메뉴
审计并重写中文论文文本,移除 AI 写作痕迹("AI 味")。当用户要求"去除中文论文 AI 痕迹""审查论文 AI 风格""润色论文""降 AI 率""消除论文里的机器味""检测 AI 生成段落"等时使用。覆盖学术 + 通用 AI 词汇,按论文章节(摘要/引言/方法/结果/讨论/结论)细分容忍度,并标注学术诚信红线。支持仅检测模式 (detect) 和重写模式 (rewrite)。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
Academic text polisher and humanizer for Chinese and English research writing. Removes AI-like patterns while preserving factual accuracy. Use when polishing academic text, reducing AI-generated patterns in papers/theses, improving naturalness of research writing while maintaining data integrity, or enhancing scholarly tone without fabricating facts. Supports both Chinese (中文) and English academic texts with configurable tone, field-specific terminology, and strict factuality controls.
Use when an agent has produced a task version, implementation, document, plan, research result, or other deliverable that must be independently accepted, rejected, scored, or sent back for iteration.
Use when the user asks to learn, understand, explain, introduce, or thoroughly understand a concept; says they do not understand; reads or interprets papers; wants to use a method in a paper, project, or experiment; needs prerequisites, learning order, learner-level adaptation, Chinese-first external learning resources, staged resource packs, Wikipedia/Baidu Baike concept baselines, document-anchored teaching, or a learning path for a goal; organizes AI answers or rough notes into knowledge-base prose; or explores research implications.
Research and write Chinese knowledge-base documents for technical, scientific, academic, product, or conceptual topics. Use when the user wants a readable beginner-to-intermediate learning article, encyclopedia-style reference, tutorial-style concept document, Feishu knowledge-base draft, or a rewrite of AI-like fragmented notes into a complete reliable document with sources, diagrams, formulas, examples, and visual planning.
当用户要求"周总结""本周总结""上周总结""整理周报"等任务时使用。本技能从飞书云空间扫描每日 docx 文档，参考既有周报风格，生成新的周总结并写回飞书 weekly 文件夹。
Codex-native Academic Research Skills suite for deep research, academic paper writing, manuscript review, full research-to-paper pipelines, and experiment planning or validation. Use when the user asks for deep research, literature review, systematic review, meta-analysis, research question refinement, academic paper drafting, paper revision, citation or integrity checks, reviewer simulation, peer review, editorial decision letters, research-to-paper workflows, experiment execution planning, statistical interpretation, or human study protocol support. Also use for Claude-style ARS command aliases such as /ars-plan, ars-plan, /ars-outline, /ars-abstract, /ars-lit-review, /ars-citation-check, /ars-disclosure, /ars-format-convert, /ars-revision-coach, /ars-revision, /ars-reviewer, /ars-mark-read, /ars-unmark-read, and /ars-full. This skill vendors ARS role prompts, references, templates, and shared handoff schemas under ars/.
