Humanizer-zh：将 AI 文本炼成真人写作

当 AI 文变成了"八股文"

你有没有这种感觉：让 ChatGPT 帮你写篇文章，读起来总觉得哪里不对劲？

"此外，该项目展示了我们在技术格局中的关键作用…""此外""关键作用""技术格局"——这些词像流水线模具刻出来的，AI 检测工具只需要扫一眼就能识破。一个在 LinkedIn 发帖的学者 Mushtaq Bilal 博士专门发视频演示：在 Claude Code 里敲 /humanizer，粘贴文本，3 秒出结果，100% 人类写作风格。

这套操作的核心工具，就是 blader/humanizer，一个 Claude Code Skill。中文汉化版 op7418/Humanizer-zh 在 GitHub 已有超过 17,600 颗星，成为 AI 写作工具链中增长最快的项目之一。

从维基百科到 AI 检测器

humanizer 的方法论来自维基百科社区的 Signs of AI writing 指南。这份指南由 WikiProject AI Cleanup 维护，最初是为了清理维基百科上泛滥的 AI 垃圾编辑。维护者们花了大量时间归纳 AI 写作的系统性特征，最终总结出 33 种常见模式——这份观察性研究成了 humanizer 的理论基础。

blader（Siqi Chen）拿到这份指南后，让 Claude Code 读了一遍，然后生成了一套 prompt 规则。他把成果发到 X（Twitter）后迅速传播：Skills 生态系统让这类工具的传播速度极快，用户只需要 npx skills add 就能装上。

中文版由 op7418 在英文原版基础上汉化，针对中文语境调整了示例和部分规则（比如英文标题大写问题在中文里不适用）。

24 种 AI 痕迹：系统性的"AI 腔调"

humanizer 的核心是一个 24 种 AI 写作模式的检测与修复清单，分为四大类：

内容模式：过度强调象征意义（"作为……的证明"）、虚假媒体报道引用、-ing 结尾的肤浅分析、宣传性语言（如"令人叹为观止"）、模糊归因（"专家认为"）、公式化"挑战与展望"章节。

语言语法模式：AI 高频词汇（"此外""至关重要""格局"）、系动词回避（用"充当"代替"是"）、否定式排比（"不仅仅……而且……"）、三段式法则、同义词循环、虚假范围陈述。

风格模式：破折号和粗体过度使用、内联标题式列表、弯引号滥用、表情符号堆砌。

交流模式：谄媚语气（"希望这对您有帮助！"）、知识截止日期免责声明（"截至我的训练数据……"）、协作聊天痕迹、填充短语。

改写逻辑的核心原则：删除填充短语 → 打破公式结构 → 变化句长节奏 → 信任读者 → 删除金句。最终效果是让文字"有观点、有温度、有具体的细节"，而不只是"干净"。

使用方式：终端里的文字手术刀

Humanizer-zh 以 Claude Code Skill 形式交付，核心文件只有两个：SKILL.md（规则定义）和 README.md（说明文档）。安装方式有三种：

• npx 一键安装（推荐）：npx skills add https://github.com/op7418/Humanizer-zh.git
• git clone：git clone https://github.com/op7418/Humanizer-zh.git ~/.claude/skills/humanizer-zh
• 手动复制：下载 ZIP，解压，将文件夹复制到 ~/.claude/skills/

安装后在 Claude Code 中通过 /humanizer-zh 触发，或在对话中直接说"请用 humanizer 改写"。Skill 会扫描输入文本，识别模式，重写问题片段，保留核心含义，最后交付人性化版本。

具体改写示例

营销文案改写：

改写前：坐落在风景如画的杭州市中心，这家咖啡馆拥有丰富的文化底蕴和令人叹为观止的装饰。它作为城市咖啡文化的焦点，为顾客提供无缝、直观和充满活力的体验。

改写后：这家咖啡馆在杭州市中心开了三年，以手冲咖啡和老建筑改造的空间出名。

学术摘要改写：

改写前：本研究深入探讨了机器学习在医疗诊断中的关键作用，突出了其在不断演变的医疗格局中的重要性。

改写后：本研究分析了机器学习在医疗诊断中的应用，重点是肺癌早期筛查。研究使用了 2019-2023 年间 5000 例病历数据。

博客文章改写：

改写前：人工智能不仅仅是一种技术，它是我们思考未来的方式的革命。行业专家认为这将对整个社会产生持久影响。

改写后：我一直在想 AI 会怎么改变我们的工作方式。上周和几个做产品的朋友聊，有人觉得很兴奋，有人担心失业，大概率真相在中间某个无聊的地方。

局限与争议

Humanizer-zh 本质上是一套 prompt 规则，没有模型推理能力。它的效果完全取决于 Claude（或其他 LLM）对规则的理解和执行质量。在实际测试中，Claude 3.5 Sonnet 对规则的执行较为稳定，但面对复杂的嵌套 AI 模式时偶尔会漏检。

更重要的是：检测与反检测是一场军备竞赛。Turnitin、GPTZero、Originality.ai 等主流检测器也在持续进化，部分检测器已能识别 humanizer 的典型输出特征。"100% 绕过检测"在技术上并非总能实现，项目 README 也明确指出工具的目的是"提升写作质量"，而非"欺骗检测器"。

此外，该项目是 Claude Code 生态的专用工具，不适用于其他 AI 助手（如 Copilot、Cursor），普适性有限。

行业意义：AI 内容检测的"盾与矛"

Humanizer-zh 的 17,600 星背后，是一个更大的生态现象：AI 写作内容检测与规避的博弈正在白热化。Turnitin 2023 年推出 AI 检测功能，OpenAI 随后发布 AI Text Classifier（后来关闭），高校和出版行业普遍面临"如何判断内容原创性"的难题。

humanizer 类工具的出现，将这场博弈推向新阶段：检测器越来越精准，反检测工具也越来越系统化。维基百科社区的经验证明，对抗 AI 写作的最有效方法不是技术对抗，而是建立人类写作的特征库——因为真正的 AI 痕迹不在于"用了哪些词"，而在于"缺乏真实的声音和观点"。从这个角度看，humanizer 的最大价值或许不是绕过检测，而是教会人如何写出更好的文字。

---

安装方式：npx skills add https://github.com/op7418/Humanizer-zh.git

适用场景：内容编辑、学术写作、营销文案、媒体投稿

核心依赖：Claude Code（终端环境）

Star 趋势：17,667（截至 2026-09-21），持续增长中