mcpField
H
humanize-chinese

humanize-chinese

github.com/sickn33创意与媒体48.7k709 次安装今天更新
代码仓库

关于 humanize-chinese

humanize-chinese 是一项用于识别中文文本中 AI 写作痕迹并进行针对性修改或风格转换的技能,面向一般及学术写作。它强调保留原意,不把检测信号视为 AI 创作的证明。

主要功能

  1. 01识别中文写作中的模板化表达
  2. 02针对性修改文本
  3. 03降低学术文本的 AIGC 痕迹
  4. 04转换为指定写作风格
  5. 05检查语义与语气是否保留

适用场景

  1. 01检查中文草稿中的模板化措辞
  2. 02在保留论点的同时修改学术文本
  3. 03将文本调整为指定的中文风格

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/sickn33/agentic-awesome-skills --skill humanize-chinese

安装后在 Claude Code 中输入/humanize-chinese确认已加载。

详细介绍

中文文本自然化

当你需要识别带有 AI 痕迹的中文写作、改写得不那么生硬、降低学术文本中的 AIGC 痕迹,或将文本转换为更具体的中文文风时,使用此技能。

适用场景

  • 用户提出 去AI味、降AIGC、去除AI痕迹、让文字更自然、改成人话 或 降低AI率 时使用
  • 用户希望检查中文文本中是否存在 AI 写作模式或可疑表述时使用
  • 用户希望针对 CNKI、VIP 或万方风格的检测,降低学术论文中的 AIGC 痕迹时使用
  • 用户希望将中文文本改写成其他风格,例如 zhihu、xiaohongshu、wechat、weibo、literary 或 academic 时使用

核心工作流程

1. 先检测,再改写

将这些视为风格观察,而非 AI 写作的证明或可靠的 AIGC 百分比。不要承诺通过 CNKI/VIP/万方检测,也不要改变披露义务。保留实际研究主张:将 研究表明 改为 前人研究发现,可能会改变研究的实施者,因此需要来源证据。

先找出最明显的 AI 痕迹,而不是不加判断地重写:

  • 僵硬的 首先/其次/最后 结构
  • 综上所述、值得注意的是、由此可见 等机械式连接词
  • 信息密度低、浮夸抽象的措辞
  • 重复的句式节奏和段落长度
  • 听起来过于完整、过于确定或过于模板化的学术文本

如果用户提供了简短样例,重写前应直接指出可疑表述。

2. 以最小必要幅度改写

优先采用有针对性的修改,而不是全部重写:

  • 删除公式化连接词,不要逐句改写
  • 调整句子长度和段落节奏
  • 替换重复的动词和名词短语
  • 尽可能用具体观察替代抽象总结
  • 保留原有主张、事实、引文和术语
3. 验证结果

改写后,检查文本是否:

  • 仍然表达相同的意思
  • 听起来不那么模板化
  • 节奏更加自然
  • 没有引入事实偏差
  • 符合目标受众所需的语体

对于学术文本,应保持学术风格,不要过度口语化。

可选命令行流程

下方脚本并未随此处提供。只能使用已有且经过审查、参数匹配的克隆版本;不要臆造或运行名称相似的本地脚本。如有可用版本,以下示例可供参考:

python3 scripts/detect_cn.py text.txt -v
python3 scripts/compare_cn.py text.txt -a -o clean.txt
python3 scripts/academic_cn.py paper.txt -o clean.txt --compare
python3 scripts/style_cn.py text.txt --style xiaohongshu -o out.txt

如有可用版本,请按以下顺序使用命令行流程:

  1. 检测并检查可疑句子
  2. 改写或进行比较
  3. 对清理后的文件重新运行检测
  4. 可选:转换为目标风格

手动改写指南

如果脚本不可用,请采用以下手动流程。

常见 AI 痕迹
  • 显得过于对称的编号结构或镜像结构
  • 不增加实际含义的填充性过渡语
  • 重复使用的套话
  • 句子长度过于整齐
  • 听起来过于定论、润饰完美且毫无风险的结论
改写方法
  • 先删去作用不大的过渡语
  • 将重复表述合并成一句更有力的话
  • 在自然转折处拆分句子,不要刻意构造冗长、平衡的结构
  • 句子过于零碎、读起来像机器人时,将其合并
  • 用具体措辞替换泛泛的抽象表达
  • 适当调整节奏,让行文不再像恒速推进

降低学术文本中的 AIGC 痕迹

适用于论文、报告或学位论文:

  • 保持学科专用术语不变
  • 将学术写作中的 AI 套话替换为更有依据的学术表述
  • 适当降低绝对语气,使用审慎的限定表达
  • 调整段落结构,避免各部分读起来像套用同一模板
  • 如果结论显得不自然地面面俱到,可补充局限性或不确定性

更稳妥的改写方向示例:

  • 本文旨在 -> 本文尝试 或 本研究关注
  • 具有重要意义 -> 值得关注 或 有一定参考价值
  • 研究表明 -> 前人研究发现 或 已有文献显示

不要编造引文、证据或数据。

风格转换

仅在基础文本已通顺自然后再进行风格转换。

源工作流支持以下风格方向:

  • casual
  • zhihu
  • xiaohongshu
  • wechat
  • academic
  • literary
  • weibo

切换风格时,保持用户原意不变,只调整语气、结构和表层措辞。

输出规则

  • 展示你发现的主要 AI 痕迹
  • 用 1-3 条简短要点说明改写策略
  • 返回改写后的中文文本
  • 如有帮助,可简要说明仍存在的不足

来源

改编自 voidborne-d/humanize-chinese 项目及其用于中文 AI 文本检测和改写的 CLI/脚本工作流。

限制

  • 仅在任务明确符合上述范围时使用此技能。
  • 不要将输出视为环境特定验证、测试或专家审查的替代品。
  • 如果缺少必需的输入、权限、安全边界或成功标准,请停止并请求澄清。

评论

支持 Markdown