Agent Skills
返回列表
文案拟人去 AI 味

文案拟人去 AI 味

内容创作 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装规范技能 @pet-one/lynote-humanize-text-cn,使得 AI 助手可以按 rewrite/detect/edit 三种模式对中文文案进行去AI味与声线校准。

技能介绍

要解决的问题

大模型产出的文字会出现形似但不像人写的痕迹:开头一句在今天快速变化的世界里,后面堆叠 leverage、seamless、comprehensive 一类高频偏好词,列表三到四条机械并列,结尾再放一个总结改写。即便是中文,也能感觉到翻译腔:超长定语连缀、开头先来一句基于……,句式节奏整齐但缺乏跳跃,读者很容易识别为机器生成。

工作方式

技能提供三种模式:

  • rewrite:标记 AI 痕迹、改写文本,并在设定目标人声时向该声音靠拢
  • detect:仅标记问题,不提供改写
  • edit:对文件做原位最小编辑,只针对指定段落或注释

所有模式的第一步都是识别 protected spans,把版本号、命令、路径、错误信息、引用等锚点事实先进行锁定,避免改写时发生漂移。执行时按五步推进:识别锚点 → 指出主问题 → 选最轻量动作 → 残留扫描 → 返回可用文本。

清理对象

Tier 1 必检词:显著高于人类写作频率的 AI 偏好词。英文如 delve、tapestry、game-changer、at its core,中文如各类抽象大词、社交平台销售话术,一出现即替换。

Tier 2 聚合词:单个出现可接受,但若同一段落出现两个以上,视为模板化信号,只保留最合适的一个,其余改写。

结构性反模式:机械并列、对称填充、总结式收尾、二元对比框架等在中文和英文中都容易被标记的结构。

中文特有的西化句式:堆叠被动句、过长定语链、基于……式开头、通过……从而……结构,这类句子需要按自然中文重组,而不是在表面做同义词替换。

机器人痕迹:空泛的客套与感谢易感冒、对用户指令的过度确认以及类似“让我一步步思考……”的旁白式思考过程描述,同样需要清理。

宣传腔与过度意义化:把普通事件写成关键转折、“专家认为”“研究表明”等没有明确出处的表述、“虽然……但是……”式虚假让步、“值得收藏”“感谢观看”等社交媒体推广式收尾都属可清除项。

使用边界

这是一个写作质量工具,不是 AI 判定器。标记出的都是统计上更频繁出现在 AI 输出中的语言特征,但赶稿、用第二语言写作、或对陌生体裁创作的人类也可能出现同类表达。游戏文本中某处的 AI 标记更多是信号,不是证据。

在用户给出个人样本时,技能仅提取节奏、句长、连接词和第一人称倾向,作为声线参考。它不会照抄样本中的事实、观点,也不鼓励为了降低 voice.drift 而修改受保护片段。最后,若要保证零信息增益,那些事实、态度与引用必须真实存在,若没有作者关联,直接摘除有益,而不是帮读者找人写。

使用场景

  • 开发者正在写中文更新说明草稿,想把机器感和空洞总结改成可读但不浮夸的发布说明。
  • 运营整理社区回复时,希望去掉助理式问候和机械堆叠的客套,同时保留解决步骤。
  • 作者写完中文科普开头,发现带有基于……或通过……等翻译腔,想按自然中文语序重写。
  • 团队准备技术发布公告,想先运行检测模式标记AI痕迹,再人工决定是否采用改写。

适合人员

  • 经常写中文产品更新说明的开发者,需要把动作写清楚,移除夸大语气和空泛总结。
  • 负责中文文档和FAQ的技术写作者,希望在句式重排时保留术语、版本号和命令。
  • 审核技术博文或社区回复的编辑,需要先定位AI腔问题,再做最小且可保留原意的改写。