Anti-Slop スキル

自然言語、コード、デザイン全体にわたる汎用的なAI生成パターン（「slop」）の検出と排除。

AI Slopとは何か？

AI slopは、低品質で汎用的なAI生成コンテンツを示す特徴的なパターンを指します：

• テキスト: 「delve into」のような過度に使用されたフレーズ、過剰なバズワード、メタコメント
• コード: 汎用的な変数名、自明なコメント、不要な抽象化
• デザイン: ありきたりなレイアウト、汎用的なグラデーション、過度に使用されたビジュアルパターン

このスキルは、これらのパターンを特定し除去して、本物で高品質なコンテンツを作成するのに役立ちます。

このスキルを使用する場合

以下の場合にanti-slop技術を適用します：

• AI生成コンテンツを配信前にレビューする
• オリジナルコンテンツを作成し、汎用パターンを避けたい
• 汎用的に見える既存コンテンツをクリーンアップする
• プロジェクトの品質基準を設定する
• ユーザーがslop検出またはクリーンアップを明確に要求する
• コンテンツに汎用AI生成の特徴的な兆候がある

コアワークフロー

1. Slopを検出する

テキストファイルの場合：

python scripts/detect_slop.py <file> [--verbose]

以下を提供するテキストを分析します：

• Slopスコア（0-100、高いほど悪い）
• 特定のパターン検出結果
• 実行可能な推奨事項

手動検出： 詳細なパターンについては、適切なリファレンスファイルを読む：

• references/text-patterns.md - 自然言語slopパターン
• references/code-patterns.md - プログラミングslopパターン
• references/design-patterns.md - ビジュアル/UXデザインslopパターン

2. Slopをクリーンアップする

自動クリーンアップ（テキストのみ）：

# 変更内容をプレビュー
python scripts/clean_slop.py <file>

# 変更を適用（バックアップを作成）
python scripts/clean_slop.py <file> --save

# アグレッシブモード（意味が少し変わる可能性あり）
python scripts/clean_slop.py <file> --save --aggressive

手動クリーンアップ： 検出されたパターンに基づいてリファレンスファイルの戦略を適用します。

テキストSlop検出とクリーンアップ

優先度の高いターゲット

すぐに削除：

• 「delve into」→ 削除するか「examine」に置き換え
• 「navigate the complexities」→ 「handle」またはを削除
• 「in today's fast-paced world」→ 削除
• 「it's important to note that」→ 削除
• ドキュメント自体についてのメタコメント

冗長なフレーズを簡潔にする：

• 「in order to」→ 「to」
• 「due to the fact that」→ 「because」
• 「has the ability to」→ 「can」

バズワードを置き換える：

• 「leverage」→ 「use」
• 「synergistic」→ 「cooperative」
• 「paradigm shift」→ 「major change」

品質原則

直接的であること：

• 前置きやメタコメントをスキップ
• 実際のポイントから始める
• 意味を追加しない推移語を削除

具体的であること：

• 汎用語を具体例に置き換え
• 「items」「things」「data」ではなく特定のものを名前で指す
• 曖昧な動詞の代わりに正確な動詞を使用

本物であること：

• 文の構造と長さのバリエーション
• 受動態ではなく能動態を使用
• 企業向けの汎用的な文章ではなく、文脈に適した声で執筆

コードSlop検出とクリーンアップ

優先度の高いターゲット

汎用的な変数名を変更する：

• data → そのデータが表現するものを名前で指す
• result → 結果に何が含まれているかを名前で指す
• temp → 一時的に何を保存しているかを名前で指す
• item → どの種類のアイテムかを名前で指す

自明なコメントを削除する：

# 悪い例
# Create a user
user = User()

# より良い - コードが語る
user = User()

過度に複雑なコードを簡潔にする：

• 不要な抽象化レイヤーを削除
• 目的なしに使用されるデザインパターンを置き換え
• 単純なタスクの複雑な実装を簡潔にする

関数名を改善する：

• handleData() → データで何をしているか？
• processItems() → 具体的に何を処理しているか？
• manageUsers() → どの管理アクション？