| name | avoid-ai-writing-zh |
| description | 审计并重写中文论文文本,移除 AI 写作痕迹("AI 味")。当用户要求"去除中文论文 AI 痕迹""审查论文 AI 风格""润色论文""降 AI 率""消除论文里的机器味""检测 AI 生成段落"等时使用。覆盖学术 + 通用 AI 词汇,按论文章节(摘要/引言/方法/结果/讨论/结论)细分容忍度,并标注学术诚信红线。支持仅检测模式 (detect) 和重写模式 (rewrite)。 |
| license | MIT |
| compatibility | 兼容任何支持 agentskills.io SKILL.md 格式的 AI 助手 (Claude Code, Cursor, VS Code Copilot, Hermes Agent, OpenHands 等)。无需外部工具或 API。 |
| metadata | {"author":"Lzjin","version":"1.0.0","tags":"writing editing chinese academic-paper voice quality","agentskills_spec":"1.0","source":"在 avoid-ai-writing 英文母版基础上,结合 humanizer-zh 的中文 AI 痕迹分类与中文学术写作规范改写而成"} |
你正在编辑中文学术论文,任务是移除让文字读起来像 AI 生成的"AI 味"模式。学术论文的语境与博客 / 营销文不同:不允许情感化夸张、宣传腔、宏大叙事;允许专业术语、长句、被动结构,但要求论证、数据、文献支撑。
本 skill 有两种工作模式:
rewrite(默认) — 标记 AI 痕迹并重写文本以修复问题。
detect — 仅标记 AI 痕迹,不进行重写。在以下情形使用:
当用户说"检测""仅标记""审计""扫一遍""标记不要改""列出 AI 痕迹"或类似表达时,启用 detect 模式。否则默认 rewrite 模式。
在 rewrite 模式下,你的工作:
在 detect 模式下,你的工作:
—— 和 —): 替换为逗号、句号、括号或拆分为两句。目标:零。硬上限:每千字一个。标题、章节名同样适用。--) 误用为破折号: 替换为中文破折号 ——,或重组句子。## 🚀 研究背景 这类装饰。, . ? ! ; : 必须替换为对应中文标点 , 。 ? ! ; :。中文段落里的英文括号 () 视情况:含纯英文术语时保留 (),其余替换为 ()。使用 Python 进行实验、样本量为 1000)。中文与中文标点之间不留空格。"、'、「」、『』,不用英文直引号 " '。同一篇论文内引号风格统一。……(六点),不用 ...(三点)。词汇按"出现频率与 AI 关联度"分三档,降低误判率。
| 替换 | 替换为 |
|---|---|
| 深入探讨 / 深入研究 / 深度剖析 | 分析、考察、研究 |
| 旨在 | 用于、以、目的是 |
| 至关重要 | 重要、关键 |
| 不断演变 / 日新月异 / 蓬勃发展的格局 | (描述实际变化或删除) |
| 凸显 / 彰显 (滥用) | 表明、显示 |
| 蓬勃发展 / 方兴未艾 | 增长、扩张(或给数据) |
| 关键转折点 / 历史性时刻 / 划时代 | 转变、变化(或具体写) |
| 全面 / 综合性的 / 系统性 (空泛) | 完整、详尽(或描述具体范围) |
| 卓越的 / 杰出的 / 出色的 | (替换为具体描述或删除) |
| 赋能 / 助力 / 加持 / 加码 | 帮助、使……能够、用于 |
| 打造 (滥用) | 建立、构建、做 |
| 织锦 / 锦绣 (比喻) | (描述实际复杂度) |
| 灯塔 / 标杆 (比喻) | (重写) |
| 见证了 / 见证着 | (描述实际发生的事) |
| 标志着 (滥用) | (描述实际发生的事) |
| 现代化的 / 先进的 (空泛) | (具体写新在哪) |
| 富有成效的 | 有效、产生了……结果 |
| 极具……价值 / 极具……意义 | (具体写价值或意义) |
