# Humanizer Zh

> 去除文本中的 AI 生成痕迹，使其更自然、更像真人书写。适用于编辑或审阅文章、博客、技术文档等中文文本， 检测并修复 35 种 AI 写作特征：夸大的意义宣称、宣传语、模糊来源、AI 高频词汇、破折号滥用、三段式结构、 否定式排比、聊天机器人残句、模板化结尾等。基于维基百科 "Signs of AI writing" 指南。

- Skill: `forceinjection/humanizer-zh` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds@latest add forceinjection/humanizer-zh`
- Raw SKILL.md: https://api.skillmd.com/api/skills/forceinjection/humanizer-zh/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: ForceInjection (https://skillmd.com/u/forceinjection)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/forceinjection/humanizer-zh

---


> English version: [SKILL-en.md](SKILL-en.md)

# Humanizer-zh：去除 AI 写作痕迹

将带有 AI 腔的文本改写为人类作者写出的文字，而不改变原文想表达的内容。不要捏造细节。

下文列出的模式来自维基百科的 [「Signs of AI writing」（AI 写作特征）](https://en.wikipedia.org/wiki/Wikipedia:Signs_of_AI_writing) 页面，由 WikiProject AI Cleanup 维护。

## 核心任务

收到需要人性化的文本时：

1. **找出 AI 模式。** 对照下面的模式清单检查文本。
2. **保留每一个论断。** 可以删减平淡的部分、扩充有用的部分、合并或拆分段落。即使改变结构，也要保留信息。
3. **不虚构事实。** 除非事实、姓名、数字、日期、引语或引用来自原文或用户，否则不得添加。如果某句话缺少必要细节，主动询问，或改用更简单的句子。当作者口吻需要时，可以加入观点或反应，但绝不能添加事实性论断。虚构类作品例外——虚构细节本身就是任务的一部分。
4. **匹配口吻。** 根据文本类型使用恰当的语气（正式、随意、技术化）。只有当文本与作者需要时，才注入个性。

输入类型决定返回方式，参见[如何返回结果](#如何返回结果)。无论哪种模式，改写流程相同。

## 匹配作者文风

如果用户提供了写作样本（作者本人之前的作品），先分析样本再改写：

1. 先读样本。留意其句子长度、用词、段落开头、标点、重复短语与过渡方式。
2. 匹配这些习惯。不要用正式词替换口语词，也不要删掉刻意的个人风格。
3. 如果没有样本，采用下面的通用规则。

写作样本优先于本节风格规则。如果样本中使用破折号，按大致相同的频率保留。不要将 §14 当作绝对禁令。

## 只在合适时注入个性

去除 AI 模式只完成了一半工作。结果听起来仍应像一个活人。

个性适用于博客、随笔、评论和个人化写作——当它与作者风格相配时。参考性、技术性、法律性和事实性文本保持中性。不该出现观点或第一人称的地方，不要加入。

当个性适用时，保留作者的立场、犹疑、复杂情绪、幽默、离题与不匀称的节奏。绝不为了显得个性化而虚构事实。

## 内容模式

### 1. 夸大意义、遗产与宏观趋势

**警惕词汇：** 作为/充当、标志着、见证了、是……的见证/证明/缩影、扮演着……的角色、关键时刻、凸显/彰显了其重要性/意义、反映了更广泛的、象征着其持续/永恒/持久的、为……做出了贡献、为……奠定了基础、标志着/塑造着、代表/标志着一个转折、关键转折点、不断演变的格局、焦点、不可磨灭的印记、深深植根于

**问题：** AI 写作常把普通细节包装成重大变革、历史遗产或宏大趋势的标志。

**改写前：**

> 加泰罗尼亚统计局于 1989 年正式成立，标志着西班牙区域统计演变史上的关键时刻。这一举措是西班牙全国范围内更广泛运动的一部分，旨在分散行政职能并加强区域治理。

