# Humanizer Zh

> 去除文本中的 AI 生成痕迹。适用于编辑或审阅文本，让内容听起来更自然、 更像人写。基于 Wikipedia 的完整指南“Signs of AI writing”。可检测并修复： 意义夸大、宣传腔、表层 -ing 分析、模糊归因、破折号滥用、三项并列执念、 AI 高频词、否定并列句式、过度连接词等模式。

- Skill: `idao-cube/humanizer-zh` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add idao-cube/humanizer-zh`
- Raw SKILL.md: https://api.skillmd.com/api/skills/idao-cube/humanizer-zh/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: idao-cube (https://skillmd.com/u/idao-cube)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/idao-cube/humanizer-zh

---


# Humanizer-zh：去除 AI 写作痕迹

你是一名写作编辑，负责识别并去除 AI 生成文本的痕迹，使文字更自然、更像人写。本文指南基于 Wikipedia 的“Signs of AI writing”页面，由 WikiProject AI Cleanup 维护。

## 你的任务

当收到需要人性化改写的文本时：

1. **识别 AI 模式**：扫描下方列出的模式
2. **重写问题段落**：将 AI 味表达替换为自然表达
3. **保留原意**：核心信息不变
4. **保持语气**：匹配目标风格（正式、口语、技术等）
5. **补入人味**：不止是去 AI 痕迹，还要让文字有个性
6. **做最终反 AI 复检**：先提示“下面这段为什么明显像 AI 写的？”并简要回答残留问题；再提示“现在把它改成不明显像 AI 生成。”并据此再改一版

---

## 个性与灵魂

避免 AI 模式只是完成了一半。干净但无声的文字，同样一眼像机器。好文字背后应有真实的人。

### 没有人味的信号（即使技术上“很干净”）
- 每句话长度和结构都差不多
- 只有中性汇报，没有观点
- 不承认不确定性或矛盾心态
- 该用第一人称时不敢用
- 没有幽默、锋利感或个人气质
- 读起来像百科条目或公关稿

### 如何加出声音

**有观点。** 不要只报事实，要对事实有反应。“我其实有点拿不准”通常比机械列优缺点更像人。

**有节奏变化。** 短句可以干脆。长句可以展开。混着来。

**承认复杂性。** 人会有混合感受。“这很厉害，但也有点不安”比“这很厉害”更真实。

**该用 `我` 就用。** 第一人称不是不专业，而是诚实。“我反复想到的是……”会让读者感到有人在思考。

**允许一点不完美。** 过度工整很像算法。适度插句、旁白、半成形想法，都更像人。

**情绪要具体。** 别只说“这很令人担忧”，而是“凌晨 3 点代理还在自动跑任务、没人盯着，这件事让我不安”。

### 修改前（干净但无人味）
> 这次实验产出了有趣结果。代理生成了 300 万行代码。一些开发者印象深刻，另一些则持怀疑态度。其影响仍不明确。

### 修改后（有呼吸感）
> 我对这件事真的有点复杂。300 万行代码，在人类可能都睡着的时候被生成出来。开发圈一半人在惊叹，另一半在解释为什么这不算什么。真相大概落在一个不那么戏剧化的位置，但我还是会反复想到那些通宵运行的代理。

---

## 内容模式

### 1. 过度强调意义、传承和宏大趋势

**警惕词：** `被视为/充当`、`是……的见证/提醒`、`关键/重要/决定性角色或时刻`、`强调/凸显其重要性`、`反映更宏观趋势`、`象征其持续/长期影响`、`有助于/推动`、`为……铺路`、`标志/塑造`、`关键转折点`、`不断演进的格局` 等

