xiaofenggan01/aigc-reduce · 上手攻略
- 仓库：xiaofenggan01/aigc-reduce
- 链接：https://github.com/xiaofenggan01/aigc-reduce
- 分类：academic-writing
- 作者：Tom
- 更新：2026-08-13
这是什么
aigc-reduce 是一个面向 Claude Code（增量兼容 Codex）的 Skill，用于降低学术论文被 AIGC 检测器（知网 3.0、万方、PaperPass、PaperPure 等）误判为 AI 生成的概率。它不是帮人"作弊"，而是帮助本来是真人写的论文——尤其是术语密集型、高质量流畅写作的论文——避免被检测器的统计偏差误杀。
核心立场：降重 ≠ 口语化。市面上大量"降 AIGC 率"的方法靠把论文写成大白话骗过统计检测器，但学术论文过了机审还要进人审，口语化会直接伤害论文可信度。本 Skill 把保持学术书面语体设为硬底线，优先级高于修改率目标。
解决什么问题
AIGC 检测器存在系统性局限：
- 高质量流畅论文假阳性率更高：高质量流畅论文假阳性率 6.5%，有口语化瑕疵的仅 1.8%——检测器在"惩罚"写得好的人
- 跨平台结果不一致：同一篇论文知网 AI 率 35%，万方仅 12%
- 术语密集型论文受害严重：术语密度 >20% 时假阳性率高达 8-12%
- 检测器依赖浅层特征：DPO 训练已可让检测准确率下降 60%
换句话说：检测的是"像不像 AI 写的"，而不是"是不是 AI 写的"。
本 Skill 通过三轮降重协议解决这些问题： 1. 去除痕迹：词级/句级/段级结构性改写，去除 AI 模板化句式 2. 注入书面学术特征：长短句自然交错（CV ≈ 0.45），补全审慎推断，保持正式语体 3. 自检审计：内置 9 维度扫描脚本，验证修改质量
快速安装
# Claude Code 安装（推荐）
git clone https://github.com/xiaofenggan01/aigc-reduce.git ~/.claude/skills/aigc-reduce
# Codex 安装
git clone https://github.com/xiaofenggan01/aigc-reduce.git ~/.agents/skills/aigc-reduce
# 或通过 $CODEX_HOME/skills
git clone https://github.com/xiaofenggan01/aigc-reduce.git "$CODEX_HOME/skills/aigc-reduce"
安装后在 Claude Code 中提到「降 AI 味」「降 AIGC 率」「去 AI 检测」等关键词时，Skill 自动触发。
核心用法
1. 自动触发式使用
在 Claude Code 对话中直接处理学术论文，提到相关关键词即可触发降重流程。
2. 手动扫描文本（内置脚本）
python3 scripts/aigc_scan.py your_paper.txt
扫描 9 个维度（9 dimensions）：
| 维度 | 对应检测器逻辑 |
|---|---|
| 模板句式密度 | 知网语义指纹 |
| 突发性 CV | GPTZero 核心算法 |
| 段落对称性 | 知网格式规范性校验 |
| 嵌套编号 | 统计检测 |
| 冒号并列 | 知网逻辑断层检测 |
| 被动语态 | Turnitin 句式特征分析 |
| 标点规律 | 万方 BERT 语义分析 |
| 口语化/网络用语 | 降重过度预警（守学术语体） |
| 破折号密度 | 降重过度预警（每段 ≤1 个） |
3. 词级/句级/段级替换表
替换操作覆盖三个层级：
- 词级（10-15%）：72 个中文 AI 高频词、模板词、动词系统性替换
- 句级（15-20%）：语序重组、长句拆分、被动改主动、主语更换
- 段级（10-15%）：对称段长打破、段间过渡、语义注入
4. 深度 AI 痕迹自检清单
逐项排查 12 种深度 AI 痕迹模式：
- 重要性膨胀（"至关重要""不可忽视"）
- 同义词轮换（同一概念被叫了 3 个以上名字）
- 三板斧强迫症（连续"A、B和C"三件套）
- 系词回避（AI 不用"是"，偏用"作为/体现/代表"）
- 模糊归因（"有研究表明"无引用）
- 公式化挑战段（"尽管…但仍存在局限性"）
- 悬浮式分析（一句话挂 2+ 个"从而/进而"）
- 空洞结论（"具有良好的应用前景"）
- 破折号过度使用
- 虚假范围（"从宏观到微观"）
- 成对转折收束（连续"不是…而是…"/"但至少…"/"不代表…"）
典型适用场景
- 术语密集型论文：医学、生物、化学等领域的论文术语密度高，检测器假阳性率可达 8-12%，最需要本工具
- 高质量流畅写作：论文逻辑清晰、语言流畅，反而容易被误判为 AI 生成
- 跨平台检测不一致：同一篇论文在不同平台结果差异大，需要系统性处理
- 人审前的最终保险：过了机审但担心人审被质疑，提前消除模板化痕迹
坑与注意
⚠️ 禁止 AI 全量重写：AI 重写 AI 文本 = 叠加 AI 指纹。PaperPure 实测：直接让 AI 重写后检测率升至 100%。
⚠️ 修改率 >40% 但只能靠限定手段：贡献只能来自结构性改写，禁止靠口语化、情绪化、无意义换词凑数。当"达 40%"与"保语体"冲突时，语体优先。
⚠️ 保持学术书面语体是硬底线：禁止出现网络用语、情绪词、口语表达；禁止为降重编造原文没有的事实、数据或文献。
⚠️ 受保护片段：引用、公式、数据、术语受保护，不得修改。详见 references/protected-spans.md。
⚠️ 三轮协议顺序不可跳：先去痕迹 → 再注入特征 → 最后自检，直接注入特征会导致口语化。
⚠️ 破折号每段 ≤1 个：降重过度会破坏学术语体，内置脚本有检测。
与同类对比
| 方案 | 核心思路 | 语体保护 | 自动化程度 |
|---|---|---|---|
| 本 Skill | 三轮协议·结构性改写 | ✅ 硬底线 | ✅ 9维度自动扫描 |
| 纯 AI 重写 | 让 AI 重新生成全文 | ❌ 大概率口语化 | ✅ 一键 |
| 简单同义词替换 | 词级替换 | ❌ 破坏语体连贯性 | ✅ 快速 |
| 口语化降重 | 主动降低写作质量 | ❌ 严重伤害可信度 | ✅ 快速 |
本 Skill 的差异化价值：不是"把 AI 文改成人话"，而是"把真人写的好论文从 AI 指纹中解放出来"。
一句话推荐结论
如果你写过高质量学术论文却被 AIGC 检测器误判；如果你需要兼顾机审通过率和人审可信度——这个 Skill 是目前中文语境下将"降修改率"与"保学术语体"结合得最完整的解决方案。