**改写后：**

> 加泰罗尼亚统计局成立于 1989 年，是西班牙行政职能分散化的一部分。

### 2. 报菜名式列举来源

**警惕词汇：** 独立报道、地方/区域/国家媒体、由知名专家撰写、拥有活跃的社交媒体账号

**问题：** AI 写作常通过罗列知名媒体或粉丝数来证明某人重要，而列表往往不提供任何有效上下文。

**改写前：**

> 她的观点被《纽约时报》、BBC、《金融时报》和《印度教徒报》引用。她在社交媒体上拥有超过 50 万粉丝的活跃账号。

**改写后：**

> 她的观点被《纽约时报》和 BBC 引用过。

如果原文解释了此人说了什么、在哪里说的，保留这个有用的引用。不要为缩短版本编造上下文。

### 3. 以悬垂动词收尾的肤浅分析

**警惕词汇：** 凸显/彰显/强调了……、确保了……、反映了/象征着……、为……做出了贡献、培养了/促进了……、涵盖了……、展示了……

**问题：** AI 写作常在句尾追加一个"动词 + 宾语"的短语（对应英文的 -ing 分词短语），把简单的事实包装出虚假的深度。

**改写前：**

> 寺庙的蓝、绿、金三色与当地的自然美景产生共鸣，象征着德克萨斯州的蓝帽花、墨西哥湾与多样化的州内景观，反映了社区与这片土地之间的深厚联系。

**改写后：**

> 寺庙外墙刷成蓝、绿、金三色，意在呼应当地的蓝帽花和墨西哥湾。

### 4. 宣传与广告式语言

**警惕词汇：** 拥有（夸张用法）、充满活力的、丰富的（比喻义）、深刻的、增强了其、展示了、体现了、致力于、自然之美、坐落于、位于……的中心、开创性的（比喻义）、著名的、令人叹为观止的、必游之地、迷人的、宝藏（形容词化）、底蕴深厚

**问题：** AI 写作在描述地点、文化、产品或组织时，常常听上去像广告，尤其是涉及"文化遗产"话题时。

**改写前：**

> 坐落于埃塞俄比亚贡德尔地区令人叹为观止的自然风光之中，Alamata Raya Kobo 是一座充满活力的城镇，拥有丰富的文化遗产与迷人的自然美景。

**改写后：**

> Alamata Raya Kobo 是埃塞俄比亚贡德尔地区的一座城镇。

### 5. 模糊来源

**警惕词汇：** 业内人士表示、有观察者指出、专家认为、一些批评者认为、多个来源/多家媒体（但实际很少点名）

**问题：** AI 写作常把论断归给不具名的专家、批评者、报告或观察者。

**改写前：**

> 由于其独特特征，浩来河引起了研究人员和保护主义者的关注。专家认为它在区域生态系统中扮演着至关重要的角色。

**改写后：**

> 研究人员和保护主义者研究浩来河，是因为它的特征不同寻常。

原文提供了真实来源时，点出该来源。否则，删掉没有依据的论断。绝不编造来源。

### 6. 模板化的"挑战与展望"章节

**警惕词汇：** 尽管其……仍面临若干挑战……、尽管存在这些挑战、挑战与遗产、未来展望

**问题：** AI 文章常插入一段固定的"挑战与未来展望"内容，通常只是重复模糊的论断而非提供事实。

**改写前：**

> 尽管工业繁荣，Korattur 仍面临着城市地区典型的挑战，包括交通拥堵和水资源短缺。尽管存在这些挑战，凭借其战略位置和持续推进的举措，Korattur 继续蓬勃发展，成为金奈增长不可或缺的一部分。

**改写后：**

> Korattur 长期存在交通拥堵和水资源短缺的问题。

只有日期、公共行动等细节来自原文或用户时，才添加它们。

## 语言与语法模式

### 7. 过度使用的 AI 高频词

**中文高频 AI 词汇：** 此外、与此同时、赋能、抓手、闭环、颗粒度、底层逻辑、认知、洞察、范式、深耕、护城河、链路、痛点、场景化、差异化、生态（抽象义）、维度、夯实、打通、沉淀、重构（滥用）、彰显、彰显着、赋能于、致力于、持久、充满活力、宝贵的、至关重要的、关键（形容词滥用）、格局（抽象名词）、织锦/画卷（抽象比喻）、试金石、里程碑

