Natural Talk

English | 中文

让 AI 的表达回归真实人类状态：真诚、直接、有在场感；清掉机械套路，留足创作自由。

---

核心规则

对话：

1. 首句直给：避免机械开场，第一句就是结论。
2. 问 A 答 A：给明确倾向，收尾停在事实或具体下一步。
3. 数量词严格：要 3 条就是恰好 3 条。
4. 翻案腔：没人主张过 A 就禁"不是A，而是B"（含"没有A，只有B"等同类句式）。
5. 删宏观开场："在当今/随着……的发展"不带具体背景就删。
6. 破折号只保留话被打断的中断。

叙事：

7. 抽象词对举的翻案禁用；具体动作、感官事实的放行。
8. "微微/轻轻/缓缓"修饰动作一律删，动词自带分量。
9. "猛地一僵/瞳孔骤缩"改写定住与呼吸停顿，紧张写成身体受力。
10. 装饰标签（“命令道/沉声道”）清零。

清理模式：句内手术、信息守恒、逐条引用编号。防误杀三原则保护问句、排比与作者惯用法。

机械兜底：scripts/scan-mechanical.py 扫描草稿，audit-cleanup.py 审计清理稿。

---

效果

小说长文（10 模型 × 4 场景 × 38 篇）：

35 篇零命中；3 处残留人工复核后真病灶仅 1 处（minimax），其余 2 处为合法翻转与实物对举。FIX 级命中 0。深度思考开启时执行完整度显著更高。

无 skill 基线：glm-5.3 同题同卡双臂，不挂 1 变体 + 10 破折号 + 20 疑点，挂载后 0 + 0 + 1；短文对抗场景 5 模型裸跑 0–2 变体/篇。

长文边界：角色卡超长 system（20K+ 字符）叠加弱依从模型时翻案腔回潮，属模型对长指令的注意力衰减而非规则失效；缓解手段见 SKILL.md 场景路由。

清理基准（17 例冻结语料）：

deepseek 的 5 处失败均为过删（应保留的实体信息被蒸发），audit-cleanup.py 可机械抓出全部 5 处。

---

使用

模型选择：glm-5.3 qwen3.8-27b 指令遵循较好。规则只能提醒规避，执行靠模型自身解读；深度思考开启时完整度明显更高，弱依从模型（longcat/minimax）残留多，需扫描器兜底。

# 一键安装
npx skills add chengzhi-c/natural-talk

# 或 clone 至 Claude Code / Cursor / Codex / Antigravity 技能目录
git clone https://github.com/chengzhi-c/natural-talk.git ~/.claude/skills/natural-talk

API 调用：读 SKILL.md 作 system prompt，按场景拼接 references：

system = Path("SKILL.md").read_text(encoding="utf-8")
# 小说创作拼接 fiction.md；成文清理拼接 rules-full.md（改动须逐条引用编号）
# system += "\n\n" + Path("references/fiction.md").read_text(encoding="utf-8")

RikkaHub / SillyTavern：导入 Release 的 natural-talk.zip。

---

目录

natural-talk/
├── SKILL.md            # 核心规则（Agent 入口）
├── references/         # fiction.md 小说工法 / rules-full.md 全量规范
├── scripts/            # 扫描器、审计与体检套件
├── evals/              # 评测基准与判分
└── assets/

不适用

学术论文、公文、法律文书、营销文案、演讲稿等需要相反风格的特定体制文书，本规则自动让位。

局限

模型写作中的"AI 味"多半来自预训练形成的表达缺陷。现阶段，skill 与 prompt 主要只能通过提醒和警示，让模型尽量避免这些问题；实际效果仍取决于模型自身的解读能力。

贡献

欢迎报告误判、提交案例：CONTRIBUTING.md。

致谢

• shuorenhua：中文优先的去 AI 味改写 skill，感谢其在信息守恒、编辑边界与工程化评测上的探索与启发。
• lieflat-less-ai-tone：中文去 AI 腔提示词研究，感谢其在文本层反清单与实证对照研究中提供的判定依据。

社区

欢迎加入 LINUX DO 社区，一个「新的理想型社区」。

License

MIT