[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M6M41X0B7EBX42TK435DMGGR":3,"skill-same:01M6M41X0B7EBX42TK435DMGGR":250},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":15,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":20,"linkOnly":21,"markdownContent":22,"markdownBody":23,"frontMatter":24,"refName":25,"commitSha":26,"skillDirectory":27,"forksCount":13,"repositoryHtmlUrl":28,"repositoryHomepageUrl":6,"ownerHtmlUrl":29,"ownerBlogUrl":6,"ownerDescription":6,"updatedAt":30,"install":31,"resources":44},"01M6M41X0B7EBX42TK435DMGGR","shuorenhua",null,"检查和清理中英文文本里的 AI 套路，适用于“去 AI 味”“说人话”“自然一点”“别像模板”“先标问题”这类改写和审稿需求；按场景控制力度，同时保留事实、术语、语域和责任主体。","endman100\u002Fskill-router-nexus","endman100","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F31997019?v=4","01M6KPDX17BYDWW4RRB0TNGGMX","01M6KPDX64Y2QBEWVFG5W5PWPF",0,"MIT","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002FSKILL.md",[],[5,19],"文本","2026-11-10 10:12:30",false,"---\nname: shuorenhua\ndescription: 检查和清理中英文文本里的 AI 套路，适用于“去 AI 味”“说人话”“自然一点”“别像模板”“先标问题”这类改写和审稿需求；按场景控制力度，同时保留事实、术语、语域和责任主体。\n---\n\n# 说人话\n\n把文本从”像模型在表演写作”拉回”像具体人在当前场景下表达”。\n\n这份 skill 不是敏感词替换器，也不是反技术、反抽象、反专业。它的目标是减少模板感、表演感和语域漂移，同时保住事实、术语和责任主体。\n\n## When to use\n\n在下面这些需求里使用：\n\n- 用户明确说”去 AI 味””说人话””自然一点””别像模板””别太像 ChatGPT”\n- 需要改写中文或英文 `chat`、`status`、`docs`、`public-writing`\n- 需要先判断文本该轻改、中改还是重改\n\n在下面这些需求里不要硬套：\n\n- 用户要逐字翻译、保留原文风格、仿官方模板或仿特定品牌 voice\n- 文本主要是代码、日志、命令、配置、接口名、报错\n- 用户要的是事实校对，不是风格改写\n\n## Core stance\n\n- 去 AI 味，主要处理的是模板感、收束腔、虚假主语、语域混搭和表演性技术腔。\n- 保留技术性。专业词、系统主语、事故复盘用语、PRD\u002F发布说明中的术语默认可保留。\n- 优先保信息，再谈风格。任何改写都不能新增事实、删核心事实或改变责任主体。\n- 不用机械同义词替换表。默认可以删句、并句、降调、换主语、去总结式收尾；如果进入 `in-place` scope，就只做句内改写。\n- 短语表默认只列代表项，不追求穷举所有变体。遇到新口癖，先按现有模式归类，再决定要不要补词。\n\n## Execution order\n\n按固定顺序做，不要跳步：\n\n1. 判场景：`chat \u002F status \u002F docs \u002F public-writing`\n2. 查禁改项：先划 `protected spans`，看有没有必须保留的术语、系统主语、引用原文、命令或正式语体\n3. 判 Tier：`Tier 1 \u002F Tier 2 \u002F Tier 3`，按问题命中强度判断，不要把 Tier 当作改写力度\n4. 再判档位：`minimal \u002F standard \u002F aggressive`\n5. 判 scope：`structural \u002F bounded \u002F in-place`，判断这次能删到什么程度——自由删并重排、只把整句空话进删除清单、还是一句都不删\n6. 先执行本文件里的最小规则；只要环境里能读 `references\u002F`，默认继续按问题类型补看 [Protected Spans](.\u002Freferences\u002Fprotected-spans.md)、[Positive Style Contract](.\u002Freferences\u002Fpositive-style.md)、[微操作手册](.\u002Freferences\u002Foperation-manual.md)、[结构反模式](.\u002Freferences\u002Fstructures.md) 和相关短语表；如果目标是“改完能直接发”，或文本明显属于 README、release note、论坛帖、issue 回复，再补看 [Scene Packs](.\u002Freferences\u002Fscene-packs.md)、[真实样本评测](.\u002Fevals\u002Freal-samples.md) 和 [改写示例](.\u002Freferences\u002Fexamples.md)\n7. 回读拆成两步：先做保真回读，再按需做残留味回读\n8. 输出：默认只给单一推荐版本；用户明确要求“先标问题，不改写”时切到 `annotation mode`\n\n执行第 6 步时，先按“模式”处理，再按“词条”兜底：\n\n- 同一类调试腔、暴力动作腔、主动出击腔、总结提示腔，默认按同一模式处理，不要求逐词命中\n- 只有当新说法改变了误杀边界，或明显不属于现有模式时，才把它当作新增词条处理\n\n## 1. Scene detection\n\n先判主场景，再处理局部问题。混合文本只保留一个主语域，其他语域只在必要信息层面留下。\n\n### `chat`\n\n信号：\n\n- 短回复、日常对话、协作沟通、评论、即时反馈\n- 允许口语，但不该端着说话\n\n默认档位：`minimal`\n\n### `status`\n\n信号：\n\n- 站会更新、进度同步、复盘摘要、汇报式状态说明\n- 重点是时间线、动作、结果、风险\n\n默认档位：`minimal` 或 `standard`\n\n### `docs`\n\n信号：\n\n- 操作文档、技术说明、接口说明、FAQ、事故复盘\n- 重点是可检索、可复现、术语稳定\n\n默认档位：`minimal`\n\n### `public-writing`\n\n信号：\n\n- 公众号、小红书、公开帖、对外文章、观点写作\n- 重点是语域一致，不要装“有洞见”\n\n默认档位：`standard`\n\n更细的下限限制见 [场景禁改表](.\u002Freferences\u002Fscene-guardrails.md)。\n\n### Scene Packs\n\n如果文本本身命中下面任一子场景，不依赖用户是否明说，也不受主场景初判限制，都要补看 Scene Packs：\n\n- `README`：出现项目介绍、快速开始、安装方式、功能列表、README intro 等信号时，第一屏要说清“这是什么、给谁用、解决什么问题”\n- `release-note`：出现版本标题、`Release Highlights`、`Added \u002F Changed \u002F Fixed \u002F Tested`、changelog 列表等信号时，列清本版变更、验证和限制，不写发布宣言\n- `forum-post`：出现 Linux.do \u002F V2EX \u002F 社区帖 \u002F 发帖复盘等信号时，保留维护者的真实观察和社区语气，不改成公告\n- `issue-reply`：出现 issue \u002F PR 回复、bad case、复现、下一版补 benchmark 等信号时，先确认问题和下一步，不做客服式安抚\n\n子场景只负责发布目的和语气收束，不覆盖 protected spans、Tier、档位和回读规则。完整策略见 [Scene Packs](.\u002Freferences\u002Fscene-packs.md)。\n\n## 2. Single-file fallback rules\n\n只加载 `SKILL.md` 时，也必须能完成基础改写。下面这些规则默认直接生效：\n\n- 删开场套话、谄媚和元评论：例如 `值得注意的是`、`让我来为你解释`、`希望这对你有帮助`、`Great question!`\n- 删空总结和收尾腔：例如 `综上所述`、`归根结底`、`本质上`、`At the end of the day`\n- 处理二元对比骨架：`不是 X，而是 Y`、`与其 X，不如 Y` 多数删前半句，直接说 `Y`\n- 处理无源引用：`研究表明`、`数据显示`、`studies show`、`experts say` 默认按场景选择 `rewrite-safe` 或 `audit-only`；只有用户明确要保留原论证骨架时才用 `rewrite-with-placeholder`；不要补虚构来源\n- 把商业黑话和表演性技术腔改回普通动作：例如 `赋能`、`抓手`、`闭环`、`收窄`、`兜住`、`落盘`、`leverage`\n- 遇到过度接住、替用户做心理判断或身份认证式夸奖：例如 `你不是敏感`、`你只是太久没被稳稳接住了`、`你问到了问题的核心`、`顶刊作者的素养`，默认删姿态层，改回低承诺回应或具体判断；不要硬演“我懂了”\n- 发现翻译腔时，优先缩短主语和动作，少用长定语链、被动堆砌、`基于……`、`通过……来……`\n- 误杀防护优先：引用原文、命令、接口名、字段名、日志、报错、系统主语、技术报告术语默认保留\n- 中英混排句中的英文词按当前句子的实际语义判断，不机械套英文词表\n\n单文件模式只是兜底，不是完整模式。只要环境里能读 `references\u002F`，默认就继续补看对应文件；只有在 system prompt 真的只给了 `SKILL.md` 时，才退化为只按本文件做基础清理。