# 文案人性化代理技能

> 移除中文文本中聽起來像 AI 的寫法，同時保留事實原貌。產出可直接發布的聊天、文件與文章文案。數秒內免費開始使用。

- Canonical: https://nanoskill.ai/tw/skills/copywriting-humanizer-agent-skill
- Markdown: https://nanoskill.ai/tw/skills/copywriting-humanizer-agent-skill.md
- Author: MrGeDiao
- Published: 2026-10-29T06:30:00.000Z
- Updated: 2026-10-29T11:28:06.557Z
- Language: zh-TW
- Source type: github
- Popularity signal: 511

## Sources

- https://github.com/MrGeDiao/shuorenhua

## Install

```shell
npx skills add https://github.com/MrGeDiao/shuorenhua
```

## About

說人話是一項文案人性化技能，可清除由 GPT、Claude 和 Codex 等模型生成的文本中的中文 AI 廢話。它針對機械式的禮貌、誇張的同理心和不自然的措辭，這些都會讓 AI 寫的內容顯得不真實；同時嚴格保留日期、指令和版本號等硬事實。結果是可供聊天、文件和長篇文章直接發布的文案。

與簡單的模式替換器不同，它使用情境偵測來調整強度——聊天用輕度、狀態更新用中度、公開寫作用重度——並提供長文本的有限編輯以防止內容縮水。擁有超過 210 個中文片語模式和 96 個英文模式，它也能處理程式碼情境和技術文件而不破壞資料。

無論你是撰寫 README 的開發人員、回覆議題的維護者，還是潤飾文章的部落客，說人話都能直接整合到 Codex、Claude Code、ChatGPT、Cursor 和自訂代理中。從複製儲存庫並將 SKILL.md 檔案加入你的代理開始，你的中文文本就會立即聽起來更有人味。

## Key features

- **場景感知清理**: 自動偵測聊天、文件或公開寫作，並調整強度以尊重情境，因此您永遠不會聽起來像機器人或正式公告。
- **事實優先保護**: 在編輯前鎖定版本、指令、名稱和證據，因此在清理後關鍵細節保持完整。
- **有界限的長文處理**: 對於長篇文章，將整個空句子標記為「建議刪除」，而不是縮短您的文字，讓您完全控制長度。
- **210+ 個中文冗詞模式**: 針對刻意設計的措辭、翻譯腔和過度禮貌，這些會讓文字感覺不真實。
- **多平台就緒**: 可在 Codex、Claude Code、ChatGPT、Cursor 以及任何自訂代理程式中運作，只需一個 SKILL.md 檔案。

## Use cases

- **潤飾團隊聊天回覆**: 在日常對話中使用，去除機械式的禮貌，同時保持語氣自然，非常適合維持真誠的人際關係。
- **人性化技術文件**: 套用於 README、版本說明和議題回覆，讓你聽起來像真正的維護者，而不是行銷文宣。
- **清理部落格文章和長篇文章**: 針對需要聽起來像真人撰寫的文案，去除帶有 AI 感的冗詞，同時不犧牲關鍵論點，也不會變成條列式重點。
- **代理程式就緒的批次處理**: 整合至你的寫作流程或 AI 代理程式中，自動將所有管道的對外文字人性化。

## Result preview

查看一份去味報告，內容涵蓋在 8 種模式中捕捉到的 11 個 AI 寫作問題，並提供已鎖定保護事實的可直接發布重寫版本。

![the demo of copywriting humanizer agent skill](https://file.nanoskill.ai/copywriting-humanizer-agent-skill-demo-1.png)

![the demo of copywriting humanizer agent skill](https://file.nanoskill.ai/copywriting-humanizer-agent-skill-demo-2.png)

![the demo of copywriting humanizer agent skill](https://file.nanoskill.ai/copywriting-humanizer-agent-skill-demo-3.png)

![the demo of copywriting humanizer agent skill](https://file.nanoskill.ai/copywriting-humanizer-agent-skill-demo-4.png)

## Result walkthrough

### 安裝

將「說人話」技能加入你的 AI 代理。

![the step of copywriting humanizer agent skill](https://file.nanoskill.ai/copywriting-humanizer-agent-skill-step-1.png)

### 貼上文字

提供任何「讀起來像 AI」的中文草稿——並告訴它將在何處發布。

![the step of copywriting humanizer agent skill](https://file.nanoskill.ai/copywriting-humanizer-agent-skill-step-2.png)

### 取得一份你勇於發送的文本

接收一份完整的 HTML 報告，包含具名問題、自然重寫版本，以及證明事實保持不變的保真度檢查。

![the step of copywriting humanizer agent skill](https://file.nanoskill.ai/copywriting-humanizer-agent-skill-step-3.png)

