slop-grader

我做了 slop-grader，一个开源工具，可以根据英语语法、德语语法和 AI 废话检测之类的规则检查任意文本文档。

你还可以用大白话为特定工作流写自定义规则：SEO 检查、法律条款，或者称谓语气（比如保持德语 Du 和 Sie 的一致性）。规则是一些问题，可以逐行评估（“这一行有没有做出需要法律免责声明的承诺？”），也可以针对整篇文档评估（“开头能不能赢得读者接下来的 30 秒？”）。一旦你为自己的使用场景搭好一套精心整理的规则集，它会是个非常强大的工具。

它运行在 Jev（https://typesafe.ai）上，那是一个新的 AI 模型，不同于 LLM（所谓的 System One 模型），专门用来回答结构化问题。检查一份文档只要几秒钟，成本不到一美分。

这个工具会输出一份被标记的行和说明的列表，你可以直接粘贴到 AI 智能体里来修文档。

要运行它，你需要在电脑上装好 Node.js，并拥有 TypeSafe 或 OpenRouter 的账号。

请注意，文本会被发送到外部 AI 服务器上评估。

输出能直接用在 AI 编程或写作智能体工作流里吗，还是主要靠人工审阅？

如果规则集能有个严格程度设置会挺有用，让用户可以在快速清理和更深入审查之间选择。

Du 和 Sie 一致性的例子很好，因为它说明这不只是个“AI 废话”检测器，更像是一个 linter：只要你能针对某一行提出一个 yes/no 问题，它就能拿来检查。我们做语音智能体脚本，对我们来说类似的问题是长通话流程里的正式程度漂移——分多次写出来的脚本会慢慢改变语气，没人注意，直到用户指出来。关于输出格式有个问题：当某条规则在某一行命中时，slop-grader 是只给你行号和规则文本，还是会解释它为什么认为这行违规了？这通常就是“有用的 lint”和“最后被无视的 lint”之间的差别。

你们怎么处理那些在一个行业里可能被当成 buzzword、在另一个行业里却完全正常的词？

逐行标记这个设计很实用。比起重写整篇文档，这样能更容易看清到底哪里需要改。