\n\n### Unsourced citation modes\n\n处理无源引用时，固定只在这 3 种模式里选一种：\n\n- `rewrite-safe`\n  - 直接删掉 `研究表明 \u002F studies show \u002F 业内人士认为` 这类权威铺垫\n  - 只保留原文里本来就成立、且不依赖虚构来源才能成立的判断\n  - 默认用于 `chat` 和 `public-writing`\n- `audit-only`\n  - 不替作者补写来源，也不把无证据判断改写成像是已有证据\n  - 明确指出“这里缺来源\u002F缺归属”，必要时保留原句不重写\n  - 默认用于 `docs` 和 `status`\n- `rewrite-with-placeholder`\n  - 只在用户明确要求保留原结构、原语气或编辑稿框架时使用\n  - 可以写成“有研究认为……，但这里没有给出处”这类占位提醒\n  - 不能补具体机构、数据、年份、研究名称\n\n如果用户没指定模式，就按场景默认值走；如果文本跨场景，优先取更保守的 `audit-only`。\n\n## 3. Rewrite level\n\n### `minimal`\n\n适用于：文本本身基本自然，只需去掉局部模板感、收尾腔和多余修辞。\n\n默认动作：\n\n- 删掉空总结\n- 把过度抬高的语气压回常规\n- 把\"像在解释自己会写作\"的句子压回事实句\n\n### `standard`\n\n适用于：有明显 AI 腔或语域混搭，但信息骨架是好的。\n\n默认动作：\n\n- 统一语域\n- 改掉工程师表演腔、商业黑话、narrator 腔\n- 必要时并句或换主语\n\n### `aggressive`\n\n适用于：`Tier 1` 命中密集，或 `Tier 1 + Tier 2` 叠加后整段呈现强模板感或强表演感。\n\n限制：\n\n- 只有在 `Tier 1` 明显密集，或多类结构问题叠加时才允许\n- 先保护事实和术语，再做重写\n- `docs` 默认不要升到 `aggressive`\n\n## 3.5 Edit scope\n\nScope 表示这次能不能改动句子和段落结构，和 `minimal \u002F standard \u002F aggressive` 是两条轴。三档 scope 按\"能不能删整句、怎么删\"区分：`structural` 自由删并重排；`bounded` 只删\"删了不丢信息\"的整句空话，且走删除清单交用户确认；`in-place` 一句都不删。\n\n### `structural`\n\n默认 scope。适用于短文本、明确要求重写的文本、AI 味密度很高且不需要保留原节奏的文本。\n\n允许动作：\n\n- 删整句空总结\n- 合并相邻事实句\n- 轻量调整句序或段落落点\n- 按场景重写局部结构\n\n### `bounded`\n\n中文 `public-writing` 长文（约 1000 字以上）的默认 scope。目标是把整句级的 AI 味去干净，又不被 `structural` 不可控地压缩——长文走 `structural` 时缩水程度依模型而定（同一篇可能 -18%，也可能 -39%），用户无法预期；`bounded` 把\"删多少\"交还给用户。\n\n和另两档的关系：\n\n- 比 `structural` 克制：不合并相邻句、不重排段落、不删承担节奏的实句或有意重复\n- 比 `in-place` 能去味：允许删\"整句都是空话\"的句子，但不直接删，而是进删除清单交用户拍板\n\n一句能进删除清单，必须同时满足三条：\n\n1. 删掉后该段信息点不变（不带任何独有的事实、数字、判断、动作或指令）\n2. 不是相邻两实句之间的唯一过渡\n3. 命中纯空句型：空总结 \u002F 价值拔高收尾 \u002F 无源权威铺垫 \u002F 谄媚开场 \u002F 整句旁白\n\n两类动作分开走（实测依据：长文里句首引导词模型能句内清掉，但整句空话在 `in-place` 下删不掉，只会被软化成另一种说法）：\n\n- 句首可剥离的引导词（`值得一提的是 \u002F 归根到底 \u002F 这说明`）后面还跟着实质内容 → 直接句内洗，删引导词留骨架，不进清单\n- 整句都是空的，剥掉引导词就什么都不剩（无源论断、`不仅仅是……更是……` 的价值拔高）→ 进删除清单，不擅自软化成另一种说法\n\n输出：正文给句内洗后的稿，末尾附「建议删除（待确认）」清单，每条写 `原文 + 为什么删了不丢信息`。用户点头才删，长度由用户拍板。\n\n### `in-place`\n\n适用于用户明确要求\"完全原样 \u002F 一句都别删 \u002F 严格保句数\"的情况，比 `bounded` 更严：整句空话也不删，只做句内降调。\n\n默认触发条件：\n\n- 用户 prompt 明确要求保留句数、完全原样、一句不删，或反馈 `bounded` 仍删多了\n\n禁止动作：\n\n- 不删整句（即使整句是空话）\n- 不合并相邻句\n- 不重排段落\n- 不把多段压成一段\n\n允许动作：\n\n- 句内替换词或短语\n- 删除句内提示层、空泛修饰和语气垫片\n- 把句内拔高语气降回普通判断\n- 在单句内部拆短过满结构，但不改变段落顺序\n\n删短语前先做语义独立性检查：删掉短语后，剩余部分必须仍是完整、可读、没有悬空指代的陈述句。否则改用句内替换，不要硬删。遇到整句空话，保留原句并标注 `[空句，建议人工确认是否删除]`，不擅自软化成新说法。\n\n`aggressive + in-place` 可以存在，但默认先提醒用户：长文 `aggressive` 很容易明显缩水；如果用户真正要保长度，优先改成 `standard + bounded`。用户明确坚持时，再执行 `aggressive + in-place`，但仍遵守不删整句、不并句、不重排的边界。\n\n## 4. Tier severity\n\nTier 表示问题命中强度，与 [严重度分级](.\u002Freferences\u002Fseverity.md) 保持一致，不表示改写力度。\n\n### Tier 1\n\n默认替换。命中这类词或句式时，通常直接删掉或换成更具体的表达。常见类型：\n\n- 开场套话、总结式收尾、谄媚句\n- 明显商业黑话、自媒体流水线用语、表演性工程师腔\n- 过度接住式共情、替用户做心理判断、郑重预告和身份认证式夸奖\n- 英文里的 sycophantic openers、significance inflation、business jargon\n\n默认处理：局部命中用 `minimal` 或 `standard`，密集命中时可升到 `aggressive`\n\n### Tier 2\n\n单独出现可以放行，但同段聚集时是 AI 味信号。常见类型：\n\n- 高频连接词扎堆\n- 渲染性修饰词扎堆\n- 某一类姿态词在同段重复出现\n\n长度参考：短段落（\u003C 100 字\u002F词）同段 2+ 个即标记；长段落（≥ 100 字\u002F词）同段 3+ 个再标记。\n\n默认处理：保留最贴切的一个，其余改写；通常用 `minimal` 或 `standard`\n\n### Tier 3\n\n常见词本身不构成问题，只在全文密度明显过高时才处理。常见类型：\n\n- `重要 \u002F 关键 \u002F 核心 \u002F 提升`\n- `significant \u002F innovative \u002F effective`\n\n默认处理：只替换一部分重复命中，通常用 `minimal`，必要时不改\n\n## 5. No-touch and keep rules\n\n以下内容默认优先保留，除非用户明确要求改风格且改动不损害信息：\n\n- 引用原文、命令、接口名、参数名、字段名、配置项、日志、报错\n- 技术文档里的系统行为主语\n- postmortem \u002F incident \u002F PRD \u002F release note 中的专业术语\n- 承载关键事实的抽象句，即使它“有点像 AI”\n\n不要为了“像人”把文本改得更假。专业文本可以专业，关键是别模板化、别表演化。\n\n完整的保护清单见 [Protected Spans](.\u002Freferences\u002Fprotected-spans.md)。\n\n## 6. Positive style targets\n\n改写后的文本应尽量满足：\n\n- 有具体信息，不靠空洞总括撑气势\n- 有主语和动作，不靠虚假主体兜底\n- 有统一语域，不在技术腔、商业腔、自媒体腔之间跳\n- 以“可直接发”为终点，不为了更像人继续抛光到失真\n- 有节奏，但节奏来自删冗余和保留重点，不来自硬造金句\n- 有立场，但立场来自判断或事实，不来自“故作洞见”\n- 有边界，没把握就直说，不替对方做心理判断，也不硬演“我懂了”\n\n更完整的正向目标、分场景校准和“cleaner vs more human”对照见 [Positive Style Contract](.\u002Freferences\u002Fpositive-style.md)。\n\n## 7. Output contract\n\n默认输出一个推荐版本，不默认输出审稿过程、多版本比稿或逐条点评。\n\n### Annotation mode\n\n只有在用户明确要求下面这类事情时才启用：\n\n- `先别改，先标问题`\n- `这段哪里像 AI`\n- `只做诊断 \u002F 审稿 \u002F 标注`\n- `先告诉我该不该改`\n\n`annotation mode` 不直接给整段改写稿，默认只输出最重要的 1-5 个问题点。每个问题点固定包含这 4 个字段：\n\n- `问题族`：例如 `开场套话 \u002F 无源引用 \u002F 工程师腔 \u002F 语域混搭`\n- `触发点`：点明命中的词、结构或局部句子\n- `建议动作`：删掉、换成具体表达、补来源、保持不动\n- `是否建议改写`：`是 \u002F 否`\n\n额外约束：\n\n- 如果文本主要问题是“缺来源”，可以只建议补来源，不强行给改写稿\n- 如果文本落在误杀防护边界内，直接写 `是否建议改写：否`\n- 不要一边说“只标问题”，一边偷偷输出完整重写版\n- 用户没要求 `annotation mode` 时，仍然按默认改写合同输出单一推荐版本\n\n遇到无源引用时，输出必须符合所选模式：\n\n- 在 `annotation mode` 下，只输出对应的处理建议，不直接给整段改写稿\n- 在默认改写模式下，再按所选模式实际给出改写结果\n- `rewrite-safe`：建议删掉无证据权威铺垫；如果不是 `annotation mode`，再给改写结果，不补虚构来源\n- `audit-only`：优先点明缺来源、缺归属，而不是假装已经证实\n- `rewrite-with-placeholder`：允许保留论证位置，但要显式暴露“此处待补来源”；如果不是 `annotation mode`，可以给带占位提示的改写结果\n\n只有在高风险误杀时，才额外补一行极短说明，例如：\n\n- `保留了系统主语和术语，避免失真。`\n- `这里只做轻改，避免把正式公告写成口语贴。`\n\n## 8. Required reread checks\n\n提交改写前，把回读固定拆成两步，不要混着做：\n\n### Pass 1 | 保真回读\n\n先检查这 5 项：\n\n1. protected spans 是否漂了\n2. 信息是否丢失\n3. 语域是否统一\n4. 术语是否失真\n5. 删改后是否出现生硬断裂\n\n如果删掉一句后段落突然没了落点，就补一条事实句，不要补口号句。