阿拉丁AI痕迹检测与重写

中文文本AI痕迹的痛点

写完一篇中文方案、公众号文章或论文后，常遇到这样的问题：文本读起来像机器生成的，存在高频AI词（如“赋能”“闭环”）、机械化连接词（“首先、其次、最后”）、过度结构化等问题，容易被AI检测工具判定为高AI率，影响交付。这些痕迹往往隐藏在句式、用词和结构中，人工逐句排查耗时且容易遗漏。

五维检测与人味化重写流程

技能通过纯本地三段式脚本解决这一问题：

• 输入归一（detox_ingest.py）：将CSV/JSON/TXT/Markdown等多源文本归一为标准IR，自适应GB18030/UTF-8编码，自动去重并跳过脏数据。
• 五维AI痕迹打分（detox_audit.py）：基于公开词典对高频AI词、机械化连接词、过度结构化、虚假客观性、公式化套路五个维度评分，输出0-100风险分与等级，定位每处痕迹的P0/P1/P2级别及原文片段。
• 人味化重写：智能体按references/humanize-method.md的方法论（断排比、换AI词、补具体、去虚词、加人声）逐条改写高风险文本，生成rewritten.json。
• 复检闭环（detox_audit.py）：对改写文本再次打分，计算风险下降值，标注“已改善/仍需打磨/原本干净”状态。
• 产出四件套：HTML前后对比报告、Markdown索引、CSV矩阵、改写清单，直观展示修改效果。

适用边界与注意点

• 纯本地启发式评估：不联网、不调用外部API或模型，评分逻辑透明但非权威检测，无法替代商业AI率工具。
• 结果仅供参考：各大检测工具算法不同，本技能分数仅用于指导改写，不保证具体“AI率”数值。
• 不替代人工终审：算法提供方向，最终文风需由人把关，尤其适用于需要保留专业表达的公文、论文场景。
• 仅处理文本：不涉及图片、音频、视频等非文本文件，批量处理时需确保输入格式符合规范（如CSV表头含“标题/正文”等别名）。