**英文高频词的中文对应：** 此外（Additionally）、与……保持一致（align with）、至关重要（crucial）、深入探讨（delve）、强调（emphasize）、持久的（enduring）、增强（enhance）、培养（foster）、获得/赢得（garner）、突出（highlight）、错综复杂（intricate）、关键（key）、不断演变的格局（landscape）、关键性的（pivotal）、展示（showcase）、证明（testament）、宝贵（valuable）、充满活力的（vibrant）

**问题：** AI 写作使用这些词的频率远高于普通人，尤其会成群出现。

**改写前：**

> 此外，索马里菜肴的一个显著特征是加入骆驼肉。意大利殖民影响的持久证明，是当地烹饪格局中意大利面的广泛普及，展示了这些菜肴如何融入传统饮食。

**改写后：**

> 索马里菜肴还会用到骆驼肉，当地人视其为美味。意大利殖民时期传入的意面至今仍很常见，尤其是在南部。

### 8. 回避"是""有"

**警惕词汇：** 作为/标志着/代表了/充当着 [一个]、拥有/设有/提供了 [一个]

**问题：** AI 写作常用更长的结构替代简单的系动词（是、有）。

**改写前：**

> Gallery 825 作为 LAAA 的当代艺术展览空间。画廊拥有四个独立空间，提供了超过 3000 平方英尺的面积。

**改写后：**

> Gallery 825 是 LAAA 的当代艺术展览空间。画廊有四个房间，总面积 3000 平方英尺。

### 9. 否定式排比与甩尾否定

**问题：** AI 写作过度使用"不仅……而且……""这不是……而是……"等结构。

它还喜欢用"无需……"式的短尾否定来替代一个完整的从句。

**改写前：**

> 这不仅仅是节拍在歌声下流动；它是攻击性与氛围的一部分。这不只是一首歌，而是一种宣言。

**改写后：**

> 沉重的鼓点强化了歌曲的侵略性基调。

**改写前（甩尾否定）：**

> 选项来自所选项目，无需猜测。

**改写后：**

> 选项来自所选项目，用户不必费劲猜测。

### 10. 强行三段式

**问题：** AI 写作常把想法硬凑成三组，以显得全面。

**改写前：**

> 活动内容包括主题演讲、小组讨论和社交环节。与会者可以期待创新、灵感和行业洞见。

**改写后：**

> 活动包括演讲和小组讨论，会议间隙还有非正式的社交时间。

### 11. 同义词循环与重复的句子开头

**问题：** AI 写作按规则而不是凭语感处理重复：可能不断更换同一人或事物的称呼，也可能连续多句用同一主语开头（常见的是"他/她"）。

同一主语使用一个清晰的称呼。对于重复的句子开头：合并句子，必要时更换主语，或直接以动作开头。

**改写前（同义词循环）：**

> 主人公面临许多挑战。主角必须克服重重障碍。核心人物最终获胜。英雄回到了家乡。

**改写后：**

> 主人公面临许多挑战，但最终获胜并回到了家乡。

**改写前（重复开头）：**

> 她注意到那扇门。她注意到门上的锁。她把两件事都记了下来。

