AI가 쓴 글에는 패턴이 있다. 같은 표현, 같은 구조, 같은 리듬. hardikpandya/stop-slop은 그 패턴을 잡아내서 사람 글로 되돌리는 Claude/LLM용 규칙 모음이다.
왜 이 스킬이 필요한가, 배경부터.
요즘 블로그·뉴스레터·SNS 글을 읽다 보면 묘하게 비슷한 글들이 늘었다. 문장은 깔끔한데 어딘가 사람이 쓴 것 같지 않다. 너무 매끄럽고, 너무 정돈돼 있고, 같은 리듬으로 단정한다. 이걸 영어권에서는 AI slop이라고 부른다. 직역하면 ‘AI가 양산한 잡탕’쯤 된다.
호텔 조식 뷔페에 가면 어느 호텔이든 비슷한 스크램블 에그가 나온다. 양도 적당하고 간도 맞고 못 먹을 정도는 아니지만, 누구의 손맛도 느껴지지 않는다. AI slop이 딱 그렇다. 흠은 없는데 사람의 흔적도 없다.
문제는 이게 그냥 미적인 문제가 아니라는 것이다. 독자가 “아 이거 AI가 썼네”를 한 번 감지하는 순간, 글의 신뢰도가 통째로 떨어진다. 회사 블로그·이메일·기술 문서가 AI 티 나게 쓰여 있으면 ‘성의 없이 자동 생성한 것’처럼 읽히고, 그 인상은 글을 쓴 사람·회사 전체에 옮겨붙는다.
그래서 LLM으로 초안을 뽑는 사람들 사이에서 ‘AI 티 지우기’가 작은 산업이 됐다. stop-slop은 그 작업을 사람이 직접 하지 않고, LLM 본인에게 가르치는 방식이다. “너 이 패턴들 좀 그만 써”라는 규칙집을 줘서 LLM이 스스로 자기 글의 AI 티를 잡아내게 만드는 것.
이 레포의 핵심 메시지.
코드 한 줄 없다. 모델을 새로 학습시키지도 않는다. SKILL.md + 3개의 참조 파일에 ‘쓰지 마라’ 목록과 ‘이 구조 쓰지 마라’ 목록을 빽빽이 적어둔 게 전부다. 그걸 Claude·ChatGPT·Cursor 같은 도구의 시스템 프롬프트에 끼워 넣으면, 그 도구가 뽑는 글의 톤이 바뀐다.
스타 3,000개에 포크 252개. 작은 규칙 모음 치고는 큰 호응이다. 진짜 신박한 기술이 들어간 게 아니라, “AI가 흔히 쓰는 표현 100개를 한 사람이 끝까지 모아 적어줬다”는 노가다 자체가 가치다.
2026년 봄 기준 TrendShift 20위.
이 레포가 뜨는 배경에는 2025~2026년 사이에 폭발한 ‘AI Skills 생태계’가 있다. Anthropic이 Claude에 ‘Skill’이라는 개념을 도입한 뒤로, 사람들이 SKILL.md 파일 한 장으로 AI에게 특정 작업법을 가르치는 게 표준이 됐다.
SKILL.md 하나에 트리거 조건과 핵심 규칙을 적고, 부속 참고 파일로 상세 정보를 분리해둔다. 사용자가 관련 작업을 요청하면 Claude가 자동으로 그 매뉴얼을 읽고 따른다.2026년 들어 TrendShift 상위에 올라오는 레포의 절반 이상이 ‘XX-skills’ 형태다. Yuan1z0825/nature-skills(논문 작성용), greensock/gsap-skills(애니메이션용), mukul975/Anthropic-Cybersecurity-Skills(보안 754종) 등 도메인별 스킬 패키지가 쏟아지고 있다. stop-slop은 이 흐름에서 ‘문장 톤’이라는 가장 보편적인 영역을 노렸다.
Claude가 갓 채용한 신입사원이라면, Skill 파일은 사수가 코팅해서 책상에 붙여둔 ‘실무 메모’다. nature-skills는 논문 쓸 때 보는 메모, stop-slop은 글 다 쓰고 보내기 전에 보는 “이 표현 쓰지 마라” 체크리스트.