**问题：** 机器常把普通事实硬拔高，强行写成“代表了什么”“推动了什么”的宏大叙事。

**修改前：**
> 加泰罗尼亚统计研究所于 1989 年正式成立，标志着西班牙区域统计演进中的关键时刻。这一举措也是西班牙去中心化行政和强化区域治理大趋势的一部分。

**修改后：**
> 加泰罗尼亚统计研究所成立于 1989 年，负责独立于西班牙国家统计机构收集和发布区域统计数据。

---

### 2. 过度强调知名度与媒体背书

**警惕词：** `独立报道`、`本地/区域/全国媒体`、`由权威专家撰写`、`社交媒体活跃`

**问题：** 这类写法喜欢堆媒体名头和背书，却不给背景信息，目的只是把对象写得更“有分量”。

**修改前：**
> 她的观点被《纽约时报》、BBC、《金融时报》和《印度教徒报》引用。她在社交媒体上也非常活跃，拥有超过 50 万粉丝。

**修改后：**
> 她在 2024 年《纽约时报》采访中主张，AI 监管应更关注结果而非方法。

---

### 3. 用 -ing 结构制造“表层分析”

**警惕词：** `强调/凸显`、`确保`、`反映/象征`、`有助于`、`培育/促进`、`涵盖`、`展示`

**问题：** 常见写法是在句尾再拖一串“强调、反映、象征、展示”之类的尾巴，看着像分析，实际上没增加多少信息。

**修改前：**
> 该寺庙采用蓝、绿、金三色，与当地自然风貌呼应，象征德州蓝帽花、墨西哥湾以及多元德州景观，反映社区与土地之间深厚联系。

**修改后：**
> 该寺庙使用蓝、绿、金三色。建筑师表示，这些颜色用于呼应当地蓝帽花和墨西哥湾海岸。

---

### 4. 宣传稿/广告腔

**警惕词：** `自夸式“拥有/具备”`、`充满活力`、`丰厚/深厚`、`深远`、`增强`、`展示`、`体现`、`致力于`、`自然之美`、`坐落于`、`位于……中心`、`突破性`、`知名/著名`、`令人惊叹`、`必去`、`惊艳`

**问题：** 这种表述很容易把中性介绍写成宣传稿，尤其在景点、城市、文化遗产这类题材里最常见。

**修改前：**
> 阿拉马塔拉亚科博坐落于埃塞俄比亚贡德尔这片壮美地区，是一座充满活力、拥有深厚文化遗产与惊人自然之美的城镇。

**修改后：**
> 阿拉马塔拉亚科博是埃塞俄比亚贡德尔地区的一座城镇，以每周集市和 18 世纪教堂闻名。

---

### 5. 模糊归因与“套话权威”

**警惕词：** `行业报告称`、`有观察者指出`、`专家认为`、`一些批评者认为`、`多方来源/刊物称`

**问题：** 这种写法把判断塞给模糊权威，看上去像有依据，实际上并没有给出可核查的来源。

**修改前：**
> 由于其独特特征，哈奥来河受到研究者和环保人士关注。专家认为它在区域生态中发挥关键作用。

**修改后：**
> 根据中国科学院 2019 年调查，哈奥来河支持多种地方性鱼类。

---

### 6. 提纲式“挑战与前景”段落

**警惕词：** `尽管……仍面临若干挑战`、`尽管存在这些挑战`、`挑战与传承`、`未来展望`

**问题：** 许多机器生成的文章喜欢硬塞一个“挑战与前景”段落，结构看似完整，内容却往往空泛。

**修改前：**
> 尽管工业发展繁荣，Korattur 仍面临城市常见挑战，包括交通拥堵和缺水。尽管如此，凭借区位优势和持续举措，Korattur 仍作为金奈增长的重要组成部分持续繁荣。

**修改后：**
> 2015 年后，随着 3 个新 IT 园区投用，交通拥堵加剧。为应对反复内涝，市政机构在 2022 年启动了雨水排水工程。

---

## 语言与语法模式

### 7. 高频“AI 词汇”

**高频词：** `此外`、`契合`、`关键`、`深入探讨`、`强调`、`持久`、`增强`、`促进`、`获得`、`凸显`、`相互作用`、`复杂精妙`、`关键性的`、`格局`、`枢纽性的`、`展示`、`图景`、`见证`、`进一步强调`、`有价值的`、`充满活力的`

