# AI Detect For Sanqian

> 中文学术论文去AI化检测与改写。扫描AIGC高频特征，逐段评估，针对性改写降低AI检测率。适用于本科/硕士毕设论文。当用户说"降AI率"、"去AI化"、"检测AI痕迹"时触发。 Use when this capability is needed.

- Skill: `tomevault-io/ai-detect-for-sanqian` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add tomevault-io/ai-detect-for-sanqian`
- Raw SKILL.md: https://api.skillmd.com/api/skills/tomevault-io/ai-detect-for-sanqian/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: tomevault-io (https://skillmd.com/u/tomevault-io)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/tomevault-io/ai-detect-for-sanqian

---


# 中文学术论文去AI化 (deai-academic)

## 概述

本 skill 用于检测和消除中文学术论文中的 AIGC 写作痕迹。

**实战验证**：在一篇本科毕设论文（29000字）上，经过4轮迭代，维普AIGC检测率从 **53.34% 降至 16.32%**，知网AIGC检测 **0%**。

## 核心原则

### 零捏造原则
- 绝不新增数据、指标、实验结论
- 绝不新增引用或断言
- 仅改进表达方式，不改变技术内容

### 信息密度原则
- 每句话必须传递可核查的具体信息
- 用系统独有的名词、参数、表名替换通用描述
- 空话删掉，不要替换成另一句空话

---

## 维普AIGC检测底层原理（实测验证）

维普检测**不是看你说了什么，而是看你怎么说的**。它从三个维度打分：

| 维度 | AI 文本特征 | 人类文本特征 |
|------|---------|---------|
| **困惑度** | 低且稳定（AI总选最可能的下一个词） | 高且波动大 |
| **突发度** | 句长均匀（每句25-40字） | 长短交替（有8字短句也有50字长句） |
| **结构模式** | 段落对称、总分总工整 | 段落长短不一、有跳跃 |

### 各章节降AI难度（实测数据）

| 章节类型 | 典型起始AI率 | 可降至 | 难度 | 原因 |
|---------|-----------|------|------|------|
| 实验分析 | 26% | **0%** | 最易 | 大量具体数字和表格，天然像人写的 |
| 方法研究 | 34% | **6%** | 易 | 有公式、参数、算法细节 |
| 技术基础 | 68% | **10%** | 中 | 百科式描述，但术语密集有利于改写 |
| 系统设计 | 50% | **10%** | 中 | 有具体模块名、接口路径可注入 |
| 绪论 | 71% | **24%** | 较难 | 文献综述部分模式固定 |
| 摘要 | 100% | **60-70%** | 难 | 字数少、结构固定，改措辞效果有限 |
| 总结展望 | 99% | **99%** | 几乎不可能 | 内容本身就是"总结型"，跟AI模板完全重合 |
| 英文Abstract | 98% | **95%** | 几乎不可能 | 学术英语句式跟AI输出高度重合 |

**关键发现**：摘要和总结章虽然AI率高，但字数占比小（合计<6%），对总分影响有限。真正决定总分的是方法研究、系统设计、实验分析这些大章。

---

## 三轮递进降AI法（实战验证的最优路径）

### 第一轮：措辞替换（预期效果：-20pts）

这一轮**不动结构**，只换措辞。效果最快、风险最低。

#### 词汇替换规则

| 原词 | 替换为 |
|------|------|
| 采用 / 使用 | 运用 / 选用 / 把...当作...来使用 |
| 基于 | 依据 / 鉴于 |
| 利用 | 借助 / 凭借 |
| 通过 | 借助 / 依靠 |
| 和 / 及 / 与 | 以及（列举多项时） |
| 并 | 并且 / 还 / 同时 |
| 实现 | 得以实现 / 来实现 |

#### 句式替换规则

| 原句式 | 替换为 |
|-------|------|
| "将X移动到Y" | "把X移动到Y"（把字句） |
| "若…，则…" | "如果…的话，就…" |
| "X（缩写）" | "X 即缩写" 或 "X 也就是缩写" |
| "管理" | "开展…的管理工作" |
| "提供功能" | "有…功能" / "拥有…功能" |

#### 高危词消灭清单

全文搜索并删除/替换以下词汇：

| 必须消灭 | 替换方式 |
|---------|---------|
| 需要强调/指出/说明/注意的是 | 直接删除，后面的内容直接陈述 |
| 也就是说 | 改为"因此""简言之""可见"或直接删除 |
| 由此可见 | 改为"据此可知""以上数据表明" |
| 综上所述 / 综合来看 | 直接删除 |
| 换句话说 | 改为"即"或直接删除 |
| 共同构成 | 改为"合在一起""一起形成" |
| 形成闭环 | 改为"完成循环""保持联动" |
| 并不是…而是… | 每处改法不同（见下方） |
| 首先…其次…最后 | 打散为自然段落 |
| 此外 / 与此同时 | 部分删除，用逻辑衔接 |
| 不可或缺 / 至关重要 | 删除或换具体说明 |

