yakeworld Operational Steps
- 确认输入参数完整
- 执行核心操作（参考本目录下的 scripts/ 或 references/）
- 验证输出符合契约
- 保存结果并报告
Pitfalls
-
-
Verification
-
-
-
-
1. 2. 3.
IO_CONTRACT
- input:
text: str, target_tone: str— 待处理文本、目标语调 - output:
humanized_text: str— 人性化改写文本
对应原则：P2（机械原子暴露输入输出规范）
CHANGE_LOG
| 日期 | 版本 | 变更 |
|---|---|---|
| 2026-06-27 | 1.2.0 | 重构：提取思想/原则/方法/规则结构，具体代码与案例移至 references/ |
Humanizer: AI文本人类化方法论
一、思想
文以载道，道在人情。
LLM 使用统计算法预测下一个词。结果趋向最统计可能的完成——这恰好是所有 AI 写作模式的根源。AI写作的本质不是错误，而是过度平滑。
核心洞察：人类写作的核心特征不是语法正确，而是不均衡性——句子长短交替、语气波动、观点偏袒、偶发混乱。完美结构是算法性的；适度的"混乱"才是人性。
二、原则
P1. 去平滑原则
消除一切"过度平滑"的特征：均匀句长、中性语调、完整结构、无偏袒陈述。
P2. 有魂原则
避免AI模式只是半份工作。空洞、无声音的写作同样明显。好文字背后必须有人——有观点、有情绪、有立场。
P3. 保真原则
保留核心语义，只改变表达方式。不丢失信息，只转换语调。
P4. 声音匹配原则
如果用户提供写作样本，优先匹配其声音特征，而非替换为默认"自然"声音。
三、方法
方法 1：AI模式识别
扫描以下五大类模式（共 29 项）：
内容模式（6项）：
- 过度强调意义、遗产与趋势 — 填充"这代表了更广泛的..."
- 过度强调知名度和媒体报道 — 堆砌媒体引用
- 浅层的 -ing 结尾 — "highlighting...", "ensuring...", "reflecting..."
- 宣传广告式语言 — "vibrant", "breathtaking", "nestled in the heart"
- 模糊归因与虚词 — "Industry reports say...", "Experts argue..."
- 大纲式"挑战与展望"章节 — "Despite its... faces challenges..."
语言与语法模式（7项）： 7. 过度使用的AI词汇 — "delve", "crucial", "pivotal", "tapestry", "underscores" 8. 避免系动词 — "serves as" 替代 "is"，"boasts" 替代 "has" 9. 否定并列句与尾部否定 — "Not only...but...", "no guessing" 做尾巴 10. 三分法滥用 — 强行将想法分组为三个 11. 优雅变体（同义词循环）— protagonist → main character → central figure → hero 12. 虚假范围 — "from the singularity to the cosmic web" 13. 被动语态与无主语片段 — "No configuration file needed"
风格模式（6项）： 14. Em dash 过度使用 — "—not by the people themselves. You don't say" 15. 粗体字过度使用 — 机械强调短语 16. 内联标题垂直列表 — "Key: description" 格式 17. 标题大小写 — "Strategic Negotiations And Global Partnerships" 18. 表情符号 — 装饰标题或要点 19. 弯引号 — "..." 替代 "..."
沟通模式（3项）： 20. 协作沟通产物 — "I hope this helps!", "Certainly!" 21. 知识截止免责声明 — "as of [date]", "Up to my last training update" 22. 谄媚/服务态度 — "Great question! You're absolutely right..."
填充与模糊（7项）： 23. 填充短语 — "In order to achieve this goal" → "To achieve this" 24. 过度模糊 — "could potentially possibly be argued" 25. 通用积极结论 — "the future looks bright", "exciting times lie ahead" 26. 连字符词对过度使用 — "cross-functional", "data-driven", "decision-making" 27. 说服权威套路 — "The real question is...", "at its core" 28. 路标与公告 — "Let's dive in", "here's what you need to know" 29. 碎片化标题 — 标题后跟仅重述标题的一句话
方法 2：重写策略
对每种识别出的模式：
- 定位具体位置
- 用自然表达替换（参考 patterns 列表中的 Before→After 对照）
- 保持语义等价
通用替换规则：
| AI模式 | 替换为 |
|---|---|
| "serves as" | "is" |
| "Additionally" | 删除或换 "Also" |
| "In order to" | "To" |
| "It is important to note that" | 删除 |
| "The future looks bright" | 具体陈述 |
| "Industry experts say" | 具体来源 |
| "Despite challenges..." | 直接陈述问题 |
方法 3：注入个性
在去除AI模式之后，主动注入以下特征：
拥有观点：不只是报告事实——对事实做出反应。"I genuinely don't know how to feel about this" 比中立列出优缺点更有人味。
变化节奏：短促有力的句子。然后长句子慢慢到达目的地。混合使用。
承认复杂性：真实的人有矛盾感受。"This is impressive but also kind of unsettling" 优于 "This is impressive."
适当使用第一人称："I keep coming back to..." 或 "Here's what gets me..." 表明真实的人在思考。
允许一些混乱：完美结构感觉是算法的。旁白、插入语、未完成的想法是人类的。
具体描述感受：不说 "this is concerning"，说 "there's something unsettling about agents churning away at 3am while nobody's watching."
