mcpField
H
humanizer-zh

humanizer-zh

github.com/holygeek00Creative & media591 installsUpdated 12w ago
Repository

About humanizer-zh

A Chinese-language skill for revising text to sound natural and precise while preserving its information and voice. It identifies common formulaic writing patterns and adapts revisions to the text’s purpose.

Key features

  1. 01Detect formulaic writing patterns
  2. 02Preserve facts and original intent
  3. 03Adapt tone to audience and purpose
  4. 04Revise text pasted or specified in files
  5. 05Keep code and structured content intact

Use cases

  1. 01Polish Chinese drafts for naturalness
  2. 02Edit technical or formal documents
  3. 03Revise prose in a specified file

Install

Copy the command and run it in a terminal.

$npx skills add https://github.com/holygeek00/humanizer-zh-cn --skill humanizer-zh

After installing, type/humanizer-zhin Claude Code to confirm it loaded.

Bundled files

References and scripts installed along with SKILL.md.

AGENTS.md
LOCALIZATION.md
README.md
LICENSE
.claude-plugin/
marketplace.json
plugin.json
.github/workflows/
validate.yml
sync-upstream.yml
agents/
openai.yaml
scripts/
validate-package.py

Details

From the project README

中文 Humanizer

把中文文本改得自然、准确、有人的判断。保留原文信息,去掉机器生成常见的套路。此版本基于 blader 的 Humanizer,并结合中文语境重新编写规则和例句。

核心任务

收到文本后:

  1. 找出下列模式,但不要因为一两个词就武断判定。
  2. 保留信息,不必保留原来的形状。观点与事实都要留下,段落可以拆分、合并或调序。
  3. 不得新增原文或用户未提供的事实、姓名、数字、日期、引语、案例或来源。需要具体信息时先询问;无法询问时用朴素表达,不要编造细节。
  4. 匹配用途和语气。公文、论文、合同、技术文档应准确克制;个人文章和社交内容可以有态度、犹豫、幽默和不完全对称的节奏。
  5. 优先服从用户明确要求和用户提供的写作样本。

先找回被黑话吃掉的信息

“赋能、打造、推动、构建、助力”不是天然的禁词。问题在于,它们常用来显得专业、完整、积极,却把句子最该交代的内容藏了起来。遇到黑话时,逐项检查:

  1. 谁在做?
  2. 具体做了什么?
  3. 对谁或什么起作用?
  4. 产生了什么可观察的结果?依据是什么?

原文已经给出答案时,把这些信息放回句子。原文没有答案时,不要编一个看似真实的案例;删掉无法成立的效果,或直接指出原文没有说明。不要做同义词替换游戏,把“赋能”换成“助力”或“推动”不算修改。

“原文没有说明”通常写在审校意见里,不要机械塞进每篇终稿。文件模式和嵌入模式应直接删去无依据的效果;只有信息缺失本身对读者重要时,才在正文中说明。

例: “AI 赋能业务增长”没有说明任何动作。若上下文写明“客服用 AI 给退款工单分类,平均处理时间从两天降到一天”,就写这个事实;若没有上下文,最多只能写“公司在业务中使用 AI”,并指出原文没有说明用法,也没有提供增长证据。

声线校准

用户提供本人样稿时,先观察句长、用词、段落开头、标点、口头禅、转折方式和信息密度,再按这些习惯改写。不要把口语升级成书面语,也不要把有意保留的方言、网络用语或个人怪癖“纠正”掉。样稿中的稳定习惯优先于本技能的默认规则。

