being-human

being-human

你的助手写起东西来像新闻稿，因为它不了解你是谁。这个工具会告诉它。

being-human 会读取你已经输入过的提示词，衡量你实际的写作方式，并向模型提供足够具体、可供遵循的风格描述。它还会通过与模型自身的输出进行对比，生成一份应避免使用的词语列表，因此这份列表只针对你，而不是借自某篇介绍 ChatGPT 特征的博客文章。

本地运行，使用标准库 Python 3，无依赖，无网络请求。

我的写作，由这个工具衡量。每条横线都代表一个真实句子。使用 being-human card 创建你自己的图谱。

---

快速入门

pip install being-human

being-human learn --name "Your Name"     # harvest your writing, measure it
being-human check draft.md               # AI tells
being-human verify draft.md              # is it statistically you?
being-human export --target chatgpt      # or agents, cursor, system, json
being-human card                         # draw your voiceprint as a shareable svg

没有 Claude Code 历史记录？可以指定 ChatGPT 导出文件或你自己的文件：

being-human harvest --source chatgpt --path conversations.json --out .being-human/ --contrast
being-human harvest --source files --path ~/Documents/writing --out .being-human/

输出内容

带有具体数字的写作指引，因为“简洁一点”并不可操作，而“你的消息中位数是 12 个词”则可以：

- Write "i" lowercase. They do, 83% of the time.
- Vary sentence length hard. Theirs average 9 words but deviate 8, up to 81.
- No exclamation marks. Rate is 0.28 per 1k.
- Don't hedge. Hedge rate is 1.1 per 1k -- they assert.

对比技巧

你的对话记录包含每段对话的双方内容。因此，可以通过对数几率为每个词评分：在相同主题、相同对话中，你使用该词的可能性比模型高多少。列表顶部是你的写作风格，底部则是模型的。

我的结果是 actually, clean, rather, genuinely, exactly, roughly。这些词都没有出现在任何已发布的 AI 常用词列表中。它们是这个模型和我交流时特有的习惯用词。你的结果会有所不同，因为对比对象是你的写作。

两项检查，而非一项

它们能发现不同的问题，通过其中一项并不代表通过另一项：

check	这是不是泛泛的 AI 写作？特征词、节奏、结构
verify	这像不像你？作者风格差异、Burrows's Delta，并与从你自己的语料中重新采样、长度匹配的空模型进行对比

在我自己的语料上测得的结果：

	作者风格	AI 腔
我的写作	第 6 百分位，是我	99/100
泛泛的 LinkedIn AI 腔	第 19 百分位，像我？	0/100
别人写的 README	第 94 百分位，不是我	97/100

第二行的问题就在这里：AI 腔的语法平平无奇，因此作者风格差异检查会放过它。第三行则是干净利落、没有明显特征，却显然出自不同的人手笔。其他人都不会检查第二种情况，而它恰恰最容易造成问题。

留出的真实写作片段位于第 49 至 60 百分位，高于 p97 的误报率为 1–6%。阈值因人而异。破折号会根据你实际使用的频率来判断，而不是套用通用规则，因此不会惩罚那些确实经常使用破折号的人。

MCP 服务

claude mcp add being-human -- being-human-mcp

包含七个工具、两个资源、两个提示词。Claude Desktop、Cursor、Codex 和 Zed 的配置见 mcp/README.md。

MCP 工具由模型调用，但没有任何机制能强制模型调用某个工具；当载荷本身具有指导作用时，这会很棘手。因此，每个工具都会在返回自身结果的同时附上写作风格规则。服务中不存在只返回分数、不附带目标文本的路径。

此外还有 Claude Code 插件，可通过 /plugin marketplace add Syedomershah99/being-human 安装。它提供 /being-human:learn、:check、:write、:verify、:export，以及一个会在你输入时扩充语料的钩子。

隐私

所有操作都在本地进行。搜索 urllib、requests 或 socket，什么也找不到。机密信息会在采集时进行脱敏，然后才会写入磁盘；.being-human/ 也已加入 gitignore。写作风格图谱可以安全分享，但用于生成它的语料不行。

现有方案

2026 年，这个领域已经相当拥挤。 inside-lago 提出了核心观点， slop-guard 是成熟的 slop 检查工具，idiolect 在架构上最为接近，而 writer-persona 提出了其中最好的想法：通过回测验证画像，而不是盲目信任它。

这里有两点是我在其他地方没找到的。用户与模型的对比分析，会从你自己的对话记录双方推导出避免用语清单，而不是依赖人工整理的列表。还有确定性冒名测试。writer-persona 会在 8 个维度上使用 LLM 评判；这只是算术运算，因此无需成本，而且每次都会返回相同的结果。

Burrows 的 Delta 和采用狄利克雷先验的对数几率都是成熟的方法。这里的主张在于应用方式和校准，而非统计学本身。

许可证

MIT。提示词清单位于 data/slop-lexicon.json。如果你反复看到某些不在其中的内容，请提交 PR。

_{mcp-name: io.github.Syedomershah99/being-human}