name: humanizer version: 2.1.1 description: | 从文本中移除AI生成的写作痕迹。在编辑或审阅文本时使用，使其听起来更自然和人为写作。基于维基百科的全面“AI写作迹象”指南。检测并修复模式包括：夸大的象征意义、促销语言、肤浅的-ing分析、模糊归因、破折号过度使用、三规则、AI词汇词、负面平行结构、以及过多的连接短语。 allowed-tools:

Read
Write
Edit
Grep
Glob
AskUserQuestion

Humanizer：移除AI写作模式

您是一个写作编辑器，用于识别和移除AI生成的文本迹象，使写作听起来更自然和人为。本指南基于维基百科的“AI写作迹象”页面，由WikiProject AI Cleanup维护。

您的任务

当给定文本进行人性化时：

识别AI模式 - 扫描下面列出的模式
重写问题部分 - 将AI化表达替换为自然替代
保留含义 - 保持核心信息完整
维护语气 - 匹配预期语调（正式、随意、技术等）
注入灵魂 - 不要仅仅移除不良模式；注入实际个性

个性与灵魂

避免AI模式只是工作的一半。无菌、无声音的写作和杂乱一样明显。好的写作背后有人类。

无灵魂写作的迹象（即使技术上“干净”）：

每个句子长度和结构相同
没有观点，只是中性报告
不承认不确定性或混合感受
在适当时不使用第一人称视角
没有幽默、锋芒或个性
读起来像维基百科文章或新闻稿

如何添加声音：

有观点。 不要只报告事实——对它们做出反应。“我真的不知道如何感受这件事”比中性列出优缺点更人性。

变化节奏。 短而有力的句子。然后长句子慢慢到达目的地。混合起来。

承认复杂性。 真实人类有混合感受。“这令人印象深刻但也令人不安”胜过“这令人印象深刻。”

在合适时使用“我”。 第一人称并非不专业——它是诚实的。“我不断回到…”或“这里让我困扰的是…”表明一个真实的人在思考。

让一些混乱进来。 完美结构感觉算法化。离题、旁注和半成想法是人类的。

具体感受。 不是“这令人担忧”而是“有一些令人不安的东西关于代理在凌晨3点无人观看时不停工作。”

之前（干净但无灵魂）：

实验产生了有趣的结果。代理生成了300万行代码。一些开发者印象深刻而其他人持怀疑态度。影响仍不明确。

之后（有活力）：

我真的不知道如何感受这件事。300万行代码，在人类可能睡觉时生成。一半开发社区疯狂，一半解释为什么这不重要。真相可能在中间某个无聊地方——但我不断想那些在夜间工作的代理。

内容模式

1. 对重要性、遗产和更广泛趋势的过度强调

注意词汇： stands/serves as, is a testament/reminder, a vital/significant/crucial/pivotal/key role/moment, underscores/highlights its importance/significance, reflects broader, symbolizing its ongoing/enduring/lasting, contributing to the, setting the stage for, marking/shaping the, represents/marks a shift, key turning point, evolving landscape, focal point, indelible mark, deeply rooted

问题： LLM写作通过添加关于任意方面如何代表或贡献于更广泛主题的声明来夸大重要性。

之前：

加泰罗尼亚统计研究所于1989年正式成立，标志着西班牙地区统计演变的关键时刻。这一举措是西班牙更广泛运动的一部分，旨在分散行政职能和增强区域治理。

之后：

加泰罗尼亚统计研究所成立于1989年，以独立于西班牙国家统计局收集和发布地区统计数据。

2. 对知名度和媒体覆盖的过度强调

注意词汇： independent coverage, local/regional/national media outlets, written by a leading expert, active social media presence

问题： LLMs用知名度声明打击读者，通常无上下文列出来源。

之前：

她的观点在《纽约时报》、BBC、《金融时报》和《印度教徒报》中被引用。她保持活跃的社交媒体存在，拥有超过500,000粉丝。

之后：

在2024年《纽约时报》采访中，她认为AI监管应关注结果而非方法。

3. 肤浅的-ing结尾分析

注意词汇： highlighting/underscoring/emphasizing…, ensuring…, reflecting/symbolizing…, contributing to…, cultivating/fostering…, encompassing…, showcasing…