경쟁 제품 대비 강점은 세 가지다. 첫째, 도메인을 가리지 않는다. 마케팅 카피든 기술 블로그든 이메일이든 다 적용된다. 둘째, 규칙이 매우 구체적이다. “좋은 글을 써라”가 아니라 “here’s the thing으로 시작하지 마라” 같은 식. 셋째, 저자가 자기 글로 증명한다 — SKILL.md 자체가 stop-slop 규칙을 지킨 모범 답안이다.
전체 파일이 5개뿐인 소형 레포의 해부.
이 레포는 코드가 단 한 줄도 없다. 마크다운 파일과 라이선스 문서뿐이다. 그런데도 작동한다 — 왜냐하면 “실행 환경”이 LLM의 머릿속이기 때문이다.
딱 5개 파일. 핵심은 SKILL.md 하나와 references/ 안의 참고 파일 3개. 이게 Anthropic이 권장하는 Progressive Disclosure(점진적 공개) 패턴이다.
references/에 분리하는 게 정석이다.다른 LLM 도구로 옮겨 쓸 때도 마찬가지다. Cursor·Copilot·Gemini CLI 같은 곳에서는 시스템 프롬프트 가장 위에 SKILL.md를 통째로 붙이고, 참고 파일 3개는 필요할 때 사용자가 추가로 던져준다.
진입 파일에 응축된 본문.
SKILL.md는 짧다. 머리말 5줄, 규칙 8개, 빠른 점검 항목 12개, 채점 표 1개. 전체가 한 화면에 거의 들어온다. 8가지 규칙을 하나씩 풀어쓰면 다음과 같다.
“Here’s the thing”처럼 본론 들어가기 전에 한 박자 비우는 문구, 강조한답시고 붙이는 부사, ‘really·just·literally’ 같은 입버릇은 모두 제거. 한국어로 옮기면 “사실 말이죠”·“정말로”·“솔직히” 류다.
“X가 아니라 Y다” 같은 이분법 대조, “A도 아니고 B도 아니고 C였다” 같은 부정형 나열, 일부러 짧게 끊어 극적으로 보이게 하는 단편화. 이런 구조가 한 글에 두 번만 나와도 AI 티가 확 난다.
모든 문장에 행위 주체가 있어야 한다. 수동태 금지. 더 중요한 건 “무생물이 사람 동사를 하는 표현”을 피하는 것 — “불만이 해결책이 된다”가 아니라 “팀원이 그 주에 그걸 고쳤다”라고 써야 한다는 얘기.
“그 이유는 구조적이다”처럼 추상적 단정 금지. 어떤 구조인지를 말한다. ‘모든’·‘항상’·‘절대로’ 같은 극단어로 권위 만들기 금지.
해설자처럼 멀리서 묘사하지 말고 “당신이 직접 그 자리에 있다면” 시점으로. ‘사람들’보다 ‘당신’, 추상보다 구체.
문장 길이를 섞는다. 3개 나열보다 2개. 모든 단락이 한 줄 펀치라인으로 끝나지 않게. em-dash(긴 줄표 —)는 절대 금지 — AI가 너무 자주 쓰는 구두점이라 GPT 흔적이 된다.
“이게 왜 중요하냐면” 같은 안내 멘트 없이 사실을 그대로 던진다. 부드럽게 풀어주거나 정당화하지 않는다. 핸드홀딩(hand-holding, 손잡고 끌어주기) 금지.
“X는 미래다”처럼 명언집에 들어갈 법한 문장이 보이면 다시 써라. 책으로 출간될 글이 아니라 ‘정보 전달용 글’인 이상, 명언화는 거품이다.
“Here’s the thing: 제품을 만드는 건 정말 어렵다. 기술이 복잡해서가 아니다. 사람이 복잡해서다. 이 점을 잊지 말자.” — 도입 군더더기, 이분법 대조, 강조 강요, 4번 한 번에 모인다.
