Token导航 LogoToken导航TokenDH.com
效率external-serviceclawhub未标认证来源可访问clear审计通过

de-ai-flavor德艾味

Agent Skill

de-ai-flavor 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

2,250

周安装

91

GitHub Stars

公开资料未说明

下载量

706
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:de-ai-flavor(德艾味)
来源仓库:https://github.com/terryso/de-ai-flavor
安装命令:
openclaw skills install de-ai-flavor
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install de-ai-flavor

简介

用于检测并优化中文文章中的 AI 翻译腔,提升表达自然度。

  • 适合写作润色、文本优化等场景,增强语言专业性。
  • 安装命令:openclaw skills install de-ai-flavor。
  • 建议结合原文语境使用,避免过度修正导致语义偏差。
  • 不涉及敏感内容处理,但需确保输入文本合规。de-ai-flavor 属于效率类 Skill,可作为该场景下的辅助能力补充。

SKILL.md

name
de-ai-flavor
description
检查并优化中文文章的AI翻译腔,让文本更自然
argument-hint
<file-path> (要检查的中文 Markdown 文件路径)

去AI味

检查中文文章中的 AI 翻译腔,给出修改建议并直接优化。

输入

{ARGUMENT} 是要检查的文件路径。如果为空,询问用户提供文件路径。

检测规则

逐段扫描文章,检测以下 4 类 AI 翻译腔:

规则 1:物理动作动词形容思维

用物理动作来描述抽象思维过程,是英文直译的典型痕迹。

常见问题词: 接住、击穿、拆解、锋利、打通、抓住、落地、深耕、赋能、抓手、沉淀、闭环、拉齐、对齐(作动词用时)、链路、痛点、颗粒度

修改方式: 换成直接的中文表达,或删掉。

  • "拆解这个问题" → "分析这个问题"
  • "打通全链路" → "完成全部流程"
  • "赋能开发者" → "帮开发者"

规则 2:形容词预判 + 冒号

先给一个主观评价,再用冒号展开内容。AI 特别爱用这种结构。

典型模式:

  • "X 很简单:"
  • "X 有几个亮点:"
  • "X 最让人印象深刻的是:"
  • "X 的核心理念是:"
  • "X 清晰分层:"

修改方式: 删掉评价部分,直接展开内容。

  • "SDK 的架构清晰分层:" → "SDK 的架构分了几层:"
  • "就这么简单。prompt() 是阻塞式的" → "prompt() 是阻塞式的"
  • "这是最让人印象深刻的特性之一" → 直接说内容

规则 3:抽象名词主语 + 形容词结论

用抽象名词做主语,配上一个形容词结论,看起来高级但空洞。

典型模式:

  • "X 的设计哲学不是 A 而是 B"
  • "X 为 Y 生态带来了一套完整的 Z"
  • "X 提供了一套生产级别的 Y"
  • "这些是在构建 Z 时必不可少的基础设施"

修改方式: 换成具体描述,或直接说结论。

  • "它的设计哲学不是做一个简单的封装,而是提供一套生产级别的运行时" → "它提供的不只是 LLM API 的一层封装"
  • "值得一试" → "可以 clone 下来跑跑看"(给具体动作)

规则 4:不必要的英文混入

中英文夹杂在技术文章中有时必要,但有些混入是多余的。

判断标准: 如果有对应的中文名称且读者普遍熟悉,就不需要英文。

  • "Interface" → "接口"(如果上下文都是中文)
  • "Leverage" → 直接用中文

注意: 技术术语保留英文是正常的(API、SDK、LLM、Agent、MCP 等),不要过度修改。

执行流程

  1. 读取文件:读取 {ARGUMENT} 指定的文件
  2. 逐段扫描:按上面 4 条规则逐段检查,记录所有问题
  3. 汇报问题:列出发现的问题,按规则分类,每条给出原文和修改建议
  4. 应用修改:直接修改文件
  5. 显示 diff:用 git diff 展示改动,让用户确认

输出格式

先汇报问题,格式如下:

规则 X:<规则名称>
- 第 N 段:"原文片段" → 建议改为:"修改后"

然后直接应用修改,最后显示 diff。

注意事项

  • 只修改有问题的句子,不要改写没有 AI 味的正常内容
  • 技术术语的英文保留不动
  • 保持文章原有的结构和排版
  • 如果文章几乎没有 AI 味,直接告诉用户"这篇文章没什么 AI 味,不需要改"

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

75.55%
按下载量换算533

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

external-service

该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills