Humanizer-zh 是什么？中文 AI 写作去痕 Skill 介绍

一段话语法没错，信息也齐，可读起来就是像产品发布稿：句子一样长，段落一样整齐，开口先谈“重要意义”，结尾再给一个积极展望。Humanizer-zh 处理的正是这种问题。它是一份供 Claude Code 调用的中文写作 Skill，通过规则识别常见的 AI 表达，再把问题片段改得自然一些。

它检查的是写作模式，不是作者身份

Humanizer-zh 不会读取某种神秘的“AI 指纹”。它对照规则看文本里有没有夸大意义、宣传腔、模糊归因、三段式堆叠、同义词循环、破折号滥用、填充短语等痕迹，然后要求重写。好处是判断依据看得见，改动也能复查；失败场景是把它当检测器，期待得到“百分之百由人写”的结论——仓库并没有提供这种能力。

24 种痕迹，被分成四组

官方说明把 24 种模式分为内容、语言与语法、风格、交流与填充词四类，每类 6 种。它既会盯“关键作用”“不断演变的格局”这类虚浮词，也会检查否定式排比、刻意换词、粗体过多和通用积极结论。覆盖面比简单删掉“此外”“然而”更完整；但遇到本来就需要正式、克制语气的政策说明，机械套规则也可能把文字改得太随便。

真正有用的地方，是把“自然一点”拆成动作

比如一句“该更新作为团队创新能力的证明，提供无缝、直观和强大的体验”，问题不只在形容词多。它同时带着夸大的象征意义、三项并列和广告式口吻。按规则改写时，应换成具体功能、可核查反馈和真实限制。若原文没有功能名或测试数据，Skill 也不能替作者编出来；缺少事实时，只能先删空话，或向作者追问。

适合交给它的稿子

初稿来自大模型、团队多人改过后语气不一致、博客段落过分工整，都是合适场景。学术摘要、法律条款、医疗说明也能做语言审校，但引用、数字、限定条件必须锁住，不能为了“有人味”牺牲准确性。它尤其不适合被拿来伪造个人经历：第一人称只有在作者确实经历过时才成立。

把它当第二遍编辑

更稳的顺序是先确认事实，再让 Humanizer-zh 标出模式并改写，最后人工对照原文。重点检查三个地方：信息有没有被删，语气是否符合发布场景，新增细节能否证实。它能把一套模糊的润色要求变成检查清单，却不能代替作者做事实判断。这个边界守住了，“去 AI 味”才不会变成另一种造假。