“제품 만들기는 어렵다. 기술은 다룰 만하다. 사람은 그렇지 않다.” — 같은 메시지, 3분의 1 분량, AI 흔적 0.
첫 번째 참조 파일이 다루는 영역.
SKILL.md가 8가지 규칙으로 전체 방향을 잡았다면, phrases.md는 그중 1번 규칙(군더더기 잘라내기)을 8개 카테고리로 쪼개 구체 단어 목록을 준다. 아래는 대표 6개를 풀어 쓴다. 각 카테고리가 어떤 패턴을 노리는지 정리하면 다음과 같다.
본론에 들어가기 전 한 박자 비우는 표현. ‘here’s the thing’·‘the uncomfortable truth is’·‘let me be clear’ 등. 본문 시작 전에 “이제부터 본문”을 알리는 셈인데, 글에서는 그 신호 자체가 부담이다.
‘Full stop.’·‘Let that sink in.’·‘This matters because’·‘Make no mistake’. 의미를 더하지 않으면서 강조 분위기만 만드는 표현. 강조하고 싶으면 그 문장 자체를 강한 문장으로 쓰면 된다.
‘navigate’·‘unpack’·‘lean into’·‘deep dive’·‘double down’·‘circle back’. 컨설팅 회사 슬라이드에서 흘러나온 어휘. 더 단순한 동사로 바꾸면 거의 항상 더 명확하다.
‘really’·‘just’·‘literally’·‘genuinely’·‘honestly’·‘simply’·‘actually’·‘truly’·‘fundamentally’. “전부 죽여라”가 stop-slop의 입장. 부사는 거의 항상 의미를 더하지 않으면서 신뢰감을 깎는다.
‘Hint:’·‘Plot twist:’·‘Let me walk you through’·‘In this section, we’ll’·‘As we’ll see’. 글이 자기 자신의 구조를 설명하면 흐름이 끊긴다. 흐름은 자연스럽게 만들고, 설명은 빼라.
‘The reasons are structural’·‘The implications are significant’·‘The stakes are high’. 무언가가 중요하다고 선언만 하고 무엇이 중요한지는 안 밝히는 문장. AI의 단골 패턴이다. 중요하다고 말하지 말고 무엇이 중요한지를 보여줘라.
두 번째 참조 파일. 어휘가 아니라 문장 형태를 본다.
같은 어휘를 써도 구조가 AI스러우면 티가 난다. structures.md는 문장과 단락 단위의 9가지 패턴을 짚는다. 그중 가장 자주 잡히는 5가지를 풀어쓴다.
“X가 아니다. Y다”, “X 때문이 아니라 Y 때문이다”, “문제는 X가 아니다. Y다”. AI가 사랑하는 구조. 한 문단에 한 번은 봐줄 수 있지만, 같은 글에 3번 이상 나오면 AI 흔적이 짙다. 해결: Y를 바로 말하면 된다.
“A도 아니었다. B도 아니었다. C였다.” 정답을 미루며 분위기 띄우기. 일종의 수사적 스트립쇼. 해결: 곧장 C라고 쓴다.
“단어. 그게 다다. 그게 핵심이다.” 짧게 끊어서 무겁게 보이게 하는 기법. 한 번 쓰면 영리해 보이지만 두 번 쓰면 의도가 들킨다. 해결: 그냥 완전한 문장으로 쓰자.
“시장이 보상한다”, “문화가 바뀐다”, “데이터가 말해준다”, “결정이 떠오른다”. 무생물에게 사람 동사를 갖다 붙이는 표현. AI가 이 패턴을 좋아하는 이유는 주체를 회피할 수 있어서다. 누가 그 일을 했는지 모를 때 이렇게 쓰면 문장이 굴러간다. 해결: 행위자를 찾아 주어로 박는다.
“아무도 이걸 설계하지 않았다”, “이런 일은 다음과 같은 이유로 일어난다”, “사람들은 보통…”. 강의실의 교수처럼 위에서 내려다보는 톤. 해결: “당신은”으로 끌어 내린다.
