关于 humanizer-zh
一款中文文本润色技能,在保留信息和原有声线的前提下,让表达更自然、准确。它识别常见的模板化写作模式,并根据文本用途调整改写方式。
主要功能
- 01识别套路化写作模式
- 02保留事实与原意
- 03按读者和用途调整语气
- 04改写粘贴文本或指定文件
- 05保留代码与结构化内容
适用场景
- 01润色中文初稿,使表达自然
- 02编辑技术文档或正式文件
- 03修改指定文件中的自然语言正文
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ holygeek00/ humanizer-zh-cn --skill humanizer-zh安装后在 Claude Code 中输入/humanizer-zh确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
AGENTS.mdLOCALIZATION.mdREADME.mdLICENSE.claude-plugin/marketplace.jsonplugin.json.github/workflows/validate.ymlsync-upstream.ymlagents/openai.yamlscripts/validate-package.py详细介绍
来自项目 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:
- 找出下列模式,但不要因为一两个词就武断判定。
- 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。
- 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。
- 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。
- 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:
- 谁在做?
- 具体做了什么?
- 对谁或什么起作用?
- 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
- 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。
- 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。
- 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。
- 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。
- 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?”
- 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。