findscripter 何时使用
当一篇文稿（多为长文/博客/营销内容）读起来「像机器写的」时使用：AI 套话密集、对仗工整到乏味、通篇对冲措辞、缺乏立场与具体证据、结论是开头的复述。本技能做三件事：识别 AI 痕迹 → 节奏与具体化重写 → 注入品牌声音，目标是把「技术上由 AI 生成」改成「读起来像一个有观点、有经历、有利害关系的真人在说话」。这不是清洁服务——不是删掉「赋能/深入」就完事，而是从底层重建声音。
不该用：
- 从零创作初稿——用
content-production，本技能在初稿之后、SEO 之前介入。 - SEO/AI 搜索引用优化——用
ai-seo。 - 短促转化文案（落地页、CTA、标题）——用
copywriting，其原则不同。 - 决定「写什么」的内容策略——用
content-strategy。
开工前先找上下文： 若存在 marketing-context.md，先读它——它含品牌语气、写作范例、目标语调，是你的「声音蓝图」，别在已有定义时自行编一套。若没有，向用户索取一个他们认可的真实写作范例（具体范例胜过抽象描述）。同时确认：受众是谁、这篇要达成什么目标（决定个性可以放多开）。
步骤
按需顺序运行三种模式，也可直接跳到所需模式；上下文充分时一遍跑完，客户需先看审计时再拆开。
模式一 · Detect（识别 AI 痕迹，仅诊断不编辑）
扫描以下类别，按严重度标注：🔴 致命（毁可信度）/ 🟡 中等（削弱力度）/ 🟢 轻微（仅润色）。
- 滥用填充词 🔴：delve/深入、landscape/格局、crucial·vital·pivotal/关键·至关重要、leverage/赋能·利用、furthermore·moreover/此外·而且、navigate/驾驭、robust·comprehensive·holistic/稳健·全面·整体、foster·facilitate·ensure/培育·促进·确保。
- 对冲链 🔴：「值得注意的是」「需要指出的是」「有人可能会说」「在多数情况下」「不言而喻」。人偶尔对冲，AI 每句都对冲。
- 破折号滥用 🟡：一两个可以，每隔一段就来一个就是 AI 指纹。
- 段落结构雷同 🔴：每段都是「主题句→解释→例子→过渡」。真写作有短段、断句、插话、跑题再拉回，结构有变化。
- 缺乏具体 🔴：「很多公司」是哪些？「研究表明」哪项研究？「显著提升」提升多少？「领先品牌」点名一个。
- 虚假确定/权威 🟡：对无人能确定的事言之凿凿。
- 「综上所述」段 🟡：结尾是开头的复印件。真结论要么加新东西，要么钉死收尾句。
模式二 · Humanize（去模式 + 修节奏）
- 替换填充词（铁律：永不只删，必换更好的）： delve into → 看看/拆解/「重点在这」；the X landscape → 「X 今天怎么运作」；leverage → 用/应用；crucial → 「真正要紧的那一点」或直接陈述让其自证；furthermore → 留空直接接下一句，或「而且/也」；robust → 换成具体「每秒处理 1 万次请求」；facilitate → 帮/让更容易；navigate this challenge → 应对/搞定这事。
- 修句子节奏： AI 每句 18-22 词，耳朵会麻。刻意变化、朗读检验：长句拆两句；长句后跟一记短句。像这样；用断句强调；该长则让句子展开。人感节奏型：「长。短。长长。短。」「问？答。证据。」「论点。具体例子。所以呢？」
- 以具体替通用： 每个空泛断言都是招人质疑的邀请。把「很多公司实施此策略后获得显著提升」换成带数据/来源/亲历的版本（如「HubSpot 2023 年公布其转化漏斗数据——7 天内达到首次价值时刻的公司，90 天留存高 40%」）。没数据就诚实说「我没见过对照研究，但在 SaaS 引导流的实践中这模式很一致」。个人经历永远胜过空泛权威。
- 打破统一段落结构（SEEB）： 用单句段强调；用提问段（先问后答）；中间插 3-5 个并列项的短清单再回到散文；用插话/括号段透露个性；用「认错段」（「我第一次就搞错了」）瞬间变人。