中文 AI 写作常见模式

1. 空泛拔高意义

留意: 标志着、彰显了、体现了、具有里程碑意义、注入新动能、开启新篇章、为……奠定基础、推动……迈上新台阶。

问题: 把普通事实强行放进宏大叙事。

改前: 本次办公室搬迁标志着公司发展迈入全新阶段,为未来高质量发展奠定了坚实基础。

改后: 公司搬了办公室。原文没有说明搬迁时间、原因或实际影响。

2. 用名气和媒体名单代替信息

留意: 多家权威媒体报道、业内广泛关注、获得众多大咖认可、全网热议。

问题: 只罗列媒体、奖项或名人,不说明报道了什么、为何相关。

改前: 该项目受到央视、新华社及多家权威媒体的广泛关注。

改后: 央视、新华社等媒体报道过该项目。原文没有说明报道内容。

3. 句尾堆叠“从而/进而/助力”伪分析

留意: 从而、进而、进一步、有效推动、助力实现、持续赋能,以长串结果状语收尾。

问题: 在事实后追加没有证据的效果和意义。

改前: 平台新增一键导出功能,从而有效提升工作效率,进一步赋能团队协作。

改后: 平台新增一键导出功能。原文没有提供效率或协作效果的数据。

4. 宣传稿和广告腔

留意: 匠心打造、重磅推出、震撼来袭、沉浸式、全方位、极致、卓越、引领、焕新升级、宝藏、必打卡。

问题: 用形容词制造兴奋,却不给可验证的信息。

改前: 这家宝藏民宿坐落于风景如画的古镇核心区,为游客带来极致沉浸式体验。

改后: 民宿位于古镇中心区域。原文没有提供设施、距离或住客体验等具体信息。

5. 模糊归因和“据悉”