\n\n`bounded \u002F in-place` scope 下额外检查：\n\n- 信息留存优先：原文每个信息点（事实、数字、判断、动作）在输出里都要可追溯，这是硬指标\n- `in-place`：输出字数低于原文 85% 时，回退检查是否误删整句、并句或压段落（in-place 不该删任何整句）\n- `bounded`：字数会因删整句空话而下降，不设硬下限；但要确认删除清单里每条都是\"删了不丢信息\"的纯空句，没混进实句或承担节奏的重复\n- 句数变化超过约 10% 时，回退检查是否偷偷做了未经确认的 structural 改写\n- 关键事实句、转场句和承担节奏的重复句，不能因为“看起来像模板”就默认删除\n\n### Pass 2 | Residual Audit\n\n只有在第一遍已经保住事实、但读起来还有轻微 AI 味时，才做第二遍。第二遍固定只查这 5 件事：\n\n1. 开场残留：还在用 `结论先说 \u002F 直接说结论 \u002F 值得注意的是` 这类提示层\n2. 总结残留：还在用 `总的来说 \u002F 归根结底 \u002F 最终来看` 这类空收尾\n3. narrator 残留：还在解释“这说明了什么”，而不是直接说事实或判断\n4. 空泛判断残留：还在写 `方向是对的 \u002F 意义重大 \u002F 真正理解了用户`\n5. 句长过匀：每句都差不多长、差不多整齐，像被统一抛光过\n\n第二遍只允许做轻量修正：\n\n- 删一个残留开场或收尾\n- 合并两句过匀的事实句，或拆一处过满的句子\n- 把一句 narrator \u002F 空泛判断压回直接表达\n\n第二遍不要做的事：\n\n- 不重写全文\n- 不补原文没有的事实\n- 不为了“更像人”改掉术语、参数、命令、报错或责任归属\n\n场景保守策略：\n\n- `public-writing` 和 AI 味偏重的 `chat`，第二遍更常需要\n- `docs \u002F status \u002F code-context` 默认更保守；如果第二遍会让语气变口语、变广告、或影响保真，就停在第一遍\n\n## Reference navigation\n\n- 本文件可以单独兜底；完整模式默认是 `SKILL.md` + `references\u002F` 一起工作\n- 想先看“改成什么样才算更像人”：看 [Positive Style Contract](.\u002Freferences\u002Fpositive-style.md)\n- 想先看哪些数字、引用、命令、参数不能漂：看 [Protected Spans](.\u002Freferences\u002Fprotected-spans.md)\n- 想看中文高频短语：看 [中文禁用短语表](.\u002Freferences\u002Fphrases-zh.md)\n- 想看英文高频短语：看 [English Banned Phrases](.\u002Freferences\u002Fphrases-en.md)\n- 想看句子和段落层面的结构问题：看 [结构反模式](.\u002Freferences\u002Fstructures.md)\n- 想按 `Tier 1 \u002F 2 \u002F 3` 校准命中规则：看 [严重度分级](.\u002Freferences\u002Fseverity.md)\n- 遇到具体病灶怎么动手：看 [微操作手册](.\u002Freferences\u002Foperation-manual.md)\n- 想确认某个场景什么不能乱动：看 [场景禁改表](.\u002Freferences\u002Fscene-guardrails.md)\n- 想校准误杀边界或做静态回归：看 [边界案例集](.\u002Freferences\u002Fboundary-cases.md)\n- 想看真实样本评测：看 [真实样本评测](.\u002Fevals\u002Freal-samples.md)\n- 想看默认改写和 `annotation mode` 的对照：看 [改写示例](.\u002Freferences\u002Fexamples.md)\n- 想处理没收录进词表的同类变体：先看 [微操作手册](.\u002Freferences\u002Foperation-manual.md) 里的“变体归并”规则，再决定要不要补词\n\n默认做法是：先用本文件完成“场景、Tier、档位、输出合同”的主判断，再按问题类型补读 `references\u002F`；只有在单文件安装场景里，才停留在本文件的兜底规则。\n","# 说人话\n\n把文本从”像模型在表演写作”拉回”像具体人在当前场景下表达”。\n\n这份 skill 不是敏感词替换器，也不是反技术、反抽象、反专业。它的目标是减少模板感、表演感和语域漂移，同时保住事实、术语和责任主体。\n\n## When to use\n\n在下面这些需求里使用：\n\n- 用户明确说”去 AI 味””说人话””自然一点””别像模板””别太像 ChatGPT”\n- 需要改写中文或英文 `chat`、`status`、`docs`、`public-writing`\n- 需要先判断文本该轻改、中改还是重改\n\n在下面这些需求里不要硬套：\n\n- 用户要逐字翻译、保留原文风格、仿官方模板或仿特定品牌 voice\n- 文本主要是代码、日志、命令、配置、接口名、报错\n- 用户要的是事实校对，不是风格改写\n\n## Core stance\n\n- 去 AI 味，主要处理的是模板感、收束腔、虚假主语、语域混搭和表演性技术腔。\n- 保留技术性。专业词、系统主语、事故复盘用语、PRD\u002F发布说明中的术语默认可保留。\n- 优先保信息，再谈风格。任何改写都不能新增事实、删核心事实或改变责任主体。\n- 不用机械同义词替换表。默认可以删句、并句、降调、换主语、去总结式收尾；如果进入 `in-place` scope，就只做句内改写。\n- 短语表默认只列代表项，不追求穷举所有变体。遇到新口癖，先按现有模式归类，再决定要不要补词。\n\n## Execution order\n\n按固定顺序做，不要跳步：\n\n1. 判场景：`chat \u002F status \u002F docs \u002F public-writing`\n2. 查禁改项：先划 `protected spans`，看有没有必须保留的术语、系统主语、引用原文、命令或正式语体\n3. 判 Tier：`Tier 1 \u002F Tier 2 \u002F Tier 3`，按问题命中强度判断，不要把 Tier 当作改写力度\n4. 再判档位：`minimal \u002F standard \u002F aggressive`\n5. 判 scope：`structural \u002F bounded \u002F in-place`，判断这次能删到什么程度——自由删并重排、只把整句空话进删除清单、还是一句都不删\n6. 先执行本文件里的最小规则；只要环境里能读 `references\u002F`，默认继续按问题类型补看 [Protected Spans](.\u002Freferences\u002Fprotected-spans.md)、[Positive Style Contract](.\u002Freferences\u002Fpositive-style.md)、[微操作手册](.\u002Freferences\u002Foperation-manual.md)、[结构反模式](.\u002Freferences\u002Fstructures.md) 和相关短语表；如果目标是“改完能直接发”，或文本明显属于 README、release note、论坛帖、issue 回复，再补看 [Scene Packs](.\u002Freferences\u002Fscene-packs.md)、[真实样本评测](.\u002Fevals\u002Freal-samples.md) 和 [改写示例](.\u002Freferences\u002Fexamples.md)\n7. 回读拆成两步：先做保真回读，再按需做残留味回读\n8. 输出：默认只给单一推荐版本；用户明确要求“先标问题，不改写”时切到 `annotation mode`\n\n执行第 6 步时，先按“模式”处理，再按“词条”兜底：\n\n- 同一类调试腔、暴力动作腔、主动出击腔、总结提示腔，默认按同一模式处理，不要求逐词命中\n- 只有当新说法改变了误杀边界，或明显不属于现有模式时，才把它当作新增词条处理\n\n## 1. Scene detection\n\n先判主场景，再处理局部问题。混合文本只保留一个主语域，其他语域只在必要信息层面留下。\n\n### `chat`\n\n信号：\n\n- 短回复、日常对话、协作沟通、评论、即时反馈\n- 允许口语，但不该端着说话\n\n默认档位：`minimal`\n\n### `status`\n\n信号：\n\n- 站会更新、进度同步、复盘摘要、汇报式状态说明\n- 重点是时间线、动作、结果、风险\n\n默认档位：`minimal` 或 `standard`\n\n### `docs`\n\n信号：\n\n- 操作文档、技术说明、接口说明、FAQ、事故复盘\n- 重点是可检索、可复现、术语稳定\n\n默认档位：`minimal`\n\n### `public-writing`\n\n信号：\n\n- 公众号、小红书、公开帖、对外文章、观点写作\n- 重点是语域一致，不要装“有洞见”\n\n默认档位：`standard`\n\n更细的下限限制见 [场景禁改表](.\u002Freferences\u002Fscene-guardrails.md)。\n\n### Scene Packs\n\n如果文本本身命中下面任一子场景，不依赖用户是否明说，也不受主场景初判限制，都要补看 Scene Packs：\n\n- `README`：出现项目介绍、快速开始、安装方式、功能列表、README intro 等信号时，第一屏要说清“这是什么、给谁用、解决什么问题”\n- `release-note`：出现版本标题、`Release Highlights`、`Added \u002F Changed \u002F Fixed \u002F Tested`、changelog 列表等信号时，列清本版变更、验证和限制，不写发布宣言\n- `forum-post`：出现 Linux.do \u002F V2EX \u002F 社区帖 \u002F 发帖复盘等信号时，保留维护者的真实观察和社区语气，不改成公告\n- `issue-reply`：出现 issue \u002F PR 回复、bad case、复现、下一版补 benchmark 等信号时，先确认问题和下一步，不做客服式安抚\n\n子场景只负责发布目的和语气收束，不覆盖 protected spans、Tier、档位和回读规则。完整策略见 [Scene Packs](.\u002Freferences\u002Fscene-packs.md)。\n\n## 2. Single-file fallback rules\n\n只加载 `SKILL.md` 时，也必须能完成基础改写。下面这些规则默认直接生效：\n\n- 删开场套话、谄媚和元评论：例如 `值得注意的是`、`让我来为你解释`、`希望这对你有帮助`、`Great question!