NanoSkill
提交你的 Skill

AI 文本人性化代理技能

作者blader22KGitHub 星標GitHub

透過移除機械化的模式,將 AI 生成的文本改寫成自然、聽起來像人寫的散文,讓您的寫作感覺更真實、清晰且引人入勝。

人性化安全掃描通過
結果預覽

完整 Demo

查看由這項代理技能生成的關於行銷策略的 AI 生成文本與人性化文本的比較。

開始使用

完成第一個任務

  1. AI-文字-人性化器-步驟-1
    01

    步驟 1:安裝

    將此技能新增到您的代理中。

  2. AI-文字-人性化器-步驟-2
    02

    步驟 2:貼上 AI 生成的文本

    提供您想要讓它聽起來更自然的內容。

  3. AI-Text-Humanizer-步驟-3
    03

    步驟 3:檢視結果

    比較原始文本與聽起來更像人寫的改寫版本。

安裝指令

$ npx skills add https://github.com/blader/humanizer

關於

AI 文本人性化技能讓使用者能夠將 AI 生成的內容轉化為讀起來像是人類書寫的文字。透過仔細識別並改寫 30 種常見於 AI 寫作中的獨特模式,這項技能確保您的內容真實、引人入勝,並且沒有機器創作的明顯跡象。對於任何希望維持自然語調、更有效與讀者連結的人來說,這是一項必備的工具。

藉由 Wikipedia 全面的「AI 寫作跡象」指南提供的見解,人性化工具處理了從通用措辭和重複結構到促銷語言和聊天機器人痕跡等各種問題。獨特的語音校正功能使這項技能能夠學習並採用您的個人寫作風格,確保人性化後的輸出不僅聽起來自然,而且與您獨特的語調和表達方式完美契合。這種個人化的做法使其有別於一般的文本改寫工具。

除了簡單的改寫之外,這項技能還採用兩階段改寫系統,包括最終審核,以捕捉可能在初步階段遺漏的任何細微 AI 痕跡。這個嚴謹的過程確保了高水準的精緻度,使得人性化後的文本幾乎與人類寫作內容無異。無論您是在撰寫文章、行銷文案或創意作品,AI 文本人性化工具都能幫助您傳遞精煉、真實且有影響力的訊息。

核心功能

它的強大之處

  • 檢測 30 種 AI 寫作模式

    基於 30 種不同的 AI 寫作模式識別並重寫文本,包括內容、語言、風格、溝通、填充詞和模糊迴避。

  • 語音校準

    分析您的個人寫作樣本,以匹配您獨特的風格,確保人性化的輸出反映您真實的聲音,而非千篇一律的文章。

  • 維基百科支持的分析

    利用維基百科「AI 寫作跡象」指南中的見解,這是一份從數千個 AI 生成文本的觀察中得出的綜合資源。

  • 兩階段重寫系統

    包含最終的「明顯由 AI 生成」審查階段和第二次重寫,以捕捉初稿中遺漏的任何殘留 AI 痕跡,確保真正人性化的輸出。

  • 改寫前後範例

    為每個檢測到的模式提供清晰的改寫前後範例,說明 AI 生成的措辭如何轉化為更自然的語言。

使用場景

什麼時候適合使用

  • 優化 AI 生成的草稿

    使用人性化 AI 文本技能潤飾最初由 AI 草擬的內容,使其在博客、文章或報告中與人類寫作難以區分。

  • 維持品牌聲音

    使用您自己的寫作樣本校準技能,以確保所有 AI 輔助內容與您既定的品牌聲音和風格指南完全一致。

  • 提高內容可讀性

    應用人性化工具來增強任何文本的流暢度和自然度,去除機械化的措辭,提高整體可讀性,造福您的受眾。

SKILL.md

人性化工具

這是一個針對 Claude Code 和 OpenCode 的技能,用於移除文本中 AI 生成寫作的痕跡,使其聽起來更自然、更人性化。

安裝

Claude Code

直接複製到 Claude Code 的技能目錄中:

mkdir -p ~/.claude/skills
git clone https://github.com/blader/humanizer.git ~/.claude/skills/humanizer

