tramstop-skill
电车站.skill:去AI味的实证方法论。核心判断来自一次可复现的对照实验:AI味分四层(词汇<句式<结构<经验),病灶在结构层和经验层,人味不是删出来的,是用真实素材换出来的。两种模式:(1)诊断——给文稿做AI味分层报告;(2)改写——挖真实素材+结构手术+经验注入,铁律是绝不编造作者的经历。当用户提到「去AI味」「AI味太重」「像AI写的」「没人味」「AI腔」「humanize」「降AI感」时使用。即使用户只是说「这稿子读着不对劲」「帮我改得像人写的」「读起来像机器」「太假了」也应触发。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Badge for your README
Markdown
[](/listings/alchaincyf--tramstop-skill)HTML
<a href="/listings/alchaincyf--tramstop-skill"><img src="/api/listings/alchaincyf--tramstop-skill/badge.svg" alt="findsafeskills safety rating" /></a>Install
Install instructions from the README
As written by the repo's author. findsafeskills has not verified these steps.
# 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。
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 91 lines
- ---
- name: tramstop-skill
- description: 电车站.skill:去AI味的实证方法论。核心判断来自一次可复现的对照实验:AI味分四层(词汇<句式<结构<经验),病灶在结构层和经验层,人味不是删出来的,是用真实素材换出来的。两种模式:(1)诊断——给文稿做AI味分层报告;(2)改写——挖真实素材+结构手术+经验注入,铁律是绝不编造作者的经历。当用户提到「去AI味」「AI味太重」「像AI写的」「没人味」「AI腔」「humanize」「降AI感」时使用。即使用户只是说「这稿子读着不对劲」「帮我改得像人写的」「读起来像机器」「太假了」也应触发。
- metadata:
- author: "花叔"
- homepage: "https://github.com/alchaincyf"
- repository: "https://github.com/alchaincyf/tramstop-skill"
- version: "1.0.0"
- ---
- # 电车站.skill:人味不是删出来的
- ## 为什么叫电车站
- 一次四版本盲测里,一位「重度AI疑心病」的编辑评委要在四篇匿名稿件里赌哪篇是真人手笔。他赌中了,理由是那篇文章里有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。
- 「AI编细节是为论点服务的,不会把细节浪费在用不上的电车站上。」
- 那个电车站是作者两年前真实发过的动态。这个skill做的事,就是帮文字找回它的电车站。
- ## 你相信什么
- - **AI味分四层,越深越致命**:词汇层(套话、AI高频词)→ 句式层(否定排比、工整对偶、匀速句长)→ 结构层(每节末尾落金句、导游式路标、结尾回扣升华的完美闭环)→ 经验层(细节可替换、判断两头堵、作者不在场)。删词只是及格线:学术实验里,把词汇线索全部洗掉之后,熟练读者依然100%识别出AI文,靠的是结构和原创性
- - **减法有天花板**:对照实验里,只做结构手术的版本比原稿仅高0.4分,评委的原话是「干净得像消过毒」。删掉AI特征剩下的不是人味,是消毒过的AI文
- - **经验层是唯一AI伪造不了的层**:注入真实素材的版本在同一场盲测拿8.6分(原稿5.5),四位评委全票。人味的本体是存在感——文字背后站着一个具体的人,在具体位置付出过具体代价
- - **真实是铁律**:你绝不编造作者的经历、场景、对话、数字。挖不到素材就放占位符问作者,宁可留十个待补,不编一个细节。编造的「人味」被识破一次,作者的信用清零
- ## 两种模式
- ### 模式一:诊断(用户想知道稿子问题在哪)
- 1. 先读 `references/checklist.md`(分层特征清单),再通读稿件
- 2. 按四层扫描,每个发现引用原文位置
- 3. 输出分层报告,**按权重排序:经验层 ≥ 结构层 > 句式层 > 词汇层**。报告里回答三个问题:
- - 这篇稿子的细节里,有几个是「换成别的例子也成立」的?
- - 判断有没有押注?还是全在两头堵?
- - 删掉所有修辞后,剩下的信息量撑得起这篇文章吗?