| 宝贵的 | 有用的、有价值的(或具体) |
| 多方面 / 多维度 / 多元化 (滥用) | (列出实际维度) |
| 一系列 (滥用) | 几个、若干、(具体数量) |
| 充满活力的 / 富有活力 | 活跃、活动多(或描述) |
| 致力于 / 矢志不渝 | 在做、从事 |
| 探索 (滥用) | 研究、考察、调查 |
| 助推 / 推动 (滥用) | (描述具体作用) |
| 积极探索 / 积极推动 | (删除"积极") |
| 守正创新 / 砥砺前行 / 行稳致远 | (空话,删除) |
| 不忘初心 | (空话,删除) |
| 浓墨重彩 | (具体写做了什么) |
| 提质增效 / 降本增效 | (具体写改进了什么) |
| 创新驱动 / 高质量发展 (无具体语境) | (替换为具体描述) |
| 在……的背景下 / 在……大背景下 | (删除或具体写背景) |
| 随着……的不断发展 / 随着……的日益深入 | (删除或换为具体时间) |
| 综上所述 / 总而言之 / 归根结底 | (删除,结论自现) |
| 由此可见 / 不难看出 / 显而易见 | (删除,直接陈述) |
| 众所周知 / 不言而喻 / 毋庸置疑 | (删除,如果真"众所周知"就不必写) |
| 不可否认 / 必须承认 | (删除) |
| 毫无疑问 / 无可争辩 | (删除) |
| 值得注意的是 / 值得一提的是 / 值得关注的是 | (删除,直接说) |
| 由此引发 / 由此带来 | 引起、带来 |
| 深刻揭示 / 深刻阐述 / 深刻反映 | 揭示、说明、反映 |
| 全方位 / 多层次 / 立体化 | (具体写) |
| 高度重视 / 充分肯定 | (删除"高度""充分") |
| 极大丰富 / 大力推进 / 大幅提升 (空泛) | 丰富、推进、提升(删去副词或给数据) |
| 持续优化 / 持续提升 / 持续完善 | (具体写时间和幅度) |
| 营造了……氛围 | (具体写做了什么) |
| 焕发新生 / 焕发活力 | (具体写改变) |
| 谱写新篇章 / 翻开新篇章 / 续写华章 | (具体写) |
| 为……贡献力量 / 贡献智慧 | (具体写做了什么) |
| 取得了显著成效 / 显著成果 | (给数据) |
| 提供了重要参考 / 重要借鉴 / 重要启示 | (具体写参考点) |
| 具有重要的理论意义和现实意义 | (具体写理论贡献和应用价值) |
| 为后续研究提供了……思路 / 借鉴 | (具体写下一步可做什么) |
| 取得长足进步 / 取得重大进展 | (给数据或时间线) |
| 牢牢抓住 / 紧紧围绕 | (改为"围绕") |
| 着力推动 / 着力打造 | (删除"着力") |
| 体系化建设 / 一体化推进 | (具体写) |
| 数字赋能 / 智慧赋能 | (具体写赋能在哪) |
| 全面深化 / 全面推进 / 全面落实 | (删除"全面"或具体写覆盖范围) |
| 以……为契机 / 以……为抓手 | (改为"通过""借助") |
| 跑出加速度 / 跑出新速度 | (具体写时间或幅度) |
这些词单独使用合理,但聚集出现就是 AI 信号。
| 替换 | 替换为 |
|---|---|
| 利用 (滥用) | 使用、用 |
| 加以利用 | 利用 |
| 通过 (开头堆叠) | (改造句式,避免连续多句以"通过"开头) |
| 基于 (开头堆叠) | (同上) |
| 进行 (滥用) | (动词直用,删去"进行") |
| 实现 (滥用) | 做到、完成 |
| 采取 / 采用 (滥用) | 用 |
| 开展 (滥用) | 做、进行 |
| 应对 / 化解 | 处理、解决 |
| 营造 (滥用) | 形成、创造 |
| 助力 / 助推 | 帮助、推动 |
| 拓展 / 拓宽 / 延伸 | 扩展、扩大 |
| 巩固 / 夯实 | 加强、稳固 |
| 优化 (滥用) | 改进、改善 |
| 提升 (滥用,无数据) | 提高、改善(或给数据) |
| 完善 (滥用) | 改进、补全 |
| 强化 (滥用) | 加强 |
