de-ai-flavor
Skill2 starsChanged 2 months agoMITView on GitHub
行途技术自媒体"去 AI 味"文案优化技能(豆包工作优化版)。把公众号文章、封面文案、 标题、摘要、小红书笔记、微信消息中 AI 腔/黑话/机械句式改成人话,保留技术准确性与关键数字。 触发:去 AI 味、改得自然点、别太 AI、像人话、黑话太多、措辞优化、润色文章、标题党去AI感。 适用:行途技术公众号「省 token」系列及一切对外内容——只要语言太"AI 味"。 依据:RULES.md PUB-013(去AI味5法)+ 行途技术成稿偏好速查 + SignalDistilled 哲学(数字第一语言)。 版本:豆包工作优化版 v1.0(2026-09-03);原版归档 .backups/skills_原版归档_20260903/de-ai-flavor_原版归档(内部项目)
9 other projects use a version of this.
Adopted by
Most recently taken up by
- Lisir2002/SKILLStheir own version, first seen Nov 1, 2026
- mcaserhn/skillstheir own version, first seen Oct 27, 2026
- sd0xdev/sd0x-dev-flowtheir own version, first seen Oct 8, 2026
- sd0xdev/sd0x-harnesstheir own version, first seen Oct 6, 2026
- lucia-trend/de-ai-flavortheir own version, first seen Sep 9, 2026
- xingtu1996/xingtu-skillstheir own version, first seen Sep 7, 2026
Other versions9 projects use a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 9
- sd0xdev/sd0x-dev-flow★ 192same name
- sd0xdev/sd0x-harness★ 192same name
- masonweb3/de-ai-flavor★ 4same name
- sabialab/de-ai-flavor★ 4same name
- anneheartrecord/charles-skill★ 3same name
- Lisir2002/SKILLS★ 1same name
- lucia-trend/de-ai-flavor★ 1same name
- mcaserhn/skills★ 1same name
- xingtu1996/xingtu-skills★ 0same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository31 other files it gives its agents.
- AGENTS.mdAGENTS.md
- skills/caveman-learn/CLAUDE.mdCLAUDE.md
- adversarial-reviewSkill
- ai-usage-reportSkill
- cavecrewSkill
- caveman-commitSkill
- caveman-compressSkill
- caveman-discoverSkill
- caveman-evidence-reviewSkill
- caveman-exploreSkill
- caveman-helpSkill
- caveman-learnSkill
- caveman-manageSkill
- caveman-optimizeSkill
- caveman-reviewSkill
- caveman-setupSkill
- cavemanSkill
- caveman-statsSkill
- fact-check-gateSkill
- investigate-firstSkill
- lean-buildSkill
- migrationSkill
- ponytail-auditSkill
- ponytail-debtSkill
- ponytail-gainSkill
- ponytail-helpSkill
- ponytail-reviewSkill
- ponytailSkill
- safe-refactorSkill
- surgical-patchSkill
- verify-and-stopSkill
The file
Files
去 AI 味(de-ai-flavor · 行途技术版)
一句话
把"赋能抓手闭环链路"改成"能说人话的说人话",把"AI 味"改成"行途技术味"。 行途技术的内容靠真实数字和具体工具打动人,不靠空洞的 AI 黑话。
触发条件
用户对公众号文章/封面/标题/摘要/消息说"去 AI 味""改自然""太 AI""黑话太多""不像人写的"等时自动加载。主动前置:生成公众号文章/封面文案后,自动跑一遍本技能检查(对齐 PUB-013)。
行途技术版去 AI 味 5 法(PUB-013 · 最高优先级)
这是行途技术的专属方法论,比通用替换表更根本。每篇内容必须对照检查:
| # | 方法 | 怎么做 | 反例 → 正例 |
| ① | 抽象 → 具体动作+工具名 | 把"优化了工作流"换成"用 rtk 把命令输出压掉 93.6%" | "提升研发效率" → "20 次 grep 变 3 次图查询" |
| ② | 留真实代价/数字 | 保留"贵、慢、翻车"等真实代价,不粉饰 | "大幅提升体验" → "第一次 rtk gain 全是 0,排查才发现 hook 没装上" |
