Skills Atlas — 寫作技能選型 去 AI 味 Skills Top 10 工作模式、內容類型與方法論矩陣

Edit 模式先辨識作者的詞彙、節奏、幽默與不確定性，再做最小有效修改。Detect 模式只列出模式名稱、原句與修正方向；不重寫、不評分，也不猜測文字是否由 AI 生成。適合作者聲音已清楚、只需移除固定套路的草稿。

上游明確引用 WikiProject AI Cleanup 的「Signs of AI writing」。現行技能列出 35 項內容、語言、格式、溝通與修辭模式，要求保留所有主張、禁止補造姓名與數據，並支援貼上文字、檔案與嵌入式交付情境。

流程依序掃描模式、重寫並保留原意、加入聲音，最後用「哪些地方仍明顯像 AI 生成」自我審查。現行清單涵蓋 31 項問題，包含空泛重要性、AI 詞彙、冒號與粗體濫用、聊天機器人語氣、抽象技術隱喻與主動語態。

Slopbeth 先鎖定姓名、數字、日期、URL、引文、技術主張與不確定性，再設定 evidence boundary。套件提供 Orwell 規則檢查、語意漂移、保留度、密度、節奏與 false-positive 等腳本；腳本只回報訊號，最終判斷仍由編輯者完成。

上游明確列出論文、摘要、cover letter、基金敘事、discussion 與審稿回覆。規則保留科學術語，接受 methods section 中合理的被動語態，並要求用具名作者與引文支持研究主張。另提供 35/50 的五維評分門檻。

審查流程先讀完整篇幅、記錄聲音，再收集候選問題；每個候選都要判斷是公式還是作者刻意選擇。規則明示：壓平好句子的假陽性，比留下一個 tell 更糟。修改以單句措辭為界，不主動重排段落或改變論證。

模式目錄整合 blader/humanizer、Hardik Pandya 的結構規則與 brandonwise/humanizer 的統計檢查。流程保留每一項原始主張，禁止加入來源沒有的姓名、數字、日期、引文或引用；再以 draft、audit、final rewrite 完成第二輪校正。

產生文字前先載入 banned words，再限制三段式、連續等長句、parataxis、對沖搖擺、同形段落、被動語態與格式洩漏。自我檢查同時禁止虛構數據、引文與軼事。適合短文本或需要從第一稿就控制句型的工作流。

unslop 在重寫後加入 opinion、節奏、不確定性與第一人稱；Aboudjem 的 humanizer 提供五種 voice profile 與自訂 brand context。技術與法律內容應維持中性，不應強行加入個人立場。

anti-ai-slop-writing 在起稿前限制禁用詞、等長句、三段式、parataxis 與對沖結構；stop-slop 以八項核心規則做交付前檢查。硬規則可能誤傷學術慣例，科研文本需切換至 deslop。

Slopbeth 要求每句承載主張、案例、限制、數字、後果或論證動作。密度腳本比較改寫前後，但不把縮短字數當成唯一目標；帶有必要限定與風險範圍的句子必須保留。

soundshuman 禁止加入來源沒有的姓名、數字、日期、引文與引用；slopbeth 先鎖定可驗證資訊，再把不受支持的效益主張改成 proof gap、問題或具名歸因。此方法優先保真，再處理風格。

Aboudjem 的 humanizer 提供 0–100 AI-tell score 與最多三輪迭代；soundshuman 檢查 burstiness 等統計訊號；slopbeth 提供保留度、密度、節奏、語意漂移與假陽性腳本。所有數值都應視為編輯訊號，不是作者身分證明。