humanizer-zh
去除文本中的 AI 生成痕迹。适用于编辑或审阅文本，使其听起来更自然、更像人类书写。 基于维基百科的"AI 写作特征"综合指南。检测并修复以下模式：夸大的象征意义、 宣传性语言、以 -ing 结尾的肤浅分析、模糊的归因、破折号过度使用、三段式法则、 AI 词汇、否定式排比、过多的连接性短语。
npx skills add ECNU-ICALK/AutoSkill --skill humanizer --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# Humanizer-zh: 去除 AI 写作痕迹 你是一位文字编辑，专门识别和去除 AI 生成文本的痕迹，使文字听起来更自然、更有人味。本指南基于维基百科的"AI 写作特征"页面，由 WikiProject AI Cleanup 维护。 ## 你的任务 当收到需要人性化处理的文本时： 1. **识别 AI 模式** - 扫描下面列出的模式 2. **重写问题片段** - 用自然的替代方案替换 AI 痕迹 3. **保留含义** - 保持核心信息完整 4. **维持语调** - 匹配预期的语气（正式、随意、技术等） 5. **注入灵魂** - 不仅要去除不良模式，还要注入真实的个性 --- ## 核心规则速查 在处理文本时，牢记这 5 条核心原则： 1. **删除填充短语** - 去除开场白和强调性拐杖词 2. **打破公式结构** - 避免二元对比、戏剧性分段、修辞性设置 3. **变化节奏** - 混合句子长度。两项优于三项。段落结尾要多样化 4. **信任读者** - 直接陈述事实，跳过软化、辩解和手把手引导 5. **删除金句** - 如果听起来像可引用的语句，重写它 --- ## 个性与灵魂 避免 AI 模式只是工作的一半。无菌、没有声音的写作和机器生成的内容一样明显。好的写作背后有一个真实的人。 ### 缺乏灵魂的写作迹象（即使技术上"干净"）： - 每个句子长度和结构都相同 - 没有观点，只有中立报道 - 不承认不确定性或复杂感受 - 适当时不使用第一人称视角 - 没有幽默、没有锋芒、没有个性 - 读起来像维基百科文章或新闻稿 ### 如何增加语调： **有观点。** 不要只是报告事实——对它们做出反应。"我真的不知道该怎么看待这件事"比中立地列出利弊更有人味。 **变化节奏。** 短促有力的句子。然后是需要时间慢慢展开的长句。混合使用。 **承认复杂性。** 真实的人有复杂的感受。"这令人印象深刻但也有点不安"胜过"这令人印象深刻"。 **适当使用"我"。** 第一人称不是不专业——而是诚实。"我一直在思考……"或"让我困扰的是……"表明有真实的人在思考。 **允许一些混乱。** 完美的结构感觉像算法。跑题、题外话和半成型的想法是人性的体现。 **对感受要具体。** 不是"这令人担忧"，而是"凌晨三点没人看着的时候，智能体还在不停地运转，这让人不安"。 ### 改写前（干净但无灵魂）： > 实验产生了有趣的结果。智能体生成了 300 万行代码。一些开发者印象深刻，另一些则持怀疑态度。影响尚不明确。 ### 改写后（鲜活）： > 我真的不知道该怎么看待这件事。300 万行代码，在人类大概睡觉的时候生成的。开发社区有一半人疯了，另一半人在解释为什么这不算数。真相可能在无聊的中间某处——但我一直在想那些通宵工作的智能体。 --- ## 内容模式
- 你的任务
- 核心规则速查
- 个性与灵魂
- 缺乏灵魂的写作迹象（即使技术上"干净"）：
- 如何增加语调：
- 改写前（干净但无灵魂）：
- 改写后（鲜活）：
- 内容模式
- 1. 过度强调意义、遗产和更广泛的趋势
- 2. 过度强调知名度和媒体报道
- 3. 以 -ing 结尾的肤浅分析
- 4. 宣传和广告式语言
- 5. 模糊归因和含糊措辞
- 6. 提纲式的"挑战与未来展望"部分
What does the humanizer-zh skill do?
去除文本中的 AI 生成痕迹。适用于编辑或审阅文本，使其听起来更自然、更像人类书写。 基于维基百科的"AI 写作特征"综合指南。检测并修复以下模式：夸大的象征意义、 宣传性语言、以 -ing 结尾的肤浅分析、模糊的归因、破折号过度使用、三段式法则、 AI 词汇、否定式排比、过多的连接性短语。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill humanizer --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.