두 파일이 가리키는 방향은 같다 — “에두르지 마라. 본론을 본론처럼 써라. 인간의 짧은 호흡을 잊지 마라.” 한국어 글쓰기에서도 거의 그대로 통하는 원칙이다.
examples.md의 5개 예시를 풀어쓰기.
규칙을 머리로 아는 것과 실제로 적용하는 것은 다르다. examples.md에는 Before/After 5세트가 있다. 그중 영어→한국어 흐름으로 옮길 만한 4개를 짚어본다.
Before:
After:
고친 곳: 도입부 1개, 이분법 대조 1개, 강조 명령 1개 제거. 같은 내용을 60% 분량으로 압축.
Before:
After:
‘most’ 같은 한정사, ‘It turns out’·‘The uncomfortable truth’ 같은 도입부, ‘And that’s okay’ 같은 허용 멘트가 다 빠졌다.
Before:
After:
21단어가 6단어로. ‘lean into’·‘landscape’·‘navigate uncertainty’·‘This matters because’ 4종 세트가 모두 사라졌다.
Before:
After:
‘What if I told you’는 SNS 광고 카피 톤이고, ‘Think about it’은 생각을 강요하는 명령이다. 둘 다 빼고 단언으로 끝.
“사실 말이죠, 좋은 팀은 생산성에 최적화하지 않습니다. 무슨 뜻이냐면, 그들은 학습에 최적화합니다. 한 번 생각해보세요” → “좋은 팀은 생산성이 아니라 학습에 최적화한다.”
한국어 비즈니스 글에서도 패턴이 거의 똑같다. 도입 절·재진술 절·생각 강요 절을 들어내면 핵심 한 문장이 나온다.
SKILL.md 마지막의 자가 점검 표.
이 스킬에는 글의 품질을 1~10점으로 채점하는 5축이 있다. LLM에게 자기 글을 직접 평가하게 만드는 장치다. 합계 35점 미만이면 다시 쓴다는 게 기준선.
핵심 질문: 문장이 단언인가, 통고인가? — “이게 중요하다”라고 말하기만 하는지, 무엇이 어떻게 중요한지 그냥 말하는지. 통고만 가득하면 1점, 본론으로만 가득 차 있으면 10점.
핵심 질문: 문장 길이가 다양한가, 똑같은 박자인가? — AI 글은 거의 같은 길이의 문장이 줄지어 나오는 경향이 있다. 짧은 문장과 긴 문장을 섞은 글일수록 점수가 높다.
핵심 질문: 독자의 지능을 존중하는가? — 매번 부연 설명·정당화·완화 표현이 따라붙으면 점수가 낮다. 그냥 사실을 말하면 점수가 높다.
핵심 질문: 사람이 쓴 것 같은가? — 어휘 선택, 문장 구조, 의외성. AI가 절대 안 쓸 법한 한 단어가 들어가 있을수록 점수가 올라간다.
핵심 질문: 잘라낼 게 남았는가? — 모든 문장이 정보를 운반하는지, 빈 문장이 있는지. 빼도 의미가 안 바뀌는 문장이 하나라도 있으면 점수가 낮다.
기술 스택 대신 ‘전달 메커니즘’을 보자.
전통적인 GitHub 레포라면 여기서 백엔드·프론트엔드·인프라를 따로 짚는다. stop-slop은 그게 없다. 그 자리에는 ‘LLM과 어떻게 결합되는가’라는 다른 형태의 기술 지도가 있다.
Anthropic이 만든 CLI 도구 Claude Code는 ~/.claude/skills/ 폴더 아래 SKILL.md 파일들을 자동으로 인식한다. 레포를 통째로 클론해 그 폴더에 두면, Claude Code가 글쓰기·편집 요청을 받을 때마다 자동으로 규칙을 따른다.
Anthropic 웹앱에서 만드는 Project는 파일을 업로드하면 그 프로젝트 안의 모든 대화에 자동으로 적용된다. SKILL.md와 참고 파일 3개를 던져 넣으면 그 프로젝트에서는 stop-slop 규칙이 항상 살아있다.
