LifelongLazyLearner/qu-ai-wei · 上手攻略
- 仓库：LifelongLazyLearner/qu-ai-wei
- 链接：https://github.com/LifelongLazyLearner/qu-ai-wei
- 分类：AI coding tools · Chinese NLP · Writing tools
- 作者：Jay
- 更新：2026-08-10
这是什么
一个 Claude Code Skill（MIT 协议），专门用来把 AI 生成的简体中文初稿改写成更自然的真人腔调，同时保留原文的事实、意思、正式程度和说话方式。
核心理念：做减法而非改写。不发明事实、不补写观点、不改动语体档次，只清理套话、机械结构、翻译腔和过度工整的表达。51 类 AI 写作痕迹模式逐号列出，改前逐条核验密度而非机械套用。
解决什么问题
用 AI（GPT、Claude 等）生成中文初稿后，经常出现以下问题： - 过度拔高（"里程碑"/"新篇章"） - 空洞强调（"值得一提的是"/"不可否认"） - 翻译腔残留（代词滥用/被动结构/的的字从句） - 节奏均质（全段同句长/同结构） - 列表反射（个人分享硬拆编号）
qu-ai-wei 把这套识别-修改流程做成 Skill，Claude Code 直接加载，读 SKILL.md 执行 6 步改写流程，无需每次手写提示词。
⚠️ 不做：翻译、新写、繁體、处理真人文本（遇到真人腔直接停手）、绕过学校/期刊的 AI 检测规定。
快速安装
# 自动检测本机支持的 AI 编程工具（Codex / Claude Code / Kimi Code CLI / Cursor / OpenCode）
npx skills add https://github.com/LifelongLazyLearner/qu-ai-wei
# 明确指定目标工具
npx skills add https://github.com/LifelongLazyLearner/qu-ai-wei \
-a codex -a claude-code -a kimi-code-cli
Skill 加载开放 Agent Skills 格式，同一份 SKILL.md + references/ 可被 Codex、Claude Code、Kimi Code CLI、Cursor、OpenCode 共用。
安装后直接说：
帮我去 AI 味：
[粘贴简体中文初稿]
Skill 会输出：门检结果 → 初稿 → 自审 → 终稿 → 打磨报告。如原文已是真人腔，直接停手。
内嵌模式（工作流中调用，只给终稿）：
用 qu-ai-wei 改写下面的 PR 描述，只输出终稿正文：
[粘贴简体中文]
⚠️ 暂处 0.x 开发阶段（版本 0.8.4），规则/分类/输出格式可能随版本更新变动。
核心用法：改写流程
1. 敏感信息门检（第一步）
检测到密码、API key、access token、私钥、会话 cookie 或用户自称凭证时，立即停止，回复：
检测到疑似凭证，请删除或替换为 [REDACTED] 后重试。
两种模式都只回复这句话，不复述、不改写、不先做掩码。
2. 语体门检（第二步）
九档语体识别：社交、自媒体、商务、书面、特稿、品牌、学术、公文、高考。默认书面；场景与默认档位不符时先问。
| 判断结果 | 操作 |
|---|---|
| AI 生成文本 | 继续改写流程 |
| 真人文本 | 停手，最多列 2 条原文证据 |
| 不确定 | 各列一条可能证据，反问用户 |
3. 51 类模式扫描（核心）
按语体激活矩阵（九宫格）选组，只处理实际命中密度的模式。单次出现通常不算 AI 腔；短段反复、脱离内容或空转才算。
部分高频类目速查：
| 编号 | 名称 | 示例 |
|---|---|---|
| #1 | 过度拔高 | 里程碑/新篇章 |
| #2 | 空洞强调 | 值得一提的是/不可否认 |
| #3 | 时代开场 | 随着发展/大背景下 |
| #7 | 高频词 | 赋能/助力/打造/闭环密集 |
| #11 | 的的不休 | 连续三个以上「的」 |
| #21 | 成语堆叠 | 三个以上四字词连用 |
| #33 | 翻译腔残留 | 代词滥用/被动/的的字从句 |
| #34 | 连接词空转 | 然而/此外/因此堆叠 |
