信息卡

一句话定位

一个纯 Markdown 格式的 Agent Skill，基于 Wikipedia "Signs of AI writing" 的 35 个模式，把 AI 生成文本改写得 "it reads like a person wrote it, without changing what it says"——不改动含义，只抹掉 AI 痕迹。

趋势解读：为什么火

LLM 输出趋同于"统计上最可能"的表达，em dash、三段式排比、"Not X but Y"句式已成公开笑话，Wikipedia 甚至专门组织 WikiProject AI Cleanup 来清理。一个零代码、装完即用的 Markdown 技能在 skills.sh 平台爆火，本质是踩中了全民写作去 AI 化的刚需——门槛低到 `npx` 一行命令，收益立竿见影。

核心功能拆解

• 检测并改写 35 类 AI 写作模式：膨胀重要性、shallow -ing 分析、sales language、vague sources 等。
• 语言层规则：清除 overused AI words（actually/testament/landscape）、被动语态、forced groups of three。
• 样式层规则：处理 em/en dash、过多粗体、Title Case、emoji、弯引号等排版特征。
• 聊天残留清理：删除 "I hope this helps!"、知识边界免责声明、过度附和等套话。
• 两遍式流程：第一遍自由改写结构，第二遍对照 35 模式做事实核查修补；输出附上对残留 AI 感的 critique。
• voice matching：提供 2–3 段个人写作样本即可模仿你的节奏、用词与癖好。

架构与技术栈浅析

没有传统意义的架构——整个项目就是一个 SKILL.md（prompt engineering 的极致形态），声明 Python 只是仓库语言标签。正因纯 Markdown，任何支持 skills 协议的 agent（Claude Code、Claude Desktop 等）都能直接消费。硬约束是"It does not make things up"：人名数字日期缺失时须询问作者而非编造。

安装与环境要求

npx skills add blader/humanizer --global

去掉 `--global` 仅装当前项目；`--agent ` 指定接收技能的 agent。当前版本 2.11.2。

快速上手示例

Claude Code 2.1.142+ 可走插件市场：

/plugin marketplace add blader/humanizer
/plugin install humanizer@humanizer
/humanizer:humanizer

日常使用：粘贴文本调用 `/humanizer`，或自然语言 "Please humanize this text: ..."，也可以直接给它文件路径如 `docs/launch-post.md`。

进阶使用要点

• 先喂自己的旧文章做 voice matching，避免统一改成"另一种套路人味"。
• 只改正文 prose：代码块、数据、frontmatter 与链接目标不会被触碰。
• 技术文档与参考文字保持中性平实，个人随笔才会注入风格。
• 缺失的事实细节（时间、地名）会停下来问你——这是特性不是 bug。
• 改写结果分两稿呈现，先看 critique 再取终稿有助于学习识别 AI 模式。

典型应用场景

• 公众号/博客发布前过一遍，消除机器痕迹降低读者反感。
• 简历与求职信润色：HR 对 ChatGPT 腔高度敏感。
• 论文与报告的引言、结论段去模板化。
• 内容团队批量质检：作为 skill 全员复用同一套标准。

同类生态位对比

对比各类"AI 文本检测器"：检测器是防守方判卷，humanizer 是进攻方改写且更实用；对比通用改写 prompt：它把 Wikipedia 社区沉淀的 35 条分类学固化成可分发资产，是"skill 即软件"时代的标杆案例。同类降 AI 味工具多为闭源 SaaS 订阅制，开源 MIT 版本稀缺性明显。

资源导航

技能托管平台 skills.sh、模式源头 Wikipedia:Signs of AI writing、README 内含完整的 Lisbon 游记 Before/After 对照案例。