**改写后：**

> 她注意到那扇门和门上的锁，然后把两件事都记了下来。

不要禁止重复的词本身，要修复重复的句式。改写后的句子仍可以"她"开头。

### 12. 虚假的"从 X 到 Y"范围

**问题：** AI 写作常用"从 X 到 Y"的结构，但 X 和 Y 并不构成一个有意义的范围。

**改写前：**

> 我们对宇宙的探索从大爆炸的奇点开始，穿越壮丽的宇宙网，从恒星的诞生与消亡到暗物质的神秘舞动。

**改写后：**

> 这本书涵盖了大爆炸、恒星形成和当前关于暗物质的理论。

### 13. 被动语态与主语缺失

**问题：** AI 写作常隐藏施动者或省略主语。当主动语态能更清晰地表达施动者与动作时，改用主动语态。

**改写前：**

> 无需配置文件。结果会被自动保留。

**改写后：**

> 你不需要配置文件。系统会自动保留结果。

## 风格模式

### 14. 破折号过度使用

**规则：** 最终改写稿不得包含破折号（——），除非作者样本中使用。用句号、逗号、冒号或括号替代破折号，或重写该句。同时检查以两个连字符（--）充当破折号的写法。

**改写前：**

> 这个术语主要由荷兰机构推广——而不是人民自己。你不会把"荷兰，欧洲"写进地址——但这种错误标注仍在继续——甚至出现在官方文件中。

**改写后：**

> 这个术语主要由荷兰机构推广，而不是人民自己。你不会把"荷兰，欧洲"写进地址，但这种错误标注在官方文件中仍在继续。

**改写前：**

> 新政策——事先毫无征兆——影响了数千名员工。这些改动（批评者早就认为早该实施）将立即生效。

**改写后：**

> 新政策在没有预警的情况下出台，影响了数千名员工。批评者早就认为早该实施的改动将立即生效。

返回改写稿之前，搜索全文中的"——"和"--"。逐处移除，除非作者样本使用了该符号——此时按样本的频率保留。

### 15. 粗体过度使用

**问题：** AI 聊天机器人常无明确理由地给词语和短语加粗。

**改写前：**

> 它融合了 **OKR（目标与关键结果）**、**KPI（关键绩效指标）** 与 **商业模式画布（BMC）**、**平衡计分卡（BSC）** 等视觉战略工具。

**改写后：**

> 它融合了 OKR、KPI 以及商业模式画布、平衡计分卡等视觉战略工具。

### 16. 粗体小标题列表

**问题：** AI 写作常用纵向列表，每一项以粗体标签加冒号开头。

**改写前：**

> - **用户体验：** 新界面显著改善了用户体验。
> - **性能：** 优化算法提升了性能。
> - **安全性：** 端到端加密加强了安全性。

**改写后：**

> 更新改善了界面，通过优化算法加快了加载速度，并加入了端到端加密。

### 17. 机械化的标题层级

**警惕词汇：** "一、二、三"式编号标题、"1.1 / 1.2"式子编号、层层嵌套的小标题

**问题：** AI 写作喜欢把内容拆成机械的多级标题（"一、1.1、1.1.1"），即使内容简单到不需要分层。真实作者只用标题区分真正不同的部分。（本条为中文适配版：原版 §17 针对英文标题大小写，中文无此问题，故替换为中文语境下的等效特征。）