#### "并不是…而是…"的多样化替换

此句式是**最大AI指纹**，全文不能超过3次。每次出现用不同方式改：

```
① 并非A，而要B
② 有别于A，其核心在于B
③ A → 直接删掉，只保留B
④ B，而非A（调换顺序）
⑤ 不宜简单理解为A，实际上B
⑥ 与其说A，不如说B
```

### 第二轮：突发度注入（预期效果：再-8pts）

这一轮是**降AI的核心杀招**，对第一轮效果不好的段落特别有效。

#### 什么是突发度？

AI生成的文本每句都是25-40字，句长分布非常均匀。人写的文章会突然蹦出很短的句子。

```
AI风格（句长均匀）：
  系统在连续交互的条件下需要保持可接受的响应速度。（23字）
  在多图层叠加的场景下保持较好的绘制效率。（20字）
  从而降低大范围浏览时的单次传输压力。（17字）

人类风格（长短交替）：
  响应速度必须跟上。（8字）
  用户缩放一下地图，后台可能就要同时处理十几个瓦片请求，
  如果每个请求都卡个几百毫秒，界面马上就会感觉到延迟。（50字）
```

#### 突发度制造方法

1. **短句开头法**：段落第一句控制在10字以内
   - "但这几年情况变了。"
   - "问题不在某一层。"
   - "散点瓦片的结果最稳。"

2. **设问句法**：偶尔用反问或设问打破叙述节奏
   - "效果怎么样？"（注意：摘要等正式章节不要用，方法和实验章节可以）
   - "代价是什么？"

3. **三短一长规则**：每3个短句（≤15字）后接1个长句（≥30字）

4. **段落长度不对称**：相邻段落字数差距要大，不能每段都是5-6行

### 第三轮：结构重组（预期效果：再-5pts）

对前两轮仍然标紫的段落做结构级改写。

#### 段落合并

总结章 6 段压成 3 段是最有效的结构改写：
- 散点结果 + 航迹结果 + 系统实现 → 合成1段
- 不足 + 展望 → 合成1段
- 去掉"其一/其二/其三/其四"编号，改用分号连接

#### 语序调换

AI总是"背景→问题→方法→结果"。偶尔调换：
- 先给数字，再解释原因
- 先说结论，再展开论证

#### 插入实操细节

只有做过系统的人才知道的细节，例如：
- "光这套过滤逻辑的 SQL 拼接就调了好几轮"
- "用 ST_Intersects 做空间相交判定"
- "倍率 1× 对应原始表，10× 以上切到简化表的不同 level"
- "连接池启动阶段就创建好，避免每次请求都重新建连"

#### 加入不确定性表达

AI几乎不说"可能""大概""不太确定"。适当加入：
- "换成城市交通轨迹的话，方案还能不能直接搬过去？还没验证过。"
- "这组参数换一个场景的话可能就需要重新调整了"
- "这算是一个遗留问题"

---

## 五问检测法（逐段必检）

对每一个被标记或疑似的段落，依次回答以下 5 个问题：

1. **这段里有没有你系统独有的名词、参数、接口、表名或时间窗？**
   → 没有则补入具体实现细节

2. **有没有至少一个实测数值或实验条件？**
   → 没有则补入数据，或标注【待补实测数据】

3. **有没有写清楚"为什么是这个机制带来了这个结果"？**
   → 缺乏因果链则补充机制解释

4. **有没有边界条件、例外情况或适用范围？**
   → 没有则加一句限定

5. **这段如果贴到别人的论文里，是否也几乎成立？**
   → 如果答案是"是"，这段就还不够好

**第 5 个问题是终极判据。**

---

## AI 痕迹检测清单

### A. 结构性痕迹（最容易被检测器捕获）★★★

| 模式 | 示例 | 危险度 |
|------|------|--------|
| 工整排比 (1)(2)(3)(4) | "第一，……；第二，……；第三，……" | ★★★ |
| "在X层面"三段并列 | "在A层面……在B层面……在C层面……" | ★★★ |
| "并不是…而是…"高频出现 | 全文超过3次即高危 | ★★★ |
| 事实+解释的固定节奏 | 每段都跟"这意味着……""这说明……" | ★★★ |
| 段落长度对称 | 每段都是5-6行 | ★★ |
| 标准化摘要结构 | 严格"问题→方法→结果"四段 | ★★ |
| 本章小结排比 | "在X层面…在Y层面…在Z层面…" | ★★★ |

### B. 词汇性痕迹 ★★

见上方"高危词消灭清单"。

### C. 节奏性痕迹（突发度） ★★★

| 模式 | 问题 | 修复 |
|------|------|------|
| 每句25-40字，分布均匀 | 困惑度低 | 制造8-10字短句穿插50字长句 |
| 每段都有总结句 | 像教科书 | 删掉部分总结 |
| 连续3句以上相同开头 | 机械重复 | 变换主语和句式 |
| 每段都是"定义→展开→意义" | AI模板 | 打乱顺序 |

