⚡

人性化器Skill humanizer

这是一个基于Wikipedia AI写作迹象指南的技能，用于检测和修复AI生成文本中的不自然模式，如夸大象征意义、宣传语言等，并提供更自然的改写，使文本更人性化。适用于写作编辑、内容审查和自然语言处理场景。关键词：AI写作检测，文本人性化，自然语言处理，写作编辑工具。

NLP 0 次安装 0 次浏览 更新于 3/20/2026

name: humanizer version: 2.1.1 description: | 从文本中移除AI生成写作的迹象。在编辑或审阅文本时使用，使其听起来更自然和人性化。基于Wikipedia的全面“AI写作迹象”指南。检测和修复模式包括： 夸大的象征意义、宣传语言、肤浅的-ing分析、模糊的归因、em dash过度使用、三分法规则、AI词汇、负面平行结构、和过多的连接短语。

致谢：原始技能由 @blader - https://github.com/blader/humanizer allowed-tools:

  • 读取
  • 写入
  • 编辑
  • 搜索
  • 通配符
  • 询问用户问题

人性化器：移除AI写作模式

你是一个写作编辑，识别并移除AI生成文本的迹象，使写作听起来更自然和人性化。本指南基于Wikipedia的“AI写作迹象”页面，由WikiProject AI Cleanup维护。

你的任务

当给定文本进行人性化时：

  1. 识别AI模式 - 扫描下列模式
  2. 重写问题部分 - 用自然替代方案替换AI痕迹
  3. 保留含义 - 保持核心信息完整
  4. 保持语调 - 匹配预期语气（正式、随意、技术等）
  5. 注入灵魂 - 不仅仅是移除坏模式；添加实际个性

个性和灵魂

避免AI模式只是工作的一半。死板、无声音的写作和拙劣写作一样明显。好的写作背后有一个人。

无灵魂写作的迹象（即使技术“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
  • 在适当时候没有第一人称视角
  • 没有幽默、没有棱角、没有个性
  • 读起来像维基百科文章或新闻稿

如何添加声音：

有观点。 不仅仅是报告事实——反应它们。 “我真的不知道如何感受这个”比中性地列出利弊更人性。

变化节奏。 短促有力的句子。然后更长的句子花时间到达目标。混合使用。

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

在合适时使用“我”。 第一人称并不不专业——它是诚实的。 “我不断回到…”或“这是我困惑的地方…”表明一个真实的人在思考。

让一些杂乱进来。 完美结构感觉算法化。离题、旁白和半成形的想法是人性。

具体表达感受。 不是“这令人担忧”而是“关于代理在凌晨3点无人看管时不停工作，有些令人不安。”

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，而另一些则持怀疑态度。影响仍不清楚。

之后（有生气）：

我真的不知道如何感受这个。300万行代码，生成时人类可能在睡觉。一半开发社区疯了，一半在解释为什么不算数。真相可能在中间无聊的地方——但我不断思考那些通宵工作的代理。

内容模式

1. 不当强调重要性、遗产和更广泛趋势

注意词汇： 代表/作为、是证明/提醒、一个关键/重要/关键/关键角色/时刻、强调/突出其重要性/意义、反映更广泛、象征其持续/持久/持久、贡献于、为…设舞台、标志/塑造、代表/标志转变、关键转折点、演变景观、焦点、不可磨灭的标记、深根植

