Humanizer

五维评分

优秀点拆解

• 专家知识清单化：把维基百科人工维护的检测指南固化为 33 个「编号模式+警示词+Before/After」原子条目，可执行、可引用、可被校验脚本验证编号完整性
• 防误伤设计：13 条 false-positive 反例清单（完美语法/单独弯引号/单独破折号都不算 AI 证据）+「看 tell 聚类而非单点」的判据，防止过度改写毁掉真人文本
• no-fabrication 铁律：改写不得加入源文本没有的事实，未支撑的声明「删掉而不是装饰」，且 draft→final 间强制自问有没有编造，把幻觉防护做成流程环节
• 三态调用模式：粘贴（输出草稿+审计+终稿）/ 文件（原地改写且不碰代码块与 frontmatter）/ 嵌入式（只吐终稿供其他 agent 编排），一个提示词覆盖人与 agent 两类场景
• 工程化治理：validate-package.py 无依赖校验三处版本一致、模式编号 1-33 连续、README 与 SKILL 同步、500 行可移植性预算，配 CI workflow，纯提示词项目两年 13 版不烂尾

可复用的设计模式

• 专家知识清单化：长文指南压缩为「编号模式+警示词+Before/After」原子条目，每个条目可独立引用、可审计、可脚本验证
• 双清单校准：检测类 skill 配「该修的」+「不该误伤的 false positives」两份清单，并给出组合判据（聚类而非单点），从机制上防过度改写
• 自审循环固化进提示词：把质量检查变成流程中固定的一步（两个固定自问+硬性终检，如扫描到 em dash 即未完成），而非依赖模型自觉
• 纯 Markdown 产物的工程化治理：单一运行时产物 SKILL.md + AGENTS.md 维护契约 + 无依赖校验脚本 + CI，用软件工程手段防止文档与提示词脱节

适用场景

边界与注意：只做改写不产出「疑似 AI」判分，不能当查重/学术检测工具；不新增事实，需要真实细节时必须由用户提供；33 个模式基于英语语料，中文直接适配效果打折（社区已有汉化版）；默认倾向朴素直接，不适合强修辞或品牌声量文体