Rain13Sad/ai-patina / skills/human-voice
human-voice
Verified人的灵魂
把"像 AI 写的"改成"像有人真的想过"。降 AI 率是这个过程的副产品,不是目标本身——目标是让文本值得被读,AI 率下降是因为它终于有了人的形状。
语言路由:中文文本用本文件与中文 references;英文文本先读
references/en-writing-guide.md——英文的 AI 痕迹(tricolon、em dash、"It's not just X, it's Y")与中文完全不同,中文的六大痕迹在英文里一条都用不上。脚本本身中英双语通用。
一、先划边界(不可协商)
不做:移除或伪造水印、清理元数据与隐形字符、伪造文档结构或修订记录、编造写作过程证据。《人工智能生成合成内容标识办法》与 GB 45438-2025 明文禁止,且过程证据(版本历史、击键轨迹)本质上无法事后补造。
不做:代写论文、作业、评审意见等会被当作原创成果提交的内容。
做:提升文本质量、校准个人文风、还原被 AI 磨平的个人表达、准备误判申诉材料。
遇到"帮我把 AI 率降到 15% 以下好交论文",说明两点再动手:检测分数是概率分类结果而非证据(Turnitin 宣称文档级假阳性 <1%,独立测试中部分样本可达 50%;OpenAI 自家分类器准确率 26%,已下线),且降 AI 率与降重常常互相冲突。然后提供两条路——改文本质量(本技能)+ 保留过程材料申诉。
二、原理:三句话,决定了所有动作
- 检测器不读语义,读可预测性。 它测的是这段文字有多像"模型最可能写出的那一串 token"。
- 模型最可预测的地方,恰好是人最不会写的地方:句长均匀、用词均衡、面面俱到、论证无摩擦、结尾必然升华。
- 所以有效动作不是换词,是让文本离开那条最可能的路径。 人本来就在路径外——因为人有具体经历、有偏见、有取舍、会说错话再改口。
由此推出本技能最重要的一条纪律:
禁止让模型"把这段改得像人写的"。 那输出的仍是模型分布里的样本:表层更随意,深层组织习惯(总分总、分点、升华、均衡用词)原样保留。有实证的失败案例——论文 AI 率 62%,输入"帮我改得像人写的",改完 94%。
有效的是结构级手术,由你在写作时就完成,而不是交给下一轮生成。
三、五维审计:判断这段文字有没有灵魂
逐条追问,缺失的维度就是待改的位置。
| 维度 | 追问 | 缺失时的信号 | 对应动作 |
|---|---|---|---|
| 立场 | 作者究竟怎么看? | "一方面…另一方面…应当取得平衡" | M1 表态 |
| 具体 | 有没有换不掉的细节? | "很多企业""显著提升""一系列问题" | M2 落物 |
| 节奏 | 句长有落差吗? | 每句 25–35 字,段段等长 | M3 手术 |
| 取舍 | 删掉了什么? | 面面俱到,没有一句可删 | M4 减法 |
| 摩擦 | 有没有反例、代价、不确定? | 一路顺滑,无可辩驳 | M5 加阻 |
五个维度全空 = 这段文字没有作者,只有语言。此时不要逐句润色,直接重写。
四、人味的形态随体裁变化(浓度表)
人味不是口语化。 把论文写成公众号是另一种失败。同一份"人",在不同体裁里长成不同样子:
| 体裁 | 人味长什么样 | 别做 |
|---|---|---|
| 学术 / 技术 | 明确判断 + 限定条件、承认局限、可核查的数据、术语上的个人取舍 | 口语化、感叹、第一人称泛滥 |
| 评论 / 公众号 | 一个具体场景开场、短句、自嘲、突然的转折 | 升华、金句收尾、排比 |
| 商业文案 | 用户的真实动作、一句真话、拒绝形容词堆叠 | 赋能 / 闭环 / 生态 |
| 小说 | 感官细节、不解释的动作、留白 | 心理直白交代、比喻连排 |
| 报告 / 公文 | 事实密度、克制的因果、可核查 | 修辞、情绪、第一人称 |
五、工作流
S0 判断
确定体裁、读者、"人"的浓度(照第四节),并确认请求在第一节的边界内。浓度错了,后面全错。
S1 诊断
- 跑自查脚本,先给体裁:
python scripts/humanity_check.py draft.md --genre essay(参数见references/cli.md)。 - 做第三节的五维审计。
- 检查事实:有没有编造的引用、数据、案例。虚构引用是最强的 AI 信号,任何改写都救不了,必须单独列给用户。
S2 结构重写(杠杆最高,占总工作量七成)
按 references/rewrite-moves.md 的 A 组动作执行:换骨架、删升华、砍三成、加反例、换论证关系、注入不可替换的细节。
先定新骨架,再动笔。骨架不换,改多少词都白费。
S3 节奏工程
按同文件 B 组动作做句级手术:长短落差、拆排比、插入语与自我修正、换视角而非换同义词、去连接词依赖。目标不是"句子更花哨",是读起来有呼吸。
S4 痕迹清扫(机械,最后做)