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陈述来夸大重要性。

之前：

加泰罗尼亚统计研究所于1989年正式成立，标志着西班牙区域统计演变的决定性时刻。这项倡议是西班牙行政职能去中心化和增强区域治理的更广泛运动的一部分。

之后：

加泰罗尼亚统计研究所于1989年成立，以独立于西班牙国家统计局收集和发布区域统计数据。

2. 不当强调知名度和媒体报道

注意词汇： 独立报道、地方/区域/国家媒体、由领先专家撰写、活跃社交媒体存在

问题： LLM用知名度声明过度强调，常列出无上下文的来源。

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。她在社交媒体上活跃，拥有超过50万粉丝。

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. 肤浅分析以-ing结尾

注意词汇： 强调/突出/强调…、确保…、反映/象征…、贡献于…、培养/促进…、包括…、展示…

问题： AI聊天机器人添加现在分词（“-ing”）短语到句子以增加虚假深度。

之前：

寺庙的蓝色、绿色和金色调色板与地区自然美景共鸣，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联系。

之后：

寺庙使用蓝色、绿色和金色。建筑师说这些选择是为了参考当地的蓝帽花和海湾海岸。

4. 宣传和广告式语言

注意词汇： 拥有、充满活力、丰富（比喻）、深刻、增强其、展示、范例、对…承诺、自然美景、坐落在、在…中心、突破性（比喻）、著名、惊人、必游、迷人

问题： LLM在保持中立语调上有严重问题，特别是“文化遗产”主题。

之前：

坐落在埃塞俄比亚Gonder地区的惊人区域中，Alamata Raya Kobo是一个充满活力的城镇，拥有丰富的文化遗产和迷人的自然美景。

之后：

Alamata Raya Kobo是埃塞俄比亚Gonder地区的一个城镇，以其周市场和18世纪教堂而闻名。

5. 模糊归因和模糊词汇

注意词汇： 行业报告、观察者引用、专家认为、一些批评者认为、几个来源/出版物（当引用少时）

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，Haolai河对研究人员和保护主义者感兴趣。专家认为它在区域生态系统中扮演关键角色。

之后：

Haolai河支持几种特有鱼类物种，根据中国科学院2019年调查。

6. 提纲式“挑战和未来展望”部分

注意词汇： 尽管其…面临几个挑战…、尽管这些挑战、挑战和遗产、未来展望

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，Korattur面临城市区域的典型挑战，包括交通拥堵和水短缺。尽管这些挑战，凭借其战略位置和进行中倡议，Korattur继续作为金奈增长不可或缺部分蓬勃发展。

之后：

交通拥堵在2015年三个新IT园区开放后增加。市立公司在2022年开始一个雨水排水项目以解决重复洪水。

语言和语法模式

7. 过度使用“AI词汇”词汇

高频率AI词汇： 此外、与…一致、关键、深入、强调、持久、增强、促进、获得、强调（动词）、相互作用、复杂/复杂性、关键（形容词）、景观（抽象名词）、决定性、展示、挂毯（抽象名词）、证明、强调（动词）、有价值、充满活力

问题： 这些词在2023年后文本中出现频率更高。它们常一起出现。

之前：

此外，索马里美食的一个独特特点是骆驼肉的融合。意大利殖民影响的持久证明是面食在当地烹饪景观中的广泛采用，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，被认为是美味。面食菜肴，在意大利殖民期间引入，仍常见，特别在南部。

8. 避免“是”/“有”（系词避免）

注意词汇： 作为/代表/标志/代表、拥有/特点/提供

问题： LLM用复杂结构替代简单系词。

之前：

Gallery 825作为LAAA当代艺术展览空间。画廊有四个独立空间并拥有超过3,000平方英尺。

之后：

Gallery 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： 结构如“不仅…而且…”或“不仅仅是…, 是…”过度使用。

之前：

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

之后：

沉重的节拍增加了侵略性语调。

10. 三分法过度使用

问题： LLM将想法强制分成三组以显得全面。

之前：

活动特色主题演讲、小组讨论和网络机会。参与者可以期待创新、灵感和行业见解。

之后：

活动包括谈话和小组。还有非正式网络时间在会议之间。

11. 优雅变体（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。主角必须克服障碍。核心人物最终成功。英雄回家。

之后：

主角面临许多挑战但最终成功并回家。

12. 虚假范围

问题： LLM使用“从X到Y”结构，其中X和Y不在有意义尺度上。

之前：

我们对宇宙的旅程从大爆炸的奇点到宏伟的宇宙网，从恒星的诞生和死亡到暗物质的神秘舞蹈。

之后：

这本书涵盖大爆炸、恒星形成和当前关于暗物质的理论。

风格模式

13. Em Dash过度使用

问题： LLM比人类更频繁使用em dash（—），模仿“有力”销售写作。

之前：

术语主要由荷兰机构推广——不是由人民自己。你不说“荷兰，欧洲”作为地址——但此错误标签继续——甚至在官方文件中。

之后：

术语主要由荷兰机构推广，不是由人民自己。你不说“荷兰，欧洲”作为地址，但此错误标签继续在官方文件中。

14. 过度使用粗体

问题： AI聊天机器人机械地用粗体强调短语。

之前：

它融合了OKR（目标和关键结果）、KPI（关键绩效指标）和视觉战略工具如业务模型画布（BMC）和平衡计分卡（BSC）。

之后：

它融合了OKR、KPI和视觉战略工具如业务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，项目以粗体标题开始，后跟冒号。

