电车站.skill · Tramstop Skill

人味不是删出来的。
De-slop your writing with evidence, not word blacklists.

AI编细节是为论点服务的，
不会把细节浪费在用不上的电车站上。

为什么叫电车站 · 它凭什么不一样 · 两种用法 · 安装 · English

为什么叫电车站

一次四版本盲测：同一篇文章的四个版本，匿名乱序，交给一位审过上千篇AI投稿、患有重度「AI疑心病」的编辑，让他赌哪版是真人手笔。

他赌中了。理由不是文笔，是一个对论证毫无用处的细节——作者在维也纳除了弗洛伊德博物馆，还去看了阿德勒的电车站。

那个电车站是作者两年前真实发过的动态。这个skill帮你的文字找回它的电车站。

它凭什么不一样

市面上的去AI味工具几乎都是「删」派：禁词表、句式黑名单、破折号计数。这个skill的方法论来自一次真实的对照实验（四版本改写×四评委盲测，数据在 references/evidence.md）：

结论写在名字里：人味不是删出来的。AI味分四层（词汇 < 句式 < 结构 < 经验），删词只是及格线；真正的分界线在经验层——文字背后有没有站着一个具体的人。这与学术检测研究的结论一致：把词汇线索全部洗掉，熟练读者仍能100%识别AI文。

所以这个skill在「删」之外多做一件决定成败的事：先问你要真实素材（你的经历、你踩过的坑、你记得但说不上为什么记得的细节），再动笔。挖不到就放[待补]占位——它有一条铁律：绝不编造你的经历。

两种用法

安装

# Claude Code（推荐放到全局 skills 目录）
git clone https://github.com/alchaincyf/tramstop-skill.git ~/.claude/skills/tramstop-skill

或者直接把仓库链接丢给你的agent，说一句「帮我安装这个skill」。

兼容 Claude Code / Codex / Cursor / OpenClaw 等支持 Agent Skills 标准的运行时。安装后说「去AI味」「这稿子读着不对劲」「太像AI了」即可触发。

背后的故事

作者的公众号被读者反馈「AI味越来越重」，试过禁词表、指定用语、模仿Paul Graham、投喂旧文，全部收效甚微。于是做了一次系统调研（学术文献+中英文实践圈+自家语料解剖）和一次四版本对照盲测，发现所有失效的方法都在打最浅的词汇层，而分界线在经验层。这个skill就是那次实验的可执行版本。完整故事见公众号文章（搜「花叔」）。

关于作者

花叔 Huashu — AI Native Coder，独立开发者，代表作：小猫补光灯（AppStore 付费榜 Top1）

许可证

MIT — 随便用，随便改，随便造。

女娲.skill — 蒸馏任何人的思维方式 · 弗洛伊德.skill — 给AI做心理分析 · 达尔文.skill — 让 Skill 无限进化

English

Tramstop Skill is an evidence-based de-slop skill for AI-assisted writing. Its method comes from a controlled experiment (4 rewrite strategies × 4 blind judges): word blacklists and structure surgery alone barely moved the needle (5.5 → 5.9 on a 10-point "reads human" scale), while injecting traceable personal material scored 8.6 with a unanimous vote.

The name: a judge with severe "AI suspicion" correctly identified the human-sounding version by one detail useless to the argument — the author had visited Adler's tram stop in Vienna. AI invents details that serve the point; humans remember details that serve nothing.

What it does differently:

• Four-layer model: vocabulary < syntax < structure < lived experience. Deleting AI-isms is table stakes; the deepest layer is the only one AI can't fake (consistent with Russell 2025: expert raters still catch humanized AI text at 100% via originality and structure).
• Two modes: diagnose (layered report) or rewrite (mine real material from you → structure surgery → experience injection).
• Hard rule: never fabricates your experiences — it asks, or leaves [TODO] placeholders.

Install: git clone https://github.com/alchaincyf/tramstop-skill.git ~/.claude/skills/tramstop-skill — works with Claude Code, Codex, Cursor, OpenClaw and other Agent-Skills-compatible runtimes.