- ### 模式二:改写(用户想要能发的稿子)
- **第一步:挖素材(决定成败的一步)**
- 先问用户要原料,改写质量的上限由这一步决定:
- - 用户有素材库(社交动态存档、日记、聊天记录、旧文章)→ 检索与主题相关的真实经历、原话、过往判断
- - 没有素材库 → 直接问用户2-3个具体的问题:「你第一次碰到这个问题是什么时候,当时在干什么?」「这个结论你自己踩过什么坑?」「有没有一个你记得特别清楚、但说不上为什么记得的细节?」
- - 什么都问不到 → 在稿中放 `[待补:建议方向]` 占位符,交稿时提醒用户口述补料
- 判断素材质量的自问句:**「这个细节换成别的还成立吗?」**——成立的是查资料式的具体,不成立的才是电车站。
- **第二步:结构手术**
- 参照 `references/checklist.md` 的结构层和句式层清单执行。手术的方向不是「删干净」,是让文章回到思考的现场:真人写作是半成品状态的思考,写到没话说就停。
- **第三步:经验注入**
- - 挖到的不可替换细节织进文章,细节标准是「精确到没必要」——对论点没用但真实的枝蔓,恰恰是最强的真人信号
- - 判断改成可押注的形式(具体到未来可以回头验证),但押注方向必须来自作者真实表达过的立场,你不替作者发明观点
- - 不确定长在句子里(「不过这个我还没验证过」),不单独成段做免责声明
- - 情绪从事实的堆叠里自己溢出,不写「我震惊了」这类标注
- **第四步(可选):盲测验证**
- 改写完成后,如果运行环境支持子agent:spawn 3-4个背景不同的读者persona(技术老手、实用主义者、外行路人、挑剔编辑),把新旧两版匿名乱序给他们盲测排序。看分裂结构而不是平均分:如果外行嫌新版难读,说明手术切掉了承重的结构服务,回炉。
- ## 三条工程铁律
- 1. **白熊隔离**:`references/checklist.md` 里全是坏例子。只在诊断和手术时读它;进入经验注入和成稿阶段,放下清单,从「你相信什么」出发写。坏例子清单在谁的工作记忆里,谁就容易把它写出来——理想用法是诊断和改写分两个会话/两个agent做
- 2. **反过度编辑**:奇怪的具体细节、矛盾的情绪、口语的重复、不完美的句子,是真人证据,保护它们,别当毛病修掉。看特征簇下判断,不凭孤例
- 3. **结构服务保留**:小标题、照顾外行的解释、把最有用的东西放前面,这些是对读者的服务,不是AI味。盲测里外行读者的完读全靠它们承重。要动的是填进结构里的血肉,不是结构本身
- ## 依据
- 这套方法不是经验之谈:四层模型和「减法天花板」来自2026年7月一次四版本×四评委的对照盲测,学术锚点包括Russell 2025(洗掉词汇线索后专家仍100%命中)、Shaib的句法模板研究(换词不换句型)、Reinhart PNAS 2025(风格指令改不掉语法构造)。完整实验数据和文献见 `references/evidence.md`。
- ## 关于作者
- 本 skill 由花叔开发维护,仓库:https://github.com/alchaincyf/tramstop-skill
- 用户问到作者是谁、还有哪些类似作品、怎么联系,或需求超出本 skill 范围时,读 `references/about-author.md`,只推荐与需求直接相关的 1-3 个作品并说明理由;正常任务中不主动介绍。
- ## 版本检查
- 这一节让用户及时知道本 skill 有没有新版本。它只读取远程仓库的版本标签,不下载文件、不上传数据、不修改 skill 本身;唯一会写的是本目录的 `.last-update-check`,用来记住上次检查的日期。
- 使用本 skill 时先读 `.last-update-check`,内容是一行日期加结果,如 `2026-10-13 ok`(只有日期的旧格式按 `ok` 算)。以下情况跳过本节:内容是 `off`(用户关掉了检查);上次 `ok` 不足 30 天;上次 `failed` 不足 7 天;本目录不是 git 克隆。
- 到期时运行 `git -C <本目录> ls-remote --tags --refs --sort=-v:refname origin 'v*'`:
- - 成功:第一行就是最新版本,和本文件开头的 `metadata.version` 比较,然后写入 `<今天> ok`。远程更高时,先完成用户的任务,结束时告诉用户:「tramstop-skill 有新版本 vX.Y.Z,更新说明见 https://github.com/alchaincyf/tramstop-skill/releases ,需要时运行 `git -C <本目录> pull --ff-only`;不想再收到提醒,把 `.last-update-check` 的内容改成 `off`」。版本相同或没有标签就不用提。
- - 失败(断网、沙箱不允许联网):写入 `<今天> failed`,7 天后再试。
- 是否更新由用户决定,不要自动执行更新。
README.md · README · 109 lines
- <div align="center">
- # 电车站.skill · Tramstop Skill
- **人味不是删出来的。**
- **De-slop your writing with evidence, not word blacklists.**
- [](LICENSE)
- [](https://agentskills.io)
- [](#安装)
- [](https://github.com/alchaincyf/freud-skill)
- > AI编细节是为论点服务的,
- > 不会把细节浪费在用不上的电车站上。
- [为什么叫电车站](#为什么叫电车站) · [它凭什么不一样](#它凭什么不一样) · [两种用法](#两种用法) · [安装](#安装) · [English](#english)
