继 Node.js 核心成员联名“封杀“AI 代码后，no-ai-slop 把反 AI 战火烧到了文章-北京尧图网络

继 Node.js 核心成员联名封杀AI 代码后no-ai-slop 把反 AI 战火烧到了文章【免费下载链接】no-ai-slopRemoves 20 patterns of AI slop from any piece of writing.项目地址: https://gitcode.com/gh_mirrors/no/no-ai-slop2026 年秋天开源社区的情绪经历了一次肉眼可见的转向先是1.9 万行 Claude Code 生成代码点燃了 Node.js 核心成员与上百位维护者的联名请愿要求项目内禁止 AI 辅助开发紧接着一个名为 no-ai-slop 的写作 Skill 登上 GitHub 周榜把反 AI 味的战场从git diff一路烧到了文章、邮件和社交媒体的字里行间。这场接力并非巧合——当 AI 生成的内容开始大规模污染代码库时同样的污染正在以更隐蔽的方式侵蚀文本。本文将以 no-ai-slop 仓库源码为样本拆解它如何用 20 多种模式识别AI 味、如何在保留作者个人声音的前提下做最小有效编辑以及这条反 AI 情绪链的终点究竟在哪里。导火索当代码审查变成AI 味识别事件的起点在 Node.js 社区。据 36 氪报道一份由 Node.js 核心成员发起的请愿引发百人联名矛头直指项目中大量混入的 Claude Code 生成代码——一份 PR 里躺着约 1.9 万行由 AI 生成的代码成了压垮情绪的最后一根稻草。请愿者的主张很直接项目应禁止 AI 辅助开发。表面看这是工具之争实际上是维护者被三重成本压垮后的表态审查成本转移。AI 产出的代码看起来干净但干净恰恰是问题。人类 reviewer 无法再依赖写得烂需要细看的直觉信号每一行都必须以对待陌生代码的态度重新验证。风格熵增。多个 AI 助手轮番提交代码库的语气、命名习惯、错误处理模式快速漂移维护者被迫在统一风格和接受熵增之间二选一。责任链断裂。代码出了问题归因链条在AI 生成的、人类没细看、reviewer 没拦住之间循环往复最终由核心维护者兜底。请愿能不能落地是另一回事但它精准地命名了一种弥漫已久的感受AI 让平庸的输出变得过于廉价而清理平庸的成本被转嫁给了社区里最认真的人。舆论接力从代码审查到文本创作代码侧的封杀情绪很快蔓延到了文本侧。2026 年 7 月前增长营销人、创作者经济领域的写作者 Peter Yang 开源了自己一直在用的写作 Skill——no-ai-slop目标是从任何文本中移除 20 种 AI slop 模式。随后几天它冲上 GitHub 周榜开源五天收获约 3.7K Star在 9 月中旬的 GitHub 热榜周报里它与 Humanizer 一起被列为AI 去痕方向的代表项目头条系文章则给出了2.3k Star、一次揪出 20 种废话的传播口径。CSDN 上甚至出现了配第三方 API Key 在 Claude Code 里跑通它的实操教程。更值得玩味的是no AI slop已经从项目名变成了整个行业的文化符号。Hacker News 上Vivaldi 7.8 的发布标题直接写作No AI Slop. Just Powerful FeaturesFirefox 的硬分叉项目 Base Browser 用no AI slop作为卖点连 CPython 核心开发者发布的 Django 框架都标注No AI slop, but built for the LLM era。这个词不再描述一个具体工具而是一面旗帜在所有人都在往产品里塞 AI 的时候没有 AI 味本身就是一种差异化。文本侧的舆情接力还有一个标志性节点Substack 宣布推出 AI slop 检测功能来保护读者并把 Peter Yang 的视频作为用 AI 编辑但仍保留细节的正面范例。平台下场做检测意味着AI 味已经从个人审美问题升级为平台治理问题。源码拆解一个编辑而非检测器的 Skillno-ai-slop 的仓库结构极简核心是 skills/no-ai-slop/SKILL.md 和配套的 skills/no-ai-slop/eval.md。没有模型、没有 API 服务、没有运行时依赖——它是一份高度结构化的提示词工程靠规则驱动 Claude、ChatGPT、Codex 等任意前端执行。双模式设计SKILL.md 开头就定义了两种工作模式这是它区别于大多数同类工具的关键Edit默认用户给草稿它做最小有效编辑返回改后全文加一份 What changed 说明。Detect用户问这是不是 AI slop它只点名模式、引用原句、给出几字修改建议不重写、不打分、不猜测作者。Detect 模式里有一句非常清醒的原则AI detectors guess. Named patterns are evidence the user can check.AI 检测器靠猜具名模式才是用户能核对的证据。