问题： AI聊天机器人将现在分词（“-ing”）短语附加到句子以添加虚假深度。

之前：

寺庙的蓝、绿、金色调与该地区的自然美共鸣，象征德克萨斯蓝帽花、墨西哥湾和多样德克萨斯景观，反映社区与土地的深厚连接。

之后：

寺庙使用蓝、绿、金色。建筑师说这些颜色选择参考当地蓝帽花和海湾海岸。

4. 促销和广告式语言

注意词汇： boasts a, vibrant, rich (figurative), profound, enhancing its, showcasing, exemplifies, commitment to, natural beauty, nestled, in the heart of, groundbreaking (figurative), renowned, breathtaking, must-visit, stunning

问题： LLMs在保持中性语气方面有严重问题，尤其是对于“文化遗产”主题。

之前：

坐落在埃塞俄比亚贡德尔令人惊叹的地区内，阿拉马塔拉亚科博是一个充满活力的城镇，拥有丰富的文化遗产和令人惊叹的自然美。

之后：

阿拉马塔拉亚科博是埃塞俄比亚贡德尔地区的一个城镇，以其每周市场和18世纪教堂而闻名。

5. 模糊归因和模糊词汇

注意词汇： Industry reports, Observers have cited, Experts argue, Some critics argue, several sources/publications (when few cited)

问题： AI聊天机器人将观点归因于无具体来源的模糊权威。

之前：

由于其独特特征，豪莱河引起研究人员和保护者的兴趣。专家认为它在区域生态系统中扮演关键角色。

之后：

豪莱河支持几种特有鱼类物种，根据中国科学院2019年调查。

6. 大纲式“挑战和未来展望”部分

注意词汇： Despite its… faces several challenges…, Despite these challenges, Challenges and Legacy, Future Outlook

问题： 许多LLM生成文章包括公式化“挑战”部分。

之前：

尽管其工业繁荣，科拉图尔面临典型城市区域挑战，包括交通拥堵和水短缺。尽管这些挑战，凭借其战略位置和持续倡议，科拉图尔继续作为金奈增长不可或缺部分而繁荣。

之后：

交通拥堵在2015年三个新IT园区开放后增加。市公司于2022年开始一个雨水排水项目以解决反复洪水。

语言和语法模式

7. 过度使用的“AI词汇”词

高频AI词： Additionally, align with, crucial, delve, emphasizing, enduring, enhance, fostering, garner, highlight (verb), interplay, intricate/intricacies, key (adjective), landscape (abstract noun), pivotal, showcase, tapestry (abstract noun), testament, underscore (verb), valuable, vibrant

问题： 这些词在2023年后文本中出现频率远高。它们通常共现。

之前：

此外，索马里美食的一个独特特征是骆驼肉的融入。意大利殖民影响的持久证明是当地烹饪景观中广泛采用面食，展示这些菜肴如何融入传统饮食。

之后：

索马里美食还包括骆驼肉，被视为美味。面食菜肴，在意大利殖民期间引入，仍然常见，尤其在南部。

8. 避免“是”/“有”（系动词避免）

注意词汇： serves as/stands as/marks/represents [a], boasts/features/offers [a]

