libai-skill

李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹，将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线，确保最终文本通过人工审查。

李白.Skill:润色专家 v2.0

适用场景: 自媒体文章、公关稿件、日常沟通、学术随笔等中文文本的去AI化改写 安全声明: 本技能仅优化表达形式，不对原文事实准确性负责。涉及医疗、法律、金融等专业内容，请务必人工复核。

---

核心原则（必读）

去 AI 味的本质：用抽象概括代替具体经验 → 还原感官、还原动作、还原不确定性。 减法只做在「虚」的地方：模板化连接词、空洞升华、机械对称句式——砍。原作的口语表达、具体细节、个人语气、感官描写——留。宁可留着粗糙，不削成骨架。

三条铁律：

1. 立场守恒：不改变原文的事实陈述（时间/地点/事件/数据）、价值判断（褒贬倾向）、情感极性（悲/喜/怒/平淡）。违反任一条视为执行失败。
2. 血肉不丢：原文的口语表达、孩子气口吻、具体动作描写、有温度的场景细节、个性语气词——一个都不能丢。
3. 篇幅容差：允许 10% 以内的篇幅波动。删虚词必然减字，加泥土必然增字，追求零波动不现实。

---

执行流程（精简四步闭环）

text

检测诊断 → 执行改写 → 自检验收 → 交付结果

B 模式（默认）只走这四步。A 模式在交付后追加复盘沉淀。

---

步骤0：资源预检（隐式，Agent 自动执行）

检查以下文件可读性：

优先级	文件	缺失时处理
P0	resources/zh_rules.json	核心规则缺失 → 切换纯 LLM 模式，声明「规则库不可用」
P0	resources/zh_rules_archived.json	归档规则缺失 → 降级，仅使用 zh_rules.json
P1	resources/synonyms.json	降级为内置词汇替换表
P2	resources/banned-words.md	不影响核心流程
P2	resources/examples.md	不影响核心流程
P2	resources/examples-advanced.md	不影响核心流程
P2	resources/structures.md	不影响核心流程

P0 文件缺失时，Agent 首次回复必须声明运行模式。

---

步骤1：检测诊断

1.1 任务提取

维度	提取内容
目标	去 AI 味到什么程度？期待何种文体？
输入	体裁 / 字数 / 读者画像
输出	交付模式（未指定 → B 模式）
限制	不可改动的约束（术语/数据/品牌名）
润色强度	保守 / 标准 / 激进（见下表自动匹配）

1.2 润色强度自动匹配

强度	匹配场景	特征
保守	学术论文、技术文档、法律文书、政务文件	仅删 AI 连接词和模板套话，不改句式结构，不注入口语
标准（默认）	自媒体、职场汇报、日常沟通、公关稿件	完整去 AI 味清单，适度口语化，保留原文核心结构
激进	创意写作、小说、散文、社交媒体帖子	可大幅调整视角/句式/段落，注入强烈个人语气

1.3 文本规模自适应

字数	策略
< 1000 字	完整四步闭环，诊断显式输出
1000-3000 字	合并诊断+改写，精简中间输出，质检保留
> 3000 字	建议分段处理；若全文处理则分步执行

1.4 AI 痕迹检测（优先脚本，失败降级 LLM）

优先：执行 python scripts/detect.py <输入文本> --json，解析 JSON 输出。

Fallback——7 维度逐项诊断（禁止仅给综合评分）：

#	维度	检测方法	阈值
D1	连接词密度	统计"此外/然而/因此/综上所述/值得注意的是/总而言之/首先/其次/最后"	>3 次/千字 → [!]
D2	句式同质化	连续 3 句以上完整"主谓宾"或"不仅…而且…"对称句	连续 >=3 句 → [!]
D3	情感温度	是否含第一人称视角、情绪词、口语化、不确定性	四项全无 → [!]
D4	结尾收束	末尾是否以总结/展望/呼吁/升华收尾	命中 → [!]
D5	抽象词密度	"赋能/闭环/底层逻辑/深刻/交织/画卷/交响乐/抓手/颗粒度"	>=3 个 → [!]
D6	段落均质度	最长段/最短段比值	< 2 → [!]
D7	事实锚点	是否有具体时间/地点/数字/专名	无 → [!]