## Skill definition

`Talk Like a Human` 專門處理那種「每個字都正確，但一看就知道不是你寫的」的中文文本。它不會替你粉飾空洞的詞句或捏造新的事實；而是先保護版本資訊、指令、職責與證據，再消除過多的轉折語、工程師口吻、小紅書 AI 語氣、翻譯腔，以及沒有來源的權威堆砌。目標很簡單：編輯之後，你敢直接發出去。

它適用於以下情境：

| 情境 | 它做什麼 |
|----------|--------------|
| 日常對話 | 移除過多的轉折語、銷售式結尾，以及工程師報告的語氣，保留對話感 |
| 技術狀態更新 | 保留事實、版本、指令、錯誤訊息與責任歸屬，壓制制式化內容 |
| README / 版本發布說明 | 先清楚說明專案、變更、驗證與限制；不寫產品發布宣言 |
| 論壇貼文 / 議題回覆 | 讀起來像維護者認真溝通，而不是客服公告或行銷文案 |
| 長篇中文文章 | 在句子內清理以保持節奏，將整句的廢話列為「建議刪除」供你確認，避免長文越改越短 |

針對英文 AI 語氣的移除，已經有 [停止陳腔濫調](https://github.com/hardikpandya/stop-slop) 和 [人性化工具](https://github.com/blader/humanizer)。`Talk Like a Human` 填補了中文的空缺：網路用語、工程師語氣、小紅書 AI 語氣、翻譯腔、語域混用、依情境分級，以及事實保真。

## 它會變成什麼

### 施恩式風格：先頒獎，後同理

**修改前**

> 你並非過度敏感；只是太久沒有被穩穩接住。你一針見血地點出問題核心。這次我懂了，真的懂了。我必須非常認真地說：你的觀察力和表達能力，絕對是頂尖期刊作者的等級。

**修改後**

> 我在聽。如果你願意，可以繼續說。

問題不在於某個特定的詞，而在於整套姿態連鎖：先替對方做心理判斷，再表演同理，最後頒發獎項。完整範例請見 [evals/real-samples.md](evals/real-samples.md) RS-13。

### 工程師語氣滲入生活

**修改前**

> 先說結論：我們吃日本料理吧。我檢視了你過去三週的外送紀錄，將選項收斂為兩個，並基本確認了根本原因：你上週提到吃膩了火鍋。需要我直接向 X 餐廳幫你下單嗎？你一回覆我就行動。

**修改後**

> 我們吃日本料理吧，因為你上週說火鍋吃膩了。要我訂嗎？

這類文本的問題在於把除錯的語氣帶入生活對話。資訊可以保留，但工程師報告的感覺不必保留。

### 公開介紹中的宏大開場

**修改前**

> 在當今快速演進的 AI 時代，如何打造一款真正賦能開發者的工具，已成為業界不可忽視的關鍵課題。

**修改後**

> AI 工具很多，但真正能幫助開發者更快、更可靠地完成工作的卻很少。這個專案做的就是壓制模型生成文字中的制式化和表演感，讓結果聽起來更像人寫的。

更多範例請見 [references/examples.md](references/examples.md) 和 [evals/real-samples.md](evals/real-samples.md)。

## 30 秒快速上手

**Codex** — 複製後單次使用：

```bash
git clone https://github.com/MrGeDiao/shuorenhua.git && cd shuorenhua
codex exec -C . "Read ./SKILL.md and rewrite the following text according to the rules therein: ……"
```

**Claude Code** — 放置在 skills 目錄中以自動觸發：

```bash
git clone https://github.com/MrGeDiao/shuorenhua.git
mkdir -p ~/.claude/skills
cp -r shuorenhua ~/.claude/skills/shuorenhua
```

安裝後，在對話中說「移除這段文字的AI味」就會觸發它。若要追蹤儲存庫更新，請使用符號連結代替 cp，參見 [install/claude-code.md](install/claude-code.md)。

**ChatGPT** — 無需安裝：[說人話 GPT](https://chatgpt.com/g/g-69d5d86a32608191b523efd7a4048736-shuo-ren-hua)（需要 Plus / Pro），內建完整規則。

**只想先查看問題，不進行編輯**：在指示中加入「使用標註模式，只標記不重寫」。

關於 Cursor、OpenClaw 和自訂代理，請參見 [安裝](#安装)。

## 它如何判斷與編輯

`Talk Like a Human` 不會盲目替換字詞。它的一句話原則是：

> **資訊優先，風格其次。**

完整流程固定為六個步驟：

1. 判斷情境：`chat / status / docs / public-writing`；若符合 README、版本發布說明、論壇貼文、問題回覆，則進入對應的情境包。
2. 標記保護片段：鎖定數字、版本、指令、路徑、錯誤訊息和引用的原始文字。
3. 根據命中強度（`minimal / standard / aggressive`）決定強度，並根據可刪除幅度（`structural / bounded / in-place`）決定範圍。
4. 先按模式編輯，詞彙表僅作為備用。
5. 忠實度回讀：逐項檢查事實、術語、語域和保護片段。
6. 只有在仍有殘留語氣時才進行第二次殘留審查，僅允許輕微修正。