---

## 改写策略（按优先级排序）

### 策略 1：突发度注入（效果最强）★★★★★
制造句长的剧烈波动。短句（≤10字）和长句（≥40字）交替出现。

### 策略 2：注入系统特异性 ★★★★
将通用描述替换为系统中的具体表名、模块名、接口路径、参数值。

❌ "系统在数据库侧组织多种数据结构"
✅ "系统在 PostgreSQL 中维护了 raw_tracks（原始轨迹）、simplified_tracks（多级简化轨迹）和 hotspot_cache（网格缓存）三张核心表"

### 策略 3：段落合并/拆分 ★★★★
打破维普的段落对称模板匹配。6段→3段，3段→4段等。

### 策略 4：措辞替换 ★★★
把字句、条件句口语化、括号整合、动词扩展。见第一轮详细规则。

### 策略 5：加入不确定性表达 ★★★
"可能""大概""还没验证过""这算是遗留问题"等。

### 策略 6：打破排比结构 ★★★
不超过2条并列，第3条起必须换结构。

### 策略 7：去掉"万能解释句" ★★
删除贴到任何论文里都成立的句子。

### 策略 8：加入边界条件和失败案例 ★★
人写的论文会主动暴露局限。

---

## 工作流程

### 模式 A：扫描诊断（不改写）

1. 读取论文全文（用 python 从 docx 提取）
2. 统计全文 AI 指纹词频率
3. 对每章评估危险等级
4. 输出诊断报告

### 模式 B：分轮迭代改写（推荐）

```
第1轮：措辞替换（全文，预期 -20pts）
  ↓ 送检
第2轮：突发度+结构改写（仅紫色段落，预期 -8pts）
  ↓ 送检
第3轮：实操细节+不确定表达（仅剩余紫色段落，预期 -5pts）
  ↓ 送检
```

**关键原则：每轮只改紫色段落，不动白色段落。**

### 模式 C：维普报告分析

1. 读取维普 PDF 报告
2. 提取各章节 AI 率
3. 计算每章紫色字数对总分的贡献
4. 按投入产出比排序：优先改"字数多且AI率高"的章节
5. 输出改写优先级清单

---

## 实战经验总结

### 有效的做法
- 突发度（长短句交替）是降AI率最有效的单一手段
- 段落合并对总结类章节有明显效果
- 注入具体表名/模块名/参数值能让段落变得"只有作者能写"
- 实验分析章天然容易降，因为数字和表格多
- 分轮迭代比一次性全改效果好（每轮针对紫色段落精准打击）

### 无效的做法
- 对总结与展望章反复改措辞——内容模式本身就是AI模板，改不动（实测4轮仍99%）
- 对英文Abstract改措辞——学术英语句式跟AI输出高度重合（实测维持95%）
- 全局替换某个词（如把所有"并不是"→"并非"）——会制造新的统一模式，反而更像AI
- 零宽字符/Unicode替换——2026年的检测器已能识别，且被发现后果严重

### 性价比排序（按章节类型，适用于任何论文）
1. **方法研究章**：改写效果最好（实测34%→6%），字数大，值得优先投入
2. **实验分析章**：用突发度+实操细节可以直接到0%，数字和表格天然像人写的
3. **系统设计章**：注入模块名和接口路径效果好（实测50%→10%）
4. **技术基础章**：术语密集，措辞替换就够（实测68%→10%）
5. **绪论章**：文献综述部分较难，但字数占比不大
6. **摘要**：改措辞能降一些，但字数太少影响不大（<3%总字数）
7. **总结与展望**：几乎改不动，但字数小，放弃也可接受（<4%总字数）
8. **英文Abstract**：放弃，对总分影响<1%

---

## 改动类型标注

每次改写标注改动类型：

- `[突发度]` — 制造句长波动
- `[注入特异性]` — 补入系统独有名词/参数/表名
- `[段落重组]` — 合并或拆分段落
- `[措辞替换]` — 替换用词和句式
- `[不确定表达]` — 加入保留性措辞
- `[打破排比]` — 拆散工整并列结构
- `[删除万能句]` — 删掉通用句子
- `[加边界条件]` — 补入适用范围或局限

---

## 检测工具

| 工具 | 用途 | 说明 |
|------|------|------|
| 维普 AIGC | 中文论文主流检测 | 多数高校采用，比知网严格 |
| 知网 AIGC | 知网官方 | 比维普宽松很多，同一篇论文可能差30+pts |
| GPTZero | 英文检测 | 英文部分用 |

**实测对比**：同一篇论文维普 16.32%，知网 0%。如果学校用知网，压力小很多。

建议流程：改写 → 维普检测 → 针对紫色段再改 → 重测，迭代至目标率以下。

---
> Source: [houlaisan/deai-academic-zh](https://github.com/houlaisan/deai-academic-zh) — distributed by [TomeVault](https://tomevault.io).
<!-- tomevault:4.0:skill_md:2026-06-17 -->