`\n- 删空总结和收尾腔：例如 `综上所述`、`归根结底`、`本质上`、`At the end of the day`\n- 处理二元对比骨架：`不是 X，而是 Y`、`与其 X，不如 Y` 多数删前半句，直接说 `Y`\n- 处理无源引用：`研究表明`、`数据显示`、`studies show`、`experts say` 默认按场景选择 `rewrite-safe` 或 `audit-only`；只有用户明确要保留原论证骨架时才用 `rewrite-with-placeholder`；不要补虚构来源\n- 把商业黑话和表演性技术腔改回普通动作：例如 `赋能`、`抓手`、`闭环`、`收窄`、`兜住`、`落盘`、`leverage`\n- 遇到过度接住、替用户做心理判断或身份认证式夸奖：例如 `你不是敏感`、`你只是太久没被稳稳接住了`、`你问到了问题的核心`、`顶刊作者的素养`，默认删姿态层，改回低承诺回应或具体判断；不要硬演“我懂了”\n- 发现翻译腔时，优先缩短主语和动作，少用长定语链、被动堆砌、`基于……`、`通过……来……`\n- 误杀防护优先：引用原文、命令、接口名、字段名、日志、报错、系统主语、技术报告术语默认保留\n- 中英混排句中的英文词按当前句子的实际语义判断，不机械套英文词表\n\n单文件模式只是兜底，不是完整模式。只要环境里能读 `references\u002F`，默认就继续补看对应文件；只有在 system prompt 真的只给了 `SKILL.md` 时，才退化为只按本文件做基础清理。\n\n### Unsourced citation modes\n\n处理无源引用时，固定只在这 3 种模式里选一种：\n\n- `rewrite-safe`\n  - 直接删掉 `研究表明 \u002F studies show \u002F 业内人士认为` 这类权威铺垫\n  - 只保留原文里本来就成立、且不依赖虚构来源才能成立的判断\n  - 默认用于 `chat` 和 `public-writing`\n- `audit-only`\n  - 不替作者补写来源，也不把无证据判断改写成像是已有证据\n  - 明确指出“这里缺来源\u002F缺归属”，必要时保留原句不重写\n  - 默认用于 `docs` 和 `status`\n- `rewrite-with-placeholder`\n  - 只在用户明确要求保留原结构、原语气或编辑稿框架时使用\n  - 可以写成“有研究认为……，但这里没有给出处”这类占位提醒\n  - 不能补具体机构、数据、年份、研究名称\n\n如果用户没指定模式，就按场景默认值走；如果文本跨场景，优先取更保守的 `audit-only`。\n\n## 3. Rewrite level\n\n### `minimal`\n\n适用于：文本本身基本自然，只需去掉局部模板感、收尾腔和多余修辞。\n\n默认动作：\n\n- 删掉空总结\n- 把过度抬高的语气压回常规\n- 把\"像在解释自己会写作\"的句子压回事实句\n\n### `standard`\n\n适用于：有明显 AI 腔或语域混搭，但信息骨架是好的。\n\n默认动作：\n\n- 统一语域\n- 改掉工程师表演腔、商业黑话、narrator 腔\n- 必要时并句或换主语\n\n### `aggressive`\n\n适用于：`Tier 1` 命中密集，或 `Tier 1 + Tier 2` 叠加后整段呈现强模板感或强表演感。\n\n限制：\n\n- 只有在 `Tier 1` 明显密集，或多类结构问题叠加时才允许\n- 先保护事实和术语，再做重写\n- `docs` 默认不要升到 `aggressive`\n\n## 3.5 Edit scope\n\nScope 表示这次能不能改动句子和段落结构，和 `minimal \u002F standard \u002F aggressive` 是两条轴。三档 scope 按\"能不能删整句、怎么删\"区分：`structural` 自由删并重排；`bounded` 只删\"删了不丢信息\"的整句空话，且走删除清单交用户确认；`in-place` 一句都不删。\n\n### `structural`\n\n默认 scope。适用于短文本、明确要求重写的文本、AI 味密度很高且不需要保留原节奏的文本。\n\n允许动作：\n\n- 删整句空总结\n- 合并相邻事实句\n- 轻量调整句序或段落落点\n- 按场景重写局部结构\n\n### `bounded`\n\n中文 `public-writing` 长文（约 1000 字以上）的默认 scope。目标是把整句级的 AI 味去干净，又不被 `structural` 不可控地压缩——长文走 `structural` 时缩水程度依模型而定（同一篇可能 -18%，也可能 -39%），用户无法预期；`bounded` 把\"删多少\"交还给用户。\n\n和另两档的关系：\n\n- 比 `structural` 克制：不合并相邻句、不重排段落、不删承担节奏的实句或有意重复\n- 比 `in-place` 能去味：允许删\"整句都是空话\"的句子，但不直接删，而是进删除清单交用户拍板\n\n一句能进删除清单，必须同时满足三条：\n\n1. 删掉后该段信息点不变（不带任何独有的事实、数字、判断、动作或指令）\n2. 不是相邻两实句之间的唯一过渡\n3. 命中纯空句型：空总结 \u002F 价值拔高收尾 \u002F 无源权威铺垫 \u002F 谄媚开场 \u002F 整句旁白\n\n两类动作分开走（实测依据：长文里句首引导词模型能句内清掉，但整句空话在 `in-place` 下删不掉，只会被软化成另一种说法）：\n\n- 句首可剥离的引导词（`值得一提的是 \u002F 归根到底 \u002F 这说明`）后面还跟着实质内容 → 直接句内洗，删引导词留骨架，不进清单\n- 整句都是空的，剥掉引导词就什么都不剩（无源论断、`不仅仅是……更是……` 的价值拔高）→ 进删除清单，不擅自软化成另一种说法\n\n输出：正文给句内洗后的稿，末尾附「建议删除（待确认）」清单，每条写 `原文 + 为什么删了不丢信息`。用户点头才删，长度由用户拍板。\n\n### `in-place`\n\n适用于用户明确要求\"完全原样 \u002F 一句都别删 \u002F 严格保句数\"的情况，比 `bounded` 更严：整句空话也不删，只做句内降调。\n\n默认触发条件：\n\n- 用户 prompt 明确要求保留句数、完全原样、一句不删，或反馈 `bounded` 仍删多了\n\n禁止动作：\n\n- 不删整句（即使整句是空话）\n- 不合并相邻句\n- 不重排段落\n- 不把多段压成一段\n\n允许动作：\n\n- 句内替换词或短语\n- 删除句内提示层、空泛修饰和语气垫片\n- 把句内拔高语气降回普通判断\n- 在单句内部拆短过满结构，但不改变段落顺序\n\n删短语前先做语义独立性检查：删掉短语后，剩余部分必须仍是完整、可读、没有悬空指代的陈述句。否则改用句内替换，不要硬删。遇到整句空话，保留原句并标注 `[空句，建议人工确认是否删除]`，不擅自软化成新说法。\n\n`aggressive + in-place` 可以存在，但默认先提醒用户：长文 `aggressive` 很容易明显缩水；如果用户真正要保长度，优先改成 `standard + bounded`。用户明确坚持时，再执行 `aggressive + in-place`，但仍遵守不删整句、不并句、不重排的边界。\n\n## 4. Tier severity\n\nTier 表示问题命中强度，与 [严重度分级](.\u002Freferences\u002Fseverity.md) 保持一致，不表示改写力度。\n\n### Tier 1\n\n默认替换。命中这类词或句式时，通常直接删掉或换成更具体的表达。常见类型：\n\n- 开场套话、总结式收尾、谄媚句\n- 明显商业黑话、自媒体流水线用语、表演性工程师腔\n- 过度接住式共情、替用户做心理判断、郑重预告和身份认证式夸奖\n- 英文里的 sycophantic openers、significance inflation、business jargon\n\n默认处理：局部命中用 `minimal` 或 `standard`，密集命中时可升到 `aggressive`\n\n### Tier 2\n\n单独出现可以放行，但同段聚集时是 AI 味信号。常见类型：\n\n- 高频连接词扎堆\n- 渲染性修饰词扎堆\n- 某一类姿态词在同段重复出现\n\n长度参考：短段落（\u003C 100 字\u002F词）同段 2+ 个即标记；长段落（≥ 100 字\u002F词）同段 3+ 个再标记。\n\n默认处理：保留最贴切的一个，其余改写；通常用 `minimal` 或 `standard`\n\n### Tier 3\n\n常见词本身不构成问题，只在全文密度明显过高时才处理。常见类型：\n\n- `重要 \u002F 关键 \u002F 核心 \u002F 提升`\n- `significant \u002F innovative \u002F effective`\n\n默认处理：只替换一部分重复命中，通常用 `minimal`，必要时不改\n\n## 5. No-touch and keep rules\n\n以下内容默认优先保留，除非用户明确要求改风格且改动不损害信息：\n\n- 引用原文、命令、接口名、参数名、字段名、配置项、日志、报错\n- 技术文档里的系统行为主语\n- postmortem \u002F incident \u002F PRD \u002F release note 中的专业术语\n- 承载关键事实的抽象句，即使它“有点像 AI”\n\n不要为了“像人”把文本改得更假。专业文本可以专业，关键是别模板化、别表演化。\n\n完整的保护清单见 [Protected Spans](.\u002Freferences\u002Fprotected-spans.md)。\n\n## 6. Positive style targets\n\n改写后的文本应尽量满足：\n\n- 有具体信息，不靠空洞总括撑气势\n- 有主语和动作，不靠虚假主体兜底\n- 有统一语域，不在技术腔、商业腔、自媒体腔之间跳\n- 以“可直接发”为终点，不为了更像人继续抛光到失真\n- 有节奏，但节奏来自删冗余和保留重点，不来自硬造金句\n- 有立场，但立场来自判断或事实，不来自“故作洞见”\n- 有边界，没把握就直说，不替对方做心理判断，也不硬演“我懂了”\n\n更完整的正向目标、分场景校准和“cleaner vs more human”对照见 [Positive Style Contract](.\u002Freferences\u002Fpositive-style.md)。\n\n## 7. Output contract\n\n默认输出一个推荐版本，不默认输出审稿过程、多版本比稿或逐条点评。\n\n### Annotation mode\n\n只有在用户明确要求下面这类事情时才启用：\n\n- `先别改，先标问题`\n- `这段哪里像 AI`\n- `只做诊断 \u002F 审稿 \u002F 标注`\n- `先告诉我该不该改`\n\n`annotation mode` 不直接给整段改写稿，默认只输出最重要的 1-5 个问题点。