humanizer-zh

name	humanizer-zh
description	去 AI 味、降 AIGC、人性化、humanize chinese、论文降重、知网维普万方、AI 检测、文本去机器味。 适用于中文文本改写、AI 痕迹检测、学术降重、风格转换；有 Python 时优先用本 skill 内零依赖 CLI，无 CLI 时按深度指南改稿。
disable-model-invocation	false

Humanizer-zh：中文 AI 文本去痕（CLI + 深度指南）

延伸阅读（按需打开）

• 模式类型学（深度改稿前必读）： references/pattern-catalog.md — 核心速查、个性与灵魂、24 类模式与示例。
• 加长完整示例（初稿→审查→终稿）： references/example-anti-ai-review.md
• 来源与版本： references/attribution.md
• 建议开放工具： references/agent-environment.md

能力概览

1. 本地 CLI（scripts/，humanize-chinese，MIT）：检测、改写、对比、风格与学术降重。
2. 深度指南：对话内精修或 CLI 后的语义润色；识别与归类模式时必须对照 references/pattern-catalog.md。

路径选择： 需要分数、批量、--seed 复现 → 用 CLI。只能对话改写或需维基式细颗粒度核对 → 深度指南。CLI 完成后可再跑 detect_cn.py -s 复核。深度指南默认含「反 AI 审查」多步交付（见「处理流程」）。

本地 CLI 工具

要求 Python 3。在任意工作目录执行时，用 ${CLAUDE_SKILL_DIR} 定位脚本；若当前环境不支持该变量，则先进入本 skill 根目录（与 scripts/ 同级）。

# 检测（20+ 维度，0-100 分）
python "${CLAUDE_SKILL_DIR}/scripts/detect_cn.py" text.txt
python "${CLAUDE_SKILL_DIR}/scripts/detect_cn.py" text.txt -v          # 详细 + 最可疑句子
python "${CLAUDE_SKILL_DIR}/scripts/detect_cn.py" text.txt -s          # 仅评分
python "${CLAUDE_SKILL_DIR}/scripts/detect_cn.py" text.txt -j          # JSON 输出

# 改写
python "${CLAUDE_SKILL_DIR}/scripts/humanize_cn.py" text.txt -o clean.txt
python "${CLAUDE_SKILL_DIR}/scripts/humanize_cn.py" text.txt --scene social -a
python "${CLAUDE_SKILL_DIR}/scripts/humanize_cn.py" text.txt --style xiaohongshu

# 风格转换
python "${CLAUDE_SKILL_DIR}/scripts/style_cn.py" text.txt --style zhihu -o out.txt

# 前后对比
python "${CLAUDE_SKILL_DIR}/scripts/compare_cn.py" text.txt --scene tech -a

# 学术论文 AIGC 降重
python "${CLAUDE_SKILL_DIR}/scripts/academic_cn.py" paper.txt -o clean.txt --compare
python "${CLAUDE_SKILL_DIR}/scripts/academic_cn.py" paper.txt -o clean.txt -a --compare

评分量表

分数	等级	含义
0-24	LOW	基本像人写的
25-49	MEDIUM	有些 AI 痕迹
50-74	HIGH	大概率 AI 生成
75-100	VERY HIGH	几乎确定是 AI

常用参数

参数	说明
-v	详细模式，列出最可疑句子
-s	仅输出评分
-j	JSON 输出
-o	输出文件
-a	激进模式
--seed N	固定随机种子，保证可复现
--scene	general / social / tech / formal / chat
--style	casual / zhihu / xiaohongshu / wechat / academic / literary / weibo
--compare	改写前后对照（学术脚本）

推荐工作流

python "${CLAUDE_SKILL_DIR}/scripts/detect_cn.py" document.txt -v
python "${CLAUDE_SKILL_DIR}/scripts/compare_cn.py" document.txt -a -o clean.txt
python "${CLAUDE_SKILL_DIR}/scripts/detect_cn.py" clean.txt -s
python "${CLAUDE_SKILL_DIR}/scripts/style_cn.py" clean.txt --style zhihu -o final.txt   # 可选

改写后再跑 detect_cn.py -s 做快速验收；分数只是启发，定稿前务必通读，确认术语与引用未被误伤。

规则与词库

检测维度、替换表与权重集中在 scripts/patterns_cn.json。修改前建议复制备份。

斜杠命令模板（可选）

将 claude-code/ 内 .md 复制到业务仓库 .claude/commands/ 后，可按该目录说明使用 /detect、/humanize 等快捷指令（内容为命令说明文档，非可执行文件）。