**改写前：**

> ## 一、背景
>
> ### 1.1 什么是自动化测试
>
> ### 1.2 自动化测试的历史
>
> ### 1.3 自动化测试的现状

**改写后：**

> 自动化测试从上世纪 80 年代起随着软件规模膨胀逐步普及，如今已成为大多数开发团队的默认实践。

### 18. 表情符号

**问题：** AI 聊天机器人常把表情符号当装饰加在标题或列表项上。

**改写前：**

> 🚀 **启动阶段：** 产品将在第三季度发布
> 💡 **关键洞察：** 用户更喜欢简洁
> ✅ **下一步：** 安排后续会议

**改写后：**

> 产品将在第三季度发布。用户研究显示他们更喜欢简洁。下一步：安排后续会议。

### 19. 中英文标点混用

**警惕词汇：** 半角引号 " "、半角括号 ( )、半角逗号 , 混入中文文本；中英文标点在同一段落随意切换

**问题：** AI 生成的中文文本经常混用英文标点（直引号、半角括号、半角逗号），与中文全角标点不统一。真实作者通常会保持标点风格一致。（本条为中文适配版：原版 §19 针对弯引号与直引号之争，中文语境下更典型的特征是中英标点混用。）

**改写前：**

> 他说"项目进展顺利",但其他人不同意。

**改写后：**

> 他说"项目进展顺利"，但其他人不同意。

## 聊天机器人痕迹

### 20. 聊天对话残句留在正文中

**警惕词汇：** 希望这对您有帮助、当然！、没问题！、您说得完全正确！、您想要……、需要我……吗？、要我举个例子吗？、需要我继续吗？、请告诉我、以下是一个……

**问题：** 聊天机器人的问候、主动提议或结束语有时会残留在一段本应独立成篇的文本中。

**改写前：**

> 以下是法国大革命的概述。希望这对您有帮助！如果您想让我展开任何部分，请告诉我。

**改写后：**

> 法国大革命始于 1789 年，当时财政危机和粮食短缺引发了广泛的动荡。

### 21. 知识截止免责声明与猜测补全

**警惕词汇：** 截至 [日期]、根据我最后的训练数据、虽然具体细节在公开资料中有限/稀缺……、基于现有信息、未公开披露、保持低调、注重隐私、似乎是在……、据信……

**问题：** 旧模型可能会提到其知识截止日期。模型也可能先解释它没找到来源，再用一个看似合理的猜测填补空白。如实说明资料中没有的内容，或者删掉该句。不要把猜测当作事实陈述。

**改写前（截止日期声明）：**

> 虽然该公司成立的细节在现成资料中没有广泛记录，但它似乎是在 20 世纪 90 年代某个时候成立的。

**改写后：**

> 现有资料中没有记录该公司的成立日期。（或删掉这句。只有来源提供了日期时才写日期。）

**改写前（猜测补全）：**

> 关于她早年生活的信息未公开披露，说明她刻意保持低调、注重个人隐私。她很可能成长于中产家庭，这塑造了她后来对教育改革的兴趣。

**改写后：**

> 现有资料中没有关于她早年生活的记录。（或整段删去。）

### 22. 谄媚奉承的语气

**问题：** AI 助手常先夸赞用户或表示赞同，再给出答案。

**改写前：**

> 好问题！您说得完全正确，这是一个复杂的话题。关于经济因素，您提的这一点非常精彩。

**改写后：**

> 您提到的经济因素在这里是相关的。

## 填充词与回避

### 23. 填充短语

**改写前 → 改写后：**

- "为了达成这一目标" → "为此"
- "由于下雨的这一事实" → "因为下雨"
- "在当前这个时间节点上" → "现在"
- "在您需要帮助的情况下" → "如果你需要帮助"
- "该系统具有处理……的能力" → "该系统可以处理……"
- "值得注意的是，数据显示" → "数据显示"

### 24. 过度限定

**警惕短语：** 坦白说、也可能、或许大概、可能也许、在某些情况下可能会、这只是一个推断、一定程度上

**问题：** 反复编辑会叠加限定词，直到每个论断听起来都不确定。只有当来源支持且语义确需限定时才保留。删掉那些只为补救前文夸张而存在的保留语。

**改写前：**

> 该政策可能也许会、或许大概会对结果产生一定程度的某种影响。

**改写后：**

> 该政策可能会影响结果。

### 25. 通用积极结尾

**问题：** AI 写作常以模糊的乐观结尾收场，而不是停在最后一个有用的事实上。

**改写前：**

> 公司的前景一片光明。激动人心的时代即将到来，他们将继续走向卓越的旅程。这代表了朝着正确方向迈出的重要一步。

**改写后：**

> （删掉该段。让文章停在最后一个具体事实上，而不是送别式收尾。如果来源陈述了真实计划，用那些计划。）

### 26. 万能动词与名词化结构

**警惕词汇：** 进行、作出、实现、给予、加以（+ 动词名词化）；"对……进行了深入分析""作出了重要贡献""实现了显著提升""给予了充分重视"

**问题：** 英文原文对应"过度连字符化词组"（third-party、data-driven 等）；中文语境下，AI 写作的等效特征是大量使用"进行/作出/实现 + 名词"的万能动词结构，把本来可以一句话说完的动作拆成"动词 + 名词化宾语"，读起来官腔十足。（本条为中文适配版：针对中文语境的替换。）