每个问题点固定包含这 4 个字段：\n\n- `问题族`：例如 `开场套话 \u002F 无源引用 \u002F 工程师腔 \u002F 语域混搭`\n- `触发点`：点明命中的词、结构或局部句子\n- `建议动作`：删掉、换成具体表达、补来源、保持不动\n- `是否建议改写`：`是 \u002F 否`\n\n额外约束：\n\n- 如果文本主要问题是“缺来源”，可以只建议补来源，不强行给改写稿\n- 如果文本落在误杀防护边界内，直接写 `是否建议改写：否`\n- 不要一边说“只标问题”，一边偷偷输出完整重写版\n- 用户没要求 `annotation mode` 时，仍然按默认改写合同输出单一推荐版本\n\n遇到无源引用时，输出必须符合所选模式：\n\n- 在 `annotation mode` 下，只输出对应的处理建议，不直接给整段改写稿\n- 在默认改写模式下，再按所选模式实际给出改写结果\n- `rewrite-safe`：建议删掉无证据权威铺垫；如果不是 `annotation mode`，再给改写结果，不补虚构来源\n- `audit-only`：优先点明缺来源、缺归属，而不是假装已经证实\n- `rewrite-with-placeholder`：允许保留论证位置，但要显式暴露“此处待补来源”；如果不是 `annotation mode`，可以给带占位提示的改写结果\n\n只有在高风险误杀时，才额外补一行极短说明，例如：\n\n- `保留了系统主语和术语，避免失真。`\n- `这里只做轻改，避免把正式公告写成口语贴。`\n\n## 8. Required reread checks\n\n提交改写前，把回读固定拆成两步，不要混着做：\n\n### Pass 1 | 保真回读\n\n先检查这 5 项：\n\n1. protected spans 是否漂了\n2. 信息是否丢失\n3. 语域是否统一\n4. 术语是否失真\n5. 删改后是否出现生硬断裂\n\n如果删掉一句后段落突然没了落点，就补一条事实句，不要补口号句。\n\n`bounded \u002F in-place` scope 下额外检查：\n\n- 信息留存优先：原文每个信息点（事实、数字、判断、动作）在输出里都要可追溯，这是硬指标\n- `in-place`：输出字数低于原文 85% 时，回退检查是否误删整句、并句或压段落（in-place 不该删任何整句）\n- `bounded`：字数会因删整句空话而下降，不设硬下限；但要确认删除清单里每条都是\"删了不丢信息\"的纯空句，没混进实句或承担节奏的重复\n- 句数变化超过约 10% 时，回退检查是否偷偷做了未经确认的 structural 改写\n- 关键事实句、转场句和承担节奏的重复句，不能因为“看起来像模板”就默认删除\n\n### Pass 2 | Residual Audit\n\n只有在第一遍已经保住事实、但读起来还有轻微 AI 味时，才做第二遍。第二遍固定只查这 5 件事：\n\n1. 开场残留：还在用 `结论先说 \u002F 直接说结论 \u002F 值得注意的是` 这类提示层\n2. 总结残留：还在用 `总的来说 \u002F 归根结底 \u002F 最终来看` 这类空收尾\n3. narrator 残留：还在解释“这说明了什么”，而不是直接说事实或判断\n4. 空泛判断残留：还在写 `方向是对的 \u002F 意义重大 \u002F 真正理解了用户`\n5. 句长过匀：每句都差不多长、差不多整齐，像被统一抛光过\n\n第二遍只允许做轻量修正：\n\n- 删一个残留开场或收尾\n- 合并两句过匀的事实句，或拆一处过满的句子\n- 把一句 narrator \u002F 空泛判断压回直接表达\n\n第二遍不要做的事：\n\n- 不重写全文\n- 不补原文没有的事实\n- 不为了“更像人”改掉术语、参数、命令、报错或责任归属\n\n场景保守策略：\n\n- `public-writing` 和 AI 味偏重的 `chat`，第二遍更常需要\n- `docs \u002F status \u002F code-context` 默认更保守；如果第二遍会让语气变口语、变广告、或影响保真，就停在第一遍\n\n## Reference navigation\n\n- 本文件可以单独兜底；完整模式默认是 `SKILL.md` + `references\u002F` 一起工作\n- 想先看“改成什么样才算更像人”：看 [Positive Style Contract](.\u002Freferences\u002Fpositive-style.md)\n- 想先看哪些数字、引用、命令、参数不能漂：看 [Protected Spans](.\u002Freferences\u002Fprotected-spans.md)\n- 想看中文高频短语：看 [中文禁用短语表](.\u002Freferences\u002Fphrases-zh.md)\n- 想看英文高频短语：看 [English Banned Phrases](.\u002Freferences\u002Fphrases-en.md)\n- 想看句子和段落层面的结构问题：看 [结构反模式](.\u002Freferences\u002Fstructures.md)\n- 想按 `Tier 1 \u002F 2 \u002F 3` 校准命中规则：看 [严重度分级](.\u002Freferences\u002Fseverity.md)\n- 遇到具体病灶怎么动手：看 [微操作手册](.\u002Freferences\u002Foperation-manual.md)\n- 想确认某个场景什么不能乱动：看 [场景禁改表](.\u002Freferences\u002Fscene-guardrails.md)\n- 想校准误杀边界或做静态回归：看 [边界案例集](.\u002Freferences\u002Fboundary-cases.md)\n- 想看真实样本评测：看 [真实样本评测](.\u002Fevals\u002Freal-samples.md)\n- 想看默认改写和 `annotation mode` 的对照：看 [改写示例](.\u002Freferences\u002Fexamples.md)\n- 想处理没收录进词表的同类变体：先看 [微操作手册](.\u002Freferences\u002Foperation-manual.md) 里的“变体归并”规则，再决定要不要补词\n\n默认做法是：先用本文件完成“场景、Tier、档位、输出合同”的主判断，再按问题类型补读 `references\u002F`；只有在单文件安装场景里，才停留在本文件的兜底规则。\n",{"name":5,"description":7},"main","f19b254e8975d0bfddb394686706106930d7964d","Writing-and-Content\u002Fshuorenhua","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus","https:\u002F\u002Fgithub.com\u002Fendman100","2026-11-12 18:13:37",{"source":8,"skillName":5,"commands":32,"prompt":42,"zipAvailable":43},[33,36,39],{"tool":34,"command":35},"npx","npx skills add endman100\u002Fskill-router-nexus --skill shuorenhua",{"tool":37,"command":38},"bunx","bunx skills add endman100\u002Fskill-router-nexus --skill shuorenhua",{"tool":40,"command":41},"pnpm","pnpm dlx skills add endman100\u002Fskill-router-nexus --skill shuorenhua","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002FSKILL.md",true,[45,51,57,61,67,70,74,78,82,86,90,94,98,102,106,110,114,118,122,126,130,134,138,142,146,150,154,158,162,166,170,174,178,182,186,190,194,198,202,206,210,214,218,222,226,230,234,238,242,246],{"path":46,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":49,"sourceHtmlUrl":50},".github\u002FISSUE_TEMPLATE\u002Fbad-case.md","REFERENCE","参考文档",995,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002F.github\u002FISSUE_TEMPLATE\u002Fbad-case.md",{"path":52,"resourceType":53,"resourceTypeDesc":54,"sizeBytes":55,"sourceHtmlUrl":56},".gitignore","OTHER","其他",17,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002F.gitignore",{"path":58,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":59,"sourceHtmlUrl":60},"AGENTS.md",571,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002FAGENTS.md",{"path":62,"resourceType":63,"resourceTypeDesc":64,"sizeBytes":65,"sourceHtmlUrl":66},"assets\u002Fbanner-dark.svg","ASSET","资产文件",49295,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fassets\u002Fbanner-dark.svg",{"path":68,"resourceType":63,"resourceTypeDesc":64,"sizeBytes":65,"sourceHtmlUrl":69},"assets\u002Fbanner-light.svg","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fassets\u002Fbanner-light.svg",{"path":71,"resourceType":63,"resourceTypeDesc":64,"sizeBytes":72,"sourceHtmlUrl":73},"assets\u002Ficon-hd.png",1032386,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fassets\u002Ficon-hd.png",{"path":75,"resourceType":63,"resourceTypeDesc":64,"sizeBytes":76,"sourceHtmlUrl":77},"assets\u002Ficon.png",304613,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fassets\u002Ficon.png",{"path":79,"resourceType":63,"resourceTypeDesc":64,"sizeBytes":80,"sourceHtmlUrl":81},"assets\u002Freadme-logo.png",175768,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fassets\u002Freadme-logo.png",{"path":83,"resourceType":63,"resourceTypeDesc":64,"sizeBytes":84,"sourceHtmlUrl":85},"assets\u002Fsocial-card.png",85203,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fassets\u002Fsocial-card.png",{"path":87,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":88,"sourceHtmlUrl":89},"automation\u002Feval\u002Fjudge-prompt.md",2728,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fautomation\u002Feval\u002Fjudge-prompt.md",{"path":91,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":92,"sourceHtmlUrl":93},"automation\u002Feval\u002FREADME.md",6183,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fautomation\u002Feval\u002FREADME.md",{"path":95,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":96,"sourceHtmlUrl":97},"automation\u002Feval\u002Frewrite-prompt.md",3629,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fautomation\u002Feval\u002Frewrite-prompt.md",{"path":99,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":100,"sourceHtmlUrl":101},"automation\u002Fintake-prompt.md",2956,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fautomation\u002Fintake-prompt.md",{"path":103,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":104,"sourceHtmlUrl":105},"automation\u002Fintake.md",4453,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fautomation\u002Fintake.md",{"path":107,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":108,"sourceHtmlUrl":109},"automation\u002FREADME.md",3642,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fautomation\u002FREADME.md",{"path":111,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":112,"sourceHtmlUrl":113},"CHANGELOG.md",39716,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002FCHANGELOG.md",{"path":115,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":116,"sourceHtmlUrl":117},"CLAUDE.md",9,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002FCLAUDE.md",{"path":119,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":120,"sourceHtmlUrl":121},"CONTRIBUTING.md",7654,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002FCONTRIBUTING.md",{"path":123,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":124,"sourceHtmlUrl":125},"evals\u002Fbenchmark.md",44672,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Fbenchmark.md",{"path":127,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":128,"sourceHtmlUrl":129},"evals\u002Freal-samples.md",35256,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Freal-samples.md",{"path":131,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":132,"sourceHtmlUrl":133},"evals\u002Fresults-v1.3.0.md",3587,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Fresults-v1.3.0.md",{"path":135,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":136,"sourceHtmlUrl":137},"evals\u002Fresults-v1.4.3.md",4325,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Fresults-v1.4.3.md",{"path":139,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":140,"sourceHtmlUrl":141},"evals\u002Fresults-v1.5.0.md",5562,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Fresults-v1.5.0.md",{"path":143,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":144,"sourceHtmlUrl":145},"evals\u002Fresults-v1.7.1.md",6959,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Fresults-v1.7.1.md",{"path":147,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":148,"sourceHtmlUrl":149},"evals\u002Fresults-v1.7.4.md",10405,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Fresults-v1.7.4.md",{"path":151,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":152,"sourceHtmlUrl":153},"evals\u002Fresults-v1.8.0.md",3540,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Fresults-v1.8.0.md",{"path":155,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":156,"sourceHtmlUrl":157},"evals\u002Fresults-v1.8.3.md",3382,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Fresults-v1.8.3.md",{"path":159,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":160,"sourceHtmlUrl":161},"evals\u002Fresults-v1.8.5.md",4213,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Fresults-v1.8.5.md",{"path":163,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":164,"sourceHtmlUrl":165},"evals\u002Fresults-v1.8.6.md",3970,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Fresults-v1.8.6.md",{"path":167,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":168,"sourceHtmlUrl":169},"evals\u002Fresults-v1.9.0.md",6950,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Fresults-v1.9.0.md",{"path":171,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":172,"sourceHtmlUrl":173},"evals\u002Frun-eval.md",8265,