| ③ | 给可验证数字 | 数字必须可查证(官方/实测分开标) | "省了很多 token" → "30 天实测 8880 万 token(rtk gain 口径)" |
| ④ | 抽象对立 → 时间差 | 用"以前 vs 现在"的时间差代替空洞对比 | "显著优化" → "以前全量 grep 2 分钟,现在图查询 3 次" |
| ⑤ | 愿景 → 可兑现承诺 | 把"让 AI 更好用"换成读者能抄的具体步骤 | "赋能 AI 应用" → "一条命令:rtk init -g" |
保留「思想定调锚点」:对仗但信息密度高、可引用的金句要保留(如"不是模型变傻,是输出没人压")。这不是 AI 味,是行途技术的品牌印记(PUB-013 原话:保留思想定调锚点)。
黑话替换表(AI 味 → 人话)
| AI 味黑话 | 人话 | 说明 |
| 赋能 / 助力 | 帮 / 支持 / 让 XX 能 | "赋能业务" → "让业务少操心" |
| 抓手 | 切入点 / 方法 / 靠什么 | "抓手续费治理" → "从手续费治理入手" |
| 闭环 / 形成闭环 | 做完 / 跑通 / 收尾 | "形成闭环" → "跑通全流程" |
| 链路 | 流程 / 环节 / 路径 | "打通链路" → "把各环节接上" |
| 颗粒度 / 精细化 | 细一点 / 做到位 | "颗粒度更细" → "数据更细" |
| 对齐 / 拉齐 | 碰一下 / 确认 / 同步 | "对齐方案" → "确认方案" |
| 沉淀 / 固化 | 记下来 / 留下来 / 总结 | "沉淀方法论" → "把方法记下来复用" |
| 降本增效 | 省钱提效 / 少花多干 | 直接用具体数字代替 |
| 打造 / 构建 | 做 / 建 / 搞 | "打造平台" → "做平台" |
| 落地 | 用起来 / 用上 | "AI 落地" → "AI 用起来" |
| 多维度 / 全方位 / 立体式 | (删掉) | 空话,无信息量 |
| 深度 / 持续深入 | (删掉或换具体) | "深度赋能" → 直接说做了什么 |
| 进一步 / 有效 / 积极 | (删掉) | 冗余状语 |
| 值得一提的是 / 值得注意的是 | (删掉) | 直接说重点 |
| 综上所述 / 总体而言 | (删掉) | 直接说结论 |
句式精简规则
- 去壳留核:"针对 XX 进行了优化,有效提升了效率" → "优化了 XX,效率提升了"
- 去状语堆叠:"充分、有效、积极、进一步" 这类副词删掉,不留
- 去名词化动词:"对 XX 进行了一次梳理" → "梳理了 XX"
- 一句一事实:长句拆短,每句只讲一件事
- 数字说话:能放数字就不放形容词("效率大增" → "提效 72%")
- 问自己:这句话删掉,读者会不会漏掉关键信息?不会 → 删
保留项(不能动)
| 保留 | 原因 |
| 技术术语/产品名 | rtk、CBM、CodeGraph、Ponytail、ccswitch——准确词,不是黑话 |
| 数字/时间/人名 | 8880 万、8/28、受访者姓名——关键事实 |
| 项目名/命令 | Claude Code、rtk init -g、ccusage——不可替换 |
| 客户原话/引用 | 保持原样 |
| 思想定调锚点金句 | "机器吐的废料,先让机器自己消化"——行途技术品牌印记 |
公众号场景差异(行途技术版新增)
| 场景 | 力度 | 要点 |
| 封面标题(900×383) | 最强:≤13 字 + 核心词前置 | 数字钩子 + 一句人话(见 PUB-014) |
| 封面副标/caption | 强:大白话 | "输出压掉率 vs 累计省 token" 这种 caption 要改成读者秒懂 |
| 文章正文 | 中:去黑话,保留结构 | 表格保留,叙述性段落人话化;保留第一性原理金句 |
| 摘要/转发语 | 最强:口语化 | "这期把命令输出压了 8880 万 token,一条命令的事" |
| 文末引导 | 中:正式但去空洞词 | "关注我" → 具体承诺("每周 1 篇省 token 实战") |
示例对照(行途技术场景)
AI 味:
我们聚焦 AI 赋能研发效能,通过多维度抓手持续发力,形成了完整的工具链闭环,有效沉淀了方法论,实现了降本增效,进一步对齐了工程实践。
行途技术味:
这期用 rtk 把命令输出压掉 8880 万 token(30 天实测),一条
rtk init -g就接上。方法记下来了,在六层落地清单里可直接抄。
工作流程
- 读原文,标注黑话/空话/冗余状语
- 按行途技术 5 法(PUB-013)逐条对照:数字可验证吗?有真实代价吗?有工具名吗?
- 按替换表换词,按句式规则精简
- 保留项逐条核对(数字/技术词/人名/时间没丢;思想定调锚点金句保留)
- 自检四问:删了会漏信息吗?像人话吗?数字还在吗?金句锚点还在吗?
- 输出人话版 + (可选)一行说明改了哪几处
与数据核实联动(豆包工作优化版新增)
行途技术内容的数字必须可验证。去 AI 味时若发现数字来源存疑,联动
ai-usage-report(cc-switch/内部 AI 平台 数据核实):
- 封面数字 vs 正文主数字口径是否一致(跑
check_cover_consistency.py)- 官方口径 vs 实测口径是否分开标注(对齐 S05 三数口径对比范式)
- 脱敏铁律 PUB-018:公司/团队数字公开发布一律脱敏到量级
原则:去 AI 味 ≠ 丢信息。技术准确性和关键事实永远保留,去掉的只有空洞和腔调。 豆包工作优化版:适配行途技术公众号场景 + PUB-013 5 法 + 数据核实联动 + 金句锚点保留。
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.

