Un tool open source su GitHub costringe gli LLM a scrivere in ASD-STE100, il linguaggio controllato che l’aeronautica usa dal 1983 perché un meccanico stanco non legga male un’istruzione. Il repo SimpleEnglish di AminBlg ha raccolto 333 punti su Hacker News in 24 ore.

Cosa fa. Invece di chiedere al modello di scrivere chiaro e sperare nel meglio, gli carichi una skill che applica le regole del Simplified Technical English: vocabolario ristretto, frasi corte, un verbo per istruzione, nessuna ambiguità. Gli esempi before/after nel repo trasformano il tipico output pieno di “seamlessly” e “leveraging” in istruzioni asciutte da manuale tecnico.

Perché ti riguarda. Se usi gli agenti per produrre documentazione o istruzioni per pubblici non specializzati, l’AI slop è il problema di ogni giorno. Qui l’approccio è vincolare la scrittura alla fonte, non correggerla dopo. I numeri nel repo (96 run su 6 modelli Claude per 8 task, dati del 30 luglio 2026) dichiarano violazioni delle regole STE calate del 72,9% su ogni modello, lunghezza media delle frasi da 11,2 a 9,7 parole, e la parola “seamlessly” azzerata.

La skill segue lo standard Agent Skills: gira in Claude Code, Cursor, Copilot, Codex, Gemini CLI e altri ambienti. Il repo fornisce le istruzioni di installazione e una versione da incollare nel system prompt per chi non ha il supporto nativo. Licenza MIT, nessuna dipendenza.

Nel dettaglio

ASD-STE100 è uno standard formalizzato nel 1986 (con precedenti dal 1979) dall’European Association of Aerospace Industries, pensato per una necessità concreta: i manuali di manutenzione aeronautica vengono letti da tecnici di tutto il mondo, spesso con madrelingua diversa dall’inglese, spesso sotto pressione o stanchi. Una frase ambigua in quelle condizioni costa vite. Lo standard risolve il problema alla radice con un vocabolario di circa 900 parole approvate, regole grammaticali restrittive (una frase, un’istruzione; niente forma passiva quando crea ambiguità; una parola per concetto, niente sinonimi) e una struttura di scrittura fissa.

Cosa cambia con un LLM. I modelli producono testo fluido ma seguono lo stile dei loro dati di addestramento, che è pieno di inglese colloquiale, marketing e quella verbosità che chiamiamo AI slop: “leveraging”, “seamlessly”, “robust”, scuse cerimoniose, subordinate annidate. Chiedere al modello “scrivi chiaro” non basta, perché il modello non ha un criterio formale di cosa sia “chiaro”. La skill inietta quel criterio: le regole STE diventano parte del system prompt o del contesto dell’agente, e il modello le segue come segue qualsiasi istruzione di stile.

Come è misurato. Il repo riporta 96 confronti: 6 varianti della famiglia Claude, 8 task di scrittura tecnica (README, messaggi di errore, report di incidente, release note), ciascuno con e senza la skill. Il risultato dichiarato è una riduzione del 72,9% delle violazioni STE per 100 parole, con miglioramenti su tutti i modelli testati. La lunghezza media delle frasi scende da 11,2 a 9,7 parole, e i token in output diminuiscono, perché il linguaggio controllato è anche più corto.

Dove stare attenti. I numeri vengono dal repo stesso, non da una valutazione indipendente. I 6 modelli testati sono tutti Claude: mancano GPT, Gemini, i modelli open. Gli esempi before/after nel README sono dichiarati non ritoccati, ma sono selezionati: non sappiamo quale percentuale di output migliora davvero e quanto resta da correggere a mano. ASD-STE100 è uno standard per l’inglese tecnico: chi scrive documentazione in italiano o altre lingue può ispirarsi alle regole ma non applicarle meccanicamente.

L’idea più ampia. Il pattern è interessante anche oltre lo STE: invece di correggere l’output dell’AI dopo che lo ha prodotto, lo vincoli mentre lo produce con un set di regole formali. È la stessa logica del traduttore di gergo tecnico sul sito, dove dichiari il pubblico e il glossario prima di lasciar lavorare il modello. La differenza è che qui le regole sono un formalismo stabile, collaudato da decenni, non una lista scritta al momento.