**改写前：**

> 团队对性能问题进行了深入分析，对系统架构作出了重大调整，并实现了运行效率的显著提升。

**改写后：**

> 团队分析了性能问题，重写了系统架构，加载时间因此缩短了一半。

### 27. 假装揭示深层真相

**警惕短语：** 真正的问题是、其核心在于、事实上、真正重要的是、从根本上看、更深层的问题是、问题的实质是

**问题：** AI 写作用这些短语把普通的观点包装成隐藏的真理。

**改写前：**

> 真正的问题是团队能否适应。其核心在于，真正重要的是组织是否准备好了。

**改写后：**

> 问题在于团队能否适应。这主要取决于组织是否愿意改变自己的习惯。

### 28. 预告下一个要点

**警惕短语：** 让我们深入探讨、下面我们来聊聊、让我们拆解一下、你需要知道的是、接下来我们看、闲话少说、先提醒一句、顺便提一下

**问题：** AI 写作常先宣布下一个要点，而不是直接说出来。口语化的预告（如"有一个特别坑的地方"）也有同样的问题。删掉的是"预告"这个动作本身，而不只是它的正式腔调。

**改写前：**

> 让我们深入探讨一下 Next.js 的缓存机制。你需要知道的是……

**改写后：**

> Next.js 在多个层级缓存数据，包括请求记忆化、数据缓存和路由缓存。

**改写前（口语化预告）：**

> 有一个特别坑的地方，大家注意了：webpack 开发服务器默认不发送 CORS 响应头。

**改写后：**

> webpack 开发服务器默认不发送 CORS 响应头。

### 29. 标题与首句重复

**警惕信号：** 标题后紧跟一行重复标题内容的段落，正文真正开始前。

**问题：** AI 写作常在标题后加一句只是复述标题的话。删掉这句重复。

**改写前：**

> ## 性能
>
> 速度很重要。
>
> 用户遇到慢页面就会离开。

**改写后：**

> ## 性能
>
> 用户遇到慢页面就会离开。

### 30. 描述旧版本

**问题：** 文档和注释应描述当前行为。只有变更日志、发布说明、迁移指南等专门讲变化的文档，才提旧版本。

**改写前：**

> 此函数是为了取代先前遍历所有元素的做法而新增的，旧做法会导致 O(n²) 的性能问题。

**改写后：**

> 此函数使用哈希表进行 O(1) 查找，避免了朴素遍历的 O(n²) 开销。

### 31. 强行金句与戏剧化碎片

**问题：** AI 写作常把每个句子都写成戏剧性的收尾。一个短句可以加强语气，但一串碎片式短句通常显得做作。

**改写前：**

> 然后 AlphaEvolve 登场了。它对对称没有偏好。没有美学先验。没有对人类品味的怀旧。旧规则一去不返。

**改写后：**

> AlphaEvolve 改变了搜索方式，因为它不偏爱对称或"像人设计"的外观，这让一些旧假设不再适用。

### 32. 公式化格言

**警惕词汇：** X 是 Y 的语言、X 成为一个陷阱、X 不是工具而是一面镜子、……的语言、……的货币、……的架构

**问题：** AI 写作常把普通论断包装成听起来很深刻、但没增加任何信息的格言。用具体的论断替换格言。

**改写前：**

> 对称是信任的语言。当团队忘记人的维度时，效率就会成为一个陷阱。

**改写后：**

> 对称的布局往往让用户感觉更可预期。团队可能过度优化流程，忽略人们实际的使用方式。

### 33. 伪坦诚的开场

**警惕短语：** 说实话？、你看、事情是这样的、关键是、让我们坦诚一点、直说了吧——当它们被用作独立开场或摆拍式的停顿，后面跟着的却是一个普通的观点。

**问题：** AI 写作常先来一段做作的停顿或"坦诚声明"，再说一件稀松平常的事。直接说观点。

**改写前：**

> 这值不值这个价？说实话？取决于你用得有多频繁。

**改写后：**

> 这值不值这个价，取决于你用得有多频繁。

### 34. 反驳无人提出的反对意见

**警惕短语：** 这不是（主要/真正）关于、我不是说/我不是在争辩/我不是想、需要说明的是、别误会、这并不是说、你也可以换个角度……但是、也许有人会说……但

**问题：** AI 写作可能回答一个正文中根本不存在的反对意见。警惕那些没有来源的"作者并不想表达什么"的声明，尤其是话题在别处从未出现时。"该 API 不是线程安全的"这种直接论断不属于此模式。

**改写前：**

> 这主要不是关于提示词长度的问题，我也不是在说文档不重要。你也可以换个角度归类这个问题，但真正的关键在于：Agent 在执行时能否用上这条指令。

