文章摘要
这篇文章介绍了一种通过自定义脚本替换Claude AI常用词汇（如"load-bearing"、"honest take"等）的方法，让用户可以将这些令人厌烦的表述替换成搞笑词汇，从而缓解使用时的烦躁情绪。
文章总结
这篇文章介绍了一种通过自定义脚本修改Claude AI输出词汇的方法，以解决其频繁使用“honest takes”和“load-bearing seams”等固定短语的问题。作者提供了一个Python脚本，可将这些词汇替换为更幽默或随意的词语（如将“seam”改为“whatchamacallit”），并指导用户将脚本保存为可执行文件，再通过配置文件settings.json中的MessageDisplay钩子启用。重启Claude会话后，替换效果即可生效。文章还附带了效果截图，并鼓励用户自行发挥创意，设计更有趣的替换方案。
评论总结
根据评论内容，主要围绕AI（尤其是Claude）输出中特定词汇和表达方式的过度使用展开讨论，观点存在明显分歧。以下是总结：
观点一：AI的固定表达模式令人困扰，应予以修正 - 评论者指出Claude频繁使用“load-bearing”“smoking gun”“you are absolutely right”等短语，认为这些是“垃圾模式”，试图操纵用户情绪（评论21：“These words add nothing to the task at hand they are a poor attempt to hook you into using this particular model”）。 - 有人提出通过后处理工具过滤这些词汇，如“debabel.py”脚本（评论3：“a tool, and a pi extension, which filters common babble from visible LLM output”），或使用“caveman”工具减少套话（评论9：“It doesn’t just cut down on overuse of specific terms; it cuts down on time spent digesting slop in general”）。
观点二：这些表达并非问题，甚至有其价值 - 部分评论认为“load-bearing”等词汇在技术语境中准确且高效，人类应学习而非抱怨（评论15：“The honest conclusion is that none of those are as good as 'load-bearing'... maybe we should be learning from Claude rather than complaining”）。 - 另有观点指出，程序员习惯重复使用关键词，AI的“无聊但可预测”的代码和语言反而是优点（评论16：“Yes, Claude writes boring and predictable prose. It also writes boring and predictable code. That's good!”）。
观点三：问题在于重复而非词汇本身 - 评论者强调，任何词汇过度使用都会令人厌烦，AI的“Claude voice”因重复而刺眼（评论19：“Even great words, phrases, and styles, seen too often, grate... It's seeing them in every analysis and post—the constant repetition becoming over-repetition”）。 - 人类也有类似模式，但机器重复更易引发反感（评论22：“What's funny is that humans do this too... But when a machine does it, it drives us crazy”）。
观点四：AI语言影响人类写作风格 - 有评论指出，AI文本的普及正潜移默化改变人类写作，使其趋同于AI风格（评论18：“human-written text is starting to resemble it too... people often base their thoughts on documents they've read, or paste parts of content when writing their own texts, which leads to that style”）。
观点五：解决方案与工具建议 - 用户提出多种应对方法：在系统提示中明确禁止特定词汇（评论25：“I did something like this in my global CLAUDE.md”）、使用正则替换钩子（评论5：“implementing it as a hook via a regex replace”）、或要求AI调整可读性分数（评论8：“aim for a Flesh-Kincaid ease-of-readability score of around 70”）。 - 部分评论认为后处理不影响AI核心功能，是可行方案（评论13：“It's good, because it's just post-processing before display. So it doesn't interfere with the process”）。
争议焦点：AI的固定表达是“操纵性垃圾”还是“高效沟通工具”？解决方案应侧重过滤输出还是调整训练？