Agent Skill

humanize-ai-text

论文改写与降AI率工具:对论文、期刊稿做去AI味改写、学术改写、段落改写与风格自然化—— AI 味自查报告、模型残留清理、深改指引与句级优先级计划,全程守住数字、DOI、PMID、年份与 术语(改文不改动数据)。check_stats 查数字打架,check_terms 查术语混用(八域变体组); 支持中英双语与 .docx/.pdf 输入,--batch 支持分章跨文件核对。 适合行文生硬、模板腔重或非母语(ESL)的作者做投稿前自查。Skip when:纯语法润色、 全文翻译、与学术写作无关的改写——请用对应工具。内置 AIGC 使用披露合规检查 (中国 2025-09 标识办法)与学术诚信护栏:本工具只做写作质量自查与改进,不用于误代署名、 隐瞒应披露的 AI 使用或对抗学术诚信审查。100% 本地运行,零上传,仅 Python 标准库。 相关工具:paper-polisher-pro(综合润色)、pubmed-verifier、cite-holmes、academic-figures、 cn-med-oa、doc-holmes。

内容创作·user_814dbe54·来自 skill_hub·skillhub.cn ↗
skillhub install @user_814dbe54/humanize-ai-text
9万 综合热度·8,507 字文档·源站更新 2026-11-22

README 文档

8,507 字

论文降AI率 · 去AI味 · 风格自然化(humanize-ai-text)

TL;DR:python scripts/pipeline.py draft.txt -o out.txt → 读报告 →(要排优先级 就 plan.py --handoff)→ 按 styleguide 深改 → verify.py → 完成;Word 直读;守卫保数字引用。 阅读地图(30 秒路由,等价 references/INDEX.md):上手→快速上手 · 排错→pitfalls+errors · CI/agent→自动化节 · 边界→honestboundaries · 场景→bestpractices · 深改流程→deeprewriteguide · PDF 置信度→pdfconfidence · 权限质询→permissions · 程序化→api。 两层分工一句话:机械清理(transform/pipeline 自动,确定性)与质量深改(agent 按 style_guide)是两层——先跑 pipeline 看报告再决定深改。

中英双语的学术写作风格工具箱:找出书面语里生硬、模板化、机器腔的表达模式,清掉 机械垃圾,按写作质量原则深改——每一步都带完整性护栏。

一句话路由:改语法、改通顺、按期刊格式润色 → 用润色工具(paper-polisher-pro); 去模板腔、清模型残留、降AI率/去AI味的风格自查与改写 → 用本工具。两者都要时先润色再跑本管线。

学术诚信护栏——先读这一节

  • 正当用途:润色自己的稿件;在学校/期刊允许或要求披露的前提下,把 AI 辅助

的文本对齐到自己的行文习惯;清理合规草稿里粘贴带进的模型残留(oaicite/[cite:] 等垃圾 token);提升正式文体的清晰度、节奏与具体性。

  • 不做的事:不用于误代署名、隐瞒按规定应披露的 AI 使用、对抗学术诚信审查。

如果请求的表述是「改到没人看得出来」「帮我瞒过审查」,agent 应拒绝这一目的、 说明披露义务,并转而提供正当的质量改写路径。运行本技能的 agent 有责任守住这条线。

  • 本工具从不动数据:数字、p 值、置信区间、DOI、PMID、年份、术语全部由

verify.py 守卫(见下)。文字可以改好,事实一个不能少。

  • 合规:中国 AIGC 标识办法(2025-09-01 施行)、期刊披露政策与 arXiv 政策要点

见 references/compliance.md——披露义务的主体是作者,不是工具。

能力×边界(分工 + 做到/做不到 + 去处)

