人性化 AI 文本

从文本中移除 AI 生成写作的痕迹。适用于编辑或审阅文本时，使其读起来更自然、更像人类撰写。

基于 Wikipedia 全面的《AI 写作迹象》指南。

功能

• AI 检测：识别 16 类 AI 生成文本的模式

• 模式类别：

  • 引用错误（Citation bugs）
  • 知识截止短语（Knowledge-cutoff phrases）
  • 聊天机器人残留（Chatbot artifacts）
  • Markdown/代码残留（Markdown/code remnants）
  • AI 特有词汇（AI-specific vocabulary）
  • 填充短语（Filler phrases）
  • 标点异常（Punctuation quirks）
  • 修辞平行结构（Stylistic parallelisms）
  • 过度象征化表达（Inflated symbolism）
  • 宣传式语言（Promotional language）
  • 表面化的 -ing 分析（Superficial -ing analyses）
  • 模糊归因（Vague attributions）
  • 破折号滥用（Em dash overuse）
  • 三段式法则（Rule of three）
  • 否定式平行结构（Negative parallelisms）
  • 连词短语过度使用（Excessive conjunctive phrases）

• 诊断报告：生成详细的 AI 检测报告

• 文本转换：重写文本，使其更具人类写作风格

• 对比模式：对比原始文本与人性化后的版本

使用方法

检测 AI 写作

# 基础检测
python skills/humanize-ai-text/scripts/detect.py text.txt

# JSON 格式输出
python skills/humanize-ai-text/scripts/detect.py text.txt -j

# 仅输出得分
python skills/humanize-ai-text/scripts/detect.py text.txt -s

# 直接通过管道传入文本
echo "这段文字可能由 AI 生成" | python skills/humanize-ai-text/scripts/detect.py

转换文本

# 基础转换
python skills/humanize-ai-text/scripts/transform.py text.txt

# 输出到文件
python skills/humanize-ai-text/scripts/transform.py text.txt -o clean.txt

# 激进模式（更多修改）
python skills/humanize-ai-text/scripts/transform.py text.txt -a

# 静默模式（不显示进度信息）
python skills/humanize-ai-text/scripts/transform.py text.txt -q

对比版本

# 对比原始文本与转换后文本
python skills/humanize-ai-text/scripts/compare.py text.txt

# 对比并保存结果
python skills/humanize-ai-text/scripts/compare.py text.txt -o document_v2.txt

安装

该技能已预装。如需使用，请确保系统已安装 Python 3。

依赖项

无需外部依赖——仅使用 Python 标准库。

模式检测

检测脚本可识别以下 AI 写作模式：

1. 引用错误

• 虚构或无法验证的来源
• “据专家称”等未指明具体专家的泛化表述
• 笼统的研究引用（如“多项研究表明”）

2. 知识截止

• “截至我上次更新时”
• “我无法获取实时信息”
• 带有日期限制的声明

3. 聊天机器人残留

• “我很乐意帮忙”
• “好问题！”
• “让我逐步分析一下”
• 过度使用缓和语气（hedging）

4. AI 特有词汇

• “delve into”
• “testament to”
• “in conclusion”
• “it's worth noting”
• “important to understand”

5. 填充短语

• 不必要的引言
• 冗余的总结句
• 为凑字数而添加的内容

6. 修辞问题

• 三段式法则滥用
• 否定式平行结构
• 破折号滥用
• 连词短语过度使用

最佳实践

1. 先检测，再转换：在执行文本转换前，务必先运行检测
2. 人工复核变更：始终人工审阅转换后的文本
3. 善用对比功能：通过对比理解具体修改点
4. 迭代优化：可能需要多次运行以获得最佳效果
5. 自定义模式：编辑 patterns.json 添加自定义检测规则

自定义配置

添加自定义模式

编辑 skills/humanize-ai-text/scripts/patterns.json：

{
  "custom_patterns": {
    "my_pattern": {
      "regex": "pattern_here",
      "replacement": "replacement_text",
      "description": "What this pattern detects"
    }
  }
}

批量处理

批量处理多个文件：

for f in *.md; do
  python skills/humanize-ai-text/scripts/detect.py "$f" -s
  python skills/humanize-ai-text/scripts/transform.py "$f" -a -o "${f%.md}_clean.md" -q
done

输出格式

检测输出

AI 检测报告
===================
文件：text.txt
AI 概率：73%

检测到的模式：
- AI 特有词汇：12 处
- 填充短语：8 处
- 修辞平行结构：5 处
...

转换输出

原文："I'd be happy to delve into this important topic."
人性化后："Let's explore this topic."

安全说明

• ✅ 不发起任何外部网络请求
• ✅ 所有处理均在本地完成
• ✅ 不访问任何凭据信息
• ✅ 仅执行安全的文件操作
• ✅ 不进行任何形式的数据外泄

集成方式

融入写作工作流

1. 撰写初稿（无论是否借助 AI）
2. 运行检测，评估 AI 得分
3. 若得分偏高，则执行转换
4. 对比原始与转换后版本
5. 人工复核并完成最终润色

融入内容发布流水线

# 在 CI/CD 或 pre-commit 钩子中使用
python skills/humanize-ai-text/scripts/detect.py content.md -s
# 若 AI 得分超过阈值则失败

故障排查

误报（False Positives）

部分符合规范的人类写作也可能触发某些模式，请人工复核确认。

漏报（False Negatives）

AI 模型持续演进。请定期更新 patterns.json 中的规则。

编码问题

请确保输入文件采用 UTF-8 编码：

python skills/humanize-ai-text/scripts/detect.py file.txt --encoding utf-8

示例

示例 1：博客文章

# 检查 AI 得分
python skills/humanize-ai-text/scripts/detect.py blog_post.md -s
# 输出：AI 概率：68%

# 执行转换
python skills/humanize-ai-text/scripts/transform.py blog_post.md -o blog_post_clean.md -a

# 对比版本
python skills/humanize-ai-text/scripts/compare.py blog_post.md -o blog_post_clean.md

示例 2：电子邮件

echo "I hope this email finds you well. I wanted to reach out regarding..." | 
  python skills/humanize-ai-text/scripts/detect.py

示例 3：学术写作

# 在论文中检测 AI 模式
python skills/humanize-ai-text/scripts/detect.py paper.md -j > report.json

# 使用保守参数执行转换
python skills/humanize-ai-text/scripts/transform.py paper.md -o paper_clean.md

参考资料

• Wikipedia：《AI 写作迹象》
• AI 文本检测领域的原始研究
• 社区贡献的检测模式

更多信息，请访问：https://clawhub.ai/biostartechnology/humanizer