개발자라면 OpenAI·Anthropic·Google API 호출 시 system 프롬프트 안에 SKILL.md 본문을 그대로 붙인다. 토큰을 좀 더 쓰지만 효과는 가장 직관적이다.
ChatGPT ‘Custom Instructions’, Cursor ‘System Prompt’, GitHub Copilot ‘.github/copilot-instructions.md’에 핵심 규칙만 발췌해 붙여 넣는다. 가장 간단한 통합 방식.
이 레포의 “런타임(실행 환경)”은 LLM, “인터프리터(해석기)”는 LLM이 시스템 프롬프트를 따르는 능력, “코드”는 마크다운 텍스트다. 백엔드/프론트엔드가 없어도 작동하는 이유는 LLM 자체가 통째로 런타임이기 때문.
규칙은 영어 기반이지만 한국어에서도 90% 이상 통한다.
stop-slop의 규칙 대부분은 어느 언어에나 적용된다. 어휘 목록(phrases.md)은 직접 번역해서 쓰기 어렵지만, 구조(structures.md)와 규칙(SKILL.md)은 그대로 한국어로 옮길 만하다. 한국어 글에 자주 나타나는 AI 흔적 5종을 짚으면:
“소프트웨어 개발에 있어 가장 중요한 것은 사용자 경험이다” → “소프트웨어 개발에서 가장 중요한 건 사용자 경험이다.” ‘~에 있어’는 일본어 번역체로, 한국어 화자가 일상적으로 쓰지 않는다. AI는 학습 데이터에 많아서 즐겨 쓴다.
“이는 본질적으로 그리고 궁극적으로 사람의 문제다” → “사람의 문제다.” 진정·본질·궁극은 영어 부사(truly, fundamentally, ultimately)의 한국어 번역체. AI가 가장 자주 쓰는 한국어 흔적 중 하나.
한 글에 “~이 아니라 ~” 구조가 3번 이상 나오면 AI 흔적. “성공은 운이 아니라 노력이다. 노력은 양이 아니라 방향이다. 방향은 본능이 아니라 학습이다” 같은 식으로 줄지어 나오면 즉시 의심.
각 단락이 “이것이 핵심이다”, “여기서 우리가 배울 점은”, “다시 강조하자면”으로 닫히면 AI 티가 짙다. 단락은 그냥 끝나도 된다.
한국어 글에서는 원래 줄표를 거의 안 쓴다. 그런데 AI 번역체 글에는 줄표가 한 문단에 두세 번씩 나온다. — 영어 em-dash의 직접 흔적이다. 쉼표·괄호·마침표로 바꾸면 거의 다 해결된다.
1) 부사 ‘정말·진정·궁극·본질·결국·솔직히’는 일단 다 지워보고 의미가 바뀌는지 확인. 2) ‘~에 있어’·‘~의 측면에서’는 다른 표현으로 바꿔보기. 3) 줄표(—)는 0~1개로 제한. 4) 각 단락이 강조 문장으로 끝나지 않는지 확인.
이 글에 나온 용어를 한 번에.
SKILL.md 한 장 + 필요시 references/ 폴더로 구성된다. 2026년 들어 GitHub 트렌딩의 한 축을 차지한다.원본 자료와 관련 레포.
· GitHub: github.com/hardikpandya/stop-slop
· 저자 홈페이지: hvpandya.com (Hardik Pandya)
· 라이선스: MIT (자유 사용·배포)
· TrendShift 페이지: trendshift.io/repositories/23515
· anthropics/skills — Anthropic 공식 스킬 모음
· greensock/gsap-skills — GSAP 애니메이션 라이브러리용
· Yuan1z0825/nature-skills — 학술 논문 작성용
· mukul975/Anthropic-Cybersecurity-Skills — 보안 754종
· “Anthropic Claude Skills documentation”
· “LLM system prompt engineering”
· “AI slop detection 2026”
· “Strunk & White Elements of Style” (글쓰기 원리의 고전, stop-slop이 따르는 정신적 모체)
kor-stop-slop.md를 만들어두면, AI 도구로 한국어 초안을 쓸 때 바로 쓸 수 있다.