Zero Slop：开源 Agent Skill，专门清理 AI 文本里的「水」

项目简介

Zero Slop 是一款开源的写作优化 Agent Skill，目标只有一个：找出并抹掉 AI 生成文本里那些"看起来完整、但读起来空洞"的痕迹。它不是简单的同义改写，而是先用本地评分模型给文本打个"Slop 分"，把可疑的模板化句式、空话套话、装饰性排版标出来，再引导 Agent 把冗余去掉、把核心信息保留下来。

2025 年，"slop" 被《韦氏词典》选为年度词汇，专指 AI 批量生成的低质量内容；同年 9 月，斯坦福社会媒体实验室与 BetterUp Labs 联合提出"workslop"概念，描述"看起来完成、但接收方拿不到足够行动信息"的 AI 文本。一项针对 89,239 条 Reddit 帖子的分析发现，读者对模板化措辞的吐槽呈系统性上升；另一项对 1500 万篇科学论文摘要的研究估算，至少 13.5% 的 2024 年摘要接受了 LLM 润色。Zero Slop 正是在这种背景下诞生的实用工具。

核心功能

• Slop 评分引擎：内置本地 Python 评分器，输入文本即可得到 0~100 的 Slop 分数，分数越高代表"越水"，便于在改稿前先量化问题；
• AI 编辑引导：在兼容 Agent 环境中，Zero Slop 会先标记可疑段落，再引导 Agent 进行"去水"改写，确保核心事实、人名、数字、行动项不被动；
• 多端落地形态：除了作为 Agent Skill 集成进 Claude Code 等 AI 助手，还提供浏览器在线编辑器（zero-slop.ai/try/）与 MCP 连接器，任意场景都能用；
• 速度优先：在 Apple Silicon Mac 上的基准测试中，纯评分流程每秒钟可处理约 502 篇文档/秒（中位数），剔除 AI 编辑时间后依旧毫秒级；
• 可解释标记：输出会列出被命中的句式与所在位置，不做"黑箱替换"，让作者清楚知道改了什么、改对了什么。

技术实现

Zero Slop 的核心由两部分组成：本地 Python 评分器与 Node.js 端的 Agent Skill 入口。评分器读取文本后，按词频模式、句法节奏、模板句式与装饰排版等维度计算 Slop 分数，再把命中片段回传给 Agent；Agent 拿到结构化标记后，按"删除冗余 → 收紧措辞 → 校验核心信息"三步改写，避免一刀切把原文想表达的意思改没。

整个项目以 npm 包形式发布（zero-slop），同时被收录到 hol.org 的 Agent Skill 注册表与 MCPVault / MCPQueen 目录，支持 Claude Code、Cursor、Continue 等主流 Agent 框架接入。MIT 协议开源，无后端、无账号，本地完成全部评分，符合"零数据处理"红线。

快速上手（4 步）

1. 安装 Skill：在你的 Agent 市场中添加 manav-mishra/zero-slop，或在终端运行 npx zero-slop 进入 CLI；
2. 挑一篇 AI 起草的稿子：把待清理的文本粘贴到编辑器或传给 Skill；
3. 看 Slop 分与命中位置：评分器返回总分 + 句段级红旗，定位可疑片段；
4. 让 Agent 改写并复核：Agent 按标记清理后，作者再人工核对核心信息是否保留。

适用人群

• 日常用 AI 起草邮件、博客、产品文案的从业者；
• 内容团队里负责把关 voice & tone、又需要可解释反馈的编辑；
• 学术作者、咨询顾问、研究者，想识别 LLM 痕迹、保留自己表达风格的写作人；
• 在 Claude Code / Continue / Continue 等 Agent 工具里需要"去水"工作流的开发者。

出品方与现状

作者 Manav Mishra，MIT 协议全公开。npm 下载量已突破 5,900 次，版本号 v2.12.12；同期收录于 hol.org 官方注册表与 MCPVault、MCPQueen 等 Agent 资源目录。官方编辑技能横向测试中，Zero Slop 在参与的四款技能里排名第一。

项目链接

• GitHub 仓库：https://github.com/manavmishra/ZeroSlop
• 在线试用：https://zero-slop.ai/try/
• MCP 连接器：https://mcp.zero-slop.ai/mcp