mcpField
I
ig-human

ig-human

github.com/jakeschincariol营销与增长3.5k602 次安装6 周前更新
代码仓库

关于 ig-human

ig-human 是用于 Instagram 文案和脚本的本地清理与分析技能。它替换部分套话和排版字符、标出需人工修改的结构模式，并在不上传文本的情况下提供启发式评分。

主要功能

  1. 01删除不可见字符
  2. 02规范常见排版符号
  3. 03将套话替换为直白表达
  4. 04标记需人工修改的结构模式
  5. 05在本地评估五项文本信号

适用场景

  1. 01发布前清理 Instagram 文案
  2. 02检查口播脚本中的公式化表达
  3. 03比较原稿与清理稿的评分

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/jakeschincariol/instagram-agent-skill --skill ig-human

安装后在 Claude Code 中输入/ig-human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。

detect.py
humanize.py
slop.json

详细介绍

ig-human

此文件夹中有两个工具，而且都确实能运行。请使用它们。不要凭感觉判断。

python3 humanize.py draft.txt --report        # clean it, show what changed
python3 detect.py draft.txt                    # score it, five checks
python3 detect.py before.txt after.txt         # prove the delta

两者都会读取 slop.json：其中包含 154 个常见词语和短语及其通俗替换说法、18 类不可见字符、11 种排版替换和 16 种结构性特征。每个列表的最后一组都专门针对 Instagram，收录只会出现在配文和旁白中的词汇。这些内容可以编辑。如果用户有一个常用词总是被词库删掉，就把它从文件中移除。

为什么这在 Instagram 上比看起来更重要

配文很短，脚本还要说出来。在一条 600 个字符的配文中，读起来像书面语的句子所占比例，要比同样的句子放在一篇文章里高得多；而没人会自然说出口的旁白，在第一次录制时就会显得很明显。这里的问题不在于检测器给帖子标记，而在于有人刷到一条像品牌文案的内容，或者创作者念自己的脚本时磕磕绊绊。

会自动修正的内容

1. 不可见字符。 零宽空格和连接符、词连接符、软连字符、字节顺序标记、Unicode 标签字符、不可见分隔符、不换行空格和窄空格。键盘不会输入这些字符。它们会在复制粘贴时保留下来，在所有编辑器中都不可见，也是生成文本中最机械的痕迹。humanize.py 会删除每一个这类字符，包括任何剩余的、没有名称的 Unicode 格式字符。

2. 排版。 将长破折号替换为逗号，将短破折号替换为连字符，将弯引号替换为直引号，将省略号替换为三个点，将项目符号替换为连字符。长破折号这一项最重要：它会先将破折号替换为逗号，再清理由此产生的双重标点和多余句点。

3. 词库中的生硬表达。 delve、leverage、robust、seamless、crucial、testament to、"in today's fast-paced world"，以及 Instagram 专用词汇："stop scrolling"、"in today's video"、"follow for more"、"tag someone who needs this"、"the algorithm loves"、"run don't walk"。每个词语都会被替换为通俗说法或删除，同时保留大小写，且不改动 URL。

不会自动修正的内容

结构性特征会被标记，而非改写，因为调整句子结构需要判断：

  • "It's not just X, it's Y" 和 "not only X but also Y"
  • 三段式排比
  • 只有一个词的设问句："The result?"
  • 视频开场白："in this video I'm going to show you"
  • 表情符号项目列表
  • 连续三个或更多全大写词语
  • 话题标签堆砌
  • 诱导互动语："follow for more"、"tag someone who"、"double tap if"

这些内容需要你来处理。手动重写每条被标记的句子，同时保留原意，然后重新运行 detect.py。这是让评分从 REVIEW 提升到 PASS 的关键，也是脚本无法代劳的部分。

五项检查

detect.py 会为五项指标评分，范围为 0 到 100，分数越高越像真人撰写：

检查项衡量内容机器生成文本的表现
BURSTINESS句子长度变化每个句子长度都相同
SPECIFICITY每 100 个词中的数字、名称和具体标记抽象名词，没有数据
SLOP DENSITY每 100 个词中的词库命中数常见套话
FINGERPRINT每 1,000 个字符中的不可见字符、长破折号和弯引号排版过于完美
VOICE缩写、人物视角和结构性特征没有缩写，刻意铺垫揭晓

最终判定中，平均分占 60%，单项最低分占 40%，因为一个信号就足以暴露问题。要获得 PASS，总分必须达到 70 分以上，且每项检查都不得低于 55 分。

如实说明

这五项本地启发式检测依据的是公开检测器关注的信号。它们完全在用户的设备上运行，不会上传任何内容。它们不是 GPTZero、Originality、Copyleaks、Winston 或 Turnitin，不会调用这些服务的 API，也无法保证得到相同的判定。修正它们检测的内容往往会影响这些检测器给出的结果，因为它们衡量的是相同的底层特征。这就是我们所作的声明。不要代替用户夸大其词，也不要告诉用户其文本无法被检测出来。

操作顺序

  1. humanize.py draft.txt -o clean.txt --report
  2. 查看结构性标记。自行重写对应的句子。
  3. 运行 detect.py draft.txt clean.txt，展示修改前后的结果。
  4. 如果判定不是 PASS，就修正输出中指出的最薄弱项，然后重新检测。进行两轮很正常。如果需要五轮，说明草稿是按公式写出来的；正确的做法是另写一份草稿，而不是继续反复修改。
  5. 向用户展示润色后的文本和分数，切勿只展示分数。

评论

支持 Markdown