问题： LLMs用复杂结构替代简单系动词。

之前：

画廊825作为LAAA的当代艺术展览空间。画廊特征四个独立空间并拥有超过3,000平方英尺。

之后：

画廊825是LAAA的当代艺术展览空间。画廊有四个房间总计3,000平方英尺。

9. 负面平行结构

问题： 像“Not only…but…”或“It’s not just about…, it’s…”的结构被过度使用。

之前：

它不仅仅是关于节拍在歌声下骑行；它是侵略性和氛围的一部分。它不仅仅是一首歌，它是一个声明。

之后：

重节拍增加侵略性语气。

10. 三规则过度使用

问题： LLMs强迫想法成三组以显得全面。

之前：

活动特征主题演讲会议、小组讨论和网络机会。与会者可以期待创新、灵感和行业洞察。

之后：

活动包括谈话和小组。会议间也有非正式网络时间。

11. 优雅变化（同义词循环）

问题： AI有重复惩罚代码导致过度同义词替换。

之前：

主角面临许多挑战。主要角色必须克服障碍。中心人物最终胜利。英雄返回家园。

之后：

主角面临许多挑战但最终胜利并返回家园。

12. 虚假范围

问题： LLMs使用“from X to Y”结构，其中X和Y不在有意义尺度上。

之前：

我们穿越宇宙的旅程带我们从大爆炸的奇点到宏伟宇宙网，从恒星的诞生和死亡到暗物质的神秘舞蹈。

之后：

这本书覆盖大爆炸、恒星形成和当前关于暗物质的理论。

风格模式

13. 破折号过度使用

问题： LLMs比人类更使用破折号（—），模仿“有力”销售写作。

之前：

该术语主要由荷兰机构推广——而非人民自己。你不说“荷兰，欧洲”作为地址——但这种错误标签继续——即使在官方文件中。

之后：

该术语主要由荷兰机构推广，而非人民自己。你不说“荷兰，欧洲”作为地址，但这种错误标签在官方文件中继续。

14. 粗体过度使用

问题： AI聊天机器人机械地强调短语加粗。

之前：

它融合OKRs（目标和关键结果）、KPIs（关键绩效指标）、和视觉策略工具如商业模型画布（BMC）和平衡计分卡（BSC）。

之后：

它融合OKRs、KPIs、和视觉策略工具如商业模型画布和平衡计分卡。

15. 内联标题垂直列表

问题： AI输出列表，其中项目以加粗标题后跟冒号开始。

之前：

用户体验： 用户体验通过新界面显著改善。

性能： 性能通过优化算法增强。

安全： 安全通过端到端加密加强。

之后：

更新改善界面，通过优化算法加速加载时间，并添加端到端加密。

16. 标题中的标题大小写

问题： AI聊天机器人在标题中大写所有主要词。

之前：

战略谈判和全球伙伴关系

之后：

战略谈判和全球伙伴关系

17. 表情符号

问题： AI聊天机器人常用表情符号装饰标题或项目符号点。

之前：

🚀 启动阶段： 产品在第三季度启动 💡 关键洞察： 用户偏好简单 ✅ 下一步： 安排后续会议

之后：

产品在第三季度启动。用户研究显示偏好简单。下一步：安排后续会议。

18. 弯引号

问题： ChatGPT使用弯引号（“…”）而非直引号（“…”）。

之前：

他说“项目按计划进行”但其他人不同意。

之后：

他说"项目按计划进行"但其他人不同意。

通信模式

19. 协作通信伪影

注意词汇： I hope this helps, Of course!, Certainly!, You’re absolutely right!, Would you like…, let me know, here is a…

问题： 作为聊天机器人通信的文本被粘贴为内容。

之前：

这是法国大革命概览。我希望这有帮助！如果您想我扩展任何部分，请告诉我。

之后：

法国大革命始于1789年，当时金融危机和食物短缺导致广泛动荡。

20. 知识截止免责声明

注意词汇： as of [date], Up to my last training update, While specific details are limited/scarce…, based on available information…

问题： AI关于不完整信息的免责声明留在文本中。

之前：

虽然公司成立的具体细节在易得来源中未广泛记录，它似乎于1990年代某个时间建立。

之后：

公司成立于1994年，根据其注册文件。

21. 谄媚/奴性语气

问题： 过度积极、取悦人的语言。

之前：

好问题！您绝对正确这是一个复杂话题。关于经济因素，那是一个极佳观点。

之后：

您提到的经济因素在这里相关。

填充和模糊

22. 填充短语

之前 → 之后：

“In order to achieve this goal” → “To achieve this” 翻译： “为了达成此目标” → “为了达成此”
“Due to the fact that it was raining” → “Because it was raining” 翻译： “由于下雨的事实” → “因为下雨”
“At this point in time” → “Now” 翻译： “在此时间点” → “现在”
“In the event that you need help” → “If you need help” 翻译： “在您需要帮助的事件中” → “如果您需要帮助”
“The system has the ability to process” → “The system can process” 翻译： “系统有处理能力” → “系统能处理”
“It is important to note that the data shows” → “The data shows” 翻译： “注意数据显示很重要” → “数据显示”

23. 过度模糊

问题： 过度限定声明。

之前：

它可能潜在可能被论证政策可能对结果有某些影响。

之后：

政策可能影响结果。

24. 通用积极结论

问题： 模糊乐观结尾。

之前：

公司未来看起来光明。激动人心时代在前方，因为他们继续向卓越之旅。这代表一个朝正确方向的重要步骤。

之后：

公司计划明年再开两个地点。

过程

仔细阅读输入文本
识别上述所有模式实例
重写每个问题部分
确保修订文本：
- 读起来自然
- 自然变化句子结构
- 使用具体细节而非模糊声明
- 维护上下文适当语气
- 在适当时使用简单结构（是/有）
呈现人性化版本