| 深化 (滥用) | 加深、深入(或具体) |
| 协同 / 协调 (滥用) | 配合、合作 |
| 推动 / 牵引 | (具体写如何推动) |
| 引领 (滥用) | 带动、领头 |
| 聚焦 (滥用) | 关注、集中于 |
| 锚定 / 紧扣 | 围绕、针对 |
| 谋划 / 布局 / 部署 | (具体写) |
| 探索 / 探究 | 研究、考察 |
| 解读 (滥用) | 解释、说明 |
| 诠释 (滥用) | 表达、说明 |
| 折射 / 折射出 | 反映、显示 |
| 映射 (比喻滥用) | (描述实际关系) |
| 重塑 / 重构 (滥用) | 改变、重新组织 |
| 重塑格局 / 重塑生态 | (具体写改变了什么) |
| 革新 / 创新 (无具体内容) | (描述实际改进) |
| 突破 / 实现突破 | (具体写突破在哪) |
| 跃升 / 飞跃 | 提升、提高(或数据) |
| 崛起 (滥用) | 兴起、出现 |
| 浮现 / 涌现 | 出现 |
| 显现 / 凸显 (滥用) | 显示、表现 |
| 关键 (滥用) | 重要、核心 |
| 核心 (滥用) | 主要、中心 |
| 重要 (滥用) | (替换为具体或删除) |
| 战略性 / 战略意义 | (具体写) |
| 体系化 / 一体化 (无具体内容) | (具体写) |
| 范式 (滥用) | 模型、方法、框架 |
| 生态 / 生态体系 (比喻) | 系统、网络、体系 |
| 闭环 (比喻) | (描述实际循环过程) |
| 链条 / 链路 (比喻) | 流程、过程 |
| 矩阵 (比喻) | 集合、组合 |
| 抓手 / 牵引力 | (具体写) |
| 路径 (无具体内容) | (具体写步骤) |
| 维度 (滥用) | 方面、角度 |
| 量级 (滥用) | (具体写规模) |
| 颠覆性 / 颠覆式 | (具体写改变) |
| 革命性 / 划时代 | (具体写改变) |
| 智能化 / 数字化 / 网络化 (无具体语境) | (具体写技术) |
普通词,只有当全文反复堆砌(占总字数 ~3%+)才提示删减。
| 词 | 处理 |
|---|---|
| 显著 / 显著地 | 替换部分为具体数字或对照 |
| 创新 / 创新性 | 写明新在何处 |
| 有效 / 有效地 | 给方法或指标 |
| 深刻 / 深刻地 | 写明深在何处 |
| 重要 / 重要性 | 替换为具体表述 |
| 广泛 / 广泛性 | 给范围或数量 |
| 丰富 / 丰富的 | 给具体内容 |
| 多元 / 多样 | 列出多样性的具体方面 |
| 复杂 / 复杂性 | 写出复杂的具体维度 |
| 关键 (高密度) | 给出重要程度的依据 |
| 系统 (高密度) | 写出系统的边界 |
| 进一步 (滥用) | 删除部分 |
| 不断 (滥用) | 删除部分 |
| 始终 (滥用) | 删除部分 |
| 充分 (滥用) | 删除或具体写 |
| 大力 (滥用) | 删除或具体写 |
| 切实 (滥用) | 删除 |
这些填空式句型一看就是机器生成。如果某个句子去掉名词 / 形容词后仍然成立,就太通用了。
这些不是某个词或短语的问题,而是文本作为一个整体的"节奏"。AI 文本节拍均匀;人类文本有变化。
结构是 AI 检测的首要信号。 检测器(如 Pangram)对结构规律的权重高于词汇。哪怕替换了所有 Tier 1 词汇,如果节奏没变,文本仍会被判为 AI 生成。
如果一段文本同时满足: 5 个以上 Tier 1 词、3 个以上模式类目命中、句长段落均一致——这一段不是改几个词能救的,结构本身就是 AI 生成。建议整段重写: 用一句话写出核心命题,再围绕这一句重组全段。
以下是中文论文场景下额外需要警惕的 AI 痕迹。
50%,25°C),与英文规范一致。以下情况是论文 desk-reject 级风险,出现时必须立即修复并提示作者:
并非所有 AI 痕迹同等严重。在快速审改或长文档分级时,按以下顺序优先:
快速过稿: 先扫 P0 + P1。完整审计: 三档全过。
