deai-humanize

name	deai_humanize
description	去AI味 / 去AI化 / 人味改写 — detect AI writing traces (AI痕迹/AI腔) with a measurable heuristic score, then rewrite text to sound human. Two tones: gzh (公众号沉稳克制) and xhs (小红书活泼碎句). humanize / de-ai / anti-ai-slop.
version	1.0.0
tags	["去AI化","humanize","writing","rewrite","chinese","anti-ai-slop"]
dependencies	{"commands":["python3"],"tools":["skillScriptTool"]}
platforms	["macos","linux","windows"]

去 AI 化 · 人味改写

把一段"一眼 AI"的中文改写成像真人写的。做法是先量化打分找出 AI 痕迹，再针对性改写，然后复检，循环到达标为止。

重要说明：本技能是一个可解释的写作质量启发式，用来指导改写、提升"人味"。它不保证能骗过任何第三方 AI 检测器，也不以"过检测"为目标——目标是文字读起来自然、具体、有个人声音。

何时触发

用户说"去 AI 味 / 去 AI 化 / 这段太 AI 了 / 帮我改得像人写的 / humanize / 让它不像机器写的"，或在公众号、小红书成文后需要润色时。另外两个创作技能（gzh_article、xhs_note）会用 load_skill deai_humanize 主动调用本技能。

开工前：读取共享人设记忆

先用 recall_structured 取回以下键（snake_case），改写时全程遵守：

• content_persona — 用户的人设 / 说话口吻
• writing_style_gzh — 公众号文风偏好
• writing_style_xhs — 小红书文风偏好
• banned_words — 禁用词 / 敏感词
• signature_blocks — 固定的开场 / 结尾 / 签名段

取不到就用中性默认，不要编造人设。

核心方法：打分 → 改写 → 复检 循环

第 1 步 · 打分

用 run_skill_script 执行本技能的 scripts/ai_trace_score.py，参数是一个 JSON 字符串：

run_skill_script(skill="deai_humanize", script="scripts/ai_trace_score.py",
                 args='{"text": "<待检测文本>", "platform": "gzh"}')

• platform 取 gzh（公众号，容忍连接词略多、句子偏长）或 xhs（小红书，鼓励碎句，句长方差权重更低）。
• 脚本返回 JSON：
  • score：0–100，越高越像 AI。
  • signals：每个维度的 {name, value, weight, note}（连接词密度、套话命中、具体度缺失、句长齐整度、清单/破折号滥用、段落齐整度）。
  • spans：命中的具体"扣分片段"（套话、连接词等），改写时优先干掉这些。
  • verdict：human-like | some-ai | strong-ai。

第 2 步 · 改写

若 score 高于阈值（建议 55），针对返回的 signals 里高 value 的维度、以及 spans 列出的片段动手改。改写原则见下。

第 3 步 · 复检并循环

改完再跑一次第 1 步。**循环直到 score ≤ 55 或已改满 3 轮**。每轮都把这一版比上一版降了多少分、还剩哪些 spans` 说清楚。3 轮仍不达标就停手，交出当前最佳版本并说明还剩哪些结构性问题（例如通篇是清单体、缺少真实经历）。

改写原则（AI 痕迹 → 人味）

1. 删升华套话：干掉"赋能 / 让我们 / 综上所述 / 在……的今天 / 随着……的发展 / 保驾护航 / 数字化转型 / 打造……新生态"这类词。它们是打分里 cliche_phrases 的直接来源。
2. 拆连接词骨架：不要"首先……其次……最后……"一条龙。真人靠语义和语气过渡，不靠标签。
3. 加具体：塞进真实的数字、时间、地点、人名、场景、亲身经历。抽象的"很重要"换成"上周我因为这事多花了两个小时"。这是 concreteness_deficit 维度。
4. 句长参差：长短句交替，敢用三五个字的短句，也敢用一个长句。别让每句都一样长（sentence_burstiness）。
5. 第一人称 + 口语化：多用"我 / 我们 / 咱"，用日常说法，允许"其实、说白了、讲真"这类口头语。
6. 以具体代抽象：能举例就别下定义，能讲故事就别讲道理。
7. 保留不完美感：适度的口语停顿、自我修正、小情绪，比一板一眼的"完美"更像人。
8. 少用清单和破折号：不是所有内容都要列点。能用段落叙述的就别拆成 bullet（list_dash_overuse）。

按平台调口吻

维度	gzh（公众号）	xhs（小红书）
句子	沉稳、可稍长，逻辑连贯	短、碎、跳，一句一断
语气	克制、有分寸、像老友聊深度话题	活泼、直给、带情绪和 emoji
结构	段落叙述为主	痛点共鸣 + 干货碎句
人称	"我 / 我们"，偶尔"你"	大量"我""你""姐妹们"

改写完务必对照 banned_words 再扫一遍，命中就替换或标注。

参考

• scripts/ai_trace_score.py — 打分脚本（纯 Python 标准库，确定性、无第三方依赖）。
• references/rewrite_playbook.md — gzh / xhs 两种口吻的 before/after 改写实例。