| #35 | 节奏均质 | 全段同句长 |
| #47 | 伪引用/AI URL | 编造来源/未填槽位 |
| #51 | 泛化第二人称 | 用户/大家/各位 代替「你」 |
4. 六条打磨
在边界内做： 1. 动词强化（学术/公文必要时保留「进行 + V」） 2. 打破等长句，合并碎句，拆开长句 3. 无损删填充语 4. 只把抽象换成原文已有细节（不发明） 5. 状语/条件归位，拆定语 6. 删空转连接词，保留术语和正式程度
5. 终稿五问核验
- 有无无损可删词？
- 节奏有无变化？
- 弱动词是否堆叠？
- 具体细节是否被抽象话吃掉？
- 声音是否一致？
失败则修正重检。
6. 打磨报告（普通模式必须输出）
【打磨报告】
· 动词强化：[数量 / 无] · 原文「X」→ 终稿「Y」
· 节奏重塑：[数量 / 无] · 原文「X」→ 终稿「Y」
· 填充语切除：[数量 / 无] · 原文「X」
· 抽象换具体（原文已有）：[数量 / 无] · 原文「X」→ 终稿「Y」
· 语序归位：[数量 / 无] · 原文「X」→ 终稿「Y」
· 语体匹配档位：[语体]
可观察指标：具体名词 [N]；第一人称 [N]；引用原话 [N]；段长最短 [X] / 最长 [Y]。
典型适用场景
- AI 生成的中文 PR 描述 / commit message：清理套话，让 code review 更顺畅
- 技术文档初稿改写：保留技术术语，去掉"赋能"/"助力"等空话
- 产品文案 humanize：AI 写的营销文案去机器腔，保留信息密度
- 学术/报告草稿润色：识别翻译腔，恢复正常汉语语序（⚠️ 不用于绕过学术 AI 检测规定）
典型案例：
原文： 在快速变化的时代背景下，团队围绕提质增效开展了系统化实践。
值得一提的是，本季度发布了 3 个版本，修复了 17 个线上问题，
进一步赋能了组织协同。
终稿： 本季度，团队发布了 3 个版本，修复了 17 个线上问题。
删掉了无信息量的背景/强调/口号，没有补写任何原文中没有的内容。
坑与注意
⚠️ 0.x 阶段接口可能变更：版本 0.8.4，开发中，安装前注意看 Releases 是否有破坏性更新。
⚠️ 不处理繁體中文：仅限简体中文初稿。
⚠️ 不绕过 AI 检测规定：本 skill 是改写工具，不用于帮助用户规避学校/期刊/公司的 AI 使用政策。
⚠️ 不翻译、不新写：只改写已有简体中文，不做翻译或从零生成内容。
⚠️ "密度"判断需要人工经验：单次出现的 AI 腔通常不算问题，需要结合上下文判断；Skill 遵循"看密度不看出现"原则，但边界案例仍需人工校准。
⚠️ 技术术语保护：latency / context window / throughput / KV cache / attention / token 等英文技术词保持原文，不因 #42（翻译腔）被改写。
⚠️ SkillsLLM 安全扫描通过（依赖漏洞审计 + prompt injection 启发式），但任何外部 Skill 首次使用仍建议用测试文本验证行为。
与同类对比
| qu-ai-wei | 其他中文 humanizer | AI rewrite prompt | |
|---|---|---|---|
| 核心逻辑 | 减法 + 51 类显式模式表 | 多为黑盒模型改写 | 依赖 prompt 质量 |
| 语体保护 | 九档语体 + 激活矩阵 | 多数无 | 无 |
| 事实保护 | 禁止发明事实，逐项回指 | 不保证 | 不保证 |
| 真人文本识别 | 门检 → 停手 | 多无 | 无 |
| 边界清晰度 | 每号一行判定边界，非改写模板 | 黑盒 | prompt 依赖 |
| 开源 | MIT，完全透明 | 多为闭源 API | 无 |
结论：qu-ai-wei 是目前中文 AI 痕迹改写领域透明度最高、边界最清晰的工具之一——51 类模式表全部开源，语体保护有矩阵可查，不玩黑盒魔法，适合需要可复现改写标准的工作流（如 PR description、code review、文档润色）。
一句话推荐结论
AI 写的中文太生硬？npx skills add https://github.com/LifelongLazyLearner/qu-ai-wei 装上，把初稿扔给它，保留事实只去机器腔，51 类模式逐条核验，比改 prompt 更靠谱。