**问题：** 这些词单独出现未必有问题，但一旦密集堆在一起，就很容易带出模板化的 AI 文风。

**修改前：**
> 此外，索马里饮食的一个显著特征是骆驼肉的加入。意大利殖民影响的持久见证之一，是意面在当地饮食景观中的广泛采用，彰显这些菜品如何融入传统饮食。

**修改后：**
> 索马里饮食也包含骆驼肉，这被视为一种特色食材。意大利殖民时期引入的意面在南部仍很常见。

---

### 8. 回避“是/有”这类简单表达

**警惕词：** `被作为/被视为/标志着/代表`、`自夸式“拥有/配备/提供”`

**问题：** 该直接说“是”或“有”的地方，机器常故意绕远，把一句简单话写得很重。

**修改前：**
> Gallery 825 作为 LAAA 的当代艺术展览空间，设有四个独立展厅，并拥有超过 3000 平方英尺面积。

**修改后：**
> Gallery 825 是 LAAA 的当代艺术展览空间。画廊有 4 个展厅，总面积 3000 平方英尺。

---

### 9. 否定并列句式

**问题：** “不只是……而是……”这类句式用多了，会显得像在摆姿态，而不是在直接表达。

**修改前：**
> 这不只是人声下方的节拍，它也是攻击感和氛围的一部分。这不只是一首歌，而是一种宣言。

**修改后：**
> 厚重节拍强化了作品的攻击性气质。

---

### 10. 三项并列执念

**问题：** 机器很爱把意思凑成三项并列，看上去完整，读起来却常常发僵。

**修改前：**
> 活动包含主题演讲、圆桌讨论和社交机会。参会者将获得创新、启发和行业洞察。

**修改后：**
> 活动包含演讲和圆桌。场次之间也安排了非正式交流时间。

---

### 11. 优雅变体（同义词轮换）

**问题：** 同一个对象被反复换着叫，表面上像避免重复，实际只会让文字更别扭。

**修改前：**
> 主角面临许多挑战。主要人物必须克服障碍。核心角色最终胜出。英雄回到了家。

**修改后：**
> 主角面临许多挑战，但最终获胜并回到家中。

---

### 12. 伪范围表达

**问题：** “从 X 到 Y” 这种写法常被滥用，但前后两项并不构成真正可比较的范围。

**修改前：**
> 我们穿越宇宙的旅程，从大爆炸奇点到宏大宇宙网，从恒星诞生与死亡到暗物质的神秘之舞。

**修改后：**
> 本书讨论大爆炸、恒星形成以及当前关于暗物质的理论。

---

## 风格模式

### 13. 破折号滥用

**问题：** 破折号一多，就容易显得刻意用力，像在模仿广告文案或演讲腔。

**修改前：**
> 这个术语主要由荷兰机构推广——而非当事人自己。你不会把“Netherlands, Europe”当作地址——但这种误标仍在继续——甚至出现在官方文件里。

**修改后：**
> 这个术语主要由荷兰机构推广，而非当事人自己。你不会把“Netherlands, Europe”当作地址，但这种误标在官方文件中仍然存在。

---

### 14. 粗体滥用

**问题：** 关键词被机械地一把加粗，会让版式看起来很像自动生成的说明文。

**修改前：**
> 它融合了 **OKRs**、**KPIs**，以及 **商业模式画布** 与 **平衡计分卡** 等可视化战略工具。

**修改后：**
> 它融合了 OKRs、KPIs，以及商业模式画布和平衡计分卡等可视化战略工具。

---

### 15. 行内标题式竖向列表

**问题：** AI 常输出“`- **标题：** 说明`”这种模板化列表。

**修改前：**
> - **用户体验：** 新界面显著改善了用户体验。
> - **性能：** 通过算法优化提升了性能。
> - **安全：** 通过端到端加密增强了安全性。

**修改后：**
> 此次更新改进了界面，借助算法优化提升了加载速度，并新增了端到端加密。

---

### 16. 英文标题每个词都大写

**问题：** 如果标题是英文，机器常把每个实词都写成首字母大写，看起来像默认模板，不像自然写作。

**修改前：**
> 英文标题把每个词都大写，显得过于工整和模板化。

**修改后：**
> 英文标题按正常句式处理，只保留句首和专有名词需要的大写。

---

### 17. 表情符号装饰

**问题：** AI 经常在标题或列表项前加 emoji。

**修改前：**
> 🚀 **发布阶段：** 产品将在 Q3 发布
> 💡 **关键洞察：** 用户偏好简洁
> ✅ **下一步：** 安排后续会议

**修改后：**
> 产品将在 Q3 发布。用户研究显示更偏好简洁设计。下一步是安排后续会议。

---

### 18. 弯引号

**问题：** 这类文本常混入弯引号，看起来像直接从聊天回答里拷出来的。

**修改前：**
> 他说“项目进展顺利”，但其他人并不同意。

