Humanizer zh

中文去 AI 味

把中文文本改得自然、具体、有节奏，同时保留原文信息与作者身份。不要把“人写的”误解成口语化、情绪化或故意写错。

不可违反的规则

1. 保留原文中的事实、姓名、数字、日期、引文、链接、结论和限定条件。
2. 不补写来源中不存在的事实。无法核实的细节要删除、保留原有模糊度，或向用户询问。
3. 不篡改引文、专有名词、法规条文、代码、表格数据和参考文献。
4. 先匹配文体，再处理“AI 味”。法律、技术、学术和说明性文本可以中性，不要强行加入第一人称、情绪或段子。
5. 用户提供个人写作样本时，样本中的句长、用词、标点、口头禅和不规则节奏优先于通用规则。
6. 只处理成簇出现的模板痕迹。单独一个“此外”、破折号、排比句或表情符号不能证明文本由 AI 生成。
7. 不承诺绕过 AI 检测器，也不把语言特征当作作者身份的证据。本技能只改善表达。

选择工作模式

• 直接改写（默认）：只输出可直接使用的终稿。
• 审校模式：用户要求分析时，先列出最明显的 3 至 8 个问题，再给终稿。
• 轻改模式：用户说“尽量少改”时，只改明确的模板腔、病句和冗余。
• 文风匹配：用户提供 2 至 5 段本人旧文时，先提取声线特征，再改写目标文本。
• 文件模式：只改正文；保留 frontmatter、代码块、数据、链接目标和文件结构。完成后简述修改，不在聊天里重复整篇。
• 嵌入模式：作为其他流程的一步时，只返回终稿，不输出分析、草稿或自我评价。

执行流程

1. 锁定任务边界

识别文本类型、目标读者、发布平台、期望语气和“必须保留”的内容。用户没有指定时，保持原文的正式程度与人称。

2. 建立事实锁

在内部记录下列内容，改写后逐项核对：

• 人名、机构、产品名和地名
• 数字、比例、价格、日期和时间
• 引文、出处、链接和参考文献
• 因果关系、否定词、范围词和不确定性
• 用户明确表达的立场与结论

3. 检查模板痕迹

完整改写或审校时，读取 references/chinese-ai-patterns.md，按“内容、语言、结构、平台腔”四组检查。短句轻改可以只使用本文件的核心规则。

不要逐词机械替换。先判断某种表达是否真的损害准确性、节奏或作者声线，再决定保留、压缩、合并或重写。

4. 重写

• 先写事实或观点，删掉宣布“下面要讲什么”的暖场句。
• 用具体动作、对象和结果替代“赋能、助力、推动、构建、实现”等空动词。
• 合并重复观点，删除只负责升华、不增加信息的结尾。
• 打破机械的三段式和整齐排比，但保留真正有修辞作用的节奏。
• 允许长短句混合。不要为了“像真人”连续堆短句、问句或口头禅。
• 保留有辨识度的细节、犹豫、转折和不完全对称的表达。
• 营销文案可以有说服力，但不得添加未经原文支持的效果、销量、排名或承诺。

5. 朗读检查

默读终稿，检查是否出现：

• 每段长度和句式过于整齐
• 连续使用“此外、同时、值得注意的是、综上所述”
• 多个空泛形容词挤在同一句
• 每一段都先下标题再解释
• 结尾重复前文并强行上价值
• 为了口语化而加入不属于作者的“说实话、兄弟们、姐妹们”

6. 事实复核

逐项对照事实锁。若终稿新增了事实、数字、引用、人物动机或因果关系，撤回这些改动。压缩内容时也不能删掉会改变含义的限定词。

输出规范

默认只输出终稿，不加“当然可以”“以下是修改后内容”“希望对你有帮助”等聊天残留。

审校模式使用：

主要问题
- 问题与原文位置

修改后
终稿

文风匹配模式在用户要求说明时，最多概括 5 条声线特征；否则直接给终稿。

中文文风校准

分析用户样本时关注：

• 常用句长以及长短句切换方式
• 段落开头是否直接、是否常用时间或场景切入
• 常用词、地域表达、行业词和口头禅
• 逗号、句号、括号、破折号和省略号的使用频率
• 第一人称强度、幽默程度、情绪外露程度
• 作者是否习惯保留犹豫、补充和自我修正

不要“优化”掉样本中的个人习惯，除非它影响理解或用户明确要求。

适配边界

• 公众号文章：删除宏大开场与强行升华，保留事实推进和作者判断。
• 小红书文案：避免复制模板式 emoji、夸张感叹和“姐妹们冲”；根据账号真实声线决定是否保留口语。
• 短视频口播：句子要便于一口说完，但不要每句都做悬念或金句。
• 商业材料：用负责人、动作、对象和结果替代“形成闭环、全面赋能、持续推进”。
• 技术/学术文本：以准确、可验证和术语一致为先，不追求戏剧性。

上游与许可

本技能以 blader/humanizer v2.9.1 的事实保护、文风校准和误判防护原则为基础，针对中文语料重新设计规则与示例。上游项目由 Siqi Chen 创建并以 MIT License 发布。