No AI Slop：有证据的编辑、打包与效果评估
No AI Slop 上手：用一段更新说明验证事实保留
用合成段落分别练习检测与最小改写，保护日期、技术事实和真实不确定性，而不是奖励字数最少的答案。
你将学会
- 改稿前先定义不能丢失的事实
- 先做检测，让判断证据可见
- 最终验收仍由读者完成
开始前需要
- 一份事实可以核对的原稿
- 理解助手指令与插件安装范围
检查模式证据、保护原意，并区分包验证与未测量的编辑效果。
先看结论
- 先保护事实和不确定性，再请求编辑。
- 检测与改写需要分别验收。
- 手工修好的回答仍应记录最初的失败。
改稿前先定义不能丢失的事实
准备一个一次性对话和经过审阅的技能版本，输入包含具体功能、日期和不确定性说明的合成更新段落，把这些细节标成保护项。练习目标是删除空泛修饰时仍然保留信息，而不是选择最短的回答；如果减少了字数却丢失限制条件，应直接判为失败。
例子设定为草稿搜索在周二上线，移动端行为尚未测试。这些都是练习输入，不是对该项目功能的描述。可接受的改稿要同时保留搜索功能、周二和未测移动端的边界，不能把一项待验证工作悄悄改成已经支持移动端的承诺。
先做检测，让判断证据可见
先明确要求只检测、不改写。有效回答应引用被标记的句子，指出匹配的写作模式，并给出简短修复建议。如果答案输出 AI 概率、直接重写整段，或把普通技术词当作作者身份线索，就没有遵守预期的检测约定，应记录为不符合要求。
再用同一原稿和保护项单独请求编辑，逐项比较完整修改稿。每一处删除究竟去掉了重复信息，还是去掉了意思，需要读者判断。原材料中的具体细节，比一段听起来流畅却能描述任何产品的替代文案更值得保留，不能仅凭语言顺滑决定通过。
最终验收仍由读者完成
编辑结果应包含完整正文和简短修改说明，两者应一致，尤其要说明实际发生的结构调整。如果助手增加数字或删除真实的不确定性，先恢复原稿并记录失败，再换配置试验。不能手工修好答案后，把它统计成模型原本就通过的干净样本。
这是提供给读者的练习，本次没有在真实助手中运行。试验记录需要保留安装版本和模型版本。最好使用新的独立对话作为基线，因为已经加载候选规则的旧对话，可能把被评估技能带进基线条件，使比较无法归因。
如何选择
| 比较维度 | 方案 A | 方案 B |
|---|---|---|
| Best when | You need predictable behavior and easy auditing | You need adaptive optimization and have reliable telemetry |
| Main risk | May leave performance on the table | Can become difficult to explain or debug |
实施步骤
- 1
准备合成更新说明及保护项。
- 2
只请求检测，并查看引用依据。
- 3
另行请求最小修改。
- 4
核对全文和修改说明。
可复制示例
合成原稿：草稿搜索在周二上线，体现了我们对创新的承诺。我们尚未测试移动端行为。
先只检测具名模式，不改写，不推测作者身份。
之后编辑时必须保留：草稿搜索、周二、移动端未测。常见问题
越短的答案应该分数越高吗？
不是。丢掉未测试条件或技术细节的短答案应判失败。
这里已经用真实模型测试过提示了吗？
没有。这是带明确验收条件的读者练习。
资料来源
- No AI Slop / skills/no-ai-slop/SKILL.md来源核查 2026-09-14
- No AI Slop / skills/no-ai-slop/eval.md来源核查 2026-09-14