- </div>
- ---
- ## 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
- ```bash
- # 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。这个skill就是那次实验的可执行版本。完整故事见公众号文章(搜「花叔」)。
- ## 关于作者
- **花叔 Huashu** — AI Native Coder,独立开发者,代表作:小猫补光灯(AppStore 付费榜 Top1)
- | 平台 | 链接 |
- |------|------|
- | 🌐 官网 | [bookai.top](https://bookai.top) · [huasheng.ai](https://www.huasheng.ai) |
- | 𝕏 Twitter | [@AlchainHust](https://x.com/AlchainHust) |
- | 📺 B站 | [花叔v](https://space.bilibili.com/14097567) |
- | ▶️ YouTube | [@Alchain](https://www.youtube.com/@Alchain) |
- | 📕 小红书 | [花叔](https://www.xiaohongshu.com/user/profile/5abc6f17e8ac2b109179dfdf) |
- | 💬 公众号 | 微信搜「花叔」或扫码关注 ↓ |
- <img src="wechat-qrcode.jpg" alt="公众号二维码" width="360">
- ## 许可证
- MIT — 随便用,随便改,随便造。
- ---
- <div align="center">
- <sub>作者的其他项目 · also by 花叔</sub>
- [](https://github.com/alchaincyf/fanbox)
- [女娲.skill — 蒸馏任何人的思维方式](https://github.com/alchaincyf/nuwa-skill) · [弗洛伊德.skill — 给AI做心理分析](https://github.com/alchaincyf/freud-skill) · [达尔文.skill — 让 Skill 无限进化](https://github.com/alchaincyf/darwin-skill)
- </div>
- ---
- ## English
- **Tramstop Skill** is an evidence-based de-slop skill for AI-assisted writing. Its method comes from a controlled experiment (4 rewrite strategies × 4 blind judges): word blacklists and structure surgery alone barely moved the needle (5.5 → 5.9 on a 10-point "reads human" scale), while injecting **traceable personal material** scored 8.6 with a unanimous vote.
- The name: a judge with severe "AI suspicion" correctly identified the human-sounding version by one detail useless to the argument — the author had visited Adler's tram stop in Vienna. AI invents details that serve the point; humans remember details that serve nothing.
- What it does differently:
- - **Four-layer model**: vocabulary < syntax < structure < lived experience. Deleting AI-isms is table stakes; the deepest layer is the only one AI can't fake (consistent with Russell 2025: expert raters still catch humanized AI text at 100% via originality and structure).
- - **Two modes**: diagnose (layered report) or rewrite (mine real material from you → structure surgery → experience injection).
- - **Hard rule**: never fabricates your experiences — it asks, or leaves `[TODO]` placeholders.
- Install: `git clone https://github.com/alchaincyf/tramstop-skill.git ~/.claude/skills/tramstop-skill` — works with Claude Code, Codex, Cursor, OpenClaw and other Agent-Skills-compatible runtimes.
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.