新闻详情

新闻详情

首页 / 资讯中心 / 详情

3分钟装好SimpleEnglish,让Claude/Codex告别AI味写文档:4种安装方式完整指南

发布时间:2026/11/14 4:08:21来源:尧图网络
3分钟装好SimpleEnglish,让Claude/Codex告别AI味写文档:4种安装方式完整指南
3分钟装好SimpleEnglish让Claude/Codex告别AI味写文档4种安装方式完整指南【免费下载链接】SimpleEnglishAgent skill: make LLMs write docs in ASD-STE100 Simplified Technical项目地址: https://gitcode.com/gh_mirrors/si/SimpleEnglishSimpleEnglish 是一个开源 Agent 技能把航空界使用 40 年的 ASD-STE100 简化技术英语规则装进 Claude、Codex 等 AI 工具让它们写出的 README、Runbook、错误提示告别AI 味。无需写代码、无依赖一行命令即可完成 SimpleEnglish 安装本文给出 4 种安装方式的完整步骤。⏱ 安装前 30 秒准备项目要求Node.js仅插件钩子需要src/hooks/README.md网络可访问包管理器即可支持的 AgentClaude Code、Cursor、VS Code Copilot、OpenAI Codex、Gemini CLI、OpenCode 等约 30 款核心规则本体是 skills/simple-english/SKILL.md包含 53 条编号规则按 9 个章节组织全部基于 ASD-STE100 Issue 92025-01-15编写。 4 种 SimpleEnglish 安装方式对照方式适用场景一行命令搞定① skills CLI任意支持 Agent Skills 标准的工具是② Claude Code 插件想要技能 会话钩子 输出风格是③ Codex 插件OpenAI Codex 用户是④ 手动粘贴提示词claude.ai、ChatGPT、Gemini 网页版复制粘贴方式一skills CLI 一行安装推荐所有 Agent任何读取 Agent Skills 标准的工具都能用 skills CLI 安装npx skills add AminBlg/SimpleEnglish不想安装也可以先试用npx skills use AminBlg/SimpleEnglishsimple-english方式二Claude Code 插件安装步骤插件包含技能、会话钩子和输出风格三部分claude plugin marketplace add AminBlg/SimpleEnglish claude plugin install simple-englishsimple-english安装后会话钩子会在启动时自动载入写法规则实现见 src/hooks/simple-english-activate.js你不需要每次点名技能。再启用配套的输出风格simple-english:simple-english定义在 output-styles/simple-english.md单个项目运行/config打开 Output style选中它全部项目在~/.claude/settings.json写入{outputStyle: simple-english:simple-english}然后重启 Claude Code⚠️ 注意使用完整名称短名无法解析。方式三Codex 插件安装与钩子信任codex plugin marketplace add AminBlg/SimpleEnglish codex plugin add simple-englishsimple-english首次运行前Codex 会要求你信任/hooks中的会话钩子按提示批准即可。钩子配置在 hooks/hooks.json它匹配startup|resume|clear|compact四种会话启动场景。方式四手动粘贴系统提示词无技能支持时网页版 ChatGPT、Gemini 或任何不支持 SKILL.md 的环境直接复制 prompts/system-prompt.md 的内容粘进系统提示词、AGENTS.md或.cursorrules在 claude.ai、ChatGPT、Gemini 上作为第一条消息发送该文件末尾还附了约 60 token 的极简版适合上下文预算紧张的场景也可以手动克隆仓库后自行部署 skills/simple-english/ 目录git clone https://gitcode.com/gh_mirrors/si/SimpleEnglish✅ 装好之后怎么用不需要任何特殊语法。直接提出技术写作需求或者说一句rewrite this with simple-english典型改写效果摘自 examples/before-after.md装前真实 AI 输出装后技能生效Leverage sqlpipes robust architecture, users can seamlessly synchronize…sqlpipe copies your Postgres tables to S3. It needs one configuration file.It is worth noting that the migration has been completed…The migration completed. The database rebuilds the table.长句被拆到 20 词以内、被动语态变主动、模糊措辞全部删除——而代码、命令、报错字符串一字不动Untouchables 规则见 SKILL.md。 效果如何数据说话在 7 个 Claude 模型 × 8 类写作任务112 次生成的基准测试中技能开启后STE 违规率平均下降 74.6%盲测评委在 56 组对比中 45 次选择了技能输出详见 evals/results/RESULTS.md。模型基线违规/百词技能违规/百词降幅claude-opus-52.130.3285%claude-opus-4-72.280.4282%claude-sonnet-52.670.5380%同样的 8 类任务在 Pi、OpenAI API 等其他运行环境上也复现了 67%95.8% 的降幅。❓ 常见问题H3: 文档会写得像机器人吗像空客维修手册平实、不可能误读。这正是技术文档的目的——把人设留给博客把无歧义留给文档。H3: 直接提示写得清楚点不行吗清楚是观点句子不超 20 词是规格。Agent 只会服从规格。H3: 两种模式怎么选默认 Pragmatic实用模式保留你的领域词如 webhook、idempotent提到 STE 或合规时进入 Strict严格模式套用完整词汇表纪律。 小结SimpleEnglish 安装只需一条命令通用工具走 skills CLIClaude Code 和 Codex 走插件网页版粘贴提示词。3 分钟装完之后所有技术文档自动以航空手册标准输出。规则来源与许可证见 README.md 和 LICENSEMIT。【免费下载链接】SimpleEnglishAgent skill: make LLMs write docs in ASD-STE100 Simplified Technical项目地址: https://gitcode.com/gh_mirrors/si/SimpleEnglish创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