移除正體中文（台灣）文章裡的 AI 味，並把中國用語校正成台灣慣用語。
本專案以 hardikpandya/stop-slop 的方法論為基礎，參考 Humanizer-zh-TW 的正體中文 AI 模式與人味概念，並結合 taiwan.md 的用語對照資料。針對中文語料中的寫作模式重新實作，再加入台灣用語、保真流程與確定性排版工具，沒有照抄或直譯任何一份來源。
英文 stop-slop 抓的是 "Here's the thing"、"not just X but Y"、em dash 濫用這類英文模式，直譯到中文沒有用。中文 AI 有自己的 tell：「不僅僅是 X，更是 Y」「值得注意的是」「賦能／抓手／閉環」、四字成語排比、「首先…其次…最後」骨架。
還有一層是歐化語法／翻譯腔——句法結構本身像翻譯，即使一個塑膠句都沒有。「透過…我們可以」「對於…來說」「使得」「…之一」「們」濫用，這些是中文 AI 最深的水印。一篇文章可以零塑膠卻整篇歐化。
而且台灣讀者看到的 AI 味，很多其實就是中國用語滲漏（視頻、代碼、賦能）。所以「除 AI 味」「去翻譯腔」與「正台灣用語」這三層會互相強化——這正是把 stop-slop 與 taiwan-md 結合的意義。
stop-slop-zh-tw/
├── SKILL.md # 核心規則
├── references/
│ ├── phrases.md # 中文 AI 贅詞、中國網路常用語、套話
│ ├── structures.md # 中文結構性陳腔濫調 + 歐化語法／翻譯腔
│ ├── terminology.md # 同形詞判斷 + 最高頻保底表 + 掃描器用法
│ ├── editing-workflow.md # 審閱模式、長文防縮水、保真與人味邊界
│ ├── typography.md # 中文全形標點、英文半形標點與中英空格
│ └── examples.md # before/after 改寫範例
├── data/
│ ├── terms.json # 完整用語詞庫（機器讀，不進 context）
│ └── term-sources.json # 詞條來源 ID、授權與追蹤限制
├── scripts/
│ ├── zh-tw-terms.mjs # 台灣用語掃描器（Node，零依賴）
│ ├── zh-tw-typography.mjs # 台灣中文排版檢查與安全修正
│ ├── text-regions.mjs # Markdown／URL／程式碼共用保護區
│ ├── file-utils.mjs # 原子寫回工具
│ ├── validate-terms.mjs # 詞庫結構與比對安全性驗證
│ └── build-terms.mjs # 從授權相容來源產生候選詞（供人工審）
├── tests/
│ ├── zh-tw-terms.test.mjs # 掃描器與詞庫回歸測試
│ ├── text-regions.test.mjs
│ └── zh-tw-typography.test.mjs
├── agents/openai.yaml # Codex skill 介面資訊
├── evals/ # 長文端對端驗證與可重現腳本
├── LICENSES/ # 第三方 MIT 授權文字
├── package.json # 公開驗證命令與 Node.js 需求
├── README.md
└── NOTICE.md # 授權與出處
- Node.js 18 以上；CI 會測試 Node.js 18、20、22。
- 執行期不需要第三方 npm 套件，也不需要先跑
npm install。 - 支援 Windows、macOS 與 Linux；文字檔統一使用 UTF-8 和 LF。
package.json只提供驗證命令，本專案不發布成 npm package。
skill 的安裝位置有兩種慣例：.agents/skills/ 是跨工具通用路徑，Codex 直接掃描；.claude/skills/ 是 Claude Code 專屬路徑。Claude Code 目前只讀後者，所以想讓一份檔案兩邊共用，就把資料夾放在 .agents/skills/，再從 .claude/skills/ 建連結指過去。
只用 Claude Code： 把整個資料夾放進專案的 .claude/skills/，Claude Code 會自動載入，不必額外設定。
你的專案/
└── .claude/
└── skills/
└── stop-slop-zh-tw/ ← 放這裡即可