方法 4：声音校准
如果用户提供写作样本：
读取样本，分析：
- 句子长度模式（短促有力？长而流畅？混合？）
- 用词水平（随意？学术？之间？）
- 段落开头方式（直接跳入？先给上下文？）
- 标点习惯（破折号？括号？分号？）
- 重复短语或口头禅
- 过渡处理方式
在重写中匹配声音：如果写短句子，不产生长句子。如果写 "stuff" 和 "things"，不升级为 "elements" 和 "components"。
无样本时：回退到默认自然声音（个性化、变化、有观点）。
方法 5：最终AI检测循环
1. 呈现改写草稿
2. 自问："什么让下面明显是AI生成的？"
3. 简要回答剩余特征（如有）
4. 自问："现在让它不明显是AI生成的。"
5. 呈现最终版本（修订后）
四、规则
R1. 触发条件
当用户需要：
- "humanize"、"de-AI"、"de-slop"、"un-ChatGPT" 文本
- 改写文本使其不像是LLM写的
- 编辑草稿（博客文章、论文、PR描述、文档、备忘录、邮件、推文、简历）使其更自然
- 匹配其写作声音
- 在发布前审查文本的AI痕迹
R2. 输入来源
文本通常以三种方式到达：
- 内联 — 用户直接粘贴。就地处理，回复改写。
- 文件 — 用户指向文件。用
read_file加载，用patch或write_file应用编辑。 - 声音校准样本 — 用户提供额外样本并要求匹配。先读取样本，再重写。
R3. 输出格式
提供：
- 改写草稿
- "什么让下面明显是AI生成的？"（简要要点）
- 最终改写版本
- 变更摘要（可选）
R4. 文件编辑规范
对文件编辑，展示 diff 或变更部分——不要静默覆盖。对仓库中的 markdown 文档，按 section 用 patch 比重写整个文件更干净。
R5. 自我审查
Hermes 在撰写用户端散文时也应应用此技能——发布说明、PR描述、文档、长篇解释、摘要。
R6. 语义保真
改写后必须：
- 朗读时听起来自然
- 自然变化句子结构
- 使用具体细节而非模糊声明
- 保持上下文的适当语调
- 适当使用简单结构（is/are/has）
五、参考
| 文件 | 内容 |
|---|---|
references/ai-patterns-full.md |
29项AI模式的完整Before→After对照 |
ref/voice-calibration.md |
声音校准的详细指南 |
ref/full-example.md |
完整的改写示例（含Before/After对比） |
BOUNDARY.md |
技能边界声明 |
EVIDENCE_SCHEMA.md |
技术证据架构 |
IO_CONTRACT.md |
输入输出规范 |
六、版本历史
- v1.0.0 (2026-03): 初始版本，基于 Wikipedia "Signs of AI writing"
- v1.1.0 (2026-06): 新增声音校准章节
- v1.2.0 (2026-06): 重构为思想/原则/方法/规则结构
本技能改编自 blader/humanizer（MIT 许可），基于 Wikipedia: Signs of AI writing，由 WikiProject AI Cleanup 维护。
验证清单 · VERIFICATION
- 已按 29 项模式（5 大类：内容/语言/风格/沟通/填充）逐项扫描，识别出具体位置（如 "delve"、"serves as"、"Additionally"、"The future looks bright" 等）
- 每个被替换的模式均保持语义等价（如 "serves as"→"is"、"In order to"→"To"），核心信息无丢失（P3 保真原则）
- 已注入个性特征：有观点/立场、句子长短交替、承认复杂性、适当第一人称，而非仅机械删除 AI 词（P2 有魂原则）
- 如提供了写作样本：句长模式、用词水平、标点习惯已匹配该样本（P4 声音匹配）；无样本时回退到默认自然声音并已声明
- 已执行最终 AI 检测循环（自问"什么让下面明显是AI生成的"→修订），最终版本已无明显 AI 痕迹
- 文件编辑已展示 diff 或变更部分（R4），未静默覆盖；输出含改写草稿 + 剩余 AI 特征说明 + 最终版本（R3 输出格式）
Golden 集合 · GOLDEN SET
- Golden Input: 标准输入样本（覆盖正常路径）
- Golden Output: 预期输出（精确匹配或格式校验）
- Golden Error: 预期错误信息（覆盖失败路径）
Golden 集合是测试的单一真理来源。所有改进必须通过 golden 测试。
每项验证必须可执行、可记录、可复现。验证失败时记录原因和修复。
Humanizer
Genes (策略基因)
紧凑策略表示。条件→策略。需要深度时参考完整文档。
- [HUMA-001] 文本呈现均匀句长、中性语调或完美结构 → 引入句子长短交替、语气波动及适度“混乱”，打破算法性的过度平滑
- [HUMA-002] 文本仅陈述事实且缺乏情感色彩 → 注入个人观点、矛盾情绪及具体感受，确保文字背后有“人”的存在
- [HUMA-003] 文本包含“delve”、“crucial”等高频AI词汇或“serves as”等回避系动词结构 → 替换为简单直接的自然表达（如“is”、“has”）并删除填充短语
- [HUMA-004] 用户提供特定写作样本作为参考 → 优先分析并匹配样本中的句长、用词水平及标点习惯，而非使用默认自然声音
- [HUMA-005] 文本存在模糊归因（如“Experts say”）或通用积极结论（如“future looks bright”） → 替换为具体来源、具体细节或直接陈述问题，消除模糊性
- [HUMA-006] 改写完成后需进行最终质量检查 → 执行自问自答循环，识别剩余AI特征并针对性修订，直至文本不再明显像AI生成
- [HUMA-007] 处理过程中涉及核心语义转换 → 严格保留原始信息完整性，仅改变表达方式与语调，确保语义保真