Humanize AI Text

humanize-ai-text — AI文本拟人化

Skill Graph： 领域 → [[_index-outreach|多渠道触达领域]] | 上游 ← [[company-research|企业背调]]（个性化素材） ← [[_index-outreach|触达领域]] | 下游 → [[email-sender|邮件发送]]

将 AI 生成的文本（尤其是冷开发信）转化为自然、人性化的表达，通过 AI 检测和智能转化双重流程，确保输出内容的 AI 密度 < 2%。

工作流程

输入：AI生成的文本（含AI模式特征）
    ↓
Step 1: detect.py → AI密度评分（≥8.5 则需要润色）
    ↓
Step 2: transform.py → 生成拟人化版本
    ↓
Step 3: 再检测 → 确认 AI密度 < 2%
    ↓
输出：可通过 AI 检测的自然文本

Step 1: AI检测（detect.py）

使用方法

python detect.py "待检测的文本内容"

输出说明

AI Score: X.X / 10.0
判断: [PASS/NEED_HUMANIZE]
AI密度: X.XX%

PASS    → AI密度 < 8.5%，无需润色，可直接使用
NEED_HUMANIZE → AI密度 ≥ 8.5%，需要调用 Step 2 润色

检测维度

检测算法

# 核心检测逻辑（伪代码）
def calculate_ai_score(text):
    score = 0.0
    # 1. 过渡词检测
    if has_pattern(text, ["Furthermore", "Moreover", "In conclusion", "Firstly", "Secondly"]):
        score += 2.0
    # 2. 格式化过度
    if has_excessive_bullets(text):
        score += 1.5
    # 3. 对称句子结构
    if has_perfect_parallelism(text):
        score += 1.0
    # 4. 开头问候语
    if has_formal_opening(text):
        score += 1.5
    # 5. 过度的正面形容词
    if has_excessive_superlatives(text):
        score += 1.0
    # 6. 关键词重复检测
    if has_keyword_repetition(text):
        score += 1.0
    return score

Step 2: 智能润色（transform.py）

使用方法

python transform.py "需要润色的文本" [--target_score 8.5]

润色策略

润色规则

# 核心润色逻辑（伪代码）
def humanize(text, target_score=8.5):
    current_score = detect(text)

    # 多次迭代直到达到目标分数
    iterations = 0
    while current_score > target_score and iterations < 5:
        # 1. 简化开头（删除套话）
        text = simplify_opening(text)

        # 2. 替换过渡词
        text = replace_transitions(text)

        # 3. 打破格式化
        text = break_formatting(text)

        # 4. 添加口语化表达
        text = add_informal_touch(text)

        # 5. 删除冗余
        text = trim_redundancy(text)

        current_score = detect(text)
        iterations += 1

    return text

常见润色示例

Step 3: 质量验证

润色完成后，自动运行检测确认 AI 密度 < 2%。若仍超标，提示人工介入。

验证通过标准

• AI Score < 2.0 (满分10.0)
• 核心信息完整度 > 95%
• 无拼写/语法错误

与其他技能配合

配置

可选参数

target_score: 6.0      # AI密度阈值（低于此值需润色）
min_score: 9.0        # 最终评分需达到此分数（满分10）
max_iterations: 5     # 最大润色迭代次数
preserve_keywords: []  # 保留关键词（不润色）

注意事项

1. 不要删除核心信息：润色时必须保留产品名称、核心价值 proposition、客户名称
2. 避免过度润色：每个句子只改 1-2 处，保留原意
3. 文化适配：不同市场对正式度的期望不同，润色时考虑目标受众
4. 评分虚高问题：若评分与实际不符，检查 detect.py 中的关键词库是否过期

版本: 1.0.0 更新: 2026-04-21 用途: cold-email-generator v2.0 强制依赖