跨工具共用（Claude Code、Codex 與其他支援 Agent Skills 的工具）： 資料夾放 .agents/skills/，再讓 .claude/skills/ 連過去。
你的專案/
├── .agents/
│ └── skills/
│ └── stop-slop-zh-tw/ ← 資料夾放這裡
└── .claude/
└── skills/
└── stop-slop-zh-tw ← 連結指向上面
# macOS / Linux
mkdir -p .claude/skills
ln -s ../../.agents/skills/stop-slop-zh-tw .claude/skills/stop-slop-zh-tw# Windows（建 junction 指向實際位置）
New-Item -ItemType Directory -Force -Path ".claude\skills" | Out-Null
New-Item -ItemType Junction `
-Path "$PWD\.claude\skills\stop-slop-zh-tw" `
-Target "$PWD\.agents\skills\stop-slop-zh-tw"全域使用（所有專案共用）： Claude Code 讀 ~/.claude/skills/，Codex 與其他工具讀 ~/.agents/skills/；也可以只放一份，另一邊建連結指向它。
# macOS / Linux
ln -s "$(pwd)/stop-slop-zh-tw" ~/.claude/skills/stop-slop-zh-tw# Windows（建 junction 指向實際位置）
New-Item -ItemType Junction `
-Path "$env:USERPROFILE\.claude\skills\stop-slop-zh-tw" `
-Target "D:\path\to\your-project\.agents\skills\stop-slop-zh-tw"Codex： 掃描順序是 $CWD/.agents/skills、沿路往上到 $REPO_ROOT/.agents/skills、$HOME/.agents/skills、/etc/codex/skills，最後是內建 skill。放進其中一層即可，不需要設定 CODEX_HOME。
Claude Projects： 把 SKILL.md 與 references 上傳到專案知識。
API / 系統提示： 把 SKILL.md 放進 system prompt，references 按需載入。
若只建立最小執行安裝，保留 SKILL.md、agents/、references/、data/、scripts/ 即可。重新散布時仍須一併保留 LICENSE、LICENSES/ 與 NOTICE.md；tests/、evals/ 和 plans/ 是維護與驗證資料，不是 skill 執行期依賴。
裝好之後，在 Claude Code 撰寫或貼上中文時會自動相關，你也可以直接下指令。常見用法：
| 你想做的事 | 這樣說 |
|---|---|
| 改寫一段 | 「用 stop-slop-zh-tw 幫我改這段」 |
| 審閱整篇草稿 | 「這篇有沒有 AI 味？照 stop-slop-zh-tw 抓一遍」 |
| 只找問題、不改稿 | 「只標出有 AI 味的地方，先不要改」 |
| 只校正台灣用語 | 「幫我把這段的中國用語校正成台灣用語」 |
| 只檢查排版 | 「檢查中文標點和中英文空格，不要改內容」 |
| 要分數 | 「依 stop-slop-zh-tw 的六維評分，並指出最該改的三處」 |
它會做三層處理：
- 除 AI 味 — 砍開場清喉嚨、贅詞、公式化結構（「不僅僅是 X，更是 Y」「首先…其次…」）。
- 去翻譯腔 — 抓歐化／西化語法（「透過…我們可以」「對於…來說」「使得」「們」濫用）。
- 正台灣用語 — 中國用語換台灣慣用語（視頻→影片、代碼→程式碼），技術名詞保留英文。
改寫前會先確認任務模式。只想找問題時，輸出位置、問題、理由與處理方向，不附改寫版；要求改寫時，長文預設保留段落規模和所有資訊點。交稿前會回頭核對數字、專名、引言、因果與作者立場，也不會替作者編造第一人稱經歷或資料。完整規則見 references/editing-workflow.md。
需要評分時，會依直接／節奏／信任／真實／密度／台灣味六個維度各評 1–10。分數只用來指出檢查方向，不作為自動重寫或刪減內容的門檻。
一個完整例子：
改前：
