Humanize Chinese AI Text v2.1

检测和改写中文 AI 生成文本的完整工具链。可独立运行（CLI），也可作为 LLM prompt 指南使用。

CLI Tools

所有脚本在 scripts/ 目录下，纯 Python，无依赖。

bash

检测 AI 模式（20+ 维度，0-100 分）

python scripts/detect_cn.py text.txt
python scripts/detect_cn.py text.txt -v # 详细 + 最可疑句子
python scripts/detect_cn.py text.txt -s # 仅评分
python scripts/detect_cn.py text.txt -j # JSON 输出

改写

python scripts/humanize_cn.py text.txt -o clean.txt python scripts/humanize_cn.py text.txt --scene social -a # 社交场景 + 激进模式 python scripts/humanize_cn.py text.txt --style xiaohongshu # 先改写再转风格

风格转换

python scripts/style_cn.py text.txt --style zhihu -o out.txt

前后对比

python scripts/compare_cn.py text.txt --scene tech -a

学术论文 AIGC 降重

python scripts/academic_cn.py paper.txt -o clean.txt --compare python scripts/academic_cn.py paper.txt -o clean.txt -a --compare # 激进

评分标准

分数	等级	含义
0-24	LOW	基本像人写的
25-49

MEDIUM | 有些 AI 痕迹 | | 50-74 | HIGH | 大概率 AI 生成 | | 75-100 | VERY HIGH | 几乎确定是 AI |

参数速查

参数	说明
-v	详细模式，显示可疑句子
-s

仅评分 | | -j | JSON 输出 | | -o | 输出文件 | | -a | 激进模式 | | --seed N | 固定随机种子 | | --scene | general / social / tech / formal / chat | | --style | casual / zhihu / xiaohongshu / wechat / academic / literary / weibo | | --compare | 前后对比 |

工作流

bash

1. 检测

python scripts/detect_cn.py document.txt -v

2. 改写 + 对比

python scripts/compare_cn.py document.txt -a -o clean.txt

3. 验证

python scripts/detect_cn.py clean.txt -s

4. 可选：转风格

python scripts/style_cn.py clean.txt --style zhihu -o final.txt

---

LLM 直接使用指南

当用户要求去 AI 味、降 AIGC、人性化文本、改成人话时，如果无法运行 CLI 工具，按以下流程手动处理。

第一步：检测 AI 写作模式

扫描文本中的以下模式，按严重程度分类：

🔴 高危模式（一眼就能看出是 AI）

三段式套路：

• - 首先…其次…最后
• 一方面…另一方面
• 第一…第二…第三

机械连接词：
值得注意的是、综上所述、不难发现、总而言之、与此同时、由此可见、不仅如此、换句话说、更重要的是、不可否认、显而易见、不言而喻、归根结底

空洞宏大词：
赋能、闭环、数字化转型、协同增效、降本增效、深度融合、全方位、多维度、系统性、高质量发展、新质生产力

🟠 中危模式

AI 高频词： 助力、彰显、凸显、底层逻辑、抓手、触达、沉淀、复盘、迭代、破圈、颠覆

填充废话： 值得一提的是、众所周知、毫无疑问、具体来说、简而言之

模板句式：

• - 随着…的不断发展
• 在当今…时代
• 在…的背景下
• 作为…的重要组成部分
• 这不仅…更是…

平衡论述套话： 虽然…但是…同时、既有…也有…更有

🟡 低危模式

• - 犹豫语过多（在一定程度上、某种程度上 出现 >5 次）
• 列举成瘾（动辄①②③④⑤）
• 标点滥用（大量分号、破折号）
• 修辞堆砌（排比对偶过多）

⚪ 风格信号

• - 段落长度高度一致
• 句子长度单调
• 情感表达平淡
• 开头方式重复
• 信息熵低（用词可预测）

第二步：改写策略

按以下顺序处理：

1. 砍掉三段式
把首先…其次…最后打散，用自然过渡代替。不是每个论点都要编号。

2. 替换 AI 套话

• - 综上所述 → 总之 / 说到底 / （直接删掉）
• 值得注意的是 → （直接删掉，后面的话自己能说清楚）
• 赋能 → 帮助 / 支持 / 提升
• 数字化转型 → 信息化改造 / 技术升级
• 不难发现 → 可以看到 / （删掉）
• 助力 → 帮 / 推动

3. 句式重组

• - 过短的句子合并（他很累。他决定休息。 → 他累了，干脆歇会儿。）
• 过长的句子拆开（在但是不过同时等转折处断开）
• 打破均匀节奏（长短句交替，不要每句差不多长）

4. 减少重复用词
同一个词出现 3 次以上就换同义词。比如进行可以换成做搞开展着手。

5. 注入人味

• - 加一两句口语化表达（场景允许的话）
• 用具体的例子代替抽象概括
• 偶尔加个反问或感叹
• 不要每段都总分总结构

6. 段落节奏
打破每段差不多长的格局。有的段落 2 句话，有的 5 句话，像人写东西时自然的长短变化。

第三步：学术论文特殊处理

当文本是学术论文时，改写规则不同——不能口语化，要保持学术严谨性：

学术专用检测维度：

1. 1. AI 学术措辞（本文旨在具有重要意义进行了深入分析）
2. 被动句式过度（被广泛应用被认为是）
3. 段落结构过于整齐（每段总-分-总）
4. 连接词密度异常
5. 同义表达匮乏（研究出现 8 次）
6. 引用整合度低（每个引用都是XX（2020）指出…）
7. 数据论述模板化（从表中可以看出）
8. 过度列举（①②③④ 频繁出现）
9. 结论过于圆满（只说好不说局限）
10. 语气过于确定（必然毫无疑问）

学术改写策略：

• - 替换 AI 学术套话（保持学术性）：

- 本文旨在 → 本文尝试 / 本研究关注 - 具有重要意义 → 值得关注 / 有一定参考价值 - 研究表明 → 前人研究发现 / 已有文献显示 / 笔者观察到 - 进行了深入分析 → 做了初步探讨 / 展开了讨论 - 取得了显著成效 → 产生了一定效果 / 初见成效

• - 减少被动句：

- 被广泛应用 → 得到较多运用 / 在多个领域有所应用 - 被认为是 → 通常被看作 / 一般认为

• - 注入学术犹豫语（hedging）：

在过于绝对的判断前加可能在一定程度上就目前而言初步来看

• - 增强作者主体性：

- 研究表明 → 笔者认为 / 本研究发现 - 可以认为 → 笔者倾向于认为

• - 补充局限性：

如果结论段没有提到局限，补一句当然，本研究也存在一定局限…

• - 打破结构均匀度：

调整段落长度，避免每段都一样。合并过短的段落，拆分过长的。

第四步：验证

改写完成后，用 CLI 工具验证效果：

bash
python scripts/detect_cn.py output.txt -s

目标：通用文本降到 25 分以下，学术论文降到 30 分以下。

---

配置说明

所有检测模式和替换规则在 scripts/patterns_cn.json，可自定义：

• - 添加新 AI 词汇
• 调整权重
• 增加替换规则
• 修改正则匹配

外部配置字段

critical_patterns — 高权重检测（三段式、连接词、空洞词）
highsignalpatterns — 中权重检测（AI 高频词、模板句）
replacements — 替换词库（正则 + 纯文本）
academic_patterns — 学术专用检测与替换
scoring — 权重和阈值配置