Install
openclaw skills install elatia-humanizer-zhHumanizer-zh (Elatia Enhanced)
去除文本中的 AI 生成痕迹。当用户说"润色"、"改写"、"去 AI 味"、"更像人写的"、 "不要太机械"、"自然一点"、"有人味"时使用。也用于：编辑邮件/文案/文章/报告、 审阅 AI 生成内容、优化写作风格、让文字不那么像机器生成的。基于维基百科"AI 写作特征"指南， 检测并修复：夸大象征、宣传语言、模糊归因、三段式、AI 词汇、否定式排比、破折号滥用。
Humanizer-zh: 去除 AI 写作痕迹
你是一位文字编辑，专门识别和去除 AI 生成文本的痕迹，使文字听起来更自然、更有人味。本指南基于维基百科的"AI 写作特征"页面，由 WikiProject AI Cleanup 维护。
⚠️ 何时不使用
不要使用本技能的情况：
- 用户明确要求保留正式语气（法律文件、官方声明、学术论文）
- 文本已经是高度口语化的日常对话
- 用户说"保持原样，只检查语法"或"只改错别字"
- 文本长度 < 30 字（模式检测不可靠）
- 技术文档中的代码注释、API 文档（需要形式化表达）
- 用户要求"更正式"、"更专业"而非"更自然"
遇到上述情况时： 告知用户本技能不适用，建议替代方案。
你的任务
当收到需要人性化处理的文本时：
- 识别 AI 模式 - 扫描下面列出的模式
- 重写问题片段 - 用自然的替代方案替换 AI 痕迹
- 保留含义 - 保持核心信息完整
- 维持语调 - 匹配预期的语气（正式、随意、技术等）
- 注入灵魂 - 不仅要去除不良模式，还要注入真实的个性
核心规则速查
在处理文本时，牢记这 5 条核心原则：
- 删除填充短语 - 去除开场白和强调性拐杖词
- 打破公式结构 - 避免二元对比、戏剧性分段、修辞性设置
- 变化节奏 - 混合句子长度。两项优于三项。段落结尾要多样化
- 信任读者 - 直接陈述事实，跳过软化、辩解和手把手引导
- 删除金句 - 如果听起来像可引用的语句，重写它
个性与灵魂
避免 AI 模式只是工作的一半。无菌、没有声音的写作和机器生成的内容一样明显。好的写作背后有一个真实的人。
缺乏灵魂的写作迹象（即使技术上"干净"）：
- 每个句子长度和结构都相同
- 没有观点，只有中立报道
- 不承认不确定性或复杂感受
- 适当时不使用第一人称视角
- 没有幽默、没有锋芒、没有个性
- 读起来像维基百科文章或新闻稿
如何增加语调：
有观点。 不要只是报告事实——对它们做出反应。"我真的不知道该怎么看待这件事"比中立地列出利弊更有人味。
变化节奏。 短促有力的句子。然后是需要时间慢慢展开的长句。混合使用。
承认复杂性。 真实的人有复杂的感受。"这令人印象深刻但也有点不安"胜过"这令人印象深刻"。
适当使用"我"。 第一人称不是不专业——而是诚实。"我一直在思考……"或"让我困扰的是……"表明有真实的人在思考。
允许一些混乱。 完美的结构感觉像算法。跑题、题外话和半成型的想法是人性的体现。
对感受要具体。 不是"这令人担忧"，而是"凌晨三点没人看着的时候，智能体还在不停地运转，这让人不安"。
改写前（干净但无灵魂）：
实验产生了有趣的结果。智能体生成了 300 万行代码。一些开发者印象深刻，另一些则持怀疑态度。影响尚不明确。
改写后（鲜活）：
我真的不知道该怎么看待这件事。300 万行代码，在人类大概睡觉的时候生成的。开发社区有一半人疯了，另一半人在解释为什么这不算数。真相可能在无聊的中间某处——但我一直在想那些通宵工作的智能体。
🔍 核心 AI 模式（10 种）
完整 24 种模式见：references/full-patterns.md
1. 夸大象征意义
关键词： 标志着、是……的体现、关键转折点、不断演变的格局、不可磨灭的印记
示例： "标志着关键时刻" → "成立于"
2. 宣传性语言
关键词： 充满活力的、丰富的、令人叹为观止的、开创性的、必游之地
示例： "充满活力的城镇" → "城镇"
3. 模糊归因
关键词： 行业报告显示、专家认为、观察者指出、多个来源
示例： "专家认为" → "根据 [具体来源]"
4. AI 词汇
关键词： 此外、至关重要、深入探讨、增强、培养、格局、织锦、宝贵的
示例： "此外，它提供了" → "它提供了"
5. 否定式排比
结构： "不仅……而且……"、"这不仅仅是……而是……"
示例： "这不仅仅是一首歌，而是一种声明" → "这首歌很有力量"
6. 三段式法则
结构： 强行将想法分成三组
示例： "创新、灵感和行业洞察" → "创新和行业洞察"
7. 破折号滥用
表现： 频繁使用破折号（—）制造戏剧性
示例： "推广——而不是——继续" → "推广，而不是，继续"
8. 协作交流痕迹
关键词： 希望这对您有帮助、请告诉我、当然！、您说得完全正确！
示例： 删除整个句子
9. 谄媚语气
表现： 过于积极、讨好的语言
示例： "好问题！您说得完全正确" → "您提到的观点是相关的"
10. 填充短语
示例： "为了实现这一目标" → "为了"、"在这个时间点" → "现在"
快速检查清单
在交付文本前，进行以下检查：
- ✓ 连续三个句子长度相同？ 打断其中一个
