humanizer-zh

核心用法

Humanizer-zh 是一款专门用于去除中文文本中AI生成痕迹的编辑工具。用户只需提供需要处理的文本，该技能会基于维基百科"AI写作特征"综合指南，自动识别并修复20余种典型的AI写作模式，包括过度强调意义、宣传性语言、肤浅分析、模糊归因、破折号过度使用、三段式法则、高频AI词汇等。处理流程涵盖模式识别、重写优化、保留原意、匹配语调、注入个性五个关键步骤，最终输出自然流畅、具有"人味"的文本。

显著优点

该技能的最大优势在于其系统性和专业性。它并非简单的同义词替换，而是基于维基百科WikiProject AI Cleanup团队对数千个AI生成文本实例的观察总结，构建了完整的识别体系。技能提供了详细的改写前后对比示例，让用户直观理解问题所在；同时强调"注入灵魂"的重要性，指导如何增加观点、变化节奏、承认复杂性、适当使用第一人称，避免产出"干净但无灵魂"的文本。此外，内置的质量评分系统（50分制）可帮助用户量化评估改写效果。

潜在缺点与局限性

作为纯文档型技能，Humanizer-zh完全依赖Claude Code的文本处理能力，对于超长文本可能存在上下文限制。其模式识别基于规则而非机器学习，可能遗漏新兴的AI写作特征。部分改写建议偏向英文写作习惯（如破折号、引号使用），在中文语境中的适用性需要用户自行判断。此外，该技能主要针对2023年后常见的LLM写作特征，对于早期AI生成文本或特定领域（如学术论文、法律文书）的适应性有限。

适合的目标群体

本技能特别适合内容创作者、编辑、自媒体运营者、学生及教育工作者。对于需要频繁处理AI辅助生成内容的写作者，它能有效提升文本质量；对于希望学习识别AI写作特征的教育场景，其详细的模式说明具有参考价值；对于追求个性化表达的内容创作者，"注入灵魂"的指导原则尤为实用。不建议用于需要严格保持原意的法律、医学等专业领域。

使用风险

主要风险在于过度改写可能导致信息损失或风格偏离。用户需审慎评估改写建议，避免盲目接受所有修改。由于该技能会申请Write/Edit权限，建议在处理重要文件前备份原始内容。此外，T3来源意味着缺乏官方维护支持，长期使用需关注上游项目（blader/humanizer）的更新动态。

humanizer-zh 是一款专注于去除AI写作痕迹的文本编辑工具，核心功能是将充满AI特征的机械文本转化为自然、有人味的人类表达。

核心用法：用户输入疑似AI生成的文本，系统基于24种AI写作模式进行检测和改写。涵盖内容层面（夸大象征、宣传语言、肤浅分析、模糊归因）、语言层面（AI高频词汇、系动词回避、否定式排比、三段式法则、同义词循环）、风格层面（破折号/粗体/表情符号滥用）以及交流痕迹（协作语气、免责声明、谄媚表达）等多个维度。

显著优点：
1. 体系化检测：基于维基百科WikiProject AI Cleanup维护的"AI写作特征"页面，覆盖20+种经过大规模验证的AI模式，非主观经验总结
2. 双重改写策略：不仅去除负面模式，更主动"注入灵魂"——通过变化节奏、表达观点、承认复杂性、适当使用第一人称等手法赋予文本真实个性
3. 量化评估体系：提供5维度质量评分表（直接性、节奏、信任度、真实性、精炼度），总分50分，45分以上视为成功去除AI痕迹
4. 中文本土化：针对中文语境优化，保留原文功能框架的同时适配中文表达习惯

潜在局限：
1. 改写后可能丢失部分学术或正式文本所需的精确性和规范性
2. "注入灵魂"步骤依赖模型的主观判断，不同改写结果差异较大
3. 对特定领域专业文本（如法律合同、医学论文）的适用性有限
4. 无法保证100%绕过所有AI检测工具，部分平台可能仍识别为AI辅助内容

适合人群：内容编辑者、需要提交"人类创作证明"的写作者、希望提升文本自然度的AI辅助写作用户、对AI文本特征感兴趣的语言研究者。

常规风险：改写过程可能导致原意微妙偏移；过度追求"去AI化"可能损害信息密度；建议重要文档人工复核后使用。