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Fevals\u002Frun-eval.md",{"path":175,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":176,"sourceHtmlUrl":177},"install\u002Fchatgpt-gpt-instructions.md",1697,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Finstall\u002Fchatgpt-gpt-instructions.md",{"path":179,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":180,"sourceHtmlUrl":181},"install\u002Fchatgpt.md",4398,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Finstall\u002Fchatgpt.md",{"path":183,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":184,"sourceHtmlUrl":185},"install\u002Fclaude-code.md",3693,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Finstall\u002Fclaude-code.md",{"path":187,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":188,"sourceHtmlUrl":189},"install\u002Fcodex.md",3727,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Finstall\u002Fcodex.md",{"path":191,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":192,"sourceHtmlUrl":193},"install\u002Fcursor.md",2805,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Finstall\u002Fcursor.md",{"path":195,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":196,"sourceHtmlUrl":197},"install\u002Fopenclaw.md",3118,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Finstall\u002Fopenclaw.md",{"path":199,"resourceType":199,"resourceTypeDesc":200,"sizeBytes":201,"sourceHtmlUrl":15},"LICENSE","许可证",1065,{"path":203,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":204,"sourceHtmlUrl":205},"README.md",13293,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002FREADME.md",{"path":207,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":208,"sourceHtmlUrl":209},"references\u002Fboundary-cases.md",8849,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Freferences\u002Fboundary-cases.md",{"path":211,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":212,"sourceHtmlUrl":213},"references\u002Fexamples.md",12519,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Freferences\u002Fexamples.md",{"path":215,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":216,"sourceHtmlUrl":217},"references\u002Foperation-manual.md",15687,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Freferences\u002Foperation-manual.md",{"path":219,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":220,"sourceHtmlUrl":221},"references\u002Fphrases-en.md",3720,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Freferences\u002Fphrases-en.md",{"path":223,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":224,"sourceHtmlUrl":225},"references\u002Fphrases-zh.md",12307,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Freferences\u002Fphrases-zh.md",{"path":227,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":228,"sourceHtmlUrl":229},"references\u002Fpositive-style.md",6881,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Freferences\u002Fpositive-style.md",{"path":231,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":232,"sourceHtmlUrl":233},"references\u002Fprotected-spans.md",4399,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Freferences\u002Fprotected-spans.md",{"path":235,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":236,"sourceHtmlUrl":237},"references\u002Fscene-guardrails.md",3409,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Freferences\u002Fscene-guardrails.md",{"path":239,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":240,"sourceHtmlUrl":241},"references\u002Fscene-packs.md",5799,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Freferences\u002Fscene-packs.md",{"path":243,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":244,"sourceHtmlUrl":245},"references\u002Fseverity.md",4401,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Freferences\u002Fseverity.md",{"path":247,"resourceType":47,"resourceTypeDesc":48,"sizeBytes":248,"sourceHtmlUrl":249},"references\u002Fstructures.md",7418,"https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fshuorenhua\u002Freferences\u002Fstructures.md",[251,275,313,336,360,373],{"skillNo":252,"name":253,"nameZh":6,"description":254,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":255,"sourceHtmlUrl":256,"categories":257,"keywords":263,"publishedAt":20},"01M6MPCT5BXVER8HQZTW3QE9AS","create-master","基于佛教经典文献，生成特定高僧大德的 AI 教学角色","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FMetaphysics-and-Spirituality\u002FMaster-skill\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FMetaphysics-and-Spirituality\u002FMaster-skill\u002FSKILL.md",[258],{"categoryNo":259,"categoryName":260,"taxonomyType":261,"taxonomyTypeDesc":262},"01JBSEEDCAT000000000000039","教师与教育","PROFESSION","适用职业",[264,265,266,267,268,269,270,271,272,273,274],"create","master","create master","Bash","生成","grep","read","write","edit","webfetch","true",{"skillNo":276,"name":277,"nameZh":6,"description":278,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":279,"sourceHtmlUrl":280,"categories":281,"keywords":293,"publishedAt":20},"01M6M43AKE95Y64E1JRXEF5QQ3","writing-dna-skill","从至少 20 篇完整文章中蒸馏可复用的写作 DNA，分析语言、文章结构、选题逻辑、素材策略、认知框架和视觉风格，并生成 Writing-DNA.md；按该 DNA 写作时会读取全部蒸馏产物和 5 篇相关原文。