留意: 有专家表示、业内人士认为、研究表明、相关数据显示、据悉、普遍认为。

问题: 把判断交给没有姓名、机构或出处的权威。

改前: 有专家表示,这项技术将对行业产生深远影响。

改后: 删除该句;若原文给出专家姓名、原话和来源,再准确写明。

6. “挑战与展望”模板

留意: 尽管面临诸多挑战、机遇与挑战并存、未来仍需、展望未来、砥砺前行。

问题: 结尾套用万能段落,回避真正的问题和计划。

改前: 尽管仍面临诸多挑战,但在各方共同努力下,项目未来可期。

改后: 项目仍面临一些困难,但原文没有说明具体是什么。若无法补充,删除这段展望。

7. 抽象动词吞掉具体动作

留意: 深度、全面、持续、精准、高效、赋能、助力、打造、构建、聚焦、围绕、着力、维度、场景、生态、闭环、抓手、底层逻辑。

问题: 单个词未必有问题;多个抽象词连续出现,会掩盖主体、动作、对象、结果和证据。

改前: 围绕用户核心需求,持续打造全场景服务生态,精准赋能业务增长。

改后: 将根据用户需求改进服务。原文没有说明由谁改、改什么,也没有证据表明会带来增长。

8. 回避简单判断句

留意: 定位于、致力于、旨在、作为……载体、扮演……角色、成为……的重要抓手。

问题: 本可用“是、做、有、负责”说明,却绕成定位宣言。

改前: 本平台定位于连接创作者与品牌的综合性服务载体。

改后: 这个平台连接创作者和品牌。

9. “不仅……更……”和先否后肯滥用

留意: 不仅是……更是……、不只是……而是……、不是……而是……、绝非……这么简单。

问题: 机械制造递进和反转。

改前: 这不仅是一次产品升级,更是品牌理念的全面革新。

改后: 这是一次产品升级,也反映了品牌理念的变化。原文没有提供更具体的改动。

10. 强凑三点和排比

留意: “第一、第二、第三”无论内容是否适合;三组同构短语;“更快、更准、更智能”。

问题: 为了显得完整而把内容硬塞成三项。

改前: 我们将以创新为引领、以品质为根本、以服务为保障。

改后: 我们将重视创新、品质和服务。原文没有说明具体行动。

11. 同义词轮换

问题: 为避免重复,不断更换同一对象的称呼,反而让指代含混。

改前: 这位创始人提出方案。该企业掌舵人随后解释计划。这名创业者还回答了提问。

改后: 这位创始人提出并解释了方案,随后回答提问。

12. 虚假的“从……到……”范围

问题: 两端不在同一尺度上,只为制造包罗万象的感觉。

改前: 从一杯咖啡到一座城市,从个体情绪到时代浪潮,本书无所不谈。

改后: 本书写咖啡馆、城市生活和个人情绪。

13. 无主句和责任主体消失

留意: 已完成、得到有效提升、问题被解决、无需配置、自动保存。

问题: 省略谁做了什么,尤其会让报告和说明书含糊。

改前: 相关问题已得到妥善解决,数据将自动保存。

改后: 问题已经解决,系统会自动保存数据。原文没有说明由谁解决或多久保存一次。

14. 破折号、括号和补充说明过密

问题: 中文本可自然成句,却频繁用破折号制造戏剧停顿,或用括号塞入关键信息。

改前: 这个功能看似简单,却解决了一个长期问题——用户终于不用反复刷新——至少大多数时候如此。

改后: 这个功能减少了反复刷新,但没有完全解决问题。

不要一律删除破折号。用户样稿稳定使用时,保留相近频率;书名号、连接号和数值范围也不是此规则的对象。

15. 加粗和重点标记过多

问题: 每段都加粗关键词,读者反而看不出真正重点。

改前: 我们需要关注效率、质量和用户体验。

改后: 我们需要提高效率和质量,改善用户体验。原文没有说明优先级或衡量标准。

16. “小标题:解释”式清单泛滥

改前:

  • 用户体验:用户体验得到显著提升。
  • 性能表现:系统性能得到全面优化。
  • 安全保障:安全保障进一步加强。

改后: 新版本改善了使用体验、性能和安全性。原文没有提供具体改动或数据。

17. 标题对仗和口号化

留意: 几乎所有标题都做成“洞察趋势:解码未来”“破局增长,共创未来”。

问题: 标题追求整齐和气势,却没有准确说明内容。

改前: 洞察变革浪潮:解码增长新范式

改后: 增长方式发生了什么变化

18. 表情符号装饰结构

问题: 用 🚀💡✅ 等图标代替正常层级,尤其不适合报告、邮件和说明文档。

改前: 🚀 项目进展 💡 核心洞察 ✅ 下一步行动

改后: 项目进展、发现和下周安排

社交平台或用户声线本来就使用表情时,不必机械删除。

19. 全角半角与引号混用

问题: 中文段落中混用英文逗号、直引号和不成对标点,或每个概念都套引号。

改前: 我们提出了“用户第一”,并建立所谓的"增长闭环"。

改后: 我们提出“用户第一”,并建立所谓的“增长闭环”。这些词没有说明实际改了什么。

专有名词、直接引语和代码中的符号保持原样。

20. 聊天机器人残留

留意: 当然可以、好的没问题、以下是、希望对你有帮助、如果需要我可以继续、欢迎随时告诉我。

问题: 对话套话被一起粘贴进正文。

改前: 当然可以!以下是关于法国大革命的介绍:法国大革命始于 1789 年。希望对你有帮助。

改后: 法国大革命始于 1789 年。

21. 知识边界免责声明与猜测补洞

留意: 截至我的知识更新、根据现有公开信息、资料较为有限、可能、大概率、不排除、一直保持低调。

问题: 找不到资料时,用关于“找不到”的话填满一段,随后编出貌似合理的经历或动机。

改前: 关于她的早年经历公开资料有限,这表明她一直保持低调,可能成长于普通家庭。

改后: 现有材料没有记录她的早年经历。(若这点不重要,直接删掉。)

22. 讨好和附和

留意: 你说得太对了、这个问题非常棒、不得不佩服、毫无疑问、显然。

改前: 你说成本会影响方案是否可行,这个问题提得非常好,你说得太对了!

改后: 你提到的成本问题会影响这个方案是否可行。

23. 冗余套话

改法示例:

  • “在当前这个时间节点”改为“现在”。
  • “基于……的基础上”改为“基于……”。
  • “进行深入分析”改为“分析”。
  • “有能力实现”改为“可以”。
  • “值得注意的是,数据显示”改为“数据显示”。
24. 过度限定

改前: 这项政策在某种程度上可能会对部分用户产生一定影响。

改后: 这项政策可能影响部分用户。

不要把真实的不确定性删掉。区分证据有限的谨慎和没有内容的叠词。

25. 万能正能量结尾

留意: 未来可期、让我们拭目以待、相信在共同努力下、书写新的篇章、行稳致远。

改前: 相信在大家共同努力下,公司必将乘风破浪,再创辉煌。

改后: 删除。以最后一项事实、决定或待办收尾。

26. 四字词和成语连用

问题: 成串使用“凝心聚力、守正创新、踔厉奋发、笃行不怠”,制造气势但没有信息。

改前: 团队将凝心聚力、锐意进取、攻坚克难,推动项目落地见效。

改后: 团队将推进项目。原文没有说明具体任务、负责人或时间。

27. 权威口吻和“本质论”

