Human Writing

核心用法

human-writing 是一套内容生成与编辑的指导框架，主要用于对外发布的文本创作场景——包括博客文章、新闻通讯、营销文案、社交媒体串文、客户文档、网站文案及群发邮件等。用户需在起草或修改阶段调用此技能，系统会按照 10 条核心规则重构文本，消除典型 AI 生成痕迹。

使用流程：
1. 起草或粘贴待润色内容
2. 对照 10 条核心规则逐条调整（具体优先于笼统、简单动词优先于宏大动词、重复用词舒适自然）
3. 终稿前调用 read references/anti-ai-patterns.md 进行 AI 特征扫描
4. 修复标记项后二次通读，确认语流自然

显著优点

• 针对性强：直击当前 LLM 文本的结构性缺陷（过度正式、同义替换强迫、意义膨胀等），提供可操作的替换方案
• 规则清晰：10 条指令具体明确，无需复杂训练即可上手，降低编辑决策成本
• 场景覆盖广：从长文博客到 280 字符推文均可适用，且明确排除了不适用场景（代码、内部速记），避免误用
• 自检机制完善：配套反 AI 模式词库，提供系统性终检工具，而非依赖直觉判断

潜在缺点与局限性

• 过度简化风险："简单动词优先"规则若机械执行，可能弱化必要的情境色彩，导致文本过于平淡
• 文化适配盲区：规则基于英语写作习惯设计（如小写标题、缩略形态），移植到中文语境时部分建议需调整（中文本无大小写标题问题）
• 无法替代专业编辑：仅处理风格层面，不涉及事实核查、逻辑结构优化、SEO 策略等专业编辑职能
• 学习曲线隐性成本：用户需内化"什么是自然"的直觉，初期可能过度修正或修正不足

适合人群

• 内容运营者、自媒体创作者、营销人员——需高频产出对外文本且担忧 AI 检测标记
• 自由撰稿人——希望快速剥离初稿中的机器腔，保留个人风格
• 企业品牌团队——统一对外发声的语调，避免"AI 同质化"

常规风险

• 误判 AI 特征：部分人类写作习惯（如学术写作的正式风格）可能被错误标记为"机器腔"，导致不必要的简化
• 风格趋同：广泛使用同一套反 AI 规则，可能形成新的"反 AI 同质化"——所有文本都变成同一种"刻意自然"的腔调
• 上下文遗漏：技能明确排除"快速回复"场景，但用户若误用于商务邮件等需要效率优先的场景，可能牺牲清晰度换取"自然感"

核心用法

human-writing 是一款纯文档型写作风格指南，用于将内容"去AI化"。它不执行任何代码，而是提供一套可操作的编辑原则与自检清单：

• 写作阶段：遵循10条核心规则——具体事实优先、使用简单动词、避免过度强调、允许重复用词、接受短句、明确归属观点、跳过强行升华、小写标题、节制加粗、使用缩略语
• 发布前检查：扫描 anti-ai-patterns.md 中的典型AI痕迹，如"delve/pivotal/tapestry"等词汇群、句尾悬挂的-ing短语、"Despite challenges..."套话、模糊归因（"experts say"）、意义膨胀、同义词轮换、三项式列举、过度正式动词

显著优点

• 立竿见影：规则具体可执行，无需学习曲线，直接对照修改即可
• 对抗算法检测：针对当前AI文本的统计特征（词汇多样性过高、句式过于规整、意义过度推导）精准打击
• 零成本零风险：纯Markdown文档，无代码、无依赖、无网络调用，可离线使用
• 适用场景广：博客、邮件、营销文案、社交媒体、客户文档等对外内容均可适用

局限性与风险

• 非创造性工具：只提供"不要做什么"的负面清单，不解决"写什么"的内容生产问题
• 可能过度矫正：严格遵循可能导致风格过于平实，损失特定场景需要的修辞张力
• 英文中心：核心词汇和例句基于英文写作习惯，中文等语言的AI痕迹识别可能需要本地化调整
• 时效性风险：AI写作特征快速演变，anti-ai-patterns.md 若未及时更新可能失效

适合人群

• 需要对外发布内容但担心被识别为AI生成的写作者
• 编辑和审核团队，作为内容质检的客观标准
• 对"AI腔"敏感、追求自然可读文本的内容创作者

常规风险

无技术安全风险（S+级认证）。功能风险在于：若使用者将"去AI化"误解为"好写作"的唯一标准，可能牺牲内容深度与结构复杂度。建议将其作为润色工具而非写作哲学。