---

深度指南（维基百科「AI 写作特征」向）

你是一位文字编辑，专门识别和去除 AI 生成文本的痕迹，使文字听起来更自然、更有人味。本小节基于维基百科的"AI 写作特征"页面，由 WikiProject AI Cleanup 维护。

除打开并遵循 references/pattern-catalog.md 外，交付时还推荐 初稿 → 反 AI 审查 → 终稿（详见「处理流程」「输出格式」与 加长示例）。

深度指南文档版本 2.2.0（与根目录 package.json 的 version 一致；反 AI 审查流程对齐 op7418/Humanizer-zh#14。）

你的任务

当收到需要人性化处理的文本时：

1. 识别 AI 模式 — 对照 references/pattern-catalog.md 扫描
2. 重写问题片段 — 用自然的替代方案替换 AI 痕迹
3. 保留含义 — 保持核心信息完整
4. 维持语调 — 匹配预期的语气（正式、随意、技术等）
5. 注入灵魂 — 不仅要去除不良模式，还要注入真实的个性
6. 最终反 AI 审查 — 对初稿自问：「下面这段文字有什么明显的 AI 生成痕迹？」简要列出残留；再自问：「现在把这些 AI 痕迹去掉。」并修订为终稿

若用户明确只要单稿、不要二遍审查，可省略第 6 步及「处理流程」中第 6–8 步，直接交付一版终稿，并在回复首句说明已按单稿模式处理。

与「处理流程」的关系： 上列为目标与检查项；推荐执行顺序见下节「处理流程」。

---

快速检查清单

在交付文本前，进行以下检查：

• ✓ 连续三个句子长度相同？ 打断其中一个
• ✓ 段落以简洁的单行结尾？ 变换结尾方式
• ✓ 揭示前有破折号？ 删除它
• ✓ 解释隐喻或比喻？ 相信读者能理解
• ✓ 使用了"此外""然而"等连接词？ 考虑删除
• ✓ 三段式列举？ 改为两项或四项

---

处理流程

（以下为推荐顺序，与「你的任务」对应；单稿模式下跳过 6–8。）

1. 仔细阅读输入文本
2. 识别模式实例（对照 references/pattern-catalog.md）
3. 重写每个有问题的部分
4. 确保修订后的文本：
   • 大声朗读时听起来自然
   • 自然地改变句子结构
   • 使用具体细节而不是模糊的主张
   • 为上下文保持适当的语气
   • 适当时使用简单的结构（是/有）
5. 呈现初稿人性化版本
6. 自问并写出：「下面这段文字有什么明显的 AI 生成痕迹？」（简要列举；若无则写「未发现明显残留」并说明依据）
7. 自问：「现在把这些 AI 痕迹去掉。」 据此再改一版
8. 呈现终稿（经过上述审查后修订）
9. （可选）附简短说明：相对输入，终稿做了哪些类型的删改

输出格式

按顺序提供（便于对照 op7418/Humanizer-zh#14 的三段式交付）：

1. 初稿改写（人性化后的第一版）
2. 「下面这段文字有什么明显的 AI 生成痕迹？」（条目式简要列举；可注明是否涉及占位符引用、节奏单一、口号式收束等）
3. 终稿改写（去掉上述残留后的版本）
4. 所做更改的简要总结（可选，帮助读者理解删改逻辑）

---

质量评分

对改写后的文本进行 1-10 分评估（总分 50）：

维度	评估标准	得分
直接性	直接陈述事实还是绕圈宣告？ 10 分：直截了当；1 分：充满铺垫	/10
节奏	句子长度是否变化？ 10 分：长短交错；1 分：机械重复	/10
信任度	是否尊重读者智慧？ 10 分：简洁明了；1 分：过度解释	/10
真实性	听起来像真人说话吗？ 10 分：自然流畅；1 分：机械生硬	/10
精炼度	还有可删减的内容吗？ 10 分：无冗余；1 分：大量废话	/10
总分		/50

标准：

• 45-50 分：优秀，已去除 AI 痕迹
• 35-44 分：良好，仍有改进空间
• 低于 35 分：需要重新修订

---

参考

本技能基于 Wikipedia:Signs of AI writing，由 WikiProject AI Cleanup 维护。那里记录的模式来自对维基百科上数千个 AI 生成文本实例的观察。

加长示例与「初稿→审查→终稿」演示见 references/example-anti-ai-review.md。反 AI 审查输出结构对齐 op7418/Humanizer-zh#14，并与上文 CLI 小节配合使用。

关键见解："LLM 使用统计算法来猜测接下来应该是什么。结果倾向于适用于最广泛情况的统计上最可能的结果。"