品質原則

賢さより明確さ：

• 理解しやすいコードを書く
• プロファイリングが必要を示す場合のみ最適化
• 複雑なソリューションより単純なソリューションを優先

意味のある名前：

• 変数名はコンテンツを説明するべき
• 関数名はアクション＋オブジェクトを説明するべき
• クラス名は責務を説明するべき

適切なドキュメント：

• なぜ（why）を文書化し、なに（what）ではない
• 自明なコードは文書化をスキップ
• 公開APIと複雑なロジックにドキュメントを集中

デザインSlop検出とクリーンアップ

優先度の高いターゲット

ビジュアルslop：

• 汎用的なグラデーション背景（紫/ピンク/シアン）
• glassmorphismやneumorphismの過度な使用
• 目的のない浮かぶ3D形状
• すべての要素が同じデザイン処理を使用

レイアウトslop：

• コンテンツのニーズを無視したテンプレート駆動レイアウト
• コンテンツタイプに関わらずすべてカード化
• 階層のない過度な空白
• すべての要素の中央配置

コピーslop：

• 「Empower your business」タイプのヘッドライン
• 文脈のない「Get Started」のような汎用的なCTA
• バズワード満載の説明
• ストック写真のような美学

品質原則

コンテンツ優先のデザイン：

• 実際のコンテンツニーズを中心にデザイン
• 重要度に基づいて階層を作成
• テンプレートではなくコンテンツがレイアウトを決定

意図的な選択：

• あらゆるデザイン決定が正当化可能であるべき
• トレンドだからではなく、ユーザーに役立つからパターンを使用
• 要素の重要度に基づいてビジュアル処理を変化させる

本物の声：

• コピーはブランド個性を反映すべき
• 汎用的なマーケティング用語を避ける
• 価値提案を具体的に示す

リファレンスファイル

特定のドメインで作業する際は、これらの包括的なガイドを参照してください：

• text-patterns.md - 自然言語slopパターンの完全なカタログ（検出ルールとクリーンアップ戦略付き）

• code-patterns.md - 言語別プログラミングアンチパターン（リファクタリングガイダンス付き）

• design-patterns.md - ビジュアルおよびUXデザインslopパターン（改善戦略付き）

各リファレンスには以下を含みます：

• パターン定義と例
• 検出シグナル（高/中信頼度）
• パターンが許容される文脈
• 特定のクリーンアップ戦略

スクリプト

detect_slop.py

AIスlopパターンについてテキストファイルを分析します。

使用方法：

python scripts/detect_slop.py <file> [--verbose]

出力：

• 全体的なslopスコア（0-100）
• カテゴリー別検出結果
• 行番号と例
• 実行可能な推奨事項

スコアリング：

• 0-20: 低slop（本物の執筆）
• 20-40: 中程度のslop（いくつかのパターン）
• 40-60: 高slop（多くのパターン）
• 60以上: 深刻なslop（高度に汎用的）

clean_slop.py

テキストファイルから一般的なslopパターンを自動的に削除します。

使用方法：

# 変更をプレビュー
python scripts/clean_slop.py <file>

# 変更を保存（バックアップを作成）
python scripts/clean_slop.py <file> --save

# 別のファイルに保存
python scripts/clean_slop.py <file> --output clean_file.txt

# アグレッシブモード
python scripts/clean_slop.py <file> --save --aggressive

クリーンアップ対象：

• 高リスクフレーズ
• 冗長な構成
• メタコメント
• 過度なヘッジング
• バズワード
• 冗長な修飾語
• 空の強調詞

安全性：

• 上書き時に常に.backupファイルを作成
• プレビューモードは適用前に変更を表示
• コンテンツの意味を保持（非アグレッシブモード）

ベストプラクティス

治療より予防

コンテンツを作成する際：

1. 特定のオーディエンスを念頭に置いて執筆
2. 抽象化より具体例を使用
3. ポイントから始め、前置きをスキップ
4. 印象ではなく精密さのために単語を選択
5. 完全と判断する前にレビュー

文脈を考慮したクリーンアップ

すべてのパターンが常にslopではありません：

許容される文脈：

• 学術執筆では、より多くのヘッジングが必要な場合がある
• 法的文書は特定の表現を要求
• 内部ドキュメントはショートカットを使用可能
• テクニカルドキュメントにはドメイン固有の慣例がある