用于中英文作者、账号、品牌或出版物的风格分析与一致性写作。 Distill reusable Writing DNA from at least 20 complete articles for Chinese or English authors, publications, brands, and accounts; use for language, structure, topic logic, source strategy, cognitive-frame, and visual-style analysis.","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fwriting-dna-skill\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fwriting-dna-skill\u002FSKILL.md",[282,287,290],{"categoryNo":283,"categoryName":284,"taxonomyType":285,"taxonomyTypeDesc":286},"01JBSEEDCAT000000000000018","写作与文案","SCENARIO","使用场景",{"categoryNo":288,"categoryName":289,"taxonomyType":285,"taxonomyTypeDesc":286},"01JBSEEDCAT000000000000023","Skill与智能体开发",{"categoryNo":291,"categoryName":292,"taxonomyType":261,"taxonomyTypeDesc":262},"01JBSEEDCAT000000000000036","内容创作者",[294,295,296,297,268,298,299,300,301,302,303,304,305,306,307,308,309,310,311,312],"writing","DNA","writing dna skill","analysis","distill","strategy","use","reusable","chinese","structure","visual","logic","english","style","complete","at","for","source","frame",{"skillNo":314,"name":315,"nameZh":6,"description":316,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":317,"sourceHtmlUrl":318,"categories":319,"keywords":322,"publishedAt":20},"01M6M428TTCGQ4ME3KY99VN037","stop-slop","Remove AI writing patterns from prose. Use when drafting, editing, or reviewing text to eliminate predictable AI tells.","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fstop-slop\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fstop-slop\u002FSKILL.md",[320,321],{"categoryNo":283,"categoryName":284,"taxonomyType":285,"taxonomyTypeDesc":286},{"categoryNo":291,"categoryName":292,"taxonomyType":261,"taxonomyTypeDesc":262},[323,324,325,294,326,327,328,329,330,300,331,332,333,310,334,335],"stop","stop slop","slop","content","https","text","editing","remove","prose","patterns","drafts","when","drafting",{"skillNo":337,"name":338,"nameZh":6,"description":339,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":340,"sourceHtmlUrl":341,"categories":342,"keywords":343,"publishedAt":20},"01M6M3ZD12WBEW5KXKDM4N6DFG","naming","Name products, SaaS, brands, open source projects, bots, and apps. Use when the user needs to name something, find a brand name, or pick a product name. Metaphor-driven process that produces memorable, meaningful names and avoids AI slop.","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fnaming-main\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fnaming-main\u002FSKILL.md",[],[338,344,345,346,347,267,348,349,350,351,352,270,353,300,354,355,356,357,311,325,358,359,334],"product","open source","saas","open","projects","gh","pick","brand","repo","view","bots","apps","product name","websearch","ai slop","describe",{"skillNo":361,"name":362,"nameZh":6,"description":363,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":364,"sourceHtmlUrl":365,"categories":366,"keywords":368,"publishedAt":20},"01M6M3YVXAFAAWJ7F6JMPFREYE","humanizer-zh","去除文本中的 AI 生成痕迹。适用于编辑或审阅文本，使其听起来更自然、更像人类书写。\n基于维基百科的\"AI 写作特征\"综合指南。检测并修复以下模式：夸大的象征意义、\n宣传性语言、以 -ing 结尾的肤浅分析、模糊的归因、破折号过度使用、三段式法则、\nAI 词汇、否定式排比、过多的连接性短语。","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fhumanizer-zh\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fhumanizer-zh\u002FSKILL.md",[367],{"categoryNo":283,"categoryName":284,"taxonomyType":285,"taxonomyTypeDesc":286},[369,370,371,294,268,19,372,270,271,272,323,325],"humanizer","zh","humanizer zh","翻译",{"skillNo":374,"name":375,"nameZh":6,"description":376,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":377,"sourceHtmlUrl":378,"categories":379,"keywords":383,"publishedAt":20},"01M6M3W9VA8PSN9V737MHKH9CN","awesome-anti-ai-slop","Use this skill when evaluating, selecting, or comparing tools and workflows that reduce low-quality AI-generated writing, code, PRs, frontend UI, design, or team process artifacts. Provides a curated anti-AI-slop directory, starter stacks, evaluation criteria, and references for text, Chinese writing, academic writing, frontend taste, code quality, and governance workflows.","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fawesome-anti-ai-slop\u002FLICENSE","https:\u002F\u002Fgithub.com\u002Fendman100\u002Fskill-router-nexus\u002Fblob\u002Fmain\u002FWriting-and-Content\u002Fawesome-anti-ai-slop\u002FSKILL.md",[380],{"categoryNo":381,"categoryName":382,"taxonomyType":285,"taxonomyTypeDesc":286},"01JBSEEDCAT000000000000009","前端开发",[325,384,358,385,386,387,294,388,389,390,391,392,328,393,300,302,394,395,310,396,397,398,334],"awesome anti ai slop","anti ai slop","frontend","design","workflows","code quality","code","artifacts","team","generated","Anti-AI","frontend taste","reduce","prs","anti-ai-slop"]