- 加入摩擦与不完美： 中途改向并承认（「其实，让我退一步…」）；保留而非掩盖不确定（「我也许错，但…」）；有可能出错的观点；点出并说出来（「有意思的是…」）；带反应（「调过这玩意儿的人都知道有多抓狂」）。
模式三 · Voice Injection（注入品牌个性）
先读声音蓝图（marketing-context.md 或一个范例），从范例提取：句长偏好、正式度（缩写/俚语/行话）、幽默方式、关系姿态（同侪/师生/挑衅者）、标志性短语。技法：① 个人轶事（「我们做 X 时亲眼见过」胜过任何引文）；② 直接称「你」，不说「用户/团队/组织」；③ 不致歉地亮观点，选边站；④ 插话显「话里有话」；⑤ 一致应用品牌节奏签名。
指令
- 评分脚本（0-100 人性化分，附信号维度拆解与优先修复建议）：
脚本检测六类信号：AI 词汇、句长方差（目标标准差 ≥8）、被动语态比例、对冲措辞、破折号密度（每百词）、段落多样性。python scripts/humanizer_scorer.py 草稿.txt # 评单个文件 python scripts/humanizer_scorer.py 草稿.txt --json # 追加 JSON 输出 python scripts/humanizer_scorer.py # 不传文件=对比人写/AI写样例的演示模式 - 完整检测清单见
references/ai-tells-checklist.md；各声音类型的具体技法见references/voice-techniques.md。
示例
改写前（AI 生成）：
至关重要的是要善用（leverage）你现有的客户数据，以便有效驾驭（navigate）激烈的竞争格局（landscape）。此外（furthermore），通过实施一套稳健的（robust）引导策略，组织可以确保（ensure）用户从产品中获得最大价值并显著降低流失。
改写后（人性化）：
有句没人明说的实话：大多数 SaaS 公司本就握着能修好流失的数据。他们只是不看——直到客户已经走了。
你的激活漏斗就在里面。最好的、最差的留存群组，掉队究竟发生在哪一刻。你不需要再买一个工具——你需要有人别再无视工具早就摆出来的东西。
先把引导做好。其余都是下游。
改了什么： 删除 crucial/leverage/navigate/robust/ensure/显著/furthermore；加入直接称「你」、具体指控、结尾短句重击；把被动建议改成主动观点。
注意事项
主动预警（无需被问就提示）：
- AI 指纹密度过高：每 500 词出现 10+ 个 AI 痕迹时，打补丁没用——明确告知需整篇重写而非编辑。给 80% 是 AI 模式的稿子换词，只会产出「用词更好的 AI 模式」。
- 声音上下文缺失：无
marketing-context.md且用户未给语气指引时，注入声音前先停下要一个范例。猜错语气浪费所有人时间。 - 具体性缺口：出现 5+ 个零数据/零出处的空泛断言时提示用户——你能让文笔更顺，但无法凭空发明证据，需他们提供。
- 改后语气不一致：稿子确实变「人」了却不像该品牌平时发布的口吻时，提示——一致性和质量同样重要。
- 过度编辑风险：原稿在 AI 泥沼里埋着一两段真正好的内容时，重写前先标出，别误删好东西。
沟通遵循结构化标准：结论先行；每条发现含「是什么+为何读着像 AI+具体怎么改」；行动要有负责人与期限；置信标注（🟢 已验证 / 🟡 中等 / 🔴 基于有限声音上下文的推测）。审计时说「第 4 段以『需要指出的是』开头——纯对冲，删掉，直接说那个『指出』的内容」，而非「这读着像机器」。
互见
content-production：产出初稿；本技能在初稿之后、SEO 之前运行。copywriting：短促转化文案（落地页、CTA、标题），原则不同。content-strategy：决定创作什么，不负责声音或执行。ai-seo：人性化之后做，优化 AI 搜索引用——像人的内容更易被引用，但仍需结构才能被抽取。
采编自 alirezarezvani/claude-skills（MIT 许可）。