agentleFS
LC044LC044/TrailSnap/.agents/skills/humanizer-zh-pro/SKILL.md

humanizer-zh-pro

Skill894 starsChanged 11 days agoAGPL-3.0View on GitHub

中文降 AI —— 去除中文文本中的 AI 生成痕迹,使其更自然、有人味。适用于编辑或审阅中文文本(公文、月报、论文、 宣传稿、汇报材料等)去除"AI腔"。基于维基百科"AI 写作特征"指南翻译扩充,并针对中文政务/学术 文稿补充专项规则。某日 六次迭代:① 检测器差异首要规则 + 万方实测高信号 Q–T(以知网/万方 标注片段为准);② BestPaper 投稿版实测 78.55% → 规则 U;③ 据 示例论文一(改写后版) BestPaper 复测 (3.37%,唯一高疑似=参考文献假阳性)纠正规则 U + 新增规则 V;④ 据"示例论文一(改写前版))" BestPaper 复测(54.51%,44 段 High)与 3.37% 版组成**同一文档人性化前后对照**,提炼可操作的 具体改写动作清单(拆解串行动词链、去空泛副词四字标语、展开口语化破对称、数据保留仅拆包裹); ⑤ 据"示例论文二"BestPaper 实测(78.15%,42段High, 数据密度31.7%仍被标)确认**统计分组对称**(优/高/中/低四并列+%、①②③枚举、重点/关注/一般三对称) 是统计型论文的激进档触发器,新增规则 W;并以"自主检测两口径"(显式模式扫描≈20% vs 激进档模拟≈78%) 演示"检测器差异首要规则"为何成立;⑥ 据同稿**朱雀AI检测**(82.51%疑似+20.96%AI特征)与 BestPaper 78.15% 形成双激进档互证,并校正规则 V:**参考文献假阳性并非所有检测器共有**——朱雀判参考文献 0.0001(未误标), 而 BestPaper 把 8 条参考文献标 88–98%;同时朱雀"片段2(0.9966) vs 片段4(0.2560)"为规则 W 提供最强证据: 统计分组对称才是触发器,单纯数据密度不是。⑦ 据同稿**论文狗AIGC检测**(全文47.63%/正文71.08%,逐段标注)与 BestPaper 78.15%、朱雀 82.51% 形成**三激进档互证**;论文狗逐段疑似率(摘要55.06%、3.2关键制约76.89%、3.4空间分异81.09%、4.2案例剖析**100%×3**、5.0治理响应**100%**、5.2分区施策68.45%)从段落粒度逐段印证规则 W——每一个 100%/80%+ 高分段都精确对应一个"统计分组对称"结构(四分类、三对称、案例一二三并列),而数据密集的"关键制约指标"因展开为叙述仅 76.89%;论文狗对参考文献/作者简介同样未标高疑似,与朱雀一致、与 BestPaper 相反,进一步坐实规则 V 校正结论。 ⑧ 据 2026 年网上检索到的 **5 份知网 AIGC 检测报告**(人民日报/央视网调研、计算机硕士知网vs万方实测、高校硕士盲审自查、财务管理本科实测、机械硕士手写零AI误判实测)校准:此前差异表**缺知网实测**(仅 BestPaper 自带「知网/维普≤20%通过」预估)。现补入知网真实数值并**拆分「温和档」**——万方≠温和档(对模板化/定义类/算法描述比知网更敏感,同篇计算机硕论 知网21%合规 vs 万方56%高风险,详见规则 Y),知网=中严档(对「写作逻辑高度规整的人类原创综述/推导/定义」更敏感、3.0 持续升级整体更严;纯AI 37%、AI辅助 21–45%、手写规整综述/推导/定义 29–47%、纯人工 2–3%,远低于 BestPaper/朱雀的 71–83%);手写零AI仍可被知网判 29%(文献综述41%/推导47%/定义35%/案例仅8%,误判与内容类型强相关而非是否真用AI)。新增**规则 X(知网专项)**,并据之修正规则 U(万方/维普属中等档而非温和档,详见规则 Y/Z)、评级对照、处理流程。 ⑨ 据 2026 年网上检索到的 5 份**维普 AIGC 检测报告**校准:维普对「句式工整度+连接词密度」极敏感(按 150–200 字拆段扫描),比知网约高 5–10 个百分点为常态、极端可高 64 点(同篇 知网 3% vs 维普 67%,见规则 Z),绝非稳定温和档;新增**规则 Z(维普专项)**,据之修正规则 U/W/评级对照/处理流程。 核心结论:激进检测器敏感的是"密集空泛+结构对称"的句式密度,不是数据本身;同一数据被空泛对称 或统计分组对称包裹时仍会被标红(如含 某万亩规模耕地数据的段落 99.9%、含 31.7% 数据的统计稿 78.15%/朱雀 82.51%), 拆开包裹后(同数据落入口语化长短句)即降为 None。 触发词:去AI味、去AI、去除AI痕迹、公文去AI、论文去AI、避免AI腔、润色去机器味。 质量评分惯例:以 AIGC 检测工具给出的"AI 率 %"作为质量分(越低越好),不采用主观 /50 制;须用目标机构同款检测器、同一口径复测。 **强制流程(用户修订要求,2026-09-18)**:每次去 AI 操作**前**,须先预估文档在知网/万方/维普三平台的 AI 率并告知用户(见第四节步骤 0);修订**完成后**须附质量评分表,含三平台修订前/后预计 AI 率对照(见第六节)。

The file

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.