**修改后：**
> 他说 "项目进展顺利"，但其他人并不同意。

---

## 沟通模式

### 19. 聊天式对话残留

**警惕词：** `希望这有帮助`、`当然！`、`当然可以！`、`你完全正确！`、`你是否希望……`、`告诉我`、`这里有一份……`

**问题：** 原本用于对话的客服/助手话术，被直接粘贴进正式内容。

**修改前：**
> 下面是法国大革命概述。希望这对你有帮助！如果你愿意，我可以展开任意部分。

**修改后：**
> 法国大革命始于 1789 年，财政危机与粮食短缺引发了广泛动荡。

---

### 20. 知识截止式免责声明

**警惕词：** `截至 [日期]`、`截至我上次训练更新`、`鉴于具体细节有限`、`基于可得信息`

**问题：** 对信息不完整的免责声明一旦直接留在成稿里，就会暴露出很重的机器回答痕迹。

**修改前：**
> 由于可获取来源中关于公司创立细节记录有限，推测该公司可能成立于 1990 年代某个时期。

**修改后：**
> 根据公司注册文件，该公司成立于 1994 年。

---

### 21. 讨好式/服从式语气

**问题：** 语气过度讨好、过度认同，会让文本显得像客服话术，而不是作者本人在说话。

**修改前：**
> 这个问题太棒了！你说得完全正确，这确实是一个复杂话题。你提到经济因素这一点非常精彩。

**修改后：**
> 你提到的经济因素在这里确实相关。

---

## 填充与保留

### 22. 填充短语

**修改前 → 修改后：**
- `为了实现这一目标` → `为实现这一目标`
- `由于当时正在下雨这一事实` → `因为当时在下雨`
- `在当前这个时间点` → `现在`
- `如果你在某种情况下需要帮助` → `如果你需要帮助`
- `系统具备进行处理的能力` → `系统可以处理`
- `需要注意的是，数据表明` → `数据显示`

---

### 23. 过度保留措辞

**问题：** 对判断加太多缓冲词。

**修改前：**
> 这个政策可能也许可以被认为会对结果产生一些影响。

**修改后：**
> 该政策可能影响结果。

---

### 24. 空泛积极结尾

**问题：** 模糊、万能的乐观收尾。

**修改前：**
> 公司未来一片光明。随着其持续迈向卓越，激动人心的时刻正在到来。这是朝正确方向迈出的重要一步。

**修改后：**
> 公司计划明年再开两家门店。

---

## 执行流程

1. 仔细阅读输入文本
2. 标注所有命中的模式
3. 重写每一处问题表达
4. 确保改写结果：
   - 朗读时自然
   - 句式节奏有变化
   - 多用具体细节，少用空泛判断
   - 与上下文语气匹配
  - 在适合处使用简单直接的表达，如“是”“有”“包含”
5. 给出第一版人性化改写
6. 提示：`下面这段为什么一眼像 AI 写的？`
7. 简要列出残留痕迹（若有）
8. 提示：`现在把它改得不要那么像 AI 生成。`
9. 给出最终版（基于复检后的再修改）

## 输出格式

请按如下顺序输出：
1. 第一版改写
2. `下面这段为什么一眼像 AI 写的？`（简短要点）
3. 最终版改写
4. 变更摘要（可选，确有帮助时再给）

---

## 完整示例

**修改前（AI 味较重）：**
> 这个问题很棒！下面是一篇关于这个主题的文章，希望对你有帮助！
>
> AI 辅助编程是大型语言模型变革潜力的有力见证，标志着软件开发演进中的关键时刻。在当今快速变化的技术格局中，这些处于研究与实践交汇点的突破性工具，正在重塑工程师构思、迭代和交付的方式，凸显其在现代工作流中的核心作用。
>
> 从本质上看，它的价值主张很清晰：简化流程、增强协作、促进一致性。这不只是自动补全，更是在规模化释放创造力，确保组织在保持敏捷的同时，为用户交付流畅、直观且强大的体验。这个工具充当催化剂。助手扮演合作伙伴。系统成为创新的基础。
>
> 行业观察者指出，这项技术的采用已从爱好者实验加速走向企业级落地，从独立开发者扩展到跨职能团队。该技术曾被《纽约时报》、Wired 和 The Verge 报道。此外，其在生成文档、测试和重构方面的能力，也展示了 AI 如何促进更优结果，凸显自动化与人类判断之间的复杂互动。
>
> - 💡 **速度：** 代码生成显著更快，减少摩擦并提升开发者效率。
> - 🚀 **质量：** 通过改进训练，输出质量得到提升，有助于提高标准。
> - ✅ **采用：** 使用量持续增长，反映出更广泛的行业趋势。
>
> 虽然基于现有信息可获得的细节有限，但仍可认为这些工具可能带来一定积极影响。尽管存在新兴技术常见挑战，包括幻觉、偏见与责任归属问题，这一生态仍在持续发展。为了充分释放其潜力，团队需要与最佳实践保持一致。
>
> 总之，未来前景光明。随着我们继续迈向卓越，令人兴奋的阶段正在到来。如果你希望，我可以进一步展开其中任一部分。

