizer-zh 汉化 Humanizer 的做法：

1. 中文同样成立的模式保留，例句用中文重写；
2. 英文专属的删掉（缩写、标题大小写、分号括号统计等）；
3. 补上中文特有的：层叠的“的”、“进行＋动词”、被字句堆叠、四字词排比、“随着……的发展”开头、官腔套话、结论强度词提示（思路参考 Supervisor-Skills 的 paper-polish），以及两条只能读出来的：旁白式俏皮点评、过度压缩；
4. 每条附“保留”边界，避免机械地删排比、删破折号；
5. 优先级：先保事实和确定程度，再顾文体和作者声音，最后才改表达。

检测脚本是新增的中文实现。原版 `detect.py` 原样保留，负责英文文本和零宽字符等字符层检查。

安装

git clone https://github.com/ismilewolf-eng/sloptrim-zh.git ~/.claude/skills/sloptrim-zh

Windows PowerShell：

git clone https://github.com/ismilewolf-eng/sloptrim-zh.git $HOME\.claude\skills\sloptrim-zh

Codex 用户把目录放到 `~/.codex/skills/` 下。重启后说“帮我去一下 AI 味”或调用 `/sloptrim-zh`。

单独使用检测脚本

python scripts/detect_zh.py 文章.md              # 输出 JSON 报告
python scripts/detect_zh.py --lyrics 歌词.txt    # 歌词模式
python scripts/detect_zh.py --clean 文章.md > 干净.md
python scripts/detect_zh.py --clean --zh-digits 文章.md > 干净.md   # 再把时间价钱改成阿拉伯数字

`--clean` 在中文文档里会：去掉零宽字符、规范空格、把夹在汉字之间的半角标点改成全角、把包着中文的直引号改成“”。代码块不动。

写作模式

让 Skill “写一篇……”时，它会先向你要真实材料（发生了什么、细节、原话、你的看法、用途篇幅）。你说“随便写”也可以，编出来的细节会在文末列出，提醒你替换。写完必须跑脚本收尾：修标点和数字，再按“句首缺主语”“状态没说完”“句式雷同”“同头三连”的提示改完才交付。

报告里最重要的是 `_metrics.ai_tell_score`、`ai_tell_band` 和 `confidence`：

| 分数 | 档位 | Skill 的