在當今這個 AI 飛速發展的時代，軟件開發早已不僅僅是寫代碼那麼簡單，更是一場關於工程效能的深刻變革。眾所周知，測試的重要性不言而喻。值得注意的是，很多團隊在這條路上交了不少學費。
首先，我們要對測試流程進行賦能，找到一個強抓手；其次，把 CI/CD 的閉環徹底打通；最後，讓質量意識在團隊裡真正落地。數據告訴我們，一個好的測試對象設計，能夠顯著提升代碼的性能與兼容性——這背後的意義，細思極恐。
過去，我們把測試信息存進數據庫，調試時盯著內存和緩存，配置默認跑在本地服務器上。如今，智能體（Agent）重新定義了這一切。它能分析、能編寫、能調試，賦能每一位開發者。可以說，這不是工具的升級，而是研發範式的顛覆。
總而言之，擁抱 AI、擁抱變化，未來可期。希望這篇文章能幫助到你，如果覺得有用，別忘了分享給更多的小夥伴！
改後：
AI 進展很快。軟體開發除了寫程式碼，也包含測試；很多團隊花了不少代價，才建立出合適的測試做法。
做法有三個環節：整理測試流程、串好 CI/CD、建立團隊的品質標準。原稿還主張「測試對象的設計會影響程式效能與相容性」，但沒有附資料來源。〔待作者補充：資料或案例〕
以前我們把測試資料丟進資料庫，偵錯時盯著記憶體和快取，設定預設跑在本地伺服器上。現在 Agent 接手了一部分工作：它會分析、會寫，也會偵錯，開發流程也跟著改變。
AI 會繼續改變我們寫程式的方式。
改了什麼：
- 中國用語校正（掃描器 + 語境判斷）：
- auto 全套：軟件→軟體、代碼→程式碼、信息→資訊、數據→資料、數據庫→資料庫、調試→偵錯、內存→記憶體、緩存→快取、性能→效能、兼容→相容、默認→預設、服務器→伺服器。
- flag 判斷：質量→品質（quality 語境）、配置→設定、智能體→Agent（技術語境保留）、測試對象→受測對象（SUT，見下方取捨）、小夥伴→（刪）。
- 砍掉 AI 起手式與收尾： 「在當今這個…時代」「眾所周知」「不言而喻」「值得注意的是」「總而言之」「未來可期」「希望這篇文章能幫助到你，別忘了分享」全部移除。
- 打破公式化結構：
- 「不僅僅是 X，更是 Y」→ 直接列出軟體開發包含程式碼與測試。
- 「首先…其次…最後」的僵化骨架 → 收成一句「做法有三個環節」。
- 「這不是工具的升級，而是研發範式的顛覆」→ 改成具體的「Agent 接手部分工作，開發流程也跟著改變」。
- 去中國網路常用語： 賦能、抓手、閉環、落地、範式、重新定義、細思極恐 → 全換白話。
- 不替作者補經驗或來源： 「數據告訴我們」沒有交代數據來源，改寫時保留原本主張並標示待補，不擅自變成「我自己的經驗」。
- 空泛宣稱不硬補內容： 「這背後的意義，細思極恐」沒有資訊量，直接刪除；缺少的證據明確標示待作者補充。
自評（六維，1–10）：
| 維度 | 分數 | 說明 |
|---|---|---|
| 直接 | 8 | 拿掉宣告式起手，直接陳述 |
| 節奏 | 8 | 長短句混搭，破除排比 |
| 信任 | 7 | 收掉鋪陳與討拍收尾 |
| 真實 | 8 | 像工程師口吻，非行銷稿 |
| 密度 | 7 | 四段砍成四段但每句有料 |
| 台灣味 | 9 | 無中國用語殘留，用「你」 |
合計 47/60；優先檢查「信任」與「密度」兩個較低的面向。
一個取捨先講：「對象」是 flag 詞（object→物件，但 target／測試對象要看語境），不會無腦校正。原文「測試對象設計」語意其實有點含糊——指 test double（測試替身）還是受測系統？從「設計得好能提升效能與相容性」判斷指的是受測系統，故改成「受測對象（SUT，System Under Test）」而非「測試物件」。若原意是 mock／stub 那類測試替身，再調整即可。
更多 before/after 見 references/examples.md。
撰寫、編輯、審閱中文文章時自動相關。也可直接說「用 stop-slop-zh-tw 幫我改這段」「除一下 AI 味」「校正台灣用語」。
- 預設用「你」而非「您」
- 技術名詞保留英文（Agent、MCP、Extension、PR、commit）
- 同形詞（框架、部署、分支）不過度校正
用語對照數以千計，不可能（也不該）全塞進會載入 context 的 skill 檔。本專案採 hybrid 架構：
- 判斷層（去 AI 味、去翻譯腔）靠 LLM，留在 phrases.md／structures.md，無法也不該 script 化。
- 查表層（正台灣用語）的完整詞庫放 data/terms.json，由掃描器 scripts/zh-tw-terms.mjs 讀取——詞庫不進 context，只回報實際命中的詞，所以詞庫再大也不膨脹。