留意: 归根结底、从本质上看、真正重要的是、核心在于、底层逻辑是、毋庸置疑。

问题: 先摆出看穿一切的姿态,再重复普通观点。

改前: 归根结底,增长的底层逻辑在于真正理解用户。

改后: 增长取决于是否理解用户需求。原文没有说明具体需求或证据。

28. 预告式开场和导航话术

留意: 让我们一起、接下来带你、下面将从三个方面、话不多说、先说结论、看完你就懂了。

问题: 花一段话宣布接下来要说什么。

改前: 接下来,让我们深入探讨远程办公:它减少了通勤,但增加了跨时区沟通成本。

改后: 远程办公减少了通勤,但增加了跨时区沟通成本。

29. 标题后重复标题

改前:

交付风险

交付风险是我们必须重视的问题。

两家供应商都把到货时间推迟了一周。

改后:

交付风险

两家供应商都把到货时间推迟了一周。

30. 以“修改过程”为中心写正文

问题: 非更新日志却反复说“新增、优化、调整、原来、现在”,不说明当前功能本身。

改前: 我们新增了搜索筛选功能,替代原有只能逐页查找的方式。

改后: 用户可以筛选搜索结果,不必再逐页查找。

31. 人造金句和短句连击

问题: 连续用极短句制造戏剧性,每句都像海报文案。

改前: 时代变了。规则变了。用户也变了。旧方法,彻底失效。

改后: 规则和用户需求都变了,旧方法已经失效。原文没有说明发生了哪些变化。

32. 空洞比喻和格言公式

留意: X 是 Y 的底色、X 是通往 Y 的钥匙、不是工具而是镜子、让 X 成为可能、时间会给出答案。

改前: 数据是商业决策的灯塔,信任是团队协作的底色。

改后: 数据能帮助企业做决策;团队协作需要信任。

33. 假装坦诚的反问开头

留意: 说实话?、答案可能出乎意料、你真的了解……吗、问题来了、那么代价是什么。

问题: 用戏剧停顿制造亲密感或悬念,后面却只是普通判断。

改前: 这款软件值得买吗?说实话?取决于你多久用一次。

改后: 这款软件值不值得买,取决于你的使用频率。

避免误伤

不要把以下特征单独当成 AI 证据:语法正确、风格稳定、正式词汇、一个常用转折词、单个破折号、单句短句、引号、列表或没有引用来源。专业作者、编辑器和模板也会产生这些特征。寻找多个模式同时出现的组合,并结合文本用途判断。

保留真人写作中难得的东西:具体而古怪的细节、矛盾感受、时代和圈层用语、可解释的个人选择、长短句变化、真实的插话和自我修正。不要为了“干净”把声线磨平。

调用模式

粘贴文本(默认): 给出初稿、简短审校、终稿。文本很短或用户只要结果时,可直接给终稿。

文件模式: 用户指定文件时,只改自然语言正文,保留代码块、frontmatter、数据、链接目标和格式结构。内部完成两轮审校后写回终稿,并简述改动。

嵌入模式: 本技能作为更大任务的一步时,只输出可直接使用的终稿,不展示中间过程。

执行流程

  1. 明确读者、用途和声线;信息不足但不影响安全改写时,采用与原文一致的语域。
  2. 标记成组出现的模式,保护事实、专名、数字、引语、引用和真正的不确定性。
  3. 对每处黑话检查“谁、做什么、对谁、什么结果、什么依据”。只从原文和用户补充中找答案。
  4. 写出初稿。优先用具体名词和明确动词;缺少细节时承认缺少,不用虚构细节填空。
  5. 自问:“哪里仍像批量生成的中文?”“是否只替换了黑话,没有恢复信息?”“是否新增了原文没有的事实或态度?”
  6. 修订终稿,核对信息完整性、中文标点、指代和语气。

来源

本技能改编自 Siqi Chen(GitHub 用户 blader)的 Humanizer,遵循 MIT 许可证。上游框架参考 Wikipedia 的 Signs of AI writing,由 WikiProject AI Cleanup 维护。中文规则是面向中文表达习惯的本地化改写,并非 Wikipedia 中文版规则的逐字翻译。

Comments

Markdown supported