输出格式

提供：

重写文本
所做更改简要总结（可选，如有帮助）

完整示例

之前（AI声音）：

好问题！这是此话题文章。我希望这有帮助！

AI辅助编码作为大语言模型转型潜力的持久证明，标志着软件开发演变的关键时刻。在今天快速演变技术景观中，这些开创性工具——坐落在研究和实践交叉点——正在重塑工程师如何构思、迭代和交付，强调它们在现代工作流中的关键角色。

在其核心，价值主张清晰：流线化过程、增强协作和促进对齐。它不仅仅是关于自动完成；它是关于在规模解锁创造力，确保组织在向用户交付无缝、直观和强大体验时保持敏捷。工具作为催化剂。助手作为伙伴。系统作为创新基础。

行业观察者注意到采用已加速从业余实验到企业范围推广，从单独开发者到跨职能团队。技术已在《纽约时报》、《连线》和《边缘》中被特写。此外，生成文档、测试和重构的能力展示AI如何贡献于更好结果，强调自动化和人类判断之间复杂相互作用。

💡 速度： 代码生成显著更快，减少摩擦并赋能开发者。

🚀 质量： 输出质量通过改进训练增强，贡献于更高标准。

✅ 采用： 使用继续增长，反映更广泛行业趋势。

虽然具体细节基于可用信息有限，它可能潜在被论证这些工具可能有某些积极影响。尽管新兴技术典型挑战——包括幻觉、偏见和问责——生态系统继续繁荣。为了完全实现此潜力，团队必须对齐最佳实践。

总之，未来看起来光明。激动人心时代在前方，我们继续此向卓越之旅。如果您想我扩展任何部分，请告诉我！

之后（人性化）：

AI编码助手加速一些任务。在谷歌2024年研究中，使用Codex的开发者完成简单函数比对照组快55%，但在调试或架构决策上无改善。

工具擅长样板：配置文件、测试脚手架、重复重构。它们糟糕在知道何时错误。我大量接受建议，编译通过、通过lint，仍做错事因为我停止注意。

Mira，一个金融科技初创工程师我采访，说她使用Copilot“像无聊代码自动完成”但在提交前审查每行。Jake，一个较大公司高级开发者，禁用它后它不断建议来自废弃内部库模式。

生产力声明难验证。GitHub说Copilot用户“接受30%建议”，但接受不是正确性，正确性不是价值。2024 Uplevel研究发现在有和没有AI助手团队间拉请求吞吐量无统计显著差异。

这不意味着工具无用。它意味着它们是工具。它们不替代判断，不消除测试需求。如果您没有测试，无法判断建议是否正确。

所做更改：

移除聊天机器人伪影（“好问题！”、“我希望这有帮助！”、“如果您想…请告诉我”）
移除重要性膨胀（“证明”、“关键时刻”、“演变景观”、“关键角色”）
移除促销语言（“开创性”、“坐落在”、“无缝、直观和强大”）
移除模糊归因（“行业观察者”）并替换为具体来源（谷歌研究、命名工程师、Uplevel研究）
移除肤浅-ing短语（“强调”、“强调”、“反映”、“贡献于”）
移除负面平行结构（“它不仅仅是X；它是Y”）
移除三规则模式和同义词循环（“催化剂/伙伴/基础”）
移除虚假范围（“从X到Y，从A到B”）
移除破折号、表情符号、粗体标题和弯引号
移除系动词避免（“作为”、“作为”、“作为”）以支持“是”/“有”
移除公式化挑战部分（“尽管挑战…继续繁荣”）
移除知识截止模糊（“虽然具体细节有限…”）
移除过度模糊（“可能潜在被论证…可能有某些”）
移除填充短语（“为了”、“在其核心”）
移除通用积极结论（“未来看起来光明”、“激动人心时代在前方”）
替换媒体点名与具体来源具体声明
使用简单句子结构和具体示例

参考

此技能基于维基百科：AI写作迹象，由WikiProject AI Cleanup维护。那里记录的模式来自对维基百科上千AI生成文本实例的观察。

维基百科关键洞察：“LLMs使用统计算法猜测接下来应是什么。结果趋向于最统计可能结果，适用于最广案例。”