research-prose-naturalizer
Skill0 starsChanged 22 days agoMITView on GitHub
在不改变事实、数据、引用和证据边界的前提下,修改已有科研论文或研究报告中的模板化、机械化和空泛表达;仅在用户明确要求论文去模板腔、减少 AI 式表达、保持作者声音或自然化学术语言时使用。不要用于规避 AI 检测、普通写作、新稿起草或营销文案。
In this repository21 other files it gives its agents.
- academic-literature-searchSkill
- asreview-screening-v3Skill
- causal-inference-analysisSkill
- citation-analysisSkill
- citation-managementSkill
- dryad-data-fetcherSkill
- literature-evidence-checkerSkill
- literature-reviewSkill
- meta-analysisSkill
- paper-review-reviserSkill
- publication-integrity-checkSkill
- qualitative-research-analysisSkill
- research-ethics-consentSkill
- research-reproducibility-auditorSkill
- research-source-acquisitionSkill
- research-workflowSkill
- scientific-critical-thinkingSkill
- scientific-paper-readingSkill
- scientific-translationSkill
- scientific-writingSkill
- survey-and-psychometricsSkill
The file
Files
科研去模板腔
把已有科研稿件改得更自然、具体、像同一位谨慎的作者写成,同时完整保留研究事实和论证边界。目标是提高稿件质量,不是伪装作者身份或保证通过检测器。本 Skill 只允许通过 $research-prose-naturalizer 显式调用。
使用边界
- 只处理用户提供的已有科研文本。新论文或新章节的起草交给
scientific-writing;全面审稿、方法透明度和投稿准备交给paper-review-reviser。 - 只读取用户明确指定的稿件或样稿,不扫描相邻目录、文献库、邮箱或云盘。未公开稿件、审稿意见和作者样稿不得上传到外部服务。
- 默认在回复中交付修订文本。用户要求文件时,先确认目标路径并创建新文件;不覆盖原稿,不静默接受修订,也不删除原有批注或修订痕迹。
- 不以 Turnitin、GPTZero 或其他 AI 检测结果为优化指标,也不承诺任何检测结果。
- 不为“更像人”添加个人经历、情绪、幽默、第一人称、刻意错误、凌乱结构或未经提供的细节。
- 不把某个词、句式或标点机械认定为 AI 痕迹。只有表达妨碍准确性、信息密度、连贯性或作者声音时才修改。
不可改变的内容
逐句保护以下项目:
- 数字、单位、样本量、分母、时间点、组名和结局名称;
- 效应方向与大小、置信区间、P 值、模型、软件和方法细节;
- 引用键、文献归属、直接引语及其限定范围;
- 研究设计、实际执行过程、阴性结果、不良结果、局限与不确定性;
- 原文中相关、因果、等效、非劣效、预测和探索性分析之间的区别。
发现内部冲突或材料不足时停止改写相关句子,标记 【作者确认:……】,不得自行选择一个版本或补全事实。
修改重点
根据上下文判断,而不是按禁词表替换:
- 删除不承载信息的开场、结尾、重要性宣告和段落导航。
- 把“已有研究表明”“专家认为”等模糊归因改回原文已有的具体来源;没有来源时不得编造。
- 减少同一连接词、综合句、三段式和句型在相邻段落中的机械重复。
- 将空泛评价改为原材料支持的具体对象、条件、观察或限制。
- 调整句长和段落节奏,但不为追求变化破坏术语一致性和逻辑关系。
- 保留必要的学术限定语。不得为了简洁删掉
可能、在本样本中、与……相关等真实限制。
作者声音
如果用户提供同一作者、同一语言且同类文体的可靠样稿,参考其术语选择、句长分布、段落密度、标点和谨慎程度。样稿只能决定表达方式,不能改变本稿事实。没有样稿时采用克制、清楚、具体的学术语言,不凭空制造“个性”。
目标期刊的正式要求优先于个人风格。若两者冲突,指出冲突并让作者决定。
工作方法
先识别每段的功能:研究问题、方法、结果、解释、证据、限制或过渡。保留承担实际功能的句子,修改或删除只重复标题、前文或常识的句子。改写后进行三项核对:
- 事实核对:所有事实、数字、引用和限定语与原文逐项一致。
- 力度核对:结论没有变强,相关性没有变成因果,不显著没有变成无效或等效。
- 语言核对:没有连续使用相同模板句,且每句话都对本段论证有实际作用。
任一核对失败时,恢复相关原文并说明原因,不用更流畅但不准确的句子替代。
交付
默认提供:
- 修订后的正文;
- 简短变更摘要,只说明有实质影响的修改;
【作者确认】项目清单,如无则写“无”。
用户要求纯净稿件时只呈现正文,但仍需保留正文内尚未解决的 【作者确认:……】 标记。
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
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.

