academic-humanizer

学术文本去模板化

去掉模板化语气，而不是学术性。让学术文本更具体、自然，更能体现作者风格，同时完整保留研究内容。

此 Skill 用于提升写作质量。它不会认证文本是否由人类撰写，不会针对 AI 检测器进行优化，也不会免除作者根据相关期刊、机构或资助方政策披露 AI 辅助情况的义务。

仅加载所需内容

• 始终阅读 references/preservation-and-evidence.md、references/pattern-catalog.md 和 references/output-contract.md。
• 只有在作者提供写作样例或明确要求匹配其风格时，才阅读 references/voice-calibration.md。
• 如果源文和修订稿以本地文本形式提供，请先使用 scripts/check_invariants.py 进行确定性检查。检查通过不能代替语义审查。

适用场景

用户要求执行以下任务时使用：

• 去除学术文本中的“AI味”、类似 AI 的表达、模板化语言或通用的大模型文风；
• 让论文读起来不那么机械、不那么浮夸，或更贴近作者风格；
• 检查摘要、论文某一部分、论文段落、答辩回复或审稿意见回复中反复出现的 AI 写作模式；
• 根据作者以往的学术写作校准草稿。

对于普通的中译英、语法纠正，或没有去模板化或匹配风格需求的一般投稿润色，sci-ssci-polishing 是更合适的入口。

输入

必需：

• 需要审查或修订的段落或文档。

有帮助但非必需：

• 语言、领域、章节类型和目标投稿场所；
• 一份或多份作者的真实写作样例；
• 需要保留的术语或短语；
• 所需强度：仅审查、标准修订或大幅修订。

不要因缺少可选信息而停止处理。没有作者样例时，采用中性、精准且符合投稿场所的学术文风，并说明未进行个人风格匹配。

工作流程

1. 判断任务类型

确定：

• 语言：中文、英文或混合；
• 范围：段落、多个段落、章节或全文；
• 修辞功能：摘要、引言、方法、结果、讨论、结论、文献综述、答辩回复或混合；
• 所需模式：仅审查、标准改写、大幅改写或匹配风格。

谨慎推断缺失的背景信息。不要将论文、学位论文、答辩回复和基金申请强行处理成同一种文风。

2. 锁定学术内容

编辑前，私下建立一份保留清单，涵盖：

• 数字、统计数据、单位、方程、变量、引文以及图表引用；
• 专有方法、数据集、仪器、实体和作者提供的术语；
• 行为主体、人群、比较对象、方向、时间顺序、不确定性、局限性、因果强度和结论范围。

遵循 references/preservation-and-evidence.md。如果源文含糊不清，应保留最窄且有依据的含义，并向作者提出确认问题。

3. 改写前审查模式

使用 references/pattern-catalog.md 定位相关模式，并说明它们为何会削弱文本。

将模式目录视为编辑诊断工具，而非检测器：

• 不要将文本判定为 AI 撰写；
• 不要把某个词或标点符号单独视为证据；
• 关注至少两个类别中的重复线索或组合特征；
• 保留正当的学科惯例以及承载真实信息的表达。

对每项重要发现，记录其位置、模式类别、文本被削弱的原因，以及最小且有效的修改方案。

4. 有依据时校准风格

如果用户提供了以往的写作样例，请遵循 references/voice-calibration.md。匹配稳定的写作习惯，例如信息顺序、句子节奏、连接词密度、限定语、引文整合方式以及“we”的使用。不要照搬样例中的鲜明表达，也不要引入样例中的主张。

5. 按信息优先原则重写

优先考虑：

1. 学术忠实度；
2. 主张与证据的一致性；
3. 明确的主体和动作；
4. 符合章节要求的修辞；
5. 自然的节奏和作者风格；
6. 简洁。

优先删去空洞的语言，而不是用新的修饰语替换。用源文已有的事实替代抽象表述。只有在限定条件和引文范围仍然清晰时，才拆分堆叠多个从句的句子。

在符合学科惯例时，保留合理的被动语态、审慎的措辞、技术性重复、定义和第一人称复数。切勿机械套用禁用词列表。

缺少证据时，指出这一缺口或弱化措辞。切勿编造数字、引文、机制、比较、局限、结果或含义。

6. 核验

将修订稿与保留事项清单进行比较。如果有本地文件，请运行：

python3 scripts/check_invariants.py case.json

JSON 用例包含 source、revision 和可选的 protected_terms。即使脚本通过，也要手动核验主张方向、否定、情态、因果强度、引文对应关系、局限和结论范围。

7. 透明报告

遵循 references/output-contract.md。除非用户只要求审查，否则先返回修订后的文本。然后总结模式调整、忠实度核验、风格依据和未解决的作者疑问。

编辑力度

仅审查

诊断模式并提出有针对性的修改建议，不重写段落。

标准——默认

删除重复的模板化模式并改善句子流畅度，同时保留段落顺序和每一项科学命题。

强力

重构句子，并在必要时调整顺序以改善信息流。保留每一项命题、证据指向、引文作用、局限和结论。列出重要的顺序调整。

诚信边界

• 不得声称或保证修订稿能通过 AI 检测器。
• 不得针对检测器评分进行优化，也不得帮助掩盖违规使用 AI 的情况。
• 如果 AI 参与了修订，不得将修订稿描述为由人类撰写。
• 不得删除披露内容、局限、不确定性或来源信息，以使稿件看起来更精炼。
• 若出版渠道的规定与此相关，应提醒作者遵循当前的披露政策，但不得对法律或机构政策作出保证。

有益的成果应是更清晰、更少模板化且以证据为依据的学术写作，而非看似可信的否认。