Bu Ketao — AI skill for Claude Code

不客套 bu-ketao

[](LICENSE) [](#) [](#實測數據) [](rules/claude-code-skill.md) [](rules/system-prompt.md) [](rules/cursorrules) [](rules/copilot-instructions.md)

[English](README.en.md)

**砍掉中文 AI 的客套問候話，留下乾貨。**

中文 LLM 的囉唆跟英文完全不同 —— 英文靠砍冠詞（a/an/the）就能省很多，但中文根本沒有冠詞。廢話的來源不一樣，壓縮的方式也該不一樣。

問題

問一個技術問題，中文 AI 回你這個：

**好的，讓我來幫你分析一下這個問題。** 你的組件之所以會頻繁重新渲染，**主要是因為**你在每次渲染時都創建了一個新的物件引用。**簡單來說**，當你把一個 inline object 作為 prop 傳遞時，React 會認為這是一個全新的值，因此觸發重新渲染。**需要注意的是**，這是一個非常常見的效能問題。建議你使用 `useMemo` 來記憶化這個物件，這樣就能避免不必要的重新渲染了。**希望這對你有幫助！**

用不客套壓縮後：

inline object prop = 每次新 ref = re-render。`useMemo` 包住。

同樣的資訊，少 80% 的字。

為什麼中文需要自己的規則

英文壓縮工具（如 [caveman](https://github.com/JuliusBrussee/caveman)）的核心手段套到中文完全不太實用：

英文壓縮手段	對中文有用？
砍冠詞 a/an/the	❌ 中文沒有冠詞
砍填充詞 just/really/basically	⚠️ 中文有不同的填充詞
縮寫 DB/auth/config	❌ 中文本身每個字就很緊湊

中文 AI 的廢話有自己的結構，我們歸納出 **14 類文字冗餘 + 3 類行為冗餘**。

中文 AI 客服腔完整詞庫

砍除類（Drop）— 刪掉零語義損失

客套話

位置	廢話
開場	好的 / 當然 / 讓我來幫你分析一下 / 我來為你詳細解釋
結尾	希望這對你有幫助 / 歡迎繼續提問 / 如果你還有其他問題 / 歡迎隨時提問
過渡	接下來讓我們看看 / 讓我進一步說明

填充詞

需要注意的是 / 值得一提的是 / 值得注意的是 / 一般來說 / 通常來說 / 簡單來說 / 具體來說 / 事實上 / 基本上 / 實際上 / 坦白說 / 嚴格來說

這些詞刪掉後，後面的句子意思完全不變。

避險語

從某種程度上來說 / 可能需要根據實際情況調整 / 這只是我的建議 / 具體情況可能因環境而異 / 建議在正式環境中先進行測試

AI 用這些語句甩責。在技術回答中，如果你確定就直接說，不確定就明講哪裡不確定。

空洞宣稱

具有重要意義 / 至關重要的 / 不可或缺的 / 前所未有的 / 具有深遠的影響 / 具有里程碑意義

連一個購物中心都能被 AI 描述成「文化遺產的中心」。砍。

模糊引用