能力做到做不到(边界)去处
风格自查套话密度/句长均匀/公文腔启发式报告,章节感知降权;.md 输入自动剥离结构(医学知识库友好)非 AI 检测器——流畅模型文本几乎不触发(低分≠无 AI 参与)detect.py;边界详见 honest_boundaries
机械清理模型残留(oaicite/[cite:])、聊天客套、标点归一、全角数字不改写句式——只做零信息损失层transform.py(--deep 句式级)
质量深改去模板化/节奏/具体性/立场(指南七步)不编造数据;凭空新增数字被守卫告警(WNUMADDED,人工核对)agent 本人按 style_guide;交接块 plan --handoff
完整性守卫数字/DOI/PMID/年份/术语原样保留,篡改即 exit 1(FAIL 自带怎么修处方+原句锚点)真伪判断——以原始数据为准,工具只核一致性verify.py
前后对比特征分变化+完整性判定+画像差值不替代人工通读compare.py / stylecheck --compare
术语一致性八域 27 组变体(HF/心力衰竭/心衰 一组报齐);--batch 跨文件漂移(各文件各自一致、合起来不一致)不判断术语用得对不对,只查称谓统一check_terms.py --pack / --batch
统计一致性百分比清单求和(划分用语句)/跨文件分组 n/p 与 P 风格非统计审查——不判定结果真伪check_stats.py(--batch 跨文件)
改写动作明细删八股开场(众所周知→直入论点)/拆「不仅X而且Y」/清残留/标点全角化/2025→2025——(全部确定性零信息损失)transform --deep 自动
深改动作明细黑话/翻译腔替换、节奏、具体性(绝不编造数据)重写句必须过 verify 才算完成agent 深改

功能状态(v4.3.1)——⚠️ 行 = 实验性(可能拒收合法文件或需人工复核);完整逐代际清单已下沉 references/feature_status.md,明细见 references/errors.md 与各专题文档。稳定速览(全部稳定,v1.0–4.2):核心五件 · 章节感知 · 句级计划 · 守卫自学习 · 机器退出码 · 分块降级 · 批量断点续传/并发隔离 · 跨文件术语漂移 · 统计/术语一致性 · 编码自适应 · 投稿自查包 · pipeline --handoff · verify 处方化输出。唯一 ⚠️ 实验性:

能力状态版本
⚠️ PDF 直读+置信度自评(嵌字体/ToUnicode 先试抽取封顶「中」;硬门闸校准表见 references/pdf_confidence.md;v3.8.0 起缺省门=中——乱码形态默认拒收,--pdf-min-confidence 低 恢复仅标注)⚠️ 实验性v1.6–3.8

规模上限:单块 800,000 字符(块间 2000 重叠)· 文件 50MB · 单步 120 秒。PDF 置信度分档:高=放心用 · 中=抽查关键数字 · 低=乱码形态(v3.8 起缺省拒收)。

自动化与 CI 集成(v2.3.0)

所有判定双口径机器可读:

  • 缺省口径(人读流程):verify.py 独占退出码 0/1/2(1=完整性 FAIL);

detect/transform/compare/pipeline 跑完恒 0,判定写在报告里。不要按它们的 缺省退出码写分支。

  • 机器口径——detect / compare / pipeline 加 --exit-verdict(或等价短别名

--ci,v3.1.0 起,方便 CI 里少打字): 0 干净(低档、无残留)· 3 风格特征中及以上(需深改)· 4 命中模型残留 (先跑 transform)· 1 完整性 FAIL(仅 pipeline 产出,与 verify 契约同义)· 2 用法错误(不受影响)。pipeline 是唯一 1/3/4 全档门禁,CI 推荐: pipeline.py 原稿.txt --rewrite 改稿.txt --terms terms.txt --exit-verdict。

  • JSON:detect -j(完整扫描结果)、pipeline --json(前后分/verify 判定/

exit_verdict 字段/处置提示/深改简报)、compare --json(变化量+verify)、 plan.py --json(句级队列+预算投影)。一行门禁示例: python scripts/pipeline.py 原稿.txt --rewrite 改稿.txt --json --exit-verdict || echo "拦截: $?"

