- name
- humanize-chinese
- description
- >
- allowed-tools
Humanize Chinese AI Text v2.1
检测和改写中文 AI 生成文本的完整工具链。可独立运行（CLI），也可作为 LLM prompt 指南使用。
CLI Tools
所有脚本在 scripts/ 目录下，纯 Python，无依赖。
# 检测 AI 模式（20+ 维度，0-100 分）
python scripts/detect_cn.py text.txt
python scripts/detect_cn.py text.txt -v # 详细 + 最可疑句子
python scripts/detect_cn.py text.txt -s # 仅评分
python scripts/detect_cn.py text.txt -j # JSON 输出
# 改写
python scripts/humanize_cn.py text.txt -o clean.txt
python scripts/humanize_cn.py text.txt --scene social -a # 社交场景 + 激进模式
python scripts/humanize_cn.py text.txt --style xiaohongshu # 先改写再转风格
# 风格转换
python scripts/style_cn.py text.txt --style zhihu -o out.txt
# 前后对比
python scripts/compare_cn.py text.txt --scene tech -a
# 学术论文 AIGC 降重
python scripts/academic_cn.py paper.txt -o clean.txt --compare
python scripts/academic_cn.py paper.txt -o clean.txt -a --compare # 激进评分标准
| 分数 | 等级 | 含义 |
|---|---|---|
| 0-24 | LOW | 基本像人写的 |
| 25-49 | MEDIUM | 有些 AI 痕迹 |
| 50-74 | HIGH | 大概率 AI 生成 |
| 75-100 | VERY HIGH | 几乎确定是 AI |
参数速查
| 参数 | 说明 |
|---|---|
-v | 详细模式，显示可疑句子 |
-s | 仅评分 |
-j | JSON 输出 |
-o | 输出文件 |
-a | 激进模式 |
--seed N | 固定随机种子 |
--scene | general / social / tech / formal / chat |
--style | casual / zhihu / xiaohongshu / wechat / academic / literary / weibo |
--compare | 前后对比 |
工作流
# 1. 检测
python scripts/detect_cn.py document.txt -v
# 2. 改写 + 对比
python scripts/compare_cn.py document.txt -a -o clean.txt
# 3. 验证
python scripts/detect_cn.py clean.txt -s
# 4. 可选：转风格
python scripts/style_cn.py clean.txt --style zhihu -o final.txtLLM 直接使用指南
当用户要求"去 AI 味"、"降 AIGC"、"人性化文本"、"改成人话"时，如果无法运行 CLI 工具，按以下流程手动处理。
第一步：检测 AI 写作模式
扫描文本中的以下模式，按严重程度分类：
🔴 高危模式（一眼就能看出是 AI）
三段式套路：
- 首先…其次…最后
- 一方面…另一方面
- 第一…第二…第三
机械连接词： 值得注意的是、综上所述、不难发现、总而言之、与此同时、由此可见、不仅如此、换句话说、更重要的是、不可否认、显而易见、不言而喻、归根结底
空洞宏大词： 赋能、闭环、数字化转型、协同增效、降本增效、深度融合、全方位、多维度、系统性、高质量发展、新质生产力
🟠 中危模式
AI 高频词： 助力、彰显、凸显、底层逻辑、抓手、触达、沉淀、复盘、迭代、破圈、颠覆
填充废话： 值得一提的是、众所周知、毫无疑问、具体来说、简而言之
模板句式：
- 随着…的不断发展
- 在当今…时代
- 在…的背景下
- 作为…的重要组成部分
- 这不仅…更是…
平衡论述套话： 虽然…但是…同时、既有…也有…更有
🟡 低危模式
- 犹豫语过多（在一定程度上、某种程度上 出现 >5 次）
- 列举成瘾（动辄①②③④⑤）
- 标点滥用（大量分号、破折号）
- 修辞堆砌（排比对偶过多）
⚪ 风格信号
- 段落长度高度一致
- 句子长度单调
- 情感表达平淡
- 开头方式重复
- 信息熵低（用词可预测）
第二步：改写策略
按以下顺序处理：
1. 砍掉三段式 把"首先…其次…最后"打散，用自然过渡代替。不是每个论点都要编号。
2. 替换 AI 套话
- 综上所述 → 总之 / 说到底 / （直接删掉）
- 值得注意的是 → （直接删掉，后面的话自己能说清楚）
- 赋能 → 帮助 / 支持 / 提升
- 数字化转型 → 信息化改造 / 技术升级
- 不难发现 → 可以看到 / （删掉）
- 助力 → 帮 / 推动
3. 句式重组
- 过短的句子合并（"他很累。他决定休息。" → "他累了，干脆歇会儿。"）
- 过长的句子拆开（在"但是""不过""同时"等转折处断开）
- 打破均匀节奏（长短句交替，不要每句差不多长）
4. 减少重复用词 同一个词出现 3 次以上就换同义词。比如"进行"可以换成"做""搞""开展""着手"。
5. 注入人味
- 加一两句口语化表达（场景允许的话）
- 用具体的例子代替抽象概括
- 偶尔加个反问或感叹
- 不要每段都总分总结构
6. 段落节奏 打破每段差不多长的格局。有的段落 2 句话，有的 5 句话，像人写东西时自然的长短变化。
第三步：学术论文特殊处理
当文本是学术论文时，改写规则不同——不能口语化，要保持学术严谨性：
学术专用检测维度：
- AI 学术措辞（"本文旨在""具有重要意义""进行了深入分析"）
- 被动句式过度（"被广泛应用""被认为是"）
- 段落结构过于整齐（每段总-分-总）
- 连接词密度异常
- 同义表达匮乏（"研究"出现 8 次）
- 引用整合度低（每个引用都是"XX（2020）指出…"）
- 数据论述模板化（"从表中可以看出"）
- 过度列举（①②③④ 频繁出现）
- 结论过于圆满（只说好不说局限）
- 语气过于确定（"必然""毫无疑问"）
学术改写策略：
- 替换 AI 学术套话（保持学术性）：
- 本文旨在 → 本文尝试 / 本研究关注 - 具有重要意义 → 值得关注 / 有一定参考价值 - 研究表明 → 前人研究发现 / 已有文献显示 / 笔者观察到 - 进行了深入分析 → 做了初步探讨 / 展开了讨论 - 取得了显著成效 → 产生了一定效果 / 初见成效
- 减少被动句：
- 被广泛应用 → 得到较多运用 / 在多个领域有所应用 - 被认为是 → 通常被看作 / 一般认为
- 注入学术犹豫语（hedging）：
在过于绝对的判断前加"可能""在一定程度上""就目前而言""初步来看"
- 增强作者主体性：
- 研究表明 → 笔者认为 / 本研究发现 - 可以认为 → 笔者倾向于认为
- 补充局限性：
如果结论段没有提到局限，补一句"当然，本研究也存在一定局限…"
- 打破结构均匀度：
调整段落长度，避免每段都一样。合并过短的段落，拆分过长的。
第四步：验证
改写完成后，用 CLI 工具验证效果：
python scripts/detect_cn.py output.txt -s目标：通用文本降到 25 分以下，学术论文降到 30 分以下。
配置说明
所有检测模式和替换规则在 scripts/patterns_cn.json，可自定义：
- 添加新 AI 词汇
- 调整权重
- 增加替换规则
- 修改正则匹配
外部配置字段
critical_patterns — 高权重检测（三段式、连接词、空洞词）
high_signal_patterns — 中权重检测（AI 高频词、模板句）
replacements — 替换词库（正则 + 纯文本）
academic_patterns — 学术专用检测与替换
scoring — 权重和阈值配置