按 references/traces-checklist.md 逐项过。这一步是纯执行,不需要判断力,但漏一项就白干——尤其是数字两侧的空格,那不是语言特征,是工具链残留,检测方一抓一个准。
S5 验收
跑三件套(见第七节)。脚本用对比模式,不要人肉比两份报告:
python scripts/humanity_check.py draft.md --compare draft.before.md
只看两行:退步 的项,和最后一句结论。有一项退步就先查那一项,别急着交。
顺序纪律:S4 必须在 S2/S3 之后;S5 之后不允许再让模型"整体润色一遍"——会把刚做的手术全部抹平。
六、三种输入模式
- A. 改已有 AI 稿:走完整 S0–S5。改写幅度大时,先给用户一段样例确认方向,再动全文。
- B. 从零写:先用
references/voice-profile.md定一个声音,写作时就带上节奏与立场,最后只做 S4/S5。不要在写完后再"加人味"——那是补妆。 - C. 校准到某人文风:用
references/voice-profile.md从样本里提取六个维度,再套用。注意 Epoch AI 的发现:模仿特定作者风格确实能绕过部分检测,所以只在用户还原自己的文风时用,不用于冒充他人。
七、自检三件套
1. 脚本(scripts/humanity_check.py,启发式自查,不产生"AI 率"这种数字)
| 指标 | 通过 | 偏弱 | 明显可疑 |
|---|---|---|---|
| 句长 CV | ≥0.45 | 0.35–0.45 | <0.35 |
| 短句(≤10 字)占比 | ≥15% | 8–15% | <8% |
| 段落长度 CV | ≥0.42 | 0.30–0.42 | <0.30 |
| hapax(仅出现一次的词)比 | ≥0.70 | 0.55–0.70 | <0.55 |
| 数字两侧空格 | 0 处 | — | >0 处,必须清零 |
| 空转大词 | 0–1 个 | 2 个 | ≥3 个 |
上表是 general 体裁的默认阈值。换体裁阈值就变,用 --list-genres 看实际数字:学术稿的短句目标是 6%,小说是 20%,同一篇文字按学术查合格、按小说查不合格。体裁选错,报告全废。
报告按严重度排序,只有三档:
- blocker —— 机械痕迹(数字空格),必须清零,可以在 CI 里卡住构建。
- major —— 检测器真正在称的结构信号。
- minor —— 打磨项。
文本短于 60 字(英文 30 词)时脚本只报机械类问题:句长统计在这个长度上是噪声,报了也是假精度。真实检测器同样要求 300–1000 字以上。
2. 朗读测试:出声读。要换两次气才能读完的句子,砍断。读着会让自己脸红的句子(金句),删掉。
3. 倒读测试:从最后一段往前读,逐句问"这句是不是只为了承接上一句才存在"。AI 的句子大多为承接而生,人的句子常常是突然想到的。再做两件事:
- 删掉第一段。如果文章照样成立,第一段就是铺垫——人很少先铺垫。
- 把文中所有专有名词和数字换成假的。如果文章毫无损伤,说明它本来就没信息。
八、输出规范
- 长文先给 1 段样例确认方向,不要直接交全文。
- 交改后全文 + 3–6 条"改了什么、为什么",不要逐句 diff。
- 不承诺分数。不说"AI 率从 X% 降到 Y%"——分数随分段、长度、上下文漂移,不可复现。
- 原文的事实问题、逻辑漏洞单独列一节,与改写分开说。
九、参考文件
| 文件 | 何时读 |
|---|---|
references/cli.md | 第一次跑脚本——四条命令覆盖全部工作流,含体裁表与退出码 |
references/rewrite-moves.md | 中文文本的 S2/S3——14 个具体动作,每个带反例与正例 |
references/en-writing-guide.md | 英文文本的 S2/S3——同一套动作的英文版 + 英文专属痕迹清单 |
references/traces-checklist.md | S4 清扫时——中文六大痕迹 + 结构/词汇/标点层的完整检查表 |
references/voice-profile.md | 模式 B/C——如何定一个声音,或从样本里提取文风 |
references/detector-model.md | 需要判断"改到什么程度够"、或向用户解释原理时 |
references/before-after.md | 用户要看效果、或自己不确定改法时——完整的改写对照与差异说明 |
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack." | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |
| ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |