公開日:
「AIっぽさを消す」系スキルは前からあるのに、no-ai-slopは公開2日でGitHubスター約2,000まで伸びました。
中身はコード0行、全部が指示書。無料でMITライセンスです。
日本語では文の構造グセに効き、英単語の禁止リストは素通りします。
この記事はAIに下書きを任せていて、公開前のAIっぽさが気になるライター・ブロガー向け（Claude Codeを触り始めた非エンジニアでも読めます）。
no-ai-slopって何をするスキル？
no-ai-slopは、文章から「AIっぽいクセ」、いわゆるAI slopを消すためのスキルです。
GitHubの説明文はたった1行。
「Removes 20+ patterns of AI slop from any piece of writing.」。
あらゆる文章から、AIっぽいパターンを20種類以上取り除く、という意味です。
中身を開くと、README.mdとSKILL.md、eval.md、LICENSEの4ファイルだけ。
あとはagents/openai.yamlが1つ。
コードは1行も入っていない。
全部がMarkdownとYAMLで書かれた「指示書」です。
動作は2つのモードに分かれます。
編集モードは、/no-ai-slop に下書きを渡すと、直した原稿と「What changed」（何を変えたか）の要約が返ります。
検出モードは、/no-ai-slop is this AI slop? にテキストを渡すと、当てはまったパターン名と該当行が全部並びます。
検出モードの思想が、このスキルの芯です。SKILL.mdはこう書いています。
Do not rewrite, score the draft, or guess whether AI wrote it. AI detectors guess. Named patterns are evidence the user can check.
（書き換えや点数化、AIが書いたかの当てずっぽうはしない。
AI検出器は推測する。
名前のついたパターンは、ユーザー自身が確認できる証拠だ）
ここは後で効いてくる一節。
料金はゼロ。MITライセンスなので、改変も商用利用も自由です。
なぜ公開2日でスター約2,000まで伸びたのか
数字を先に置きます。
執筆時点（2026-07-24）のGitHub APIで、スター2,031、フォーク160。
公開は2026-07-22なので、2日でこの伸びです。
私は、公開のタイミングに引っかかりました。
同じ週に、Substackが投稿のAI slop検出を始めています。
検出はPangramの技術。
Substack公式ブログ「Against Claudefishing」（2026-07-21）は、読者が「書き手側に人間の思考がないもの」に知らず時間を使う状態を問題にしています。
検出対象の範囲も明記されています。
This will work on text longer than 100 words, published from today on.
（100語を超えるテキストが対象で、公開日以降の投稿にのみ働く。
過去の投稿には遡らない）
つまり「AIっぽさを検出する側」と「AIっぽさを消す側」が、同じ週に出てきた。
片方だけなら、ここまで伸びていない。
私は、この同時性が拡散の主因だと思っています。
納品前チェック工程にno-ai-slopを組み込む手順
ライターの実務に落とすなら、書き終えたあと、納品や公開の直前に1回通すのが素直な使い方です。
手順は、公式READMEとSKILL.mdの記述をそのまま並べます。
- STEP1｜導入コマンドを1回渡す。READMEはこう指示しています。「Install this skill globally: https://github.com/petergyang/no-ai-slop」。これをClaude CodeやCodexに貼るだけで、全プロジェクト共通で使える状態になります。
- STEP2｜下書きを用意する。AIに書かせた記事やメルマガの原稿を、テキストで手元に置きます。
- STEP3｜まず検出モードで通す。/no-ai-slop is this AI slop? に本文を渡すと、当てはまったパターン名と該当行が全部並びます。ここで「どこがAIっぽいか」を先に把握します。
- STEP4｜編集モードで直す。/no-ai-slop に同じ原稿を渡すと、最小限の修正と「What changed」の要約が返ります。SKILL.mdは「効く範囲で最小の修正だけする」と明記しています。
- STEP5｜書き手の声で上書きする。SKILL.mdの設計思想は「書き手の本当の声を残す」。返ってきた原稿を鵜呑みにせず、1行ずつ読んで最終稿にします。
ここで前提が1つ。
SKILL.mdは「主張・例・数字・意見を勝手に作らない」と釘を刺しています。
事実確認は、あくまで人間の仕事。
英語製スキルは日本語の文章に効くのか
ここが本題です。no-ai-slopは英語圏で作られたスキルです。
日本語の原稿に使うと、効く部分と素通りする部分が、くっきり分かれます。
効くのは、文の「構造」のクセです。
二項対立（「It's not X. It's Y.」型）、コロン勿体ぶり（「The best part: it learns.」型）、過剰な短文分割、単調なリズム、長すぎる前置き、末尾のまとめ再掲。
この辺は言語をまたいで発火します。
効かないのは、英単語の禁止リストの側。
SKILL.mdは delve、leverage、utilize、robust、game changer など24語を「完全禁止」に指定しています。
禁止語24個は全部英単語です。日本語の原稿には、そもそも出てこない。
私は、日本語で確実に効くのは構造パターンの側だと思っています。
「〜ではない。
〜だ。
」の乱発、体言止めの多用、まとめの繰り返し。
この辺は英語スキルでも指摘が飛んできます。
逆に、語尾の平坦さや語彙の粗さは日本語版の守備範囲です。
ここを英語スキルに求めると空振りします。
stop-slop・日本語特化スキルとの使い分けは？
「結局どれを入れればいいのか」を、表1枚に整理します。
数字は執筆時点のGitHub API実測です。
| スキル名 | 言語 | 公開 | スター | 特徴 | ライセンス |
|---|---|---|---|---|---|
| no-ai-slop | 英語 | 2026-07 | 約2,031 | 20種以上のパターン、編集/検出の2モード | MIT |
| stop-slop | 英語 | 2026-01 | 約14,342 | 英語の元祖。散文からAI臭を除去 | MIT |
| stop-ai-slop-jp | 日本語 | 2026-06 | 約358 | stop-slopの日本語版。5軸50点の採点表 | MIT |
| natural-japanese | 日本語 | 2026-07 | 約116 | 形態素解析で機械検出。0〜100スコア | MIT |
英語の記事やメルマガを書くなら、素直にno-ai-slop。
元祖のstop-slopはスター約14,342で、実績と資料が一番厚い。
ここは無視できない差です。
日本語の原稿がメインなら、構造だけno-ai-slopに見てもらい、語尾と語彙は日本語版に回すのが現実的です。
日本語版も系統が2つに分かれます。
stop-ai-slop-jpはstop-slopの直訳移植で、5軸50点満点の採点表つき。
natural-japaneseは別設計で、sudachipyの形態素解析による機械検出と0〜100スコアが特徴です。
私なら、no-ai-slopと日本語特化版を二段構えで入れます。
まずno-ai-slopで構造のクセを潰し、日本語版で語尾と語彙を整える。
1本で全部やろうとしない。
日本語版を足すなら、natural-japaneseは配布チャネルが複数あります。
公式READMEが示す手順はこうです。
- STEP1｜natural-japaneseを追加する。「npx skills add」で導入するのが、公式が挙げるチャネルの1つです。
- STEP2｜原稿をスコアにかける。「/natural-japanese score」にファイルを渡すと、0〜100の自然度スコアが返ります。
- STEP3｜スコアの低い箇所を人間が直す。設計思想は「検出は機械、判断は人間」。機械の指摘を参考に、最後は手で整えます。
ここで注意が1つ。
stop-ai-slop-jpとnatural-japaneseは別系統です。
前者はstop-slopの移植、後者はゼロから設計された別ツール。
「日本語版」で一括りにしないのが正確です。
使う前に知っておきたい注意点は？
一番大事な線を先に引きます。
このスキルは「AI検出をすり抜けるため」の道具ではありません。
作者もSubstack側も、そこは真逆を向いています。