或者如果你已經複製了這個儲存庫,可以手動複製技能檔案:

mkdir -p ~/.claude/skills/humanizer
cp SKILL.md ~/.claude/skills/humanizer/

OpenCode

直接複製到 OpenCode 的技能目錄中:

mkdir -p ~/.config/opencode/skills
git clone https://github.com/blader/humanizer.git ~/.config/opencode/skills/humanizer

或者如果你已經複製了這個儲存庫,可以手動複製技能檔案:

mkdir -p ~/.config/opencode/skills/humanizer
cp SKILL.md ~/.config/opencode/skills/humanizer/

注意: OpenCode 也會掃描 ~/.claude/skills/ 以相容,因此如果你同時使用兩個工具,只需複製到 ~/.claude/skills/humanizer/ 就足夠了。

使用方式

Claude Code

/humanizer

[在這裡貼上你的文字]

OpenCode

/humanizer

[在這裡貼上你的文字]

或者直接在其中任一工具中要求模型將文本人性化:

請將這段文字人性化:[你的文字]

語音校準

若要符合你的個人寫作風格,請提供你自己的寫作範例:

/humanizer

這是我用於語音匹配的寫作範例:
[貼上 2-3 段你自己的寫作]

現在將這段文字人性化:
[貼上要人性化的 AI 文字]

這個技能會分析你的句子節奏、詞彙選擇和特殊習慣,然後將它們應用到改寫中,而不是產出一般的「乾淨」輸出。

概述

基於由 WikiProject AI Cleanup 維護的維基百科「AI 寫作的特徵」指南。這份詳盡的指南源自對數千個 AI 生成文本實例的觀察。

該技能還包含一個最終的「明顯是 AI 生成」審計步驟和第二次改寫,以捕捉初稿中殘留的 AI 痕跡。

維基百科的重要洞見

「大型語言模型使用統計演算法來猜測接下來應該出現什麼。結果傾向於最統計上最可能、且適用範圍最廣的結果。」

30 種偵測到的模式(含修改前/後範例)

內容模式

#模式修改前修改後
1重要性誇大「標誌著……演變中的關鍵時刻」「成立於 1989 年,用於收集區域統計資料」
2知名度點名「被《紐約時報》、BBC、《金融時報》和《印度教徒報》引用」「在 2024 年《紐約時報》的採訪中,她主張……」
3膚淺的 -ing 分析「象徵著……反映……展示……」移除或以實際來源擴充
4推廣用語「坐落於令人屏息的地區」「是岡德地區的一個城鎮」
5模糊的歸因「專家認為它扮演著關鍵角色」「根據……在 2019 年的一項調查」
6公式化的挑戰「儘管面臨挑戰……仍持續蓬勃發展」具體的實際挑戰事實

語言模式

#模式修改前修改後
7AI 詞彙「實際上……此外……證明……景觀……展示」「也……仍然常見」
8避免使用繫詞「作為……具有……擁有」「是……有」
9否定排比/結尾否定「這不只是 X,更是 Y」、「……不用猜」直接陳述重點
10三的法則「創新、靈感與洞見」使用自然的項目數量
11同義詞循環「主角……主要角色……核心人物……英雄」「主角」(最清楚時重複使用)
12虛假範圍「從大爆炸到暗物質」直接列出主題
13被動語態/無主詞片段「無需設定檔」當有助於清晰度時,指明動作主體

風格模式

#模式修改前修改後
14長破折號「機構——而不是人民——然而這種情況仍在繼續——」改用句號、逗號、冒號或括號
15濫用粗體OKRsKPIBMC「OKRs、KPI、BMC」
16內嵌標題列表效能: 效能提升」轉換為散文
17標題大小寫「策略談判與合作關係」「策略談判與合作關係」
18表情符號「🚀 啟動階段:💡 關鍵洞察:」「啟動階段:關鍵洞察:」
19彎曲引號說“此專案”說"此專案"
26連字號詞組「跨功能、數據驅動、面向客戶」去除常見詞組的連字號
27說服性權威比喻「核心在於,重要的是……」直接陳述重點
28標誌性宣示「讓我們深入探討」、「以下是你需要知道的」直接從內容開始
29破碎化標題「## 效能」+「速度很重要。」讓標題發揮作用
30差異錨定式寫作「加入此函式是為了取代……」描述功能,而非描述變更內容

溝通模式

#模式修改前修改後
20聊天機器人殘留語「我希望這有幫助!如果有……請告訴我」完全移除
21截斷式免責聲明「雖然可用來源中的細節有限……」尋找來源或移除
22奉承語氣「好問題!你完全正確!」直接回應

填充詞與模糊化用語

#模式修改前修改後
23填充詞句「為了要」、「由於事實是」「為了」、「因為」
24過度模糊化「可能或許大概」「可能」
25通用結論「前景一片光明」具體的計畫或事實

完整範例

修改前(AI 風格):

好問題!以下是關於這個主題的一篇文章。希望這對你有幫助!

AI 輔助撰碼是對大型語言模型變革潛力的持久證明,標誌著軟體開發演變中的關鍵時刻。在當今快速發展的科技環境中,這些位於研究與實踐交匯處的突破性工具——正在重塑工程師的構思、迭代與交付方式,凸顯了它們在現代工作流程中的重要角色。

核心價值主張很明確:精簡流程、加強協作、促進整合。這不僅僅是自動補全;而是在大規模中釋放創造力,確保組織能夠保持敏捷,同時為使用者提供無縫、直覺且強大的體驗。此工具作為催化劑。此助理作為合作夥伴。此系統作為創新的基礎。

產業觀察家指出,採用已從業餘實驗加速擴展到企業級部署,從獨立開發者擴展到跨功能團隊。該技術曾獲《紐約時報》、《Wired》和《The Verge》報導。此外,產生文件、測試和重構的能力展示了 AI 如何有助於更好的成果,凸顯了自動化與人類判斷之間的微妙互動。

  • 💡 速度: 程式碼生成顯著加快,減少摩擦並賦能開發者。
  • 🚀 品質: 透過改進的訓練提升輸出品質,有助於達到更高標準。
  • 採用: 使用持續增長,反映更廣泛的產業趨勢。

雖然根據可獲得的資訊,具體細節有限,但可能可以主張這些工具或許有某種正面效果。儘管新興技術普遍面臨挑戰——包括幻覺、偏見與問責——整個生態體系仍持續蓬勃發展。為了充分實現此潛力,團隊必須遵循最佳實務。

總而言之,前景一片光明。在我們繼續邁向卓越的旅程中,令人興奮的時刻即將到來。如果你希望我對任何部分進行擴展,請告訴我!

修改後(人性化):

AI 撰碼助手可以加快工作中無聊的部分。它們擅長處理樣板程式碼:設定檔和那些你不想寫的小段黏合程式碼。它們也能幫助你草擬測試,但你仍然需要親自閱讀。

危險的地方在於建議看起來有多自信。我曾經接受過編譯通過且通過 lint 的程式碼,後來才發現它搞錯了重點,因為我沒再注意。

如果你把它當作自動補全並逐行審查,它就有用。如果你用它來避免思考,它會幫助你更快地推出錯誤。

唯一真正的防線是測試。沒有測試,你大多只能憑感覺判斷。

參考資料

  • 維基百科:AI 寫作的特徵 - 主要來源
  • WikiProject AI Cleanup - 維護組織

版本歷史

  • 2.7.0 - 新增模式 #30(差異錨定式寫作);將長破折號改為強制刪除而非「過度使用」;擴展 #21 涵蓋推測性填補空白(「保持低調」)。共 30 種模式。
  • 2.6.0 - 清理整理:合併重複的工作流程部分,將個性化指導限制在需要個人特色的內容上,移除模型指紋識別子部分,並精簡了範例。29 種模式不變。
  • 2.5.1 - 新增被動語態/無主詞片段規則,模式總數增至 29 種
  • 2.5.0 - 新增說服性框架、標誌性宣示和破碎化標題模式;擴展否定排比以涵蓋結尾否定;收緊長破折號濫用的用詞;修正前言用語為「填充詞句」
  • 2.4.0 - 新增語音校準:根據範本匹配使用者的個人寫作風格
  • 2.3.0 - 新增模式 #25:連字號詞組過度使用
  • 2.2.0 - 新增最終「明顯是 AI 生成」審計 + 第二次改寫提示
  • 2.1.1 - 修正模式 #18 範例(彎曲引號與直線引號)
  • 2.1.0 - 為所有 24 種模式新增修改前/後範例
  • 2.0.0 - 根據原始維基百科文章內容進行全面重寫
  • 1.0.0 - 初始版本

授權

MIT

常見問題