humanize-it

name humanize-it description 对指定文档进行去 AI 味的改写。自动选择最合适的人性化策略（humanizer-zh / humanize-chinese / technical-writing）， 迭代改写直到效果达标或迭代 42 次为止。适用于中文文本的去 AI 化处理，包括通用文章、技术文档、学术论文等。 Use when user says: "humanize this", "去AI味", "降AIGC", "人性化改写", "改成人话", "去除AI痕迹", "humanize document", "make text human-like", "去机器味", "降低AI率", "过AIGC检测" allowed-tools ["Read","Write","Edit","AskUserQuestion","Skill"] user-invocable true metadata {"trigger":"去AI味改写文档、humanize document、降AIGC、人性化文本"} Humanize-It: 迭代式去 AI 味改写 对指定文档进行去 AI 味的改写。根据文本类型和内容，从三个子 skill 中自动选择最合适的一个开始改写。如果改写效果不满意，换用另一个 skill 继续迭代，直到效果达标或达到 42 次迭代上限。 子 Skill 能力矩阵 Skill 适用场景 核心能力 改写风格 humanizer-zh 通用文本、文章、博客、文案 识别 24+ AI 写作模式，注入个性与灵魂，节奏变化 自然、有温度、带观点 humanize-chinese 通用 + 学术 + 长文本 20+ 规则检测 + 统计特征 + LR 融合评分，CLI 工具链 多种风格可选（知乎/小红书/学术/文学等） technical-writing 技术文档、架构说明、设计稿、评审文档 去除技术黑话，证据先行，消除主持腔 平实、严谨、可论证 工作流程 第一步：读取文档并分析 读取用户指定的文档内容 判断文档类型： 技术文档 （技术方案、架构说明、设计文档、评审稿）→ 优先使用 technical-writing 学术论文 （论文、研究文章）→ 优先使用 humanize-chinese （学术模式） 通用文本 （博客、文案、文章）→ 优先使用 humanizer-zh 长文本 （≥1500 字）→ 优先使用 humanize-chinese （长文本模式） 第二步：改写策略选择 根据文档类型选择第一个改写 skill： 文档类型判断： ├── 技术文档 → technical-writing → humanizer-zh → humanize-chinese ├── 学术论文 → humanize-chinese(academic) → humanizer-zh → technical-writing ├── 通用文本 → humanizer-zh → humanize-chinese → technical-writing └── 长文本(≥1500字) → humanize-chinese(longform) → humanizer-zh → technical-writing 第三步：迭代改写循环 iteration = 0 MAX_ITERATIONS = 42 while iteration < MAX_ITERATIONS: iteration += 1 # 使用当前 skill 进行改写 result = humanize(current_text, current_skill) # 评估改写效果 score = evaluate(result) if score >= PASS_THRESHOLD: # 改写效果达标，输出最终结果 output(result) break # 效果不达标，切换到下一个 skill current_skill = next_skill(skill_order) current_text = result # 在上次改写基础上继续优化 if all_skills_exhausted(): # 所有 skill 都用过一轮，从头开始新一轮组合 current_skill = first_skill(skill_order) 第四步：质量评估 每次改写后，按以下维度评估效果（百分制）： 维度 权重 评估标准 AI 痕迹去除 30% 三段式、套话、机械连接词是否消除 自然度 25% 读起来是否像人写的，节奏是否自然 信息完整 20% 核心信息是否保留，没有丢失关键内容 风格一致 15% 语气是否前后统一，符合文档类型 可读性 10% 句子是否通顺，逻辑是否清晰 评分标准： ≥ 80 分：通过，输出结果 60-79 分：尚可，再迭代一轮看能否提升 < 60 分：不达标，必须继续改写 第五步：输出结果 输出最终改写结果，附带： 改写后的完整文本（写入原文件或指定输出文件） 改写摘要（使用了哪些 skill，迭代了几次，最终评分） 主要改动点列表 具体执行指令 调用 humanizer-zh 时 使用 Skill 工具调用 humanizer-zh ，将文档内容传入，让其按 24 种 AI 写作模式进行检测和改写。重点关注： 删除填充短语 打破公式结构 变化节奏 信任读者 删除金句 注入个性与灵魂 改写后按其 50 分制质量评分进行初步评估（≥ 40 分为达标）。 调用 humanize-chinese 时 使用 Skill 工具调用 humanize-chinese ，根据文档类型选择对应模式： 通用文本：使用 detect + rewrite 流程 学术论文：使用 academic 模式 长文本：使用 --scene novel 或 --scene auto 如果 CLI 工具可用，优先使用 CLI 进行量化检测和改写；否则按其 LLM 使用指南手动执行。 改写后按其 0-100 分评分体系评估（≤ 35 分为 LOW 区间，达标）。 调用 technical-writing 时 使用 Skill 工具调用 technical-writing ，主要用于技术文档的改写。重点关注： 去除 buzzword 黑名单中的词汇 消除主持腔和评价腔 按「条件 → 对象 → 判断」重写句子 证据先行，减少无支撑的强判断 去除过场句 迭代策略细节 何时切换 Skill 同一个 skill 连续改写 3 次评分无提升 → 切换到下一个 skill 评分下降 → 回退到上一个版本，切换 skill 所有 skill 都用完一轮但未达标 → 从第一个 skill 重新开始，但使用上一轮的改写结果作为输入 达到 42 次迭代 → 输出当前最佳结果 组合策略 不同 skill 的改写侧重不同，组合使用可以互补： humanizer-zh → humanize-chinese ：先注入个性灵魂，再做量化去 AI 模式 humanize-chinese → humanizer-zh ：先做系统化去 AI，再注入温度 technical-writing → humanizer-zh ：先保证技术严谨性，再增加自然度 humanizer-zh → technical-writing ：先去除通用 AI 痕迹，再调整技术语气 用户交互 如果用户提供了明确的偏好（如"保持学术风格"、"要更口语化"、"技术文档不要太随意"），在改写时遵循用户偏好，并优先选择对应的 skill。 如果用户未指定文档类型，可以通过 AskUserQuestion 询问： 文档类型（通用 / 技术 / 学术） 期望的改写风格（自然随意 / 平实严谨 / 学术规范） 是否需要写入原文件还是输出到新文件