NanoSkill
提交你的 Skill

AI文本人性化助手技能

作者blader22KGitHub 星标GitHub

通过消除机器人痕迹,将AI生成的文本重写为自然、贴近人类风格的散文,让您的写作更加真实、清晰且富有吸引力。

人性化安全扫描通过
结果预览

完整 Demo

查看由该代理技能生成的关于营销策略的AI生成文本与人性化文本的对比。

开始使用

完成第一个任务

  1. AI-Text-Humanizer-step-1
    01

    步骤1:安装

    将技能添加到您的代理中。

  2. AI-Text-Humanizer-step-2
    02

    步骤2:粘贴AI生成的文本

    提供您希望使其听起来更自然的内容。

  3. AI-Text-Humanizer-step-3
    03

    步骤3:查看结果

    将原始文本与更具人类风格的改写版本进行比较。

安装指令

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

关于

AI文本人性化技能使用户能够将AI生成的内容转化为读起来如同真人书写的散文。通过精确识别并重写AI写作中常见的30种独特模式,该技能确保您的内容真实、引人入胜,且没有机器创作的明显痕迹。对于任何希望保持自然语调并与受众更有效沟通的人来说,这是一款必不可少的工具。

借鉴维基百科全面的“AI写作迹象”指南中的见解,这款人性化工具解决了从通用措辞、重复结构到推广语言和聊天机器人痕迹等各种问题。独特的语音校准功能使该技能能够学习并采用您的个人写作风格,确保人性化后的输出不仅听起来自然,而且与您独特的语气和表达方式完美契合。这种个性化方法使其有别于通用的文本重写工具。

除了简单的改写外,该技能还采用两遍重写系统,包括最终审核以捕捉初次重写中可能遗漏的任何细微AI痕迹。这一严格流程确保了高度的精炼,使人性化后的文本几乎无法与人类撰写的内容区分开来。无论您是撰写文章、营销文案还是创意作品,AI文本人性化技能都能帮助您传达出精炼、真实且富有影响力的信息。

核心功能

它的强大之处

  • 检测30种AI写作模式

    基于30种不同的AI写作模式识别并重写文本,包括内容、语言、风格、交流、填充和模糊处理。

  • 语音校准

    分析您的个人写作样本以匹配您独特的风格,确保人性化的输出反映您真实的声音,而不是通用的散文。

  • 基于维基百科的分析

    利用维基百科的“AI写作迹象”指南中的见解,该指南是根据对数千个AI生成文本的观察得出的全面资源。

  • 双通道重写系统

    包括最终的“明显由AI生成”的审核通道和第二次重写,以捕捉在初稿中遗漏的任何残留的AI痕迹,确保真正人性化的输出。

  • 前后对比示例

    为每个检测到的模式提供清晰的前后对比示例,展示AI生成的措辞如何转化为更自然的语言。

使用场景

什么时候适合使用

  • 完善AI生成的草稿

    使用人性化AI文本技能来完善最初由AI起草的内容,使其与人类写作难以区分,适用于博客、文章或报告。

  • 保持品牌声音

    使用您自己的写作样本校准该技能,确保所有AI辅助内容与您既定的品牌声音和风格指南完美一致。

  • 提高内容可读性

    应用人性化工具来增强任何文本的流畅性和自然度,消除机器人式的措辞,并提高受众的整体可读性。

SKILL.md

人性化

一款用于克劳德代码和开放代码的技能,可去除文本中 AI 生成的痕迹,使其听起来更自然、更具人性化。

安装

克劳德代码

直接克隆到克劳德代码的技能目录:

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

或者,如果您已经克隆了本仓库,也可以手动复制技能文件:

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

开放代码

直接克隆到开放代码的技能目录:

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

或者,如果您已经克隆了本仓库,也可以手动复制技能文件:

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

注意: 开放代码也会扫描 ~/.claude/skills/ 以保持兼容性,因此如果您同时使用这两个工具,只需克隆到 ~/.claude/skills/humanizer/ 一次即可。

