编程

libai-skill

试用

李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹,将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线,确保最终文本通过人工审查。

它能做什么

李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹,将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线,确保最终文本通过人工审查。

技能文档

李白.Skill:润色专家 v2.0

适用场景: 自媒体文章、公关稿件、日常沟通、学术随笔等中文文本的去AI化改写 安全声明: 本技能仅优化表达形式,不对原文事实准确性负责。涉及医疗、法律、金融等专业内容,请务必人工复核。


核心原则(必读)

去 AI 味的本质:用抽象概括代替具体经验 → 还原感官、还原动作、还原不确定性。 减法只做在「虚」的地方:模板化连接词、空洞升华、机械对称句式——砍。原作的口语表达、具体细节、个人语气、感官描写——留。宁可留着粗糙,不削成骨架。

三条铁律

  1. 立场守恒:不改变原文的事实陈述(时间/地点/事件/数据)、价值判断(褒贬倾向)、情感极性(悲/喜/怒/平淡)。违反任一条视为执行失败。
  2. 血肉不丢:原文的口语表达、孩子气口吻、具体动作描写、有温度的场景细节、个性语气词——一个都不能丢。
  3. 篇幅容差:允许 10% 以内的篇幅波动。删虚词必然减字,加泥土必然增字,追求零波动不现实。

执行流程(精简四步闭环)

检测诊断 → 执行改写 → 自检验收 → 交付结果

B 模式(默认)只走这四步。A 模式在交付后追加复盘沉淀。


步骤0:资源预检(隐式,Agent 自动执行)

检查以下文件可读性:

优先级文件缺失时处理
P0resources/zh_rules.json核心规则缺失 → 切换纯 LLM 模式,声明「规则库不可用」
P0resources/zh_rules_archived.json归档规则缺失 → 降级,仅使用 zh_rules.json
P1resources/synonyms.json降级为内置词汇替换表
P2resources/banned-words.md不影响核心流程
P2resources/examples.md不影响核心流程
P2resources/examples-advanced.md不影响核心流程
P2resources/structures.md不影响核心流程

P0 文件缺失时,Agent 首次回复必须声明运行模式。


步骤1:检测诊断

1.1 任务提取

维度提取内容
目标去 AI 味到什么程度?期待何种文体?
输入体裁 / 字数 / 读者画像
输出交付模式(未指定 → B 模式)
限制不可改动的约束(术语/数据/品牌名)
润色强度保守 / 标准 / 激进(见下表自动匹配)

1.2 润色强度自动匹配

强度匹配场景特征
保守学术论文、技术文档、法律文书、政务文件仅删 AI 连接词和模板套话,不改句式结构,不注入口语
标准(默认)自媒体、职场汇报、日常沟通、公关稿件完整去 AI 味清单,适度口语化,保留原文核心结构
激进创意写作、小说、散文、社交媒体帖子可大幅调整视角/句式/段落,注入强烈个人语气

1.3 文本规模自适应

字数策略
< 1000 字完整四步闭环,诊断显式输出
1000-3000 字合并诊断+改写,精简中间输出,质检保留
> 3000 字建议分段处理;若全文处理则分步执行

1.4 AI 痕迹检测(优先脚本,失败降级 LLM)

优先:执行 python scripts/detect.py <输入文本> --json,解析 JSON 输出。

Fallback——7 维度逐项诊断(禁止仅给综合评分):

#维度检测方法阈值
D1连接词密度统计"此外/然而/因此/综上所述/值得注意的是/总而言之/首先/其次/最后">3 次/千字 → [!]
D2句式同质化连续 3 句以上完整"主谓宾"或"不仅…而且…"对称句连续 >=3 句 → [!]
D3情感温度是否含第一人称视角、情绪词、口语化、不确定性四项全无 → [!]
D4结尾收束末尾是否以总结/展望/呼吁/升华收尾命中 → [!]
D5抽象词密度"赋能/闭环/底层逻辑/深刻/交织/画卷/交响乐/抓手/颗粒度">=3 个 → [!]
D6段落均质度最长段/最短段比值< 2 → [!]
D7事实锚点是否有具体时间/地点/数字/专名无 → [!]