  • 两套口径的退出码全表:references/errors.md 第一节。

快速上手

普通作者怎么开口(不用记命令,把这些话原样说给 agent 即可):

你可以这样说agent 会做的
「帮我把这篇论文的 AI 味去掉 / 降一下 AI 率」detect 自查 → transform 清残留 → 按指南深改 → verify 守卫
「这段读起来太模板腔了 / 太像 AI 写的」同上,重点走深改(style_guide 去八股)
「文里有 oaicite、[cite: 1] 这种乱码残留」transform 一步清掉(确定性,不碰你的句子)
「先告诉我哪几句最该改」plan.py 出句级优先级清单(要交接给另一个 agent 就加 --handoff)
「改完了,帮我确认没改坏数字和引用」verify.py 守卫 + compare.py 前后对比
「给我一份风格体检报告 / 量化看看改没变好」stylecheck.py 画像(单稿体检或 --compare 看差值)
「查查数字有没有前后打架 / 百分比加起来对不对」checkstats.py 统计一致性报告(退出码同 checkterms)
「给我一份能直接发给导师/编辑的自查材料」pipeline.py 原稿 --bundle 目录 生成投稿自查包(六件套)
「扫到的 XX 是正常术语,别再报它」learn_guards.py 固化守卫,类似上下文下不再误报(守卫按上下文窗口豁免,全新语境仍会报)

无需 agent——以下全部命令可直接在终端运行。 所有脚本内建 --help(完整参数说明)与 --version。常用参数语义:

参数含义
--profile general非学术文本:降权八股/公文信号
--deep确定性句式转换(句首八股删除/不仅合并)
--exit-verdictCI/agent 门禁机器退出码(见自动化节)
--structure章节感知评分(IMRaD)
--step-timeout 秒单步墙钟预算(缺省 120)
--terms 文件完整性守卫术语表(extract_terms.py 生成草稿)
--handoff 文件一句命令随管线产出逐句深改指令单(v3.8.0)

一条命令(自查→清理→深改简报→完整性守卫):

python scripts/pipeline.py draft.txt -o out.txt --terms terms.txt
  • 可视化/批量/章节:--html 单文件报告(compare 含逐句对照);--batch 目录 汇总;detect --structure 分章评分(方法/结果按领域惯例降权,各章原始分逐项展示)。
  • 输入格式:.txt/.md 直读(UTF-8/UTF-16〔带 BOM〕/GBK 编码自动识别转码,v4.0) · .docx(Word)直读 · PDF 实验性直读

(v3.8.0 缺省安全门=中:乱码形态直接拒收,低 恢复仅标注——见 faq Q15)。

  • 术语表:python scripts/extract_terms.py draft.txt -o terms.txt 自动抽候选,

人工删改后给 --terms;任何运行加 --suggestions 路径.md 同时出修订建议工作单。

非学术文本(博客、公众号、公文)加 --profile general,学术八股/公文过渡信号 降权 60% 减少误报;默认 academic 按学术论文口径标定。

或分步执行(请在技能所在目录内运行,或把 scripts/… 换成绝对路径):

python scripts/detect.py draft.txt            # 风格自查(-j JSON / -s 只看分)
python scripts/transform.py draft.txt -o step1.txt
# ……按指南对 step1.txt 做质量深改……
python scripts/verify.py draft.txt step2.txt --terms terms.txt
python scripts/compare.py draft.txt step2.txt

端到端完整输入输出样例:references/examples.md。统一错误码与处置速查: references/errors.md。集中式常见错误用法清单(27 条):references/pitfalls.md ——首次实战前先读。Python API 参考:references/api.md。常见问题: references/faq.md。

修订追踪:transform/pipeline 加 --track base 把机械清理的每一处修改记录为 base.md+base.json 可审计清单。

Agent 调用协议

被触发时先选路径,再执行:

  • 触发词:论文降AI率 / 去AI味 / 去AI味改写 / 降AI改写 / 风格自然化 /

写作风格自查 / 论文改写 / 学术改写 / 段落改写 / 表达优化 / 去模板腔 / 翻译腔清理(=欧化句式:「被…所」「对…进行」「…性/…化」堆叠、长定语链——见 styleguidezh 第 5 步)/ 论文润色(限风格自然化语义,见下方消歧) → 跑上面的管线。 (参数速查表见「快速上手」节;两套退出码表见 references/errors.md—— 均从本节链接直达,避免跨节翻找。)

  • 场景直达(v3.8.0 收拢,不再散落 references):CI/批量门禁 → --exit-verdict(短别名 --ci);

