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。