検出モードのSKILL.mdは「AIが書いたかを当てずっぽうで判定しない」と明確に否定しています。
狙いは「AIが書いたと隠すこと」ではなく、「どのクセが機械っぽいかを名指しして、人間が直せるようにすること」。
私が一番大事だと思うのは、この一線です。
公開直後には、こういう問いも一緒に出ました。
「クセを消しても、中身がAIのままなら意味があるのか」。
GitHubのIssueは、配布方法の改善要望（#8）が1件だけ。
不具合報告はゼロ。
ただ、この本質的な問いは残ります。
Substack公式ブログの立場が、そのまま答えになっています。
検出技術は文の特徴までは見られても、「書き手側に人間の思考があるか」までは測れない。
飾りを消すことと、中身を人間が持つことは別問題です。
作者自身、下書きの最初と最後は手作業で埋める工程を公言しています。
よくある質問（FAQ）
no-ai-slopは有料ですか？
無料です。
MITライセンスのオープンソースで、GitHubから導入できます。
改変も商用利用も自由。
日本語の文章にも効きますか？
文の構造グセには効きます。
二項対立、コロン勿体ぶり、過剰な短文分割、まとめ再掲などです。
ただ、delveやleverageといった英単語の禁止リストは、日本語には発火しません。
構造はno-ai-slop、語彙は日本語版という併用が現実的です。
AI検出ツールをすり抜ける目的で使えますか？
その用途は作者の設計思想と真逆です。
SKILL.mdは「AIが書いたかを当てずっぽうで判定しない」と明記し、狙いはクセを名指しして人間が直せるようにすること。
検出回避の道具ではありません。
元祖のstop-slopと何が違いますか？
stop-slopは2026年1月公開の英語の元祖で、スター約14,342。
no-ai-slopは後発で、編集/検出の2モードとeval.mdの自己チェックが特徴です。
どちらも英語製なので、日本語なら別途、日本語特化版を足すと隙間が埋まります。
このページに出てきた言葉
- AI slop
- AIが書いた文章に出やすい、機械っぽい言い回しや構造のクセの総称
- スキル
- Claude CodeなどのAIアシスタントに追加できる、作業ルールをまとめた指示書のセット
- Markdown
- 記号で見出しや箇条書きを表す、軽量なテキストの書き方
- YAML
- 設定を「項目名: 値」の形で書く、シンプルなテキスト形式
- MITライセンス
- 改変も再配布も商用利用も自由と定めた、ゆるいオープンソースの利用許可
- Substack
- 書き手が読者にニュースレターを配信・課金できる海外サービス
- Pangram
- 文章がAI生成かどうかを判定する検出技術。Substackが採用
- 形態素解析
- 文章を単語ごとに区切って品詞を判定する、日本語処理の基礎技術
参考リンク
- no-ai-slop 公式README（GitHub）: https://github.com/petergyang/no-ai-slop
- no-ai-slop SKILL.md（設計思想・パターン一覧）: https://github.com/petergyang/no-ai-slop/blob/main/SKILL.md
- no-ai-slop Issue #8（配布方法の改善要望）: https://github.com/petergyang/no-ai-slop/issues/8
- no-ai-slop PR #6（日本語README追加・提案中）: https://github.com/petergyang/no-ai-slop/pull/6
- Substack公式ブログ「Against Claudefishing」（Pangram検出導入）: https://post.substack.com/p/against-claudefishing
- stop-slop（英語の元祖・別プロジェクト）: https://github.com/hardikpandya/stop-slop
- stop-ai-slop-jp（日本語版・stop-slopの移植）: https://github.com/iKora128/stop-ai-slop-jp
- natural-japanese（日本語ビジネス文書向け・独自設計）: https://github.com/coji/natural-japanese
※この記事の内容は執筆時点のものです。AIは進化が速い分野のため、最新の仕様は公式サイトでご確認ください。