文本去AI味写作助手

解决LLM文本的“统计指纹”问题

大语言模型生成的文本往往带有一种可被识别的“统计指纹”。正如维基百科 AI Cleanup 项目及多项语料库研究（如 Kobak 等人对 1500 万篇 PubMed 摘要的分析）所指出的，AI 写作并非因为某个单一特征而暴露，而是由于多种特定句式、词汇和结构模式的高密度聚集。例如滥用“不仅仅是X，而是Y”的否定平行结构、刻意凑齐“三个词”的并列、堆砌“pivotal”、“delve”等典型 AI 词汇，以及带有聊天机器人口吻的“希望这能帮到你”。本技能旨在打破这种模式聚类，让文本回归自然的人类表达。

核心机制与工作流

该技能默认处于 Generation（生成）模式，在起草阶段直接应用规则；当用户提供现有文本要求清理时，则自动切换至 Rewrite（改写）模式。

在改写模式下，技能遵循严格的不改变原意原则：直接引用的第三方文本必须逐字保留，数据、统计、日期和专有名词绝不可篡改。其工作流包含以下关键步骤：

1. 语域检测：根据上下文判断文本属于社交、邮件、社论还是正式报告，并据此动态调整缩写、破折号和碎片句的使用频率。
2. 应用规则：依据内置的 36 项规则目录（涵盖结构、框架、词汇和格式）清除 AI 痕迹，如删除“In conclusion”式的总结陈词、避免句中加粗，并剔除“作为AI”的机械对话残留。
3. 自审清单：交付前逐项扫描草稿，修复所有违规项。若项目中存在 voice.md 文件，技能会读取并应用用户的个性化语料风格，而非通用的清洁语态。

适用边界与防误报机制

必须明确的是，这些模式只是统计信号，而非绝对证据。技能内置了误报保护（False-positive guard）机制以应对边界情况：

• 用户指令优先：如果用户明确要求使用项目符号、破折号或加粗，则完全遵从用户意图。
• 引用不可触碰：无论何种模式，引号内的第三方内容绝不进行“人性化”处理。
• 准确性高于风格：绝不为了规避模式而牺牲事实准确性或必要的专业术语（如合规要求中的“comprehensive”）。
• 修复聚类而非孤立点：人类同样会使用破折号或三词列表，技能的目标是消除模式的异常密度，而非死板地禁用每一个孤立实例。