メニュー
改写中文学术论文中被知网AIGC检测器标为"红色显著"的段落，目标是将AI率落出红色区间且不改变事实/数字/术语/引用。基于实战将20.6%降至10.1%（净降10.5个百分点）的工作流提炼。使用场景：用户提到"知网AIGC""降AI率""红色显著""降重"或贴出AIGC检测报告片段时触发。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
| name | cnki-aigc-rewrite |
| description | 改写中文学术论文中被知网AIGC检测器标为"红色显著"的段落，目标是将AI率落出红色区间且不改变事实/数字/术语/引用。基于实战将20.6%降至10.1%（净降10.5个百分点）的工作流提炼。使用场景：用户提到"知网AIGC""降AI率""红色显著""降重"或贴出AIGC检测报告片段时触发。 |
用户做以下任一动作时触发：
仅适用于中文学术论文（学位论文、期刊投稿、学术报告）。不适用于：
知网AIGC检测器不是抓"AI写的"，而是抓5种语言模式。理解这5种模式比记规则更重要：
模式1：句法节奏的可预测性 — LLM输出句长集中在20-35字（正态分布），人类写作是齐夫分布（少数特别长、少数特别短、多数中等）。改写要刻意打破均匀。
模式2：信息密度的均匀性 — LLM每段密度都差不多，人类写作有"高密度论证段"和"低密度铺陈段"。检测器跟踪段级特征值方差。
模式3：术语的句法位置固定 — LLM倾向把术语放在主语位置（"逆向技术溢出转化为创新能力"），人类更常放在话题或宾语位置（"企业把外部技术转化为创新能力"）。不动术语本身，但挪动它在句子里的角色。
模式4：连接词功能重叠 — LLM爱用"因此""从而""进而""由此"，功能高度重叠都在做因果推进。人类的连接词承担多种功能：补充（也就是说）、转述（换句话说）、强调（——）、对照（同向）。
模式5：模板段功能全等性 — 三/四项工整排比、抽象名词链、段尾元话语收束、模板化报告句、平行铺陈+末尾收束。这5个具体特征是上面5种模式的表层呈现。
用户贴一段红色显著文本进来，按以下步骤处理：
步骤1：识别高危特征 扫描这段文本，列出它命中了下面哪几个具体特征（不必全列，列最关键2-3条）：
步骤2：执行改写动作 按下列动作改写。保留所有数字、变量名、文献编号[N]、年份、作者姓名、专业术语：
拆三/四项排比：每一项换不同句式起头（描述句/判断句/动宾句/转折句各一）
抽象名词链 → 动词短语：
删段尾元话语：让段落自然结束。
替换LLM典型语套：
打乱句长方差：长短句穿插，用"——""换句话说""问题是""也就是说"让节奏不均匀。不要写成短句串+连接词，那是另一种AI腔。
挪动术语句法角色：原文术语在主语位置的，改写时换到宾语或话题位置。
步骤3：自检5项
输出前必须过一遍：
任一项不通过，重写。
Done when： 输出包含改写版 + 改了哪些高危特征（1-3条最关键的）+ 未动的部分（数字/术语/引用列表）。
用户贴整节文字进来，按以下步骤：
步骤1：标定高危段落 通读全节，按红色密度排序输出一个清单：
段[起始词]…：高危特征 [排比/抽象名词链/元话语/模板报告/铺陈收束]
让用户确认要改哪几段（可能用户只想改密度最高的1-2段）。
Done when： 给出排序清单等用户选择。
步骤2：批量改写选定段落 按路线A的步骤2/3对每一段改写。每段输出格式：
【段N原文】
（节选首15字...）
【改写版】
（完整改写后段落）
【改了哪些】
- （1-2条最关键改动）
Done when： 所有选定段落改写完，每段都通过自检5项。
按这套方法实战处理一篇本科毕业论文：
| 指标 | 首检 | 复检 | 变化 |
|---|---|---|---|
| 总AI率 | 20.6% | 10.1% | -10.5个点 |
| 第1部分 | 4.2% | 0.0% | 全部归零 |
| 第2部分 | 26.0% | 15.8% | -10.2个点 |
| 第3部分 | 22.6% | 13.7% | -8.9个点 |
最关键变化：全文红色显著片段全部降为疑似——这是质变而不只是量变。10%左右是中文学术语体本身的下限，再降会损失学术性。