前言¶

學位論文或投稿稿定稿前，常見兩類重複勞動：一是自己改了好幾版，仍不確定哪些段落「像 AI」、該從哪幾句下手；二是潤色、術語統一、翻譯腔和 AIGC 標識合規要分開查，工具鏈碎、文稿還要反覆上傳第三方。若你希望在 Agent 裏用一條 Skill 觸發「自查 + 指位 + 策略」，而不是讓模型直接代寫整段，下面介紹 SkillHub 上的 論文潤色降重一站式工具（對應能力包 paper-polisher-pro）。

這是什麼¶

論文潤色降重一站式工具 是掛在 SkillHub 的 Agent Skill，分類爲 content-creation。據你提供的條目信息，SkillHub 評分 99492，累計下載約 1506 次；官方入口爲：

https://api.skillhub.cn/user_481397b5/paper-polisher-pro

（該 API 頁在當前環境未能直接抓取；能力與安裝說明以下列 SkillHub 公開展示頁爲準，包名爲 @indiv-sorsor/paper-polisher-pro，頁面標註版本 v6.1.0。）

一句話定位：論文潤色與論文 AI 率檢測的一站式本地自查——輸出概率與分層證據、句子級改寫建議（只指位與策略，不代改），並附帶術語、翻譯腔、期刊口徑與 AIGC 合規等檢查；100% 本地運行、零上傳。出品方在公開頁以 docsor 論文工具箱系列呈現，在線文檔見 docsor.cn。

核心功能¶

以下均來自 SkillHub 公開展示說明，安裝 Skill 後由包內腳本與 SKILL.md 約束 Agent 行爲。

AI 率自查與歸因¶

• 概率 + 分層證據輸出；短於約 100 字的文本按設計返回 risk=unknown，避免短文本誤報。
• 中文大模型指紋歸因（GLM / DeepSeek / Qwen / Kimi / MiniMax / GPT / Claude / Gemini）：指紋只用于歸因，不進入打分（公開說明中的「四條鐵律」之一）。
• 公開頁給出的留出集相關指標（隨包評測可復現）：基礎引擎 AUROC 0.9187（全量語料時代；隨包抽樣可復現 0.8985）；可選本地監督層（v4.4.0 起指紋綁定評測）老代留出 AUROC 0.9998、當打代 0.9400、人類誤報@med 2.3%。

潤色與質量檢查（指引型，非自動代改）¶

• 句子級改寫建議：標出疑似 AI 句並給出改寫策略，不自動改寫正文。
• 同概念異寫一致性檢查；術語保護（公開說明載明加載 2,344 條醫學學術術語）；翻譯腔檢查；四層去 AI 化門禁。
• 期刊口徑預檢（對標 20%–25% 參考線，並附不可與機構查重互換的聲明）。
• AIGC 合規標識檢查（《標識辦法》2025-09：元數據 / C2PA / 顯式聲明）；段落級人機歸因；綜合質量報告。

工程與邊界¶

• 隨包單元測試與 AST 結構化零網絡自證（pp_verify.py）。
• 不適用場景（公開說明明示）：PDF / 文獻翻譯用 doc-holmes；正式查重用知網等機構系統；需要執行降 AI 改寫時用姊妹 Skill paper-rewriter。

學術誠信¶

公開說明強調：供作者自查與改進寫作質量，須按機構政策披露 AI 使用；不用於規避機構 AIGC 檢測。

安裝與啓用¶

Skill 遵循通用 SKILL.md 格式。在 SkillHub 生態下，先按官方安裝文檔準備 CLI，再把包裝進當前 Agent 的 skills 目錄（否則默認裝到 ./skills/ 可能不會被識別）。

1、安裝 SkillHub CLI（未安裝時）¶

command -v skillhub && skillhub --version

若未安裝，可使用官方一鍵腳本（完整安裝含默認 Skill）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

僅 CLI：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only

2、安裝本 Skill¶

公開頁提示：請根據 https://skillhub.cn/install/skillhub.md，安裝 @indiv-sorsor/paper-polisher-pro。

在終端中安裝到當前 Agent 的 skills 目錄（必須使用 --dir）：

skillhub install @indiv-sorsor/paper-polisher-pro --dir ~/.cursor/skills/

各環境常見 skills 路徑（摘自 SkillHub 安裝文檔）：

也可將安裝說明發給 AI，讓其按 skillhub.md 完成安裝。OpenClaw 生態另有 openclaw skills install @docsor1212/paper-polisher-pro 的登記方式；與 SkillHub 包名不同，選用哪條通道以你實際使用的 Agent 爲準。

安裝後按所用客戶端要求重啓或刷新 Skill 列表。

典型用法¶

包內爲 Python 腳本工作流（公開文檔中的快速上手，路徑相對於 Skill 解壓目錄）。先做環境自檢，再對稿本跑檢測或完整自查。

環境自檢：

python3 scripts/pp_doctor.py

單稿 AI 率檢測（JSON 輸出）：

python3 scripts/ai_detector.py draft.txt --format json

期刊口徑預檢示例：

python3 scripts/ai_detector.py draft.txt --profile journal

一站式綜合報告（潤色指引、段落歸因等，以包內 pp_workflow.py 爲準）：

python3 scripts/pp_workflow.py draft.txt

在 Cursor 等 Agent 中，可用自然語言觸發（公開頁列出的部分觸發意圖）：論文潤色、降 AI 檢測、查 AI 率、AIGC 檢測、投稿預檢、期刊預檢、academic polishing / journal precheck 等。Agent 應加載 Skill 後調用上述腳本，而不是憑空編造檢測結果。

適用場景與注意¶

適合誰

• 寫中文學位論文、期刊稿，需要在定稿前本地自查 AI 風險與表達問題。
• 希望句子級定位 + 改寫策略，由作者本人修改，而不是一鍵「洗稿」。
• 需要順帶檢查術語一致、翻譯腔、AIGC 標識是否符合 2025-09 相關辦法的自查項。

限制與注意

• 不替代 知網 / 萬方等機構查重；期刊預檢參考線與機構結果不可互換。
• 不自動降重改寫；要執行去 AI 味改寫請用 paper-rewriter。
• 英文文本在公開說明中多爲規則層建議分；醫學文本在僅規則引擎時誤報率更高，需結合 degraded_mode 提示閱讀報告。
• 批量處理超大單文件（公開說明提到大於約 5 MB 會跳過）應先拆分。
• 可選監督模型需用戶自行放置本地 ONNX；未安裝時走降級模式，指標含義以報告內說明爲準。

結尾¶

論文潤色降重一站式工具（paper-polisher-pro）把 AI 率自查、指紋歸因、潤色與合規檢查收進一條本地 Skill 工作流，適合投稿前由作者自行迭代稿本。條目入口：

https://api.skillhub.cn/user_481397b5/paper-polisher-pro

公開展示與安裝包說明：

https://skillhub.cn/skills/indiv-sorsor/paper-polisher-pro