当文本本身在讨论"AI 写作"模式时(例如: 本 SKILL.md、相关博客、教程、AI 检测研究论文),被引用的反面例子不算。引号内、代码块内、明确标注为"举例: AI 可能写……"的内容免于标记。仅对作者的正文起作用,不要标记引用的反例。
按章节传入 context 提示,调整规则严苛度。如未指定,根据内容线索自动判断(摘要短、方法含数据 / 算法、讨论含解释,默认 paper-discussion 或 thesis)。
paper-abstract — 摘要 / 引言摘要 (200~300 字)。所有规则极严,字字珠玑。
paper-intro — 引言。严打宏大开头、模糊归因、意义夸大。
paper-litreview — 文献综述。严打"学者们认为 / 相关研究指出"无引用。每条声明需文献支撑。
paper-method — 研究方法。容忍部分技术词汇 (CNN、Transformer 等),严打宣传腔与含混。
paper-results — 结果分析。严打无数据的"显著""明显""有效"。每个结论需数据支撑。
paper-discussion — 讨论。严打三段式、否定式排比、未来展望套话。
paper-conclusion — 结论。严打"综上所述 / 总而言之" + 宏大愿景,具体写贡献和局限。
thesis — 学位论文章节(默认全规则)。
review-paper — 综述论文。文献归因严苛度 +1,文献覆盖度要写明范围。
tech-report — 技术报告 / 项目结题报告。容忍部分行文偏轻,但保留 P0 / P1。
未列出的规则,在所有 profile 下都按全强度执行。
| 规则 | abstract | intro | litreview | method | results | discussion | conclusion | thesis | review-paper | tech-report |
|---|---|---|---|---|---|---|---|---|---|---|
| 破折号 | 极严 | 严 | 严 | 严 | 严 | 严 | 严 | 严 | 严 | 严 |
| 加粗 | 极严 | 严 | 严 | 严 | 严 | 严 | 严 | 严 | 严 | 略松 |
| Emoji | 全删 | 全删 | 全删 | 全删 | 全删 | 全删 | 全删 | 全删 | 全删 | 全删 |
| 模糊归因 | 极严 | 严 | 极严 | 严 | 严 | 严 | 严 | 严 | 极严 | 严 |
| 意义夸大 | 极严 | 极严 | 严 | 严 | 严 | 严 | 极严 | 严 | 严 | 严 |
| 三段式 | 严 | 严 | 严 | 略松 | 严 | 极严 | 严 | 严 | 严 | 略松 |
| 否定式排比 | 极严 | 严 | 严 | 严 | 严 | 极严 | 严 | 严 | 严 | 严 |
| 通用结论 | 严 | 严 | 严 | 严 | 严 | 严 | 极严 | 严 | 严 | 严 |
| Tier 1 词汇 | 极严 | 严 | 严 | 部分例外 | 严 | 严 | 严 | 严 | 严 | 略松 |
| 系动词回避 | 极严 | 严 | 严 | 略松 | 严 | 严 | 严 | 严 | 严 | 略松 |
| 段落长度均一 | 跳过(摘要) | 严 | 严 | 严 | 严 | 严 | 严 | 严 | 严 | 严 |
| 修辞性提问 | 极严 | 严 | 严 | 极严 | 严 | 略松 | 严 | 严 | 严 | 略松 |
| 数字列表凑数 | 严 | 严 | 严 | 略松 | 严 | 严 | 严 | 严 | 严 | 略松 |
| 宣传腔 | 极严 | 极严 | 严 | 严 | 严 | 严 | 极严 | 严 | 严 | 严 |
| 论文结尾套话 | n/a | n/a | n/a | n/a | n/a | 严 | 极严 | 严 | 严 | 严 |
| 翻译腔 | 严 | 严 | 严 | 略松 | 严 | 严 | 严 | 严 | 严 | 严 |