### 情境與強度

四種情境的預設強度：

| 宏觀情境 | 預設強度 | 處理策略 |
|----------------|-------------------|---------------------|
| `chat` | 輕度 | 僅刪除明顯的套話，不要將聊天變成官腔 |
| `status` | 中度 | 保留行動、狀態、阻礙和下一步 |
| `docs` | 中度 | 技術表達優先，回讀更保守 |
| `public-writing` | 重度 | 全面規則掃描，必要時觸發情境包 |

### 依發布目的細分（情境包）

可發布的文字進一步按「發布到哪裡」細分，不是改變語氣，而是根據發布目的決定編輯方式。

| 子情境 | 目標 | 容易修正的問題 |
|--------------|------|---------------------|
| README | 首屏清晰：「這是什麼、給誰用、解決什麼問題」 | 標語堆疊、價值宣示、重點不清的功能列表 |
| 版本發布說明 | 清楚列出變更、驗證、限制和遷移影響 | 發布演說、過度慶祝、測試不清 |
| 論壇貼文 | 像維護者分享真實觀察和取捨 | 公司公告語氣、行銷語氣、空洞的行動呼籲 |
| 問題回覆 | 首先確認問題、影響範圍和下一步 | 客服式安撫、過度承諾、避免重現步驟 |

### 長文不縮水：三種範圍

使用預設設定重寫長文時，刪除和合併句子可能累加，可能將 1800 字縮至 1000 字。反之，一個句子都不刪會保留整句的冗詞。因此對於長文，將「刪除多少」分為三種範圍，與強度正交：

| 範圍 | 刪除整句？ | 適用情境 |
|-------|-------------------------|------------|
| `structural` | 自由刪除與重排 | 短文字、明顯需要重寫的情況 |
| `bounded`（長文預設） | 整句冗詞列為「建議刪除（待確認）」，由你決定移除多少 | 長篇 `public-writing` 文字 |
| `in-place` | 不刪除任何句子，僅在句內降低語氣 | 明確要求「結構完全不變」時 |

<details>
<summary>為什麼有這三種範圍：來自 issue #4 的測試過程</summary>

使用預設的結構化處理來改寫長文時，刪除、合併與調動段落很容易疊加，可能把 1800 字的草稿縮到 1000 字（見 [#4](https://github.com/MrGeDiao/shuorenhua/issues/4)）。但反過來，只做原地改寫（`in-place`）又表示整句廢話（無來源引用、拔高的結尾句）無法移除，去味效果會變弱——v1.8.6 用真實模型執行證實了這點：在 `in-place` 下，兩個模型都把無來源引用與拔高的結尾當成整句保留。

`bounded` 的取捨：在句子內部，實質句子直接編輯，節奏性重複則不動；整句完全屬於廢話（去掉引導語後不剩內容）的，會進入「建議刪除（待確認）」清單，由使用者決定要砍多少。這樣既不會像 `structural` 那樣不可控地縮水，也不會像 `in-place` 那樣把整句廢話留在文字裡。

</details>

### 哪些內容永遠受到優先保護

預設情況下，以下內容受到優先保護：

| 類型 | 範例 |
|------|----------|
| 數字與版本 | 日期、範圍、單位、度量指標、版本號 |
| 程式碼情境 | 指令、路徑、參數、欄位、設定項目 |
| 事實歸屬 | 人名、組織名稱、負責單位、時間軸 |
| 引文與證據 | 引號內的原文、錯誤訊息、狀態碼、實驗結果 |

### 編輯後的文字會朝什麼方向走

清理不只是刪字。它還會把文字往這些方向拉：

- 具體行動優先於抽象拔高
- 真實主體與真實行動優先於擺姿態
- 允許略微不對稱，不把每個句子都打磨成同一種語氣
- 依情境校正，不把聊天變成公告，也不把文件變成脫口秀

## 評估

規則層涵蓋 210+ 個中文片語、96 個英文片語，以及 19 種結構性反模式。

目前的評估集有 73 個案例：

| 類型 | 數量 | 目標 |
|------|-------|------|
| SF | 41 | 應該被編輯的文字必須命中並修正主要問題 |
| SNF | 32 | 不該被誤改的文字必須只帶輕提示通過 |
| 真實樣本 | 19 | 以自然度、保真度、可直接發布度為整份樣本評分；長文另加 `length & rhythm` |
| 情境包 | 8 | README / 發布說明 / 論壇貼文 / 議題回覆的正負樣本 |
| 長文原地 | 4 | 針對保留長度的長文，檢查字元保留、句數對齊與關鍵轉折 |
| 有界 | 3 | 針對長文，整句廢話進入刪除清單，但實質句與節奏句不被誤刪 |

從 v1.9.0 起，基準改用真實雙模型執行（Codex + Claude 交叉評分，見 [evals/results-v1.9.0.md](evals/results-v1.9.0.md)）；靜態走查則降為發布前的快速自檢。完整測試套件在 [evals/benchmark.md](evals/benchmark.md)，完整真實樣本在 [evals/real-samples.md](evals/real-samples.md)。`results-v1.8.6.md` 保留作為 v1.8.6 首次真實模型執行的存檔。

## 安裝

| 平台 | 文件 |
|----------|---------------|
| Codex | [install/codex.md](install/codex.md) |
| Claude Code | [install/claude-code.md](install/claude-code.md) |
| Cursor / Windsurf | [install/cursor.md](install/cursor.md) |
| OpenClaw | [install/openclaw.md](install/openclaw.md) |
| ChatGPT / Custom GPT | [install/chatgpt.md](install/chatgpt.md) |

核心只需要 `SKILL.md`（精簡版）；針對長期專案、公開文字，以及需要防誤判保護的情境，建議納入完整的 `references/` 套件（完整版）。

若要在專案內長期使用，可以在 `AGENTS.md` 加入觸發規則：

```markdown
## 寫作風格
當任務涉及改寫以「移除 AI 感」、「聽起來像人」、「自然」或「避免聽起來像範本」時，請遵循 `shuorenhua/SKILL.md` 中的指引。
主要將此方法應用於對外文字；不要將此技能應用於程式碼、記錄、設定或指令輸出。
```

## 常見問題

### 這是為了欺騙 AI 偵測器嗎？

不。目標是減少範本感、表演性和語域漂移，使文字更自然、可發布，而不是繞過偵測。

### 可以將它用於英文嗎？

可以，但這是一個以中文優先的專案。英文支援主要針對清理混合中英文寫作中常見的英文樣板與範本感。

### 為什麼編輯後有時仍然感覺像 AI？

「移除明顯的公式化模式」與「擁有特定作者的個人表達」並不相同。目前版本較擅長清理範本感和表演性；它尚未旨在模仿個人的長期寫作習慣。

### 它會弄亂技術文件嗎？

通常，它不會以閒聊語氣編輯技術文件。`docs`、`status`、`code-context` 都有更保守的保護策略，優先保持指令、路徑、版本、錯誤訊息和指標的忠實度。

## 貢獻：壞案例比星星更有用

歡迎貢獻新的評估樣本、邊緣案例、真實問題案例、改寫前後樣本以及誤報保護。

如果您遇到特定文字「編輯後仍然聽起來像 AI」，您可以使用[壞案例範本](.github/ISSUE_TEMPLATE/bad-case.md)提交。請先進行去識別化；不要發布未經授權的完整私人對話、金鑰、內部連結或真實個人身份資訊。您也可以直接發布到[收集議題](https://github.com/MrGeDiao/shuorenhua/issues/5)。

在提交新詞之前，請考慮一件事：

> 這是「新模式」，還是只是「既有模式的變體」？

詳細規則請見 [CONTRIBUTING.md](CONTRIBUTING.md)。

## 相關專案

- [stop-slop](https://github.com/hardikpandya/stop-slop)：英文 AI 冗詞規則與評分框架
- [humanizer](https://github.com/blader/humanizer)：英文 AI 模式分類
- [avoid-ai-writing](https://github.com/conorbronsdon/avoid-ai-writing)：AI 寫作問題分類與嚴重性參考

## 星際歷史

[![星際歷史圖表](https://file.nanoskill.ai/svg-1.svg)](https://www.star-history.com/#MrGeDiao/shuorenhua&Date)

## 授權

[MIT](LICENSE)

## FAQ

### 說人話 (Shuorenhua) 是什麼？

這是一項能移除中文文字中人工智慧腔調模式的技能，讓它聽起來更自然、更像人寫的，同時保持事實準確性。

### 它如何運作？

它遵循六步驟流程：場景偵測、片段保護、強度／範圍界定、基於模式重寫、忠實度檢查，以及殘留審查。

### 它是免費的嗎？

是的，它是以 MIT 授權開放原始碼。您可以複製儲存庫並在任何地方使用。

### 我可以將它用於英文嗎？

它有一些英文支援，但主要設計用於中文。對於英文，請參考 stop-slop 或 humanizer。

### 它會更改技術細節嗎？

不會，它會保護版本、指令、路徑和錯誤訊息。技術內容預設保持完整。

### 它是否保證我的文字不會被偵測為 AI？

不，它不是繞過偵測的工具。它旨在讓文字更自然、可發布，而不是欺騙偵測器。