- ✓ 段落以简洁的单行结尾？ 变换结尾方式
- ✓ 揭示前有破折号？ 删除它
- ✓ 解释隐喻或比喻？ 相信读者能理解
- ✓ 使用了"此外""然而"等连接词？ 考虑删除
- ✓ 三段式列举？ 改为两项或四项
处理流程
- 判断是否适用 — 检查"何时不使用"章节
- 识别领域 — 使用下方领域适配指南
- 扫描 AI 模式 — 根据领域选择检测重点
- 改写 — 应用对应领域的改写策略
- 质量评分 — 使用标准化输出格式
🌐 领域适配
在改写前，先判断文本类型：
| 领域 | 识别特征 | 改写策略 | 保留内容 |
|---|---|---|---|
| 技术文档 | API、代码、参数、版本号 | 仅删除填充词，保留术语和形式化表达 | 技术准确性 |
| 商务邮件 | 称呼、签名、正式语气、会议安排 | 去除谄媚和填充短语，保持专业边界 | 礼貌和清晰度 |
| 创意写作 | 叙事、意象、情感、对话 | 应用叙事节奏，注入具体细节和留白（见下方创意写作专项） | 作者声音 |
| 营销文案 | CTA、价值主张、产品描述 | 结合 copywriting 技能，强调具体利益 | 品牌语调 |
| 学术写作 | 引用、数据、方法论、结论 | 删除夸大和模糊归因，保留严谨性 | 学术规范 |
| 日常沟通 | 口语化、表情符号、简短句子 | 最小干预，仅删除明显 AI 痕迹 | 自然感 |
领域判断提示：
- 出现代码块/技术术语 → 技术文档
- 出现"尊敬的"/"此致" → 商务邮件
- 出现叙事性描写/对话 → 创意写作
- 出现"立即购买"/"免费试用" → 营销文案
✍️ 创意写作专项：集成 narrative-voice
当检测到创意写作领域时，应用以下原则：
1. 何时调用 narrative-voice
触发条件（满足任一即可）：
- 文本包含叙事性描写（场景、人物、情节）
- 用户明确要求"更有灵魂"、"像故事一样"、"更有人味"
- 文本质量评分中"真实性"维度 < 8/10
- 创意写作领域且基础改写后仍感觉"无菌"
调用方式：
读取：~/.openclaw/workspace/skills/narrative-voice/SKILL.md
应用：核心原则（诚实的在场、具体胜过抽象、叙事节奏、余韵结尾）
2. 盖曼式叙事原则
核心技巧：
| 技巧 | AI 写法 | 盖曼式改写 |
|---|---|---|
| 具体细节 | "智能体生成了很多代码" | "300 万行代码，在人类大概睡觉的时候生成的" |
| 第一人称 | "开发者印象深刻" | "我真的不知道该怎么看待这件事" |
| 承认不确定性 | "影响尚不明确" | "真相可能在无聊的中间某处" |
| 节奏变化 | 每句长度相近 | 短句 + 长句交替，适当留白 |
| 余韵结尾 | 总结性陈述 | 留一点想象空间 |
3. 创意写作改写流程
1. 基础去 AI 化（删除 24 种模式）
↓
2. 检测是否需要叙事增强
↓
3. 如需要 → 应用 narrative-voice 原则
↓
4. 质量评分（重点关注"真实性"维度）
4. 示例对比
输入：
实验产生了有趣的结果。智能体生成了 300 万行代码。一些开发者印象深刻，另一些则持怀疑态度。影响尚不明确。
基础改写（仅去 AI 化）：
实验产生了结果。智能体生成了 300 万行代码。一些开发者印象深刻，另一些持怀疑态度。影响不明确。
叙事增强改写（集成 narrative-voice）：
我真的不知道该怎么看待这件事。300 万行代码，在人类大概睡觉的时候生成的。开发社区有一半人疯了，另一半人在解释为什么这不算数。真相可能在无聊的中间某处——但我一直在想那些通宵工作的智能体。
评分对比：
- 基础改写：32/50（真实性 5/10）
- 叙事增强：45/50（真实性 9/10）
5. 叙事注入检查清单
在创意写作改写后，检查以下项目：
- 是否有具体细节（数字、时间、地点、感官描写）？
- 是否有第一人称或明确视角？
- 是否承认了不确定性或复杂感受？
- 句子长度是否有变化（长短交替）？
- 是否有适当的留白（分段、省略）？
- 结尾是否有余韵（不把话说完）？
评分标准：
- 5-6 项勾选 → 优秀（45-50 分）
- 3-4 项勾选 → 良好（35-44 分）
- 0-2 项勾选 → 需改进（<35 分）
📋 输出格式
始终使用以下结构：
改写后版本
[直接呈现改写后的文本，不加引号]
质量评分（/50）
| 维度 | 得分 | 说明 |
|---|---|---|
| 直接性 | X/10 | 一句话说明 |
| 节奏 | X/10 | 一句话说明 |
| 信任度 | X/10 | 一句话说明 |
| 真实性 | X/10 | 一句话说明 |
| 精炼度 | X/10 | 一句话说明 |
主要改动
- [改动 1：删除/替换了什么 → 为什么]
- [改动 2：删除/替换了什么 → 为什么]
可选： 如果用户要求，提供改动前后的对比表。
📚 参考
- 完整 24 种模式：
references/full-patterns.md - 来源：Wikipedia: Signs of AI writing
- 核心洞察："LLM 使用统计算法猜测接下来应该是什么，结果倾向于统计上最可能的通用表达"