- references/terminology.md 只留同形詞判斷、最高頻保底表（給不能執行 script 的 Projects／API 環境）與掃描器用法。
詞庫可用 match 指定比對策略：中文多字詞預設為 substring，明確技術詞組可用 phrase，英數詞使用 word 避免 emo 命中 emoji，少數複雜規則才使用 regex。單一中文字不能直接做全域子字串掃描；應改收完整詞組。
npm run validate這會執行 35 項 Node.js 測試、skill 結構檢查、210 筆正式詞條驗證及第二次長文端對端驗證。GitHub Actions 會在 Node.js 18、20、22 重複執行相同命令。
詞條驗證器會拒絕重複 from、不合法的 mode、沒有邊界策略的英數詞、單字級中文字，以及含多個替代選項的 auto 詞條。
正式詞條另須提供 source；來源 ID 與授權說明記錄在 data/term-sources.json。
排版工具會先保護 Markdown 程式碼、URL、連結目標、HTML 標籤、Email、路徑、dotted 技術識別字（.NET、net8.0、Testing.Platform）與數字型技術 token，再處理三項硬性規則：中文句子使用全形標點、英文句子保留半形標點、中英文之間使用一個半形空白。
node scripts/zh-tw-typography.mjs --check <檔案>
node scripts/zh-tw-typography.mjs --json <檔案>
node scripts/zh-tw-typography.mjs --dry-run <檔案>
node scripts/zh-tw-typography.mjs --fix <檔案>--check、--json 與 --dry-run 都不寫入；確認差異後才使用 --fix。
詞庫可從下列來源擴充（已標授權與可用性）：
| 資源 | 內容 | 授權 | 對本專案 |
|---|---|---|---|
| taiwan.md | 3936+ 條，分 A–F 類 | CC BY-SA 4.0 | ✅ 本專案基礎，可併用 |
| aronhack 中國用語雷達 | 約 1000 條，繁體 key，含網路新詞 | 資料 CC0 | ✅ 可自由使用 |
| OpenCC | TWPhrases 簡→台詞庫，最成熟 | Apache 2.0 | ✅ 可用（須註明出處）；為簡體 key，適合做前處理 |
| g0v 萌典 moedict-data-csld | 《中華大辭典》同實異名 CSV | 詞條 CC BY-NC-ND 4.0 | |
| 教育部兩岸常用詞語對照表 | 教育部辭典附錄，權威 | 版權所有 | |
| 維基教科書．大陸台灣計算機術語對照表 | 純資訊領域術語 | CC BY-SA 3.0 | ✅ 相容（註明＋相同方式分享） |
授權提醒： 標
更新詞庫（維護者）： 跑 node scripts/build-terms.mjs 會從 aronhack（CC0）抓資料，去重、過濾後把新候選詞寫到 data/terms.candidates.json（不覆蓋 terms.json）。候選一律需人工審——確認譯法、決定 auto／flag、剔除無關生活詞，再手動併入 terms.json。這道人工關卡是刻意的：來源資料含錯譯（如 進程→程序、鼠標→游標），自動併入會把錯誤帶進來。
目前有兩組合成長文案例。第二組會自動比對篇幅、章節、內容區塊、92 個數字 token、24 種技術保護字串、用語、排版與冪等性；完整報告見 evals/fresh-longform-application/comparison.md。
合成案例適合回歸測試，但不能取代真實文章與獨立人工審閱。因此目前適合視為公開 beta；在加入取得授權的真實語料、不同文體與外部盲測前，不宣稱已涵蓋所有中文寫作情境。
- 方法論與結構：hardikpandya/stop-slop（MIT）
- 正體中文 AI 模式與人味概念：kevintsai1202/Humanizer-zh-TW（MIT）
- 台灣用語：frank890417/taiwan-md / taiwan.md（CC BY-SA 4.0）
- 詞彙資料：aronhack/Chinese-Vocabulary-Radar（資料 CC0）
完整第三方授權、取用範圍與修改說明見 NOTICE.md 及 LICENSES/。本專案整體發行包依 CC BY-SA 4.0 釋出。