降AI味改写

问题：AI 写作的“可检测性”

当公众号文章、视频号脚本或课程文案由 AI 生成时，即使内容质量过关，也会因为统计特征过于规整而被朱雀、知网等检测器标记。这不是内容问题，而是文本层面的“机器痕迹”——长句结构一致、连接词过度使用、缺少口语化填充词。结果是：读者没说什么，但 AI 率显示 60%+。

核心能力：字符层不规则性

降AI味改写 的核心思路不是“让人读起来像 AI 写的”，而是在字符层面制造统计不规则性，打乱检测器的 n-gram 特征。它执行一套固定流程：

1. 识别 AI 味 — 对照 references/ai-tells-checklist.md 逐项扫描，标记命中的特征点
2. 执行舟吾净文算法 — 按强度档位应用 8 种变换操作（拆句、同义换词、加填充词等）
3. 自查 — 用同一份 checklist 复查改写稿，确认 AI 味特征已清除
4. 交付验证 — 输出改动说明，建议用户用朱雀验证，AI 率目标 <20%

两种强度档位

• 完整复刻（默认）：A-H 全做，允许轻度冗余和病句式错位，过检优先
• 轻度：只做 B/D/F/G，跳过 C/E/H，保可读性

适用边界

适用：公众号、视频号、课程文案等需要真实发布的内容创作场景

不适用：

• 学术论文 AI 率造假（这是方法论来源，但本 skill 已做反向适配）
• 洗稿或抄袭他人作品

红线：术语、数据、专有名词绝不改动；不改变观点和事实；单次处理建议 300-800 字/段