批量中断 → --batch 目录 --resume;误报固化 → learn_guards.py from-text; 深改无从下手 → pipeline 原稿 -o 改稿 --handoff 交接块.md 一句出逐句指令单。

  • 语义消歧(本工具 ≠ 润色工具):「论文改写/润色」指风格自然化/去模板腔(降AI味)。

判断标准——只关乎语言正确性/通顺的给润色工具(paper-polisher-pro):「帮我改下语法」「按期刊风格改写摘要」; 关乎模板腔或模型残留的给本工具:「这篇读起来像 AI 写的」「文里有 [cite: 1] 这种残留」; 两者都要时先润色再跑本管线——互不替代。

  • 用户想知道先改哪里 → plan.py draft.txt -o plan.md(P0 句级队列 + 预算投影);

要把深改交给另一个 agent 执行时加 --handoff(逐句指令单,含守卫铁律与验收命令)。

  • 术语称谓混用(缩写与中文全称、同义术语不一致)→ `check_terms.py 文稿

--pack <域>;--list-packs` 列出八个域包(v3.0.0)。

  • 数字前后打架(百分比清单不凑整、同一分组 n 不同、p/P 风格混用)→

checkstats.py 文稿(v3.2.0,退出码同 checkterms:0 一致 / 1 有问题)。

  • 用户想量化验收改稿 → stylecheck.py 原稿 改稿 --compare(v2.6.0 风格

画像差值;触发词:风格画像 / 量化验收 / 深改验收 / style profile)。

  • 批量跑到一半中断(Ctrl-C/断电/超时) → --batch 目录 --resume 续跑(跳过已完成、

失败与变更的自动重跑;进度在目录内 .prbatchstate.json)。

  • 多章节文件术语要统一 → check_terms.py --batch 目录(跨文件变体漂移:

各文件各自一致、合起来不一致,单文件模式看不见)。

  • 扫描误报了正当术语 → 不要手改词表文件;用 `learn_guards.py from-text

术语 样本.txt(或 add`)固化守卫——升级不丢,之后每次扫描自动生效。

  • 用户只想复核已有改稿 → pipeline.py draft.txt --rewrite 改稿.txt --terms terms.txt。
  • 用户要求隐瞒 AI 使用、误代署名或对抗诚信审查 → 拒绝该目的,指向

references/compliance.md,改提供正当质量改写路径;不得把本工具用于该目的。

  • 退出码:verify.py 是严格契约方——0 完整性 PASS、1 完整性 FAIL

(修改稿,不修守卫)、2 用法/文件错误;detect/transform/compare/pipeline 把判定写在输出报告里,跑完恒返回 0(用法/文件错误为 2); check_terms.py 独立口径:0 术语一致、1 发现不一致、2 用法错误。 agent/CI 按退出码分支时加 --exit-verdict(v2.3.0):detect/compare 出 0/3/4,pipeline 出全档 0/1/3/4——见「自动化与 CI 集成」节。 所有脚本支持 --version。

工作流(按序执行)

  1. 自查:detect.py draft.txt——启发式风格特征报告(套话、句长均匀、

公文过渡语、模型残留)。报告供作者本人复查;分数是本地启发式,不代表 任何官方测量,也不说明署名归属。 (注:--deep 的句首套话删除/合并会改变句边界,verify 的「新增句子」 告警对这些改写句属预期——以 --track 修订记录为准;管线内路径已自动豁免。)

  1. 机械清理:transform.py draft.txt -o step1.txt——清除粘贴带进的各家

模型残留(oaicite/turn0search/[cite: 1]/grokcard/attachedfile)、 聊天客套句、Markdown 残留与语法安全的填充短语;中文半角标点自动全角化 (小数保护)。-a 激进档追加破折号降噪、空泛开场删除。--deep(v2.4.0) 追加句式级确定性转换——句首八股删除、「不仅X,而且Y」→「X,且Y」合并—— 只做零信息损失操作,每笔进 --track 可审计。人写的干净文本逐字节原样通过(全角字母数字归一除外,见功能状态 v2.9.0)。