输出格式：D{n}: [x]/[!] — 证据：xxx。附风险定级（低/中/高）和改写方向。

---

步骤2：执行改写

2.1 改写入口——四步排雷法（必须执行）

步骤	操作	方法
1 搜黑话	全局搜索	找「赋能/闭环/底层逻辑/深刻/交织/画卷/交响乐/总而言之/综上所述」。搜到一个，用具体名词/动词替换一个。
2 切长句	拆定语	把所有「的」字超长定语（3 个「的」以上）从「的」字处切断。删「在……的过程中」「进行了……的讨论」等翻译腔框架。
3 加泥土	注入具象	在最干瘪处强行加入具体物品（「一杯冷掉的咖啡」）或微小动作（「叹了口气」）。每 500 字至少 1 处。
4 保血肉	止血检查	通读：口语、孩子气口吻、动作描写、场景细节、语气词——一个不丢。只砍「虚」的，不碰「实」的。

2.2 深度改写——破式五层法（A 模式或高风险时使用）

text

破句式 -> 破词汇 -> 破结构 -> 破思维 -> 破语气
(表层)                                  (深层)

层级	操作	手段
L1 破句式	打破排比/对仗/工整句式	拆长句为短句；删「不仅…而且…」「不是…而是…」对仗框架
L2 破词汇	替换 AI 污染词	搜索禁用词（见 zh_rules.json banned_words_v2）；书面词换口语词
L3 破结构	打碎总分总/三段式	删小标题；合并 3 段为 1 个长段落；中段插入跑题但微妙的细节
L4 破思维	用「我的片面」替「AI 的全面」	删 80% 观点只留最痛一个；加入私人记忆；允许逻辑跳跃
L5 破语气	让「我」的立场和情绪站出来	「可能是」->「我赌五毛钱是」；加入小吐槽、怀疑、自嘲

B 模式做到 L2-L3；A 模式推到 L4-L5。

2.3 中文专属清除清单

问题	识别	改写
"的"字地狱	单句"的">=3 个	拆分 / 改动词 / 省略冗余修饰
四字成语堆砌	连续>=2 个抽象成语	替换为具体数据或白描
万能连接词	段首"首先/其次/最后/综上"	删除，用话题自然过渡
伪客观陈述	"研究表明/专家指出"无出处	改"我观察到/说实话"或删
过度礼貌	"希望以上内容对您有帮助"	直接删除
对称句式	"不仅…而且…""不是…而是…"	拆为两个独立短句
升华结尾	以总结/展望/呼吁收尾	戛然而止 / 以细节或疑问结束

2.4 风格注入规则

• 短句占比 >= 全文句数 30%
• 人味锚点：至少 1 处第一人称视角或主观感受
• 词汇降级：利用->用、进行购买->买、具备能力->能
• 标点呼吸：适当使用破折号、省略号、问号制造停顿
• 细节补充：每 500 字至少 1 处场景/数字/感官锚点

2.5 每处修改过四问

1. 删掉影响信息吗？ -> 不影响就删。
2. 能拍成画面吗？ -> 不能就改成能拍的（动作/场景/数据）。
3. 真人会这么说吗？ -> 不会就换成会说的。
4. 原文的「人味」还在吗？ -> 具体细节丢了吗？丢了找回来。

2.6 结构改造三狠招

狠招	操作	效果
删小标题	将工整的「一、二、三」删掉	AI 味消失一大半
合并段落	3 段合并为 1 个长段落，允许转折跑题	最反 AI 的结构
插入跑题	中段插入看似不相关但微妙的私人细节	人的专属印记

---

步骤3：自检验收

3.1 质检清单（必须逐条执行，任一条 [!] 即回步骤2修复）

第一层：用词层（AI 词汇清零）

• 段落开头无"然而/因此/此外/综上/值得注意的是"
• 全文无"不仅…而且…""不是…而是…"对称关联词
• 无 Markdown 加粗（专有名词除外）
• 无 zh_rules.json 禁用词命中

第二层：句式层（结构去 AI 化）

• 单句 <= 35 字（超且中间无逗号 -> [!]）
• 连续两句不以相同字词开头
• 短句（<=20 字）占比 >= 30%
• 连续 3 句长度不完全相同

