战神数科文案去AI味

问题：AI 生成文案的“精致感”太容易暴露

日常内容生产里，一个常见痛点是：大模型写的文案语法挑不出毛病，但读起来就是不像真人。结尾总喜欢“综上所述”，句式对称得像模板，情绪稳定得像在念公文。平台风控和专业读者对这类“AI 腔”越来越敏感，直接的后果是稿件被判定成 AI 生成，或者用户划走不点赞。

更麻烦的是，很多“去 AI 味”的做法只靠换词、改连接词，把一篇有信息密度的文章改得口语化但浅薄，或者为了规避检测而牺牲专业性。这类修改要么过度，要么无效。

技能如何工作：先诊断，再改写，最后验收

@org-tj8dikyv/de-ai-humanizer 不是简单的文本替换工具，它用一套闭环流程来提升“人味”：

• Step 1：AI 痕迹诊断：加载 references/ai_tells.md，逐句扫描 12 类 AI 痕迹（如结构过度对称、万能连接词、信息密度均匀、书面语），统计每类命中次数并定位最严重位置。
• Step 2：按真人特征改写：加载 references/human_voice.md，在保留原意的前提下向 10 个真人特征 靠拢，例如长短句节奏差、具体细节、真实犹豫与自我修正、带体温的情绪词。
• Step 3：三评估者逐段验收：构建 3 个画像（同行专家、目标用户、挑剔读者），对每段分别给出人味分（0–10），并引用原文指出“哪里还像 AI”；低于 6 分 的段落会标记为“必须重写”。
• Step 4：残留痕迹定位：对改写稿再做一次逐句扫描，输出残留的 AI 痕迹及其位置，并给出下一步改写建议。
• Step 5：按模板输出报告：按 assets/humanized_report_template.md 生成 去AI味_.md，包含人味总分（Hook 段 ×1.5、结尾段 ×1.2 的加权平均）、改写前后对比、评估者总评与最需要继续优化的 Top 3 位置。

适用边界与注意点

• 改的是“怎么说”，不是“说什么”：原意、专业性和事实边界必须保留，不能为了“像真人”而牺牲内容质量。
• 不编造事实与数据：允许做场景化包装，但不能用虚构细节充数。
• 平台标准不同：小红书偏闺蜜感与口语化，视频号需要专家感但有温度，公众号可以更书面但不能有公文味，抖音强调短句、金句与节奏爽感。
• 目标是“有深度 + 有人味”：去 AI 味不等于降智或把内容写浅，避免产出“口语化但空洞”的稿件。