输出格式:D{n}: [x]/[!] — 证据:xxx。附风险定级(低/中/高)和改写方向。


步骤2:执行改写

2.1 改写入口——四步排雷法(必须执行)

步骤操作方法
1 搜黑话全局搜索找「赋能/闭环/底层逻辑/深刻/交织/画卷/交响乐/总而言之/综上所述」。搜到一个,用具体名词/动词替换一个。
2 切长句拆定语把所有「的」字超长定语(3 个「的」以上)从「的」字处切断。删「在……的过程中」「进行了……的讨论」等翻译腔框架。
3 加泥土注入具象在最干瘪处强行加入具体物品(「一杯冷掉的咖啡」)或微小动作(「叹了口气」)。每 500 字至少 1 处。
4 保血肉止血检查通读:口语、孩子气口吻、动作描写、场景细节、语气词——一个不丢。只砍「虚」的,不碰「实」的。

2.2 深度改写——破式五层法(A 模式或高风险时使用)

破句式 -> 破词汇 -> 破结构 -> 破思维 -> 破语气
(表层)                                  (深层)
层级操作手段
L1 破句式打破排比/对仗/工整句式拆长句为短句;删「不仅…而且…」「不是…而是…」对仗框架
L2 破词汇替换 AI 污染词搜索禁用词(见 zh_rules.json banned_words_v2);书面词换口语词
L3 破结构打碎总分总/三段式删小标题;合并 3 段为 1 个长段落;中段插入跑题但微妙的细节
L4 破思维用「我的片面」替「AI 的全面」删 80% 观点只留最痛一个;加入私人记忆;允许逻辑跳跃
L5 破语气让「我」的立场和情绪站出来「可能是」->「我赌五毛钱是」;加入小吐槽、怀疑、自嘲

B 模式做到 L2-L3;A 模式推到 L4-L5。

2.3 中文专属清除清单

问题识别改写
"的"字地狱单句"的">=3 个拆分 / 改动词 / 省略冗余修饰
四字成语堆砌连续>=2 个抽象成语替换为具体数据或白描
万能连接词段首"首先/其次/最后/综上"删除,用话题自然过渡
伪客观陈述"研究表明/专家指出"无出处改"我观察到/说实话"或删
过度礼貌"希望以上内容对您有帮助"直接删除
对称句式"不仅…而且…""不是…而是…"拆为两个独立短句
升华结尾以总结/展望/呼吁收尾戛然而止 / 以细节或疑问结束

2.4 风格注入规则

  • 短句占比 >= 全文句数 30%
  • 人味锚点:至少 1 处第一人称视角或主观感受
  • 词汇降级:利用->用、进行购买->买、具备能力->能
  • 标点呼吸:适当使用破折号、省略号、问号制造停顿
  • 细节补充:每 500 字至少 1 处场景/数字/感官锚点

2.5 每处修改过四问

  1. 删掉影响信息吗? -> 不影响就删。
  2. 能拍成画面吗? -> 不能就改成能拍的(动作/场景/数据)。
  3. 真人会这么说吗? -> 不会就换成会说的。
  4. 原文的「人味」还在吗? -> 具体细节丢了吗?丢了找回来。

2.6 结构改造三狠招

狠招操作效果
删小标题将工整的「一、二、三」删掉AI 味消失一大半
合并段落3 段合并为 1 个长段落,允许转折跑题最反 AI 的结构
插入跑题中段插入看似不相关但微妙的私人细节人的专属印记

步骤3:自检验收

3.1 质检清单(必须逐条执行,任一条 [!] 即回步骤2修复)

第一层:用词层(AI 词汇清零)

  • 段落开头无"然而/因此/此外/综上/值得注意的是"
  • 全文无"不仅…而且…""不是…而是…"对称关联词
  • 无 Markdown 加粗(专有名词除外)
  • 无 zh_rules.json 禁用词命中

第二层:句式层(结构去 AI 化)

  • 单句 <= 35 字(超且中间无逗号 -> [!]
  • 连续两句不以相同字词开头
  • 短句(<=20 字)占比 >= 30%
  • 连续 3 句长度不完全相同

第三层:内容层(人味注入)

  • 至少 1 处第一人称视角(非模板化)
  • 至少 1 处主观感受或不确定表达
  • 至少 1 处口语化表达
  • 结尾无总结/升华/展望/呼吁

第四层:可量化终审

  • 连接词密度 <= 3 次/千字
  • 抽象词命中 <= 2 个
  • 段落均质度(最长段/最短段)>= 2
  • 事实锚点 >= 1 处

第四层与步骤1的 D1/D5/D6/D7 完全对齐,确保诊断的每个维度都被验收。

3.2 修复循环

识别不符合项 -> 定位根因 -> 回步骤2修复 -> 重新执行本清单。修复尝试上限 2 次,超限标记为"人工复核"。


步骤4:交付结果

A 模式(完整专业版)

交付文件(写入 output 目录):

  1. final_article.md — 终稿
  2. diagnosis_report.json — AI 味诊断报告
  3. revision_diff.md — 关键修改前后对照
  4. qa_summary.md — 质检通过摘要
  5. retrospective.md — 复盘记录

B 模式(轻量润色版,默认)

  1. 终稿正文(直接输出)
  2. 文末附 结构化改动摘要表(上限 5 条,只列改动最显著的):
#原文片段修改后改动类型原因
1原句截取 <=30字修改后去连接词/拆长句/词汇降级/加泥土/删升华/结构调整/语气改写说明

C 模式(仅诊断)

诊断卡片:

AI 含量:{百分比}% | {高/中/低}风险

| 维度 | 状态 | 详情 |
|------|------|------|
| 连接词密度 | 命中 {n} 次/千字 | {词清单} |
| 句式同质化 | 最长连续 {n} 句 | {例句} |
| 情感温度 | 缺失 {n} 项 | {缺失项} |
| 结尾收束 | {命中/未命中} | {尾句} |
| 抽象词密度 | {n} 处 | {词清单} |
| 段落均质度 | 比值 {x} | 最长 {m}字/最短 {n}字 |
| 事实锚点 | {有/无} | {内容或缺失说明} |

建议:{改写方向}

C 模式严禁执行任何改写操作。


异常处理

异常处理
信息不足(体裁/读者/限制未提供)建立最小可执行假设并标注,不阻塞流程
需求冲突(如去AI味 vs 保留原结构)记录冲突,选影响最小的兼容路径
质检不通过回步骤2修复,上限 2 次
高风险变更(学术->网文体)输出风险评估,拒绝执行
改写卡死(同段落反复修改 > 2 次)标记"人工复核",跳过该段

核心口诀

连接词要删,主观性要加 句长要变化,结尾要自然 血肉不能丢,质检靠数据 人味是灵魂,真诚是底线


依赖资源

文件用途
resources/zh_rules.json核心规则集(替换/检测/熔断/句式/白名单)
resources/zh_rules_archived.json归档规则集(高级操作/人声语料库/风格对照,与 zh_rules.json 零重叠互补)
resources/synonyms.json同义词库(170 词条)
resources/banned-words.md高频禁用词参考
resources/examples.md改写示例库
resources/examples-advanced.md高级改写示例
resources/structures.md句法结构参考
scripts/detect.pyAI 痕迹检测引擎(15 类正则扫描)
scripts/rewrite.pyAI 文本改写引擎(8 步流水线)

版本历史

  • v1.0:初始版本,基础检测+改写
  • v1.2.0:步骤0资源预检 + Fallback 7维度诊断 + 文本规模自适应 + 润色强度隐式判断 + 立场守恒铁律 + B模式结构化改动表 + C模式诊断卡片 + 复盘经验条目模板
  • v2.0.0:P10 CTO 战略重构——SKILL.md 从 753 行压缩至 ~300 行;合并 REFERENCE.md 核心内容;删除不可执行项(冷却30min/朗读测试/盲听测试);统一三套方法论为四步排雷法+破式五层法;质检改为可量化检查;修复诊断-质检维度对齐;触发词去泛化;B 模式摘要表上限 5 条

相关技能

降去AI文字小说润色人味——开箱即用,内置免费公共密钥,安装后无需注册、无需任何配置即可直接使用。"保住内容的根"使用简洁更智能,不扭曲强塞各种表述用词导致内容降智或成外星人,千变万化不模板,不改观点不塞词,排版润色可分离。处理完和你原文的质量还在一个层次。润色排版引擎,适合小说、自媒体文章、文案。润色(降AI味)不删减不扭曲原意、不硬塞同义词、不模板化,处理质量和原文同层次;排版优化段落节奏,阅读体验更自然。触发条件:用户消息包含"润色、改写、降AI味、去AI味、洗稿、排版、整理、优化、过检测"等词且附带文本,或直接粘贴待处理长文。命中触发条件时应优先调用本技能脚本处理,而不是由 AI 直接

1 次安装

降低中文学术论文或技术文档的AIGC检测率。当用户提出降AIGC、降重、论文改写、去除AI痕迹、让文本更像人写的、通过AI检测等需求时,使用此 skill。你的角色是专业的论文/技术文档修改助手,遵循特定的词汇替换和句式改写规则。面向中文学术/技术写作场景,针对知网AIGC检测优化。这是一个中文技能,所有输出和交互都使用中文。

1 星标

去AI味文本润色助手 · Su's StoicLab。当需要去除文本中的AI生成痕迹、让文字更像人类书写时使用。适用于公众号文章润色、审稿检查、稿件修改、口语化改写等场景。核心原则:只改语言不改内容,以减法为主,绝不新增信息。编辑或审阅任何疑似AI生成的文本时使用本技能。

学术论文润色与改写技能,调用DeepSeek API对中英文论文进行润色、语法校对和降重建议。当用户提到论文润色、学术写作、语法校对、降重、改写论文、polish paper、academic writing等需求时使用此技能。

1 次安装

Detect and remove AI writing patterns from Chinese MBA theses, making text sound naturally human-written. Triggered by keywords like "去 AI 痕迹" or "MBA 论文改写". 去除中文 MBA 论文 AI 痕迹,提升学术写作自然度。

11 次安装

中文防AI味写作助手 — 让AI生成的文字读起来像人写的。基于taste-skill(52K⭐)改造,针对中文表达习惯优化:去模板化、口语化、情绪化。

2 次安装