核心用法
Humanize Chinese AI Text 是一套完整的中文AI文本检测与改写工具链，提供CLI工具和LLM prompt指南两种使用模式。
CLI 工具集
detect_cn.py- AI检测（20+维度，0-100分，支持详细/仅评分/JSON输出）humanize_cn.py- 文本改写（支持场景和风格参数）style_cn.py- 风格转换（7种预设风格）compare_cn.py- 前后对比改写效果academic_cn.py- 学术论文AIGC专项降重（适配知网/维普/万方检测系统）
核心检测维度
高危模式：三段式结构（首先…其次…最后）、机械连接词（值得注意的是/综上所述/不难发现）、空洞宏大词（赋能/闭环/数字化转型）
中危模式：AI高频词（助力/底层逻辑/抓手）、模板句式（随着…的不断发展）、平衡论述套话
低危模式：犹豫语过多、列举成瘾、标点滥用、修辞堆砌
改写策略
1. 砍掉三段式，用自然过渡代替编号
2. 替换AI套话（赋能→帮助/支持，综上所述→总之/删掉）
3. 句式重组（合并过短句子，拆分过长句子，打破均匀节奏）
4. 减少重复用词，同义词替换
5. 注入人味（口语化表达、具体例子、反问感叹）
6. 调整段落节奏，打破均匀长度
学术论文特殊处理
- 替换AI学术套话同时保持学术性（"本文旨在"→"本文尝试/本研究关注"）
- 减少被动句，注入学术犹豫语（hedging）
- 增强作者主体性（"研究表明"→"笔者认为"）
- 补充局限性说明，打破结构均匀度
显著优点
- 纯Python实现，零外部依赖，部署极简
- 20+精细检测维度， sentence-level精准定位可疑内容
- 7种风格灵活转换：casual/zhihu/xiaohongshu/wechat/academic/literary/weibo
- 学术场景深度优化：10个学术检测维度，120+学术表达替换，针对性适配CNKI/VIP/Wanfang三大检测系统
- 可配置性强：patterns_cn.json支持自定义检测规则和替换词库
- 双重使用模式：既可CLI独立运行，也可作为prompt指南指导LLM手动处理
潜在缺点与局限性
- 规则型检测：基于模式匹配而非深度学习，可能漏检新型AI生成文本（如GPT-4o的更高质量输出）
- 风格转换机械化：预设7种风格可能无法覆盖所有细分场景，转换后仍需人工润色
- 学术改写风险：过度"去AI化"可能削弱学术严谨性，激进模式需谨慎使用
- 语言局限：仅支持中文，无法处理中英混合或纯英文内容
- 评分主观性：0-100分的阈值设定（LOW/MEDIUM/HIGH/VERY HIGH）基于经验权重，非绝对标准
- 无实时更新：AI生成模式快速演进，规则库需要持续维护
适合人群
- 学生/研究者：需通过知网、维普、万方AIGC检测的论文作者
- 内容创作者：小红书、知乎、公众号等平台运营者，希望去除AI写作痕迹
- 编辑/出版从业者：批量检测和预处理AI生成稿件
- AI辅助写作用户：使用ChatGPT/Claude等工具后需"二次润色"的中间环节
常规风险
- 过度改写导致语义漂移：激进模式可能改变原意，建议配合
--compare参数人工复核 - 检测对抗性：专门针对规则设计的AI输出可能绕过检测
- 学术诚信边界：工具本身中性，但用于规避正当AIGC检测可能涉及学术不端
- 风格一致性问题：多次改写或混合风格转换可能导致文本风格碎片化
- 依赖固化：长期依赖可能削弱用户自身的写作和辨别能力