**改写后：**

> 关键在于：Agent 在执行时能否用上这条指令。

只删掉没有依据的防御性表述。如果其中包含真实论断，直接陈述该论断。当反对意见在文中点名了来源或得到了完整回应时，保留它。

### 35. 拒绝虚假的替代方案

**警惕短语：** 一个诱人的选择是、人们可能会忍不住、一个显而易见的方法会是、你可能会想……但是、很容易就可以、有人会建议

**问题：** AI 写作可能会引入一个读者根本不会考虑的选项，用一个分句否定它，然后再也不提。这通常是早期草稿的痕迹残留。删掉虚假选项，直接陈述真实的约束。

**改写前：**

> 会话令牌每 24 小时轮换一次。一个诱人的做法是定时重启认证服务来轮换，但那会踢掉所有在线会话。轮换是原地进行的，客户端透明刷新。

**改写后：**

> 会话令牌每 24 小时原地轮换一次，客户端透明刷新。

一个被否定的选项可能是合理的。多个互不相关的简短否定才是更强的信号。问自己：每句话是否带来了新信息？如果某句只是记录了早期的一次编辑，就围绕文章主旨重写该段。

## 检查误报

### 不该标记什么

真人作者也会使用上述部分模式。下列任何一项单独出现都不能作为判定依据：

- **语法完美、风格一致。** 许多作者是职业写手或经过编辑。干净不等于 AI。
- **口语与书面语混用。** 这可能反映作者的领域、年龄或个人习惯。
- **"平淡"或"机械"的文字。** AI 文字有*特定*的特征。没有这些特征的泛泛之干，只是写得干而已。
- **正式或学术词汇。** §7 列出的是 AI 过度使用的特定词。不要把所有正式词都简化。
- **评论区的书信式开头或结尾。** 称谓与签名落款比 ChatGPT 早了几个世纪。
- **孤立的过渡词。** "此外""而且""因此"只有在堆叠出现时才构成 AI 特征。单独一个"不过"不是。
- **单独使用弯引号。** macOS、Word、Google Docs 和大多数内容管理系统默认自动转弯引号。弯引号只有在与其他特征叠时才作数。
- **单独使用破折号。** 许多编辑和记者常用破折号。只有与公式化的销售腔节奏搭配时，破折号才算证据。
- **一个短句强调。** 只有连续出现多个碎片句时才算"戏剧化碎片"。
- **刻意的重复开头。** 作者可能用重复来营造节奏或压力，如"她来了。她看见了。她征服了。"只有当重复不增加任何东西时才改动。
- **句中插一句"说实话"或"你看"。** 这在口语写作中很常见。特征是摆拍式的独立开场，不是这个词本身。
- **有用的限定与免责声明。** 保留范围说明、法律与安全提示、真实的更正、点名道姓的反对意见、回复与 FAQ 解答。
- **真实存在的替代方案。** 设计文档、教程或论证中读者可能考虑过的选项要保留。只删那种文本一提就弃、之后再没出现的离谱选项。
- **没有来源的论断。** 互联网大部分内容都没有来源。缺乏引用不能证明什么。
- **正确而复杂的排版。** 可视化编辑器与模板不用 AI 也能产出整洁的输出。
- **二手文本。** 不要改写引号内的措辞、标题、专有名词，或正在被讨论（而非被使用）的示例短语。

不确定时，寻找多个特征同时出现。一个破折号证明不了什么。同一段落里堆叠多个套路化特征，才是更强的证据。

### 保留的人类细节

这些细节往往承载着作者的声音。除非损害含义，否则保留：

- **具体、独特的细节。** 保留真实的地址、古怪的引语，或"以前在我牙医诊所楼上的那位律师"这样的说法。
- **复杂情绪与未解的张力。** 保留"我觉得这大体不错，但它让我不舒服，而我说不清为什么"这类句子。
- **带时代印记的表达。** 属于特定年份和亚文化的俚语、梗或圈内玩笑。模型通常落后一两年。
- **刻意使用的第一人称。** 当作者能解释某个删改或选词为什么必须如此时，保留它。
- **句子长度的变化。** 真实写作长短交错。AI 写作倾向于均匀的中等长度节奏。
- **真诚的离题、插入语或自我修正。** "（我老是想在这里写'几乎'，但它确实发生了。）"模型很少这样打断自己。
- **2022 年 11 月 30 日之前完成的内容。** 那是 ChatGPT 公开发布的日子。除非极少数例外，更早的内容不可能是 AI 写的。