paper-method 中容忍的词: 在方法章节,"基于""利用""通过""采用""实现""优化""提升""扩展""完善"等动词在描述算法或流程时可保留;但不应每段连续使用 3 次以上。技术专有名词(Transformer、Attention、Backpropagation、Convolution)直接使用。
"极严": 标记所有可疑实例。摘要中一句"具有重要的理论意义"足以拖累全文。
"跳过": 该 profile 下不审计该规则。
未指定 profile 时,从下列信号推断:
| 信号 | 推断 profile |
|---|---|
| 200~400 字 + "本文研究""结果表明" | paper-abstract |
| "随着……发展""近年来"开篇 + 文献堆叠 | paper-intro |
| 大量"作者(年份)"引用 + 文献综述特征 | paper-litreview |
| 算法描述、数据处理流程、参数设置、伪代码 | paper-method |
| 表格、图、p 值、统计描述、对比实验 | paper-results |
| "结果表明……进一步……可能因为……" | paper-discussion |
| "综上所述""本文提出""主要贡献""未来工作" | paper-conclusion |
| 整篇论文 + 多章节标题 | thesis |
| 大段文献回顾 + 时间线 + 多研究流派 | review-paper |
| 项目目标、阶段成果、KPI、应用价值 | tech-report |
| 无法判断 | thesis (默认全规则) |
如自动推断有偏差,先告知作者使用了哪个 profile 及原因,作者可手动覆盖。
返回四个章节:
1. 检出问题 列出每一处 AI 痕迹,引用原文。按章节(若有)或按段编号。逐条标注严重性(P0 / P1 / P2)。
2. 重写版本 完整重写文本。保持原文的结构、研究意图、所有具体技术细节(数据、人名、年份、术语)。仅修改规则要求的部分。
3. 修改总结 简要说明主要改动,不必逐字罗列。例如: "删除 8 处套话,重组 3 段公式化结构,拆分 2 处长定语。"
4. 二次审计 重读重写后的文本,标出第一遍漏掉的 AI 痕迹 — 残留的过渡词、潜伏的意义夸大、系动词回避、填充词、翻译腔等。修正并行内返回最终版本,说明二次改动。如无残留,明确说"二次审查无残留"。
返回两个章节:
1. 检出问题 按 P0 / P1 / P2 分级,引用原文。每条注明所属类目(如"宏大开头""Tier 1 词汇""模糊归因")。
2. 判定 对每条标记标注"必改"或"待商榷"。部分 AI 关联模式在合适语境下也是合法学术表达 — 例如方法章节用"采用""基于"。点明哪些必须改、哪些可保留并说明依据。如全文清白,直接说明。
目标是写得像一个真实的研究者写的: 精确、克制、有立场。论文的"权威感"靠数据和论证,而不是修饰词。
中文论文的人类写作五原则:
如果原文本身已经写得不错,直接说明并仅做必要的删减,不要为改而改。
替换表是默认建议,不是命令。如果某个被标记词在上下文中确实是最合适的选择,保留。
改写前 (AI 味浓):
在数字经济蓬勃发展的大背景下,大数据技术日新月异,深刻改变着社会的方方面面。本文基于现有研究的不足,创新性地提出了一种全新的多模态融合算法,旨在为相关领域提供重要的理论参考与实践借鉴。该方法不仅在准确率方面取得了显著的提升,更为后续的智能化应用奠定了坚实的基础。综上所述,本研究具有重要的理论与现实意义。
重写版:
多模态融合方法目前存在三个限制: 对噪声敏感、跨模态对齐误差大、训练效率低。本文针对这些问题提出 ABC 算法,在 CIFAR-100 和 ImageNet 上将 Top-1 准确率从 82.3% 提高到 87.1%,训练时间缩短 38%。算法源码与权重已开源 (https://github.com/example/abc)。
修改要点:
本 skill 综合参考:
avoid-ai-writing/SKILL.md 的英文母版结构humanizer-zh/SKILL.md 的中文 AI 痕迹分类核心信念: "LLM 用统计算法猜测下一个词,结果倾向于覆盖最广情形的'统计上最可能'答案。论文需要的不是统计上最可能,而是经得起复现的具体。"