用法

克劳德代码

/humanizer

[在此粘贴您的文本]

开放代码

/humanizer

[在此粘贴您的文本]

或者,在任一工具中直接要求模型人性化文本:

请人性化这段文本: [your text]

语音校准

要匹配您的个人写作风格,请提供您自己的写作样本:

/humanizer

以下是我的写作样本,用于语音匹配:
[粘贴您自己的 2-3 段写作]

现在请人性化这段文本:
[粘贴要人性化的 AI 文本]

该技能将分析您的句子节奏、用词选择和独特风格,然后将其应用到改写中,而不是产生通用的“干净”输出。

概述

基于 维基百科的“AI 写作的迹象” 指南,由 AI 清理专题维护。这份全面的指南来自对数千个 AI 生成文本实例的观察。

该技能还包括最后的“明显由 AI 生成”审核步骤和第二次改写,以捕捉初稿中残留的 AI 痕迹。

来自维基百科的关键见解

“LLMs 使用统计算法来猜测接下来应该出现什么。结果往往趋向于适用于最广泛案例的统计最可能结果。”

检测到的 30 种模式(附改写前后示例)

内容模式

#模式改写前改写后
1重要性夸大“标志着...进化中的关键时刻”“于 1989 年成立,以收集区域统计数据”
2知名度点名“被《纽约时报》、BBC、《金融时报》和《印度教徒报》引用”“在 2024 年《纽约时报》的一次采访中,她谈到...”
3肤浅的 -ing 分析“象征着... 反映着... 展示着...”删除或用实际来源扩展
4宣传性语言“坐落在令人叹为观止的地区”“是贡德尔地区的一个小镇”
5模糊的归属“专家认为它起着至关重要的作用”“根据 2019 年的一项调查...”
6公式化的挑战“尽管面临挑战... 仍然蓬勃发展”关于实际挑战的具体事实

语言模式

#模式改写前改写后
7AI 词汇“实际上... 此外... 证明... 景观... 展示”“也... 仍然常见”
8避免系词“充当... 具有... 夸耀”“是... 有”
9否定排比 / 收尾否定“这不仅仅是 X,而是 Y”, “...,无需猜测”直接陈述观点
10三点法则“创新、灵感和洞察力”使用自然数量的条目
11同义词循环“主角... 主要角色... 中心人物... 英雄”“主角”(在意思最清晰时重复使用)
12虚假范围“从大爆炸到暗物质”直接列出主题
13被动语态 / 无主语片段“不需要配置文件”在有助于清晰时指明行为主体

风格模式

#模式改写前改写后
14破折号的使用“机构——而不是人民——然而这仍在继续——”删掉它们:用句号、逗号、冒号或括号
15过度使用粗体OKRsKPIsBMC“OKRs, KPIs, BMC”
16内联标题列表性能: 性能提升”改为散文形式
17标题党大写“战略谈判与合作伙伴关系”“战略谈判与合作伙伴关系”
18表情符号“🚀 发布阶段: 💡 关键见解:”删除表情符号
19弯引号说 “项目”说 “项目”
26连字符词对“跨职能、数据驱动、面向客户”常用词对去掉连字符
27说服性权威套路“核心在于,重要的是...”直接陈述观点
28引路式公告“让我们开始吧”, “以下是你需要知道的”直接进入内容
29片段式标题“## 性能” + “速度很重要。”让标题发挥作用
30基于差异的写作“添加此函数是为了替换...”描述它的功能,而不是改变之处

沟通模式

#模式改写前改写后
20聊天机器人痕迹“希望这对您有帮助!如果...请告诉我”完全删除
21截止声明“虽然现有资料中的细节有限...”查找资料或删除
22谄媚语气“好问题!您完全正确!”直接回应

填充词和模糊限定词

#模式改写前改写后
23填充短语“为了”, “由于这样的事实”“为”, “因为”
24过度模糊限定“可能潜在地也许”“可能”
25泛泛的结论“未来是光明的”具体的计划或事实

完整示例

改写前(AI 风格):

好问题!这是一篇关于这个主题的短文。希望这对您有帮助!

