redbaronyyyyy-eng/humanizer-zh-academic · 上手攻略

  • 仓库：redbaronyyyyy-eng/humanizer-zh-academic
  • 链接：https://github.com/redbaronyyyyy-eng/humanizer-zh-academic
  • 分类：academic-writing · AIGC 检测对抗
  • 作者：Jay
  • 更新：2026-08-11

这是什么

humanizer-zh-academic 是一个专为 Claude Code 设计的 Skill（提示词库），核心功能是降低中文学术写作的 AIGC 检测率。它不是让 AI 写得更好，而是让 AI 写的东西读起来更像人写的——不是消除 AI 味，而是注入人类写作的真实感与随机性。

适用于：期刊论文、毕业论文、研究报告、中文学术写作润色。

核心理念：AIGC 检测器识别的是「写作模式」的统计规律，而非内容本身。AI 写作高度可预测；人类写作则更随机、更情境化。Skill 通过打破 16 种 AI 典型写作模式、注入人类学者的思维质感来对抗检测。

⚠️ 实验数据（来源 README）：AI 原稿 AIGC 检测率 >50%，经 Skill 处理后降至 11%。注意：此为单一论文实验结果，真实降检效果受检测器版本、文本类型、原始 AI 模型等多因素影响，本攻略不对降检率做百分百承诺。

解决什么问题

中文学术写作经 GPT-4 / Claude 等大模型输出后，典型 AI 痕迹包括：

  • 理论框架公式化起笔（「依据XX理论……」开篇）
  • 段末套路结尾（「此案例印证了……」「由此可见……」）
  • 整齐三元并列句（每条等长、高度对称）
  • 被动分析套话（「该处理体现了……」「该设计基于……」）
  • 模糊归因（「专家认为」「研究表明」无出处）
  • 泛化结论（「具有重要意义」「前景广阔」）
  • AI 高频词堆砌（「深刻揭示了」「不可或缺」「综合运用」）
  • 过度对称结构 + 加粗滥用 + 填充短语

这些问题导致 AIGC 检测器（Turnitin、维普、学信网等）报红，即使内容真实也会被误判。

快速安装

前提：已安装 Claude Code（支持 Gemini CLI Skill 格式）。

# 全局安装
git clone https://github.com/redbaronyyyyy-eng/humanizer-zh-academic.git \
  ~/.gemini/antigravity/skills/humanizer-zh-academic

# 或项目级安装
git clone https://github.com/redbaronyyyyy-eng/humanizer-zh-academic.git \
  .gemini/skills/humanizer-zh-academic

版本选择： - 精简版（SKILL.md，~414 行）：默认启用。context window 占用少，适合短文本（≤2000 字）和日常快速处理。 - 完整版（SKILL_full.md，~554 行）：每个模式含完整改写示例，效果可能更好。将 SKILL_full.md 重命名为 SKILL.md 即可切换。

触发关键词（在 Claude Code 对话框中输入任意一条）：

降低AI率 / 降低AIGC / 去AI味 / 人工润色 / humanize / 学术写作润色

核心用法

标准 SOP（四步流程）

第一步：提交文本 将需要处理的学术文本粘贴给 Claude Code。

第二步：风险识别报告（约 100 字，Claude 自动输出） Claude 扫描全文，输出： - 高风险段落位置（第几段）及命中模式编号 - 硬约束命中情况

第三步：用户确认 Claude 等你确认后再输出改写版本（除非你说「直接改」）。

第四步：改写 + 质量自检 Claude 输出改写版本，并按 6 维质量评分自检。

短文本例外：文本 ≤300 字或用户说「直接改」，跳过报告步骤直接改写。

核心改写模式示例

模式 AI 原文 改写后
模式1 理论起笔 「依据社会建构主义理论，知识并非客观存在……」 「在课堂观察中，学生并非被动接收教师传递的知识——他们持续地通过对话修正理解。社会建构主义理论恰好能解释这一现象。」
模式2 套路结尾 「此案例印证了目的论的核心观点……这提示我们……」 「问题的关键不在于是否「忠实」于原文，而在于目标读者究竟需要什么。」
模式3 三元并列 「首先，……；其次，……；再次，……。」 「最根本的一点是数据问题——现有语料库覆盖有限。此外，标注成本也是门槛。至于偏差……目前连系统性讨论都还不充分。」

