convez.ai
SkillEscrita & ConteúdoAvançado
kevintsengtw

Stop Slop (Chinês Tradicional Taiwanês)

kevintsengtw/stop-slop-zh-tw

Remove jargão AI e normaliza terminologia para chinês taiwanês natural

Ver no GitHub
InicialPluginScore · de 0 a 100

Skill para remover características de texto gerado por IA em artigos em chinês tradicional taiwanês e normalizar terminologia de chinês simplificado/mandarim para convenções taiwanesas. Combina regras de detecção de jargão AI com mapeamento de termos regionais, tratando tanto inflação verbal quanto estruturas sintáticas europeizadas (calques de tradução).

Instalação

$npx convez-ai kevintsengtw/stop-slop-zh-tw

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
4
Forks
1
Acompanhando
0
Saúde
42%
Último commit
há 3 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Revisar e reescrever conteúdo técnico em chinês para remover clichês de IA
  • Padronizar textos para convenções linguísticas de Taiwan (terminologia e sintaxe)
  • Auditar artigos/documentação em busca de caracteres de tradução europeizada e jargão corporativo

Veredito

Ferramenta especializada e bem estruturada para o contexto taiwanês muito específico. Excelente para quem escreve em chinês tradicional e quer evitar o 'sabor AI' e normas mainland — mas de utilidade limitada fora desse público.

README

A tradução para o português deste README ainda está na fila.

Stop Slop(台灣正體中文版)

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。

這是 hardikpandya/stop-slop 的台灣正體中文改寫版,結合 taiwan.md 的用語對照資料。重點不是把英文規則直譯,而是針對中文語料訓練出來的真實 AI tell,加上台灣用語層。

為什麼是「結合」而不是「翻譯」

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。

而且對台灣讀者來說,很多 AI 味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。

結構

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
│   └── examples.md          # before/after 改寫範例
├── data/
│   └── terms.json           # 完整用語詞庫(機器讀,不進 context)
├── scripts/
│   ├── zh-tw-terms.mjs      # 台灣用語掃描器(Node,零依賴)
│   └── build-terms.mjs      # 從授權相容來源產生候選詞(供人工審)
├── README.md
└── NOTICE.md                # 授權與出處

安裝

專案層級(單一 repo 使用): 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

全域使用(所有專案共用): 把資料夾放進 ~/.claude/skills/,或建連結指向現有位置。

# 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\.claude\skills\stop-slop-zh-tw"

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。

使用方式

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」
只校正台灣用語「幫我把這段的中國用語校正成台灣用語」
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:

  1. 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…」)。
  2. 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)。
  3. 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。

接著會依直接/節奏/信任/真實/密度/台灣味六個維度各評 1–10,低於 42/60 建議重寫。

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,但寫程式從來就不只是把程式碼打出來而已。測試該怎麼做,很多團隊都是花了不少冤枉錢才學會的。

講白一點,做法不外乎三件事:把測試流程理順、把 CI/CD 串起來、讓團隊真的在乎品質。我自己的經驗是,受測對象(SUT)設計得好,程式跑起來更快、相容性也更穩——這件事的影響比想像中大。

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:它會分析、會寫、也會偵錯。對開發者來說,這不只是換了個工具,做事的方式整個變了。

AI 會繼續改變我們寫程式的方式。你怎麼用它,比它能做什麼更重要。

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」→ 直接講「不只是把程式碼打出來」。
    • 「首先…其次…最後」的僵化骨架 → 收成一句「不外乎三件事」。
    • 「這不是工具的升級,而是研發範式的顛覆」→ 改成白話的「不只是換了個工具,做事的方式整個變了」。
  • 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。
  • 沒生命的東西別做人類動作: 「數據告訴我們」→「我自己的經驗是」。
  • 空泛宣稱指名具體: 「這背後的意義,細思極恐」→「這件事的影響比想像中大」(語氣收斂,不誇大)。

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,過 42 門檻。

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。

觸發

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」。

預設立場(可自行調整)

  • 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

用語對照的範圍與延伸資源

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.md3936+ 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
OpenCCTWPhrases 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⚠️ 僅供查閱驗證,不可改作併入
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⚠️ 僅供查閱,不可併入
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 ⚠️ 的來源可查閱、可連結引用,但不可把詞條複製改作併入本專案。NC(非商業)、ND(禁止改作)、版權所有都與本專案的 CC BY-SA 4.0 不相容。

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。

出處

見 NOTICE.md。

Ver o original no GitHub

Bom para

Relacionados