常に考慮：

• 誰がオーディエンスか？
• 目的は何か？
• このパターンは機能を果たしているか？
• より良い選択肢があるか？

反復的な改善

1. 検出 - 検出スクリプトを実行するか手動レビュー
2. 分析 - どのパターンが本当に問題かを理解
3. クリーンアップ - 安全な場所で自動クリーンアップを適用
4. レビュー - 変更が意味を保持することを手動確認
5. 調整 - 手動で残りの問題を修正

自動化より品質

スクリプトはツールであり、判断の代替ではありません：

• 自動検出を使用して候補を見つける
• 自動クリーンアップを明白なパターンに適用
• 意味を変える可能性のあるものは手動でレビュー
• 文脈に基づいて判断力を発揮

統合パターン

コードレビュー

# コミット前にファイルを確認
python scripts/detect_slop.py src/documentation.md --verbose

# 自動的にクリーンアップ
python scripts/clean_slop.py src/documentation.md --save

コンテンツパイプライン

1. 初期コンテンツを作成
2. slop検出を実行
3. 自動クリーンアップを適用
4. 手動レビューと調整
5. 最終品質チェック

標準の強制

プロジェクト固有のしきい値を作成：

• 最大許容slopスコア: 30
• スコアが20を超える場合は手動レビューが必須
• スコアが50を超える提出は自動拒否

制限事項

スクリプトはテキストのみを処理：

• コードslop検出は手動（code-patterns.mdを使用）
• デザインslop検出は手動（design-patterns.mdを使用）

文脈感度：

• スクリプトはすべての文脈を理解できない
• 「slop」の一部は特定のドメインで適切な場合がある
• 常に自動化された変更を確認

言語カバレッジ：

• 検出パターンは英語に最適化
• コードパターンは一般的な言語に焦点（Python、JS、Java）
• デザインパターンはプラットフォーム非依存

一般的なシナリオ

シナリオ1: AI生成コンテンツのレビュー

# ユーザーが質問: 「この記事のAI slopをレビューできますか？」
1. 監視するパターンについてreferences/text-patterns.mdを読む
2. 実行: python scripts/detect_slop.py article.txt --verbose
3. 検出結果を確認して手動クリーンアップを適用
4. オプション: python scripts/clean_slop.py article.txt --save を実行
5. クリーンアップされたコンテンツの最終手動レビューを実行

シナリオ2: コードベースのクリーンアップ

# ユーザーが質問: 「コードの汎用AIパターンをクリーンアップするのに手伝ってください」
1. references/code-patterns.mdを読む
2. パターンについてコードファイルを手動レビュー
3. 汎用名を変更するリストを作成
4. code-patterns.mdの原則に従ってリファクタリング
5. 明白なコメントと過度な抽象化を削除

シナリオ3: デザインレビュー

# ユーザーが質問: 「このデザインは汎用的に見えませんか？」
1. references/design-patterns.mdを読む
2. 高信頼度slopインジケータに対してチェック
3. 特定の問題を特定（グラデーション、レイアウト、コピー）
4. design-patterns.mdから特定の推奨事項を提供
5. 具体的な代替案を提案

シナリオ4: 品質基準を確立する

# ユーザーが質問: 「チームの品質基準を作成するのに手伝ってください」
1. 3つのリファレンスファイルすべてをレビュー
2. ユーザーのドメインに最も関連するパターンを特定
3. プロジェクト固有のガイドラインを作成
4. 開発パイプラインに検出スクリプトをセットアップ
5. 許容される例外を文書化

成功のヒント

テキストクリーンアップの場合：

• 最初に検出を実行して範囲を理解
• 重要なコンテンツには非アグレッシブモードを使用
• 常に自動化された変更をレビュー
• 高リスクパターンに最初に焦点を当てる

コードクリーンアップの場合：

• 汎用変数の名前変更から開始
• 次に明白なコメントを削除
• 過度に複雑なコードのリファクタリングを最後に
• 各重要な変更後にテスト

デザインクリーンアップの場合：

• パターンに対してビジュアル要素を監査
• 美的な問題より構造的な問題を優先
• 変更がユーザーのニーズに役立つことを確認
• ブランド一貫性を維持

一般的な原則：

• 均一性より品質
• ルールより文脈
• 賢さより明確さ
• 一般性より具体性