jargon-detector
Skill3 starsChanged 8 months agoMITView on GitHub
中文学术论文黑话检测与替换建议。触发词:/jargon、去黑话、黑话检测、检查术语
In this repository7 other files it gives its agents.
- deep-researchSkill
- deep-thinkSkill
- nb-querySkill
- paragraph-progression-analyzerSkill
- research-analystSkill
- sci-hub-downloadSkill
- semantic-scholarSkill
The file
Files
黑话检测器
扫描中文学术论文段落中的未定义术语、空壳词、拟人化表述、评价性空话等可读性问题,逐项输出替换建议。
触发方式
/jargon <段落文本或章节位置>- 「去黑话」
- 「检查术语」
- 「黑话检测」
适用范围
中文学术论文的任意段落,不预设章节类型。
检测类型
1. 未定义术语
规则:术语首次出现时未给全称、未解释含义、或依赖读者已有知识。
| 信号 | 示例 |
| 英文缩写无全称 | "DLS 假设"(未说 Dwork-Lynch-Stockmeyer) |
| 专有名词无解释 | "Pacemaker 超时机制"(未说 Pacemaker 是什么) |
| 技术概念无定义 | "视图切换"(未说切换什么、为什么切换) |
输出格式:[未定义] "X" — 首次出现未解释。建议:补充一句说明 X 是什么/做什么
2. 空壳词
规则:删除后不影响句子信息量的词或短语。
| 信号 | 示例 |
| 抽象容器词 | "框架""范式""机制""体系""架构"(无具体所指) |
| 修饰填充 | "统一抽象""标准化的""系统化地" |
| 量化空话 | "核心价值之一""关键三元""基础支撑功能" |
输出格式:[空壳] "X" — 删除不影响信息量。建议:删除,或替换为具体所指
3. 拟人化
规则:将抽象概念(层、协议、模型)当作有意志的主体描述。
| 信号 | 示例 |
| 层/协议 + 人类动词 | "传播层聚焦""协议面临""该层位于入口" |
| 模型 + 情感/意图 | "模型强调""方案关注" |
输出格式:[拟人] "X聚焦/面临/位于" — 层不会聚焦。建议:改为该层负责/处理/执行…
4. 同义重复
规则:同一句中两个词或短语表达相同含义。
| 信号 | 示例 |
| 并列同义 | "随机化机制以概率方式实现"(随机化=概率方式) |
| 修饰重复 | "近端边缘节点"(近端=边缘) |
| 前后重述 | S2 和 S5 说同一件事 |
输出格式:[重复] "A" 与 "B" 含义相同。建议:保留一个,删除另一个
5. 未配宾语的动词
规则:动词缺少具体对象,读者不知道动作作用于什么。
| 信号 | 示例 |
| 动词列表无宾语 | "过滤、融合与局部决策"(过滤什么?融合什么?) |
| 抽象动词 | "进行结构化"(结构化成什么?) |
输出格式:[缺宾] "过滤、融合" — 缺少对象。建议:补充宾语,如"丢弃冗余数据、合并多源感知结果"
6. 评价性空话
规则:论文中不需要替技术"站台"的评价性表述。
| 信号 | 示例 |
| 价值判断 | "核心价值之一""天然优势""新一代方案" |
| 宣传语气 | "将数十年研究与工程实践相结合" |
| 被动站台 | "被视为面向区块链的新一代 BFT 方案" |
输出格式:[空评] "X" — 评价性空话。建议:删除,或改为可验证的事实陈述
7. 空间隐喻
规则:用物理空间概念描述抽象逻辑关系。
| 信号 | 示例 |
| 位置词用于抽象概念 | "位于入口""边缘计算入口" |
| 方向词用于逻辑关系 | "映射到""上移至" |
输出格式:[隐喻] "位于入口" — 空间隐喻用于抽象概念。建议:改为具体时序或逻辑关系
8. 括号黑话
规则:括号内塞入未翻译的术语、补充解释或章节引用。
| 信号 | 示例 |
| 括号内英文术语未翻译 | "(即 equivocation)" |
| 括号承载补充表述 | "(英文翻译除外)"符合项目 error_log 规则 |
输出格式:[括号] "(即 X)" — 括号内术语未翻译。建议:融入正文,如"即发送矛盾消息"
执行规范
Step 1:逐句扫描
对输入段落按句号、分号切分,逐句检查上述 8 类问题。
Step 2:输出检测结果
按句号排列,每个问题一行:
S1: [类型] "问题词句" — 问题描述。建议:具体替换方向
S2: 无问题
S3: [类型] "问题词句" — 问题描述。建议:具体替换方向
[类型] "问题词句" — 问题描述。建议:具体替换方向Step 3:输出改写建议
对每个有问题的句子,给出改写后的完整句子(不是方向,是具体改写)。
Step 4:输出完整段落
将所有改写合并,输出改写后的完整段落。
与其他 Skill 的关系
| Skill | 关系 |
| paragraph-progression-analyzer | 互补:先用 jargon-detector 清理术语,再用 progression-analyzer 检查连贯性 |
| ai-vibe-writing-skills (error_log) | 互补:error_log 检查 AI 痕迹,jargon-detector 检查术语可读性 |
建议工作流:/jargon 去黑话 → /progression 查连贯 → 应用修改
语言约束
- 所有检测结果和建议使用中文
- 建议中的替换方案必须具体可执行,禁止"建议改为更具体的表述"等空话
禁止事项
- 不评价段落的学术质量或创新性
- 不改变段落的论证逻辑或信息内容
- 不添加原文没有的新信息
- 不跨段合并分析
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