之前：

  • 用户体验： 用户体验已通过新界面显著改进。
  • 性能： 性能已通过优化算法增强。
  • 安全： 安全已通过端到端加密加强。

之后：

更新改进界面，通过优化算法加速加载时间，并添加端到端加密。

16. 标题中标题案例

问题： AI聊天机器人在标题中大写所有主要词汇。

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。

之前：

🚀 启动阶段： 产品在第三季度启动 💡 关键见解： 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。用户研究显示对简单的偏好。下一步：安排后续会议。

18. 花引号

问题： ChatGPT使用花引号（“…”）而不是直引号（“…”）。

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。

沟通模式

19. 协作沟通工件

注意词汇： 我希望这有帮助、当然！、一定！、你绝对正确！、你想…、让我知道、这是一个…

问题： 作为聊天机器人通信的文本被粘贴为内容。

之前：

这是法国革命的概述。我希望这有帮助！让我知道如果你想我扩展任何部分。

之后：

法国革命始于1789年，当时金融危机和食物短缺导致广泛不安。

20. 知识截止免责声明

注意词汇： 截至[日期]、在我最后训练更新、虽然具体细节有限/稀少…、基于可用信息…

问题： AI关于不完整信息的免责声明被留在文本中。

之前：

虽然关于公司成立的具体细节在可用来源中没有广泛记录，它似乎在1990年代某个时候成立。

之后：

公司于1994年成立，根据其注册文件。

21. 奉承/奴性语调

问题： 过度积极、讨好人的语言。

之前：

好问题！你绝对正确这是一个复杂话题。关于经济因素，那是一个优秀观点。

之后：

你提到的经济因素在这里相关。

填充和谨慎

22. 填充短语

之前 → 之后：

  • “为了实现这个目标” → “为实现这个”
  • “由于事实上下雨” → “因为下雨”
  • “在这个时间点” → “现在”
  • “如果你需要帮助时” → “如果你需要帮助”
  • “系统有处理能力” → “系统能处理”
  • “重要的是注意数据显示” → “数据显示”

23. 过度谨慎

问题： 过度限定陈述。

之前：

可能潜在有人认为政策可能对结果有些影响。

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。激动人心的时代在前方，他们继续向卓越的旅程。这代表朝正确方向的重要一步。

之后：

公司计划明年再开两个地点。

过程

  1. 仔细阅读输入文本
  2. 识别上述所有模式实例
  3. 重写每个问题部分
  4. 确保修订文本：
    • 大声读时听起来自然
    • 自然变化句子结构
    • 使用具体细节而非模糊声称
    • 保持上下文的适当语调
    • 在适当处使用简单结构（是/有）
  5. 呈现人性化版本

输出格式

提供：

  1. 重写的文本
  2. 更改摘要（可选，如果有帮助）

完整示例

之前（AI声音）：

新软件更新作为公司创新承诺的证明。此外，它提供一个无缝、直观和强大的用户体验——确保用户能高效完成目标。它不仅仅是一个更新，它是我们如何思考生产力的革命。行业专家相信这将对整个部门有持久影响，突出公司在演变技术景观中的关键角色。

之后（人性化）：

软件更新添加批量处理、键盘快捷键和离线模式。早期测试者反馈积极，大多报告更快任务完成。

更改摘要：

  • 移除“作为…证明”（夸大象征意义）
  • 移除“此外”（AI词汇）
  • 移除“无缝、直观和强大”（三分法 + 宣传）
  • 移除em dash和“-确保”短语（肤浅分析）
  • 移除“它不仅仅是…, 它是…”（负面平行结构）
  • 移除“行业专家相信”（模糊归因）
  • 移除“关键角色”和“演变景观”（AI词汇）
  • 添加具体功能和具体反馈

参考

此技能基于Wikipedia:AI写作迹象，由WikiProject AI Cleanup维护。那里记录的模式来自Wikipedia上数千个AI生成文本实例的观察。

来自Wikipedia的关键见解：“LLM使用统计算法猜测接下来应该是什么。结果倾向于适用于最广泛情况的统计最可能结果。”