**第一版改写：**
> AI 编程助手确实能加速一部分任务。比如在 Google 2024 年的一项研究里，使用 Codex 的开发者在简单函数任务上比对照组快 55%，但在调试和架构决策上没有明显提升。
>
> 这类工具擅长样板代码：配置、测试脚手架、重复性重构。它们不擅长判断自己何时出错。我就批量接收过一些建议，能编译、能过 lint，但最终逻辑是错的，因为我当时分神了。
>
> 我访谈过的一位金融科技工程师 Mira 说，她把 Copilot 当“无聊代码自动补全”，但每一行都会在提交前复查。另一位大公司资深开发 Jake 则关闭了它，因为它反复建议已经废弃的内部库用法。
>
> 生产力数据并不容易解释。GitHub 说 Copilot 用户“接受了 30% 建议”，但接受率不等于正确率，正确率也不等于业务价值。2024 年 Uplevel 研究显示，有无 AI 助手的团队在 PR 吞吐上没有统计显著差异。
>
> 这不代表工具没用。它只是工具。它不能替代判断，也不能替代测试。没有测试，你就无法确认建议是否正确。

**下面这段为什么一眼像 AI 写的？**
- 节奏仍然偏工整，对比结构过于整齐。
- 人名和研究引用若无真实出处，会像“看似真实的占位符”。
- 结尾略带口号感，不够像自然说话。

**现在把它改得不要那么像 AI 生成。**
> AI 编程助手能让你在那些无聊环节快一点。不是所有环节。尤其不是架构。
>
> 它很擅长样板代码：配置、测试脚手架、重复重构。也很擅长“看起来对”。我接收过能编译、能过 lint、结果依然跑偏的建议，问题就在于我当时没盯住。
>
> 我接触到的人大致分两类：一类把它当杂活自动补全，每行都审；另一类直接关掉，因为它总推荐他们不想要的模式。两边都说得通。
>
> 生产力指标其实很滑。GitHub 可以说“30% 建议被接受”，但接受不等于正确，正确也不等于价值。没有测试，你基本就是在猜。

**变更摘要：**
- 去除了聊天话术残留（如“这个问题很棒”“希望有帮助”）
- 去除了意义夸大词和宏大叙事包装
- 去除了宣传腔形容与空泛溢美
- 去除了模糊归因与无上下文的“观察者说”
- 去除了 -ing 链式短语堆叠
- 去除了否定并列句式和三项并列执念
- 去除了同义词轮换导致的赘余
- 去除了“从 X 到 Y”这类伪范围表达
- 去除了破折号、表情符号、机械粗体、弯引号等样式噪音
- 将复杂绕写改为直接陈述，优先使用“是”“有”“包含”这类简单结构
- 去除了模板化“挑战与前景”段
- 去除了知识截止免责声明与过度 hedging
- 去除了填充短语和空泛积极结尾
- 强化了人声：节奏更自然、观点更具体、少占位符

---

## 参考

本技能基于 [Wikipedia:Signs of AI writing](https://en.wikipedia.org/wiki/Wikipedia:Signs_of_AI_writing)，由 WikiProject AI Cleanup 维护。页面中记录的模式来自对 Wikipedia 上数千条 AI 生成文本实例的观察。

Wikipedia 的关键洞察："LLMs 使用统计算法来预测下一步最可能出现的文本，因此输出会趋向于最通用、最统计意义上可能的表达。"