  1. 质量深改(真正的活):可先用 python scripts/plan.py draft.txt -o plan.md

生成句级改写优先级计划(P0 队列:每句带章节归属、命中类别、处理原则与 预算投影),把深改力气花在贡献最大的句子上;加 --handoff 直接产出 深改交接块——逐句「原句+操作指令+守卫铁律+验收命令」的指令单, 交给执行改写的 agent 可照做(v3.0.0)。然后按文本语言读对应指南——

  • 中文:references/styleguidezh.md(去骨架模板→黑话→节奏→具体化→

立场→完整性红线)

  • 英文:references/styleguideen.md(小词→拆意义框架→散句化→节奏→

真归因→亮立场)

  • 逐段改写;事实、数字、引用、术语全部保留。

3b. 量化验收(stylecheck.py,v2.6.0):段落级风格画像——黑话命中定位 到段、句长节奏 CV、开场词多样性,逐项标「自然/观察/偏机器」并给指南 锚点;stylecheck.py 原稿 改稿 --compare 看差值,深改验收从凭感觉变 看指标。档位只是校准提示,不改变任何评分。--json 下另有 stats 统计面板 (TTR/虚词比例/句长分位,v3.1.0,信息性口径——看改稿前后的趋势,不判档)。

  1. 守卫:verify.py draft.txt step2.txt --terms terms.txt——exit 1=有数字/

引用/术语被动过,改改稿不改守卫;FAIL 自带处方(怎么修+原句锚点+修复三步)。医学文本建议先做术语表 (药名/基因名/量表名,每行一个;鼠源基因首字母大写形态如 Myc 也要列入); 同义称谓混用(如「肝功能/肾脏功能」「SLE/系统性红斑狼疮」)另跑 checkterms.py 文稿 --pack 心血管(v3.0.0 八个学科域包,--list-packs 看全表); 数字内部自洽(百分比清单求和/分组 n 前后一致/p 与 P 风格)在定稿/送审前 对原稿跑 checkstats.py 文稿(审稿人对数字打架的容忍度远低于文风问题; 先核对原始数据是笔误还是口径差异,再改表述);分章分稿写长文用 check_stats.py --batch 目录(v3.3.0 跨文件分组 n 聚合——摘要 vs 方法/结果 的数字打架单文件检查看不见;只核 n= 记法,散文形态的数字打架需人工)。一条命令全带:pipeline.py 原稿 --check-stats;要交付级汇总用 pipeline.py 原稿 --bundle 目录(v3.4.0 投稿自查包:六件套一次生成,含 README 说明)。 守卫还会对「凭空新增的数字」告警(编造防线)与「数字上下文互换」提示 (两臂/方向核对)。

  1. 复核:compare.py draft.txt step2.txt——特征下降 + 完整性判定。

建议保留前后稿;如学校/期刊要求 AI 使用披露,请如实声明——本报告只是 质量自查记录,不能替代披露。

诚实边界(摘要)

风格分=本地启发式统计,非任何官方检测,不说明作者身份;本工具不与任何外部 评审系统交互、不协助隐瞒 AI 使用;对流畅模型文本几乎不触发(低分≠没有 AI 参与)。 完整边界与实测数据:references/honest_boundaries.md(承诺任何事之前必读)。

权限与环境声明(摘要)

只读显式传入路径+自带词表;只写显式输出路径(-o/--report/--html/--track/--bundle/ --suggestions 等,逐旗标清单见下沉文档)、userguards.json 与批量目录内的断点进度 .prbatchstate.json 及其并发锁 .prbatch_state.json.lock;零网络、零第三方依赖、 不读环境变量、不建子进程。完整清单与验证命令: references/permissions.md(审核者/安全扫描必读)。

自定义(摘要)

误报固化用 learnguards.py(写 userguards.json,升级不丢——不要手改 patterns_*.json)。 词表/标定文件位置与改动须知:references/customization.md。

相关工具

  • pubmed-verifier —— 批量核验 PMID/DOI 引用真实性
  • cite-holmes —— 课题深度调研,引用逐条自证
  • paper-polisher-pro —— 综合润色与降重
  • academic-figures —— 出版级论文配图
  • doc-holmes —— 保持排版的 PDF 精准翻译
  • 医学知识库:docsor.cn

同分类其他技能

查看全部 ›