这句话把工具定位从鉴定者拉回清单工具——它从不声称能判断某段文字是否由 AI 写成只负责指出这里出现了哪种可命名的模式。三类规则构成的能力层SKILL.md 的规则体系分三层第一层是编辑原则。核心诉求贯穿全文Preserve the writers real voice保留作者真实声音、Make the minimum effective edit最小有效编辑、Leave strong human sentences alone放过大体上没问题的人类句子。它还发明了一个非常实用的判别工具——可移植性测试portability test一句话如果换到另一个人、另一家公司、另一个产品上依然成立那它就是填充物该删。第二层是禁词表。delve、leverage、utilize、facilitate、empower、streamline、robust、cutting-edge、paradigm shift、game changer、tapestry、realm、transformative、supercharge、ever-evolving……这些词直接Banned outright彻底禁用而不是建议少用。之所以敢这么强硬是因为这类词在 AI 输出里几乎不携带信息量删掉不损失任何语义。第三层是模式清单也就是 README 说的20 patterns。SKILL.md 里至少枚举了 18 种具名模式每一条都带例句和改写示范Binary contrastsThis is not X. Its Y.The question isnt the model. Its the eval. → The eval matters more than the model.Throat-clearing openersHeres the thing、Let me be clear砍掉直接说论点。Faux-insight setupsWhat nobody tells you、The part everyone misses这类句式先把作者捧成唯一看透真相的人再抛观点——删掉铺垫让论断自己站住。Colon revealsThe best part: it learns.用冒号制造廉价戏剧感改写为普通句。Fake-profound kickersThe future isnt coming. Its already here.——规则明确说不要改写成更好的比喻直接删除让全文结束在最清晰的具体句子上。Weasel attributionexperts agree、studies show没有出处就删掉或问用户要来源绝不代编。Synonym cycling同义词轮换The agent handles your email. The assistant drafts replies.规则反其道而行清晰的那个词就该重复使用。自检闭环规则不依赖模型自觉skills/no-ai-slop/eval.md 提供了一份强制自检清单编辑完成后逐项回答 pass/fail任何一项不过就返工。它检查的不只是有没有删干净还包括有没有把作者的声音也删掉了——比如第 10 条Do you keep useful edge and preserve structure unless the structure was hurting the piece。这套 eval 设计把编辑质量从玄学变成了可执行的检查流程。调用与分发使用方式极简。README 提供了三种调用/no-ai-slop (your writing) /no-ai-slop is this slop? (your writing) Draft an AI slop post about (topic)第三种是生成 AI 味内容当讽刺素材作者在发布文中还专门用它写了一篇最令人尴尬的 AI slop作为自嘲示范——这个用法反而印证了作者对模式库的掌握程度。安装也体现了 Skill 生态的约定俗成可以在 ChatGPT、Claude Code、Codex 里直接粘贴安装指令也可以用npx skills add petergyang/no-ai-slop安装。分发层面.codex-plugin/plugin.json 声明了插件元数据版本 1.0.6能力为 Edit / Detect / Preserve voiceagents/openai.yaml 为 ChatGPT 侧提供接口描述scripts/build_plugin.py 则负责把 SKILL.md、eval.md、logo、许可协议打包成规范 ZIP——校验逻辑里甚至要求打包产物必须与仓库源文件逐字节一致保证分发物和源码不漂移。整个仓库体现的工程态度恰好与它要传递的理念一致结构克制、可验证、不搞花活。生态位no-ai-slop 与同类去味工具的分工no-ai-slop 并非孤例它处在一个快速拥挤的赛道里stop-slop8 条核心规则 Quick Checks 自查表 phrases.md/structures.md 查表主打轻量、模块化演进方向包括多语言短语库、5 维自动评分、流水线门禁。