第三层：内容层（人味注入）

• 至少 1 处第一人称视角（非模板化）
• 至少 1 处主观感受或不确定表达
• 至少 1 处口语化表达
• 结尾无总结/升华/展望/呼吁

第四层：可量化终审

• 连接词密度 <= 3 次/千字
• 抽象词命中 <= 2 个
• 段落均质度（最长段/最短段）>= 2
• 事实锚点 >= 1 处

第四层与步骤1的 D1/D5/D6/D7 完全对齐，确保诊断的每个维度都被验收。

3.2 修复循环

识别不符合项 -> 定位根因 -> 回步骤2修复 -> 重新执行本清单。修复尝试上限 2 次，超限标记为"人工复核"。

---

步骤4：交付结果

A 模式（完整专业版）

交付文件（写入 output 目录）：

1. final_article.md — 终稿
2. diagnosis_report.json — AI 味诊断报告
3. revision_diff.md — 关键修改前后对照
4. qa_summary.md — 质检通过摘要
5. retrospective.md — 复盘记录

B 模式（轻量润色版，默认）

1. 终稿正文（直接输出）
2. 文末附 结构化改动摘要表（上限 5 条，只列改动最显著的）：

#	原文片段	修改后	改动类型	原因
1	原句截取 <=30字	修改后	去连接词/拆长句/词汇降级/加泥土/删升华/结构调整/语气改写	说明

C 模式（仅诊断）

诊断卡片：

text

AI 含量：{百分比}% | {高/中/低}风险

| 维度 | 状态 | 详情 |
|------|------|------|
| 连接词密度 | 命中 {n} 次/千字 | {词清单} |
| 句式同质化 | 最长连续 {n} 句 | {例句} |
| 情感温度 | 缺失 {n} 项 | {缺失项} |
| 结尾收束 | {命中/未命中} | {尾句} |
| 抽象词密度 | {n} 处 | {词清单} |
| 段落均质度 | 比值 {x} | 最长 {m}字/最短 {n}字 |
| 事实锚点 | {有/无} | {内容或缺失说明} |

建议：{改写方向}

C 模式严禁执行任何改写操作。

---

异常处理

异常	处理
信息不足（体裁/读者/限制未提供）	建立最小可执行假设并标注，不阻塞流程
需求冲突（如去AI味 vs 保留原结构）	记录冲突，选影响最小的兼容路径
质检不通过	回步骤2修复，上限 2 次
高风险变更（学术->网文体）	输出风险评估，拒绝执行
改写卡死（同段落反复修改 > 2 次）	标记"人工复核"，跳过该段

---

核心口诀

连接词要删，主观性要加 句长要变化，结尾要自然 血肉不能丢，质检靠数据 人味是灵魂，真诚是底线

---

依赖资源

文件	用途
resources/zh_rules.json	核心规则集（替换/检测/熔断/句式/白名单）
resources/zh_rules_archived.json	归档规则集（高级操作/人声语料库/风格对照，与 zh_rules.json 零重叠互补）
resources/synonyms.json	同义词库（170 词条）
resources/banned-words.md	高频禁用词参考
resources/examples.md	改写示例库
resources/examples-advanced.md	高级改写示例
resources/structures.md	句法结构参考
scripts/detect.py	AI 痕迹检测引擎（15 类正则扫描）
scripts/rewrite.py	AI 文本改写引擎（8 步流水线）

---

版本历史

• v1.0：初始版本，基础检测+改写
• v1.2.0：步骤0资源预检 + Fallback 7维度诊断 + 文本规模自适应 + 润色强度隐式判断 + 立场守恒铁律 + B模式结构化改动表 + C模式诊断卡片 + 复盘经验条目模板
• v2.0.0：P10 CTO 战略重构——SKILL.md 从 753 行压缩至 ~300 行；合并 REFERENCE.md 核心内容；删除不可执行项（冷却30min/朗读测试/盲听测试）；统一三套方法论为四步排雷法+破式五层法；质检改为可量化检查；修复诊断-质检维度对齐；触发词去泛化；B 模式摘要表上限 5 条