硬约束速查（输出前必检）

  • AI 高频词：每段 ≤2 个（超出必须替换）
  • 段末总结套句：全文 ≤1 处
  • 整齐三元并列：每段 ≤1 处
  • 「依据/基于XX理论」开头段落：全文 ≤20%
  • 正文加粗：全文 ≤5 处
  • 泛化结尾（「具有重要意义」「前景广阔」）：全文 0 处
  • 模糊归因（「专家认为」无出处）：全文 0 处

典型适用场景

  • 期刊论文投稿前润色：应对期刊编辑部的 AIGC 检测流程
  • 毕业论文降重：在学信网/维普等平台检测前预处理
  • 研究报告人工化：让 AI 辅助起草的研究报告读起来更像研究者亲笔
  • 中译中的 AI 辅助写作：先用 AI 生成英文再翻译，或用 AI 起草框架再人工化处理

不适用场景：营销文案、新闻稿、小说创作、日常对话文本。

坑与注意

  1. 不要过度消除：Skill 内置「噪声预算」——每千字允许保留 2-3 处轻微 AI 特征。全部消除反而会因风格过于均质化触发另一类检测器。保留轻微并列句（「两项目」而非「三项等长」）和极少量过渡词。

  2. 实测降检率 ≠100%：README 实验数据（50%→11%）来自单一论文，检测器版本、模型、文本长度均影响结果。本攻略不对效果做百分百承诺。

  3. 两版 Skill 不要混用：SKILL.md 和 SKILL_full.md 选其一，切换时需手动重命名文件。

  4. Claude Code 专用：此 Skill 依赖 Claude Code 的 Skill 格式，不适用于其他 AI 助手（ChatGPT Copilot、Gemini 等）。

  5. SOP 默认两步（报告→改写）：如果不习惯这个流程，需要在对话开始时主动说「直接改写」。

  6. 「人类写作」≠ 无错误：Skill 的目标是打破 AI 写作模式，不是帮你校对学术内容。改写后仍需人工审阅事实与逻辑。

  7. MIT 许可证：可商用、再分发，但需保留署名。

与同类对比

工具 核心能力 局限性
humanizer-zh-academic 专注中文，AIGC 模式识别 + 系统性改写方案 仅限 Claude Code；学术场景为主
op7418/humanizer-zh 中文通用 humanizer 场景更宽但对学术语域针对性弱
AI-Quill / Wordtune 英文 humanizer 不针对中文语境
QuillBot 多语言改写 非专为 AIGC 检测对抗设计
学客行 / 论文降重工具 中文论文降重 多为同义词替换（易被检测），非结构层改写

humanizer-zh-academic 的差异化在于：它是目前已知唯一专门针对中文 AIGC 检测模式进行系统性模式识别的 Claude Code Skill，且提供 16 种模式识别 + 7 项硬约束 + 6 维质量评分的完整工具体系。

一句话结论

如果你用 Claude Code 写中文论文，需要通过 AIGC 检测关卡——这是目前最系统化的中文 AI 学术写作人工化工具，基于 16 种模式识别 + 改写规律 + 质量评分闭环，直接克隆即可上手。

来源与引用

  • 仓库 README（含实验数据、Skill 机制说明）：https://github.com/redbaronyyyyy-eng/humanizer-zh-academic
  • SKILL.md 精简版（含全部 16 种模式详细说明）：https://github.com/redbaronyyyyy-eng/humanizer-zh-academic/blob/main/SKILL.md
  • 相关参考：Wikipedia「Signs of AI writing」；MIT 许可证