anti-slopOxlint 规则集把反 slop 落地为代码静态检查规则——拒绝链式断言、拒绝 unknown 泛滥、拒绝无注释的强制转换面向用 AI 写代码又想保住质量的团队。Vale-LLM-slop基于 Vale prose linter把水词建模为 YAML 规则包可接入编辑器与 CI。Continue Anti-Slop在临时 worktree 里基于 diff 范围做检查只清理增量变更中的 10 种 AI 代码坏味道强调移除仪式感保留功能性。Hallmark面向 SaaS 落地页生成用 21 种宏观结构 22 套主题 60 余项 slop test 门禁确保输出不带 AI 指纹。横向比较no-ai-slop 的差异化清晰可见它是编辑器而非检测器或生成器。stop-slop 偏查表自查Hallmark 偏生成侧规避而 no-ai-slop 的核心动作是改写既有草稿且强制输出 What changed让编辑过程可追溯。voice preservation 被写进原则而非口号。多数去味工具只解决像不像 AIno-ai-slop 同时解决像不像你——它要求先记录草稿的词汇、节奏、直率度、幽默感等 3-5 个声音信号再动刀。诚实边界。Detect 模式拒绝猜测作者这在人人都在吹AI 检测准确率的环境里近乎异类反而建立了信任。零依赖、纯提示词、MIT 许可。一个 Markdown 文件就是全部任何人可以 fork 出自己团队的版本——这也解释了它为何能在 5 天内收获数千 Star传播成本低二次开发门槛更低。热度周期预判情绪会退潮需求不会反 AI slop这波热度的结构和以往的开发者情绪周期有相似之处由标志性事件点燃Node.js 请愿、由明星项目放大no-ai-slop 冲榜、由平台跟进固化Substack 检测功能随后进入工具生态的混战期。这个阶段通常还能持续数周直到反 AI 味从话题变成默认配置。但有几个信号提示我们这波情绪比普通的抵制某工具运动更持久需求侧是长期刚需。禁 AI 代码本质上是在争论工具边界而去 AI 味是每个内容生产者每天都要面对的问题。只要 AI 写作继续免费、廉价、量大清理 AI 味的需求就不会消失——它只会从编辑模式进化成发布前检查的默认环节。供给侧在向工程化收敛。从单个 SKILL 到 Oxlint 规则、Vale 规则包、CI 门禁去味能力正在变成代码库和内容管线的一部分。当它成为检查清单而非情绪表达热度就完成了从话题到基础设施的转换。真正的风险在信任层面。一是检测功能的狼来了效应平台和工具一旦声称能识别 AI 内容误报会迅速消耗用户信任二是过度清洗的悖论——no-ai-slop 自己都承认用 AI 去 AI 味稍不留神就会把作者的声音一起抹平套娃去味AI 清洗 AI 清洗过的文本会让内容变得更空洞而不是更人性化三是讽刺性使用故意生成 slop在传播中稀释了严肃性。回到那个更根本的问题为什么AI 味会引发如此强烈的反感no-ai-slop 的 SKILL.md 里藏着一个答案——portability test。当一句话可以被移植到任何主题、任何作者、任何产品名下而毫无违和感时它就不是表达而是噪声。开发者抵制的是没有人为代码负责读者反感的是没有人为文字负责。从这个角度看反 AI slop 运动真正在捍卫的是署名背后的责任代码要有人看懂文字要有人在乎。热度终会退潮但谁对这段话负责这个问题会一直追问下去。【免费下载链接】no-ai-slopRemoves 20 patterns of AI slop from any piece of writing.项目地址: https://gitcode.com/gh_mirrors/no/no-ai-slop创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

继 Node.js 核心成员联名“封杀“AI 代码后，no-ai-slop 把反 AI 战火烧到了文章

相关推荐

YOLOv5+E_bicycle7数据集：非机动车违规停放检测实战

CanJS测试完全指南：7种技术让你有信心的测试Observable与组件

在 Turborepo 与 Yarn Berry 中开发 Next.js 应用：with-berry 示例 Web 应用实战指南

更多资讯

基于YOLO11的飞鸟检测：从STS数据集训练到部署全流程

AE Tips：用 TaoToken 统一 Key 批量获取属性表中的所有记录

烟雾明火烟火火灾数据集：VOC+YOLO双格式3000张实战指南

YOLOv8 TensorRT C++部署实战：从PyTorch到高效推理

钓鱼检测数据集全流程：VOC转YOLO与训练避坑指南

Python基础语法一站式指南：从环境搭建到项目实战

今日更新

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本周精选

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？