humanize-it
对指定文档进行去 AI 味的改写。自动选择最合适的人性化策略（humanizer-zh / humanize-chinese / technical-writing）， 迭代改写直到效果达标或迭代 42 次为止。适用于中文文本的去 AI 化处理，包括通用文章、技术文档、学术论文等。 Use when user says: "humanize this", "去AI味", "降AIGC", "人性化改写", "改成人话", "去除AI痕迹", "humanize document", "make text human-like", "去机器味", "降低AI率", "过AIGC检测"
By smallnest · 455 installs
npx skills add smallnest/goal-workflow --skill humanize-it
Source repository · Upstream listing
Humanize It: 迭代式去 AI 味改写
对指定文档进行去 AI 味的改写。根据文本类型和内容，从三个子 skill 中自动选择最合适的一个开始改写。如果改写效果不满意，换用另一个 skill 继续迭代，直到效果达标或达到 42 次迭代上限。
子 Skill 能力矩阵
Skill 适用场景 核心能力 改写风格
humanizer zh 通用文本、文章、博客、文案 识别 24+ AI 写作模式，注入个性与灵魂，节奏变化 自然、有温度、带观点
humanize chinese 通用 + 学术 + 长文本 20+ 规则检测 + 统计特征 + LR 融合评分，CLI 工具链 多种风格可选（知乎/小红书/学术/文学等）
technical writing 技术文档、架构说明、设计稿、评审文档 去除技术黑话，证据先行，消除主持腔 平实、严谨、可论证
工作流程
第一步：读取文档并分析
1. 读取用户指定的文档内容
2. 判断文档类型：
技术文档 （技术方案、架构说明、设计文档、评审稿）→ 优先使用 technical writing
学术论文 （论文、研究文章）→ 优先使用 humanize chinese （学术模式）
通用文本 （博客、文案、文章）→ 优先使用 humanizer zh
长文本 （≥1500 字）→ 优先使用 humanize chinese （长文本模式）
第二步：改写策略选择
根据文档类型选择第一个改写 skill：
第三步：迭代改写循环
第四步：质量评估
每次改写后，按以下维度评估效果（百分制）：
维度 权重 评估标准
AI 痕迹去除 30% 三段式、套话、机械连接词是否消除
自然度 25% 读起来是否像人写的，节奏是否自然
信息完整 20% 核心信息是否保留，没有丢失关键内容
风格一致 15% 语气是否前后统一，符合文档类型
可读性 10% 句子是否通顺，逻辑是否清晰
评分标准：
≥ 80 分：通过，输出结果
60 79 分：尚可，再迭代一轮看能否提升
< 60 分：不达标，必须继续改写
第五步：输出结果
输出最终改写结果，附带：
1. 改写后的完整文本（写入原文件或指定输出文件）
2. 改写摘要（使用了哪些 skill，迭代了几次，最终评分）
3. 主要改动点列表
具体执行指令
调用 humanizer zh 时
使用 Skill 工具调用 humanizer zh ，将文档内容传入，让其按 24 种 AI 写作模式进行检测和改写。重点关注：
删除填充短语
打破公式结构
变化节奏
信任读者
删除金句
注入个性与灵魂
改写后按其 50 分制质量评分进行初步评估（≥ 40 分为达标）。
调用 humanize chinese 时
使用 Skill 工具调用 humanize chinese ，根据文档类型选择对应模式：
通用文本：使用 detect + rewrite 流程
学术论文：使用 academic 模式
长文本：使用 scene novel 或 scene auto
如果 CLI 工具可用，优先使用 CLI 进行量化检测和改写；否则按其 LLM 使用指南手动执行。
改写后按其 0 100 分评分体系评估（≤ 35 分为 LOW 区间，达标）。
调用 technical writing 时
使用 Skill 工具调用 technical writing ，主要用于技术文档的改写。重点关注：
去除 buzzword 黑名单中的词汇
消除主持腔和评价腔
按「条件 → 对象 → 判断」重写句子
证据先行，减少无支撑的强判断
去除过场句
迭代策略细节
何时切换 Skill
1. 同一个 skill 连续改写 3 次评分无提升 → 切换到下一个 skill
2. 评分下降 → 回退到上一个版本，切换 skill
3. 所有 skill 都用完一轮但未达标 → 从第一个 skill 重新开始，但使用上一轮的改写结果作为输入
4. 达到 42 次迭代 → 输出当前最佳结果
组合策略
不同 skill 的改写侧重不同，组合使用可以互补：
humanizer zh → humanize chinese ：先注入个性灵魂，再做量化去 AI 模式
humanize chinese → humanizer zh ：先做系统化去 AI，再注入温度
technical writing → humanizer zh ：先保证技术严谨性，再增加自然度
humanizer zh → technical writing ：先去除通用 AI 痕迹，再调整技术语气
用户交互
如果用户提供了明确的偏好（如"保持学术风格"、"要更口语化"、"技术文档不要太随意"），在改写时遵循用户偏好，并优先选择对应的 skill。
如果用户未指定文档类型，可以通过 AskUserQuestion 询问：
文档类型（通用 / 技术 / 学术）
期望的改写风格（自然随意 / 平实严谨 / 学术规范）
是否需要写入原文件还是输出到新文件