文本人性化

要解决的问题

LLM生成文本常带有一组可被自动识别的统计特征——如过度均匀的句子长度、高频的“此外”“综上所述”等过渡词、缺乏口语化的缩写（如“don't”“can't”）等，这些特征被WikiProject AI Cleanup整理为“AI写作的迹象”，并在1500万+篇PubMed摘要的语料研究（Kobak et al. 2024, arXiv:2406.07016）中得到验证。这些特征的叠加密度是AI文本被识破的关键：单一模式本身不致命，但多种模式同时高频出现时，会形成明显的“机器感指纹”。

技能的工作方式

技能的核心逻辑是稀释模式集群，而非消除某一个特征。它提供两种工作模式：

• 生成模式（默认）：撰写新文本时同步应用规则，让内容首次产出就贴近人类写作；
• 改写模式：针对用户粘贴的现有文本，剥离AI模式的同时严格遵守三条红线：

- 永不修改直接引语（即使引语包含“违禁模式”）；
- 永不改动引用、数字、日期、URL或专有名词；
- 永不变更原作者的核心观点与事实——若删除某模式会导致语义改变，则保留原意仅调整措辞。

执行任何规则前，技能会先检测语域：冷邮件、LinkedIn动态、博客文章、正式报告的“人类感”差异极大。例如冷邮件可适度使用缩写和短句，而正式报告则需减少碎片化表达。

适用边界与注意点

技能的目标是“去AI痕迹”而非“提升内容质量”。它不会主动优化逻辑、补充论据或调整结构，仅针对统计特征进行调整。对于已包含人工撰写痕迹的文本，过度应用可能导致风格不自然——例如，将原本符合人类习惯的过渡词全部删除，反而让文本显得生硬。