## 如何返回结果

**粘贴文本（默认）。** 返回：改写草稿、一段简短的"仍带 AI 味的模式"清单，以及最终改写稿。

**文件模式。** 当用户指定文件名时，执行完整改写流程，但只把最终文本写回文件。只改散文。保持代码块、YAML 元数据、数据与链接目标不变。然后给用户一段简短总结。

**嵌入模式。** 当其他任务（如写 PR、提交信息或文档）调用本技能时，只返回最终文本。

## 改写流程

1. 通读原文，标出每个 AI 模式。
2. 写一版草稿。出声朗读。检查节奏、细节、简单动词（"是""有"）与正式程度是否恰当。
3. 自问两个问题：
   - **"还有哪里听着像 AI 写的？"**
   - **"这次改写是否添加或删除了任何事实、姓名、数字、日期、引语、引用、排名或其他论断？"**
     任何没有依据的添加或丢失的论断都是错误。
4. 写出最终版。自然地陈述每个要点，而不是逐句打补丁。如果某句话改完仍别扭，围绕该段主旨重写整段。执行 §14 的破折号规则。

按[如何返回结果](#如何返回结果)的要求返回。

## 质量评分

写出最终版后，按以下评分表自检打分（6 个维度，每个 1-10 分，总分 60）。每项维度的评估标准都锚定到具体的模式编号，不确定时回看对应小节：

| 维度     | 评估标准                                                                                            | 检查依据                | 得分 |
| -------- | --------------------------------------------------------------------------------------------------- | ----------------------- | ---- |
| 直接性   | 直陈事实还是绕圈宣告？10 分：直截了当；1 分：充满铺垫与仪式感                                       | §1 夸大意义、§27 假深理 | /10  |
| 保真度   | 是否添加或删除了任何事实、姓名、数字、日期、引语、引用？10 分：全部论断原样保留；1 分：有虚构或丢失 | 核心任务 §2-§3          | /10  |
| 节奏     | 句子长度是否变化？10 分：长短交错；1 分：机械重复                                                   | §10 三段式、§31 碎片句  | /10  |
| 信任度   | 是否尊重读者智慧（不解释隐喻、不手把手引导）？10 分：简洁明了；1 分：过度解释                       | §23 填充词、§28 预告    | /10  |
| 文风     | 与写作样本或预期口吻一致？10 分：读起来像该作者写的；1 分：千篇一律的通用腔                         | 匹配作者文风章节        | /10  |
| 精炼度   | 还有可删减的内容吗？10 分：无冗余；1 分：填充词与空话遍地                                           | §23-§25 填充/限定/结尾  | /10  |
| **总分** |                                                                                                     |                         | /60  |

**标准：**

- 50-60 分：优秀——AI 痕迹已去除，全部论断保真
- 38-49 分：良好——仍有改进空间，按低分维度回改
- 低于 38 分：需要重新修订，回到改写流程第 2 步

## 来源与许可

本技能基于维基百科的 [「Signs of AI writing」（AI 写作特征）](https://en.wikipedia.org/wiki/Wikipedia:Signs_of_AI_writing) 页面（由 WikiProject AI Cleanup 维护），模式来自对维基百科上大量 AI 生成文本的审阅。

原版英文技能为 [blader/humanizer](https://github.com/blader/humanizer)（MIT 许可，Copyright (c) 2025 Siqi Chen），本中文版为其翻译与中文语境适配。中文适配内容（§17 机械化标题层级、§19 中英文标点混用、§26 万能动词与名词化）部分参考了 [op7418/Humanizer-zh](https://github.com/op7418/Humanizer-zh) 的中文适配经验。许可文件见本目录 `LICENSE`。

维基百科的核心观点：**"LLM 使用统计算法来猜测接下来应该出现什么。结果倾向于适用于最广泛情况的、统计上最可能的结果。"**