AI 辅助编码是大语言模型变革潜力的持久证明,标志着软件开发演进的关键时刻。在当今快速发展的技术格局中,这些开创性工具——位于研究与实践的交汇点——正在重塑工程师构思、迭代和交付的方式,凸显了它们在現代工作流程中的重要作用。

核心价值主张很明确:简化流程、增强协作、促进一致性。这不仅仅是关于自动完成;更是关于大规模释放创造力,确保组织在为用户提供无缝、直观且强大的体验时保持敏捷。该工具是催化剂。该助手是伙伴。该系统是创新的基础。

行业观察家指出,采用速度已从业余爱好者实验加速到企业级部署,从独立开发者到跨职能团队。该技术已被《纽约时报》、Wired 和 The Verge 报道。此外,生成文档、测试和重构的能力展示了 AI 如何为更好的成果做出贡献,突显了自动化与人类判断之间复杂的相互作用。

  • 💡 速度: 代码生成速度显著加快,减少了摩擦,增强了开发者能力。
  • 🚀 质量: 通过改进训练,输出质量得到提升,有助于提高标准。
  • 采用率: 使用持续增长,反映了更广泛的行业趋势。

虽然根据现有信息具体细节有限,但可能可以说,这些工具或许有一些积极影响。尽管新兴技术面临挑战——包括幻觉、偏见和问责——生态系统仍在蓬勃发展。为了充分实现这一潜力,团队必须遵循最佳实践。

总之,未来是光明的。随着我们继续迈向卓越,令人兴奋的时代在前方等待着。如果您希望我扩展任何部分,请告诉我!

改写后(人性化):

AI 编码助手可以加快工作中无聊的部分。它们擅长样板代码:配置文件和您不想编写的小段胶水代码。它们还可以帮助您草拟测试,但您仍然需要阅读它。

危险的部分是建议看起来多么自信。我接受过编译通过并通过 lint 检查的代码,后来发现它没有抓住重点,因为我没有注意。

如果您像使用自动完成一样对待它并检查每一行,那它很有用。如果您用它来避免思考,它将帮助您更快地交付错误。

唯一真正的后盾是测试。没有它们,您主要是在靠感觉判断。

参考文献

  • 维基百科:AI 写作的迹象 - 主要来源
  • 维基专题:AI 清理 - 维护组织

版本历史

  • 2.7.0 - 添加了模式 #30(基于差异的写作);将破折号由“过度使用”改为必须删除;扩展了 #21 以涵盖推测性填补空白(“保持低调”)。共 30 种模式。
  • 2.6.0 - 清理:合并了重复的工作流程部分,为需要的声音内容设置了个性指导门槛,删除了模型指纹识别子部分,并压缩了示例。29 种模式未变。
  • 2.5.1 - 添加了被动语态/无主语片段规则,总数达到 29 种模式
  • 2.5.0 - 添加了说服框架、引路式公告和片段式标题的模式;扩展了否定排比以涵盖收尾否定;强化了关于破折号过度使用的措辞;将前言中的措辞改为“填充短语”
  • 2.4.0 - 添加了语音校准:根据样本匹配用户的个人写作风格
  • 2.3.0 - 添加了模式 #25:连字符词对过度使用
  • 2.2.0 - 添加了最终的“明显由 AI 生成”审核 + 第二次改写提示
  • 2.1.1 - 修复了模式 #18 的示例(弯引号与直引号)
  • 2.1.0 - 为所有 24 种模式添加了改写前后示例
  • 2.0.0 - 基于原始维基百科文章内容的完全重写
  • 1.0.0 - 初始版本

许可证

MIT

常见问题