前言¶

把一段话交给模型生成，再交出去，常见结果是：词都对，但读起来不像人写的。满屏「值得注意的是」「综上所述」，一段一个标题，结尾还要升华一句。自己手动改，改完一段又崩一段。

下面介绍的 humanizer 就是为这个环节准备的。它不负责从零写稿，而是在稿子已经生成之后，把里面的 AI 写作痕迹逐项找出来并改写掉，让文字读起来更接近人类写的。

这是什么¶

humanizer 是一个通用 SKILL.md 格式的 Skill，用于「去 AI 味」润色：输入一段已经存在的文本，输出一份去掉 AI 痕迹的版本。

• 名称：humanizer
• 坐标：@user_814dbe54/unclecheng-reduce-ai-perception-v2
• 版本：4.1.0
• 来源：community
• 分类：content-creation
• 发布者：user_814dbe54
• 官方地址：https://api.skillhub.cn/user_814dbe54/unclecheng-reduce-ai-perception-v2
• SkillHub 页面：https://www.skillhub.cn/skills/user_814dbe54/unclecheng-reduce-ai-perception-v2

它解决的是「写出来了但不像人写的」这个问题，不是「不知道怎么写」。

核心能力：检测并修复的问题清单¶

humanizer 的工作方式是按问题清单逐项扫描，发现即修。官方列出的检测项一共 11 类：

1. AI 高频词汇：如「值得注意的是」「综上所述」这类模型爱用的套话。
2. 过度结构化：每段都有小标题、编号、加粗，像模板填出来的。
3. 虚假客观性：用「普遍认为」「客观来说」制造一种中立假象，实际没有依据。
4. 机械化连接词：先/其次/最后、一方面/另一方面这类只起过渡作用的词。
5. 完美主义陷阱：用「并非……而是……」制造假靶子，再否定它。
6. 公式化结尾：每篇都要补一句「未来可期」式的收束。
7. 过度修饰：形容词和副词叠太多，动词被弱化。
8. 情感缺失：通篇陈述，没有立场和语气。
9. 假靶子与同义替换：「不是 A 而是 B」这类为转折而转折的句式。
10. 莫名其妙的比喻：比喻和本体关系不大，只是为了让文字显得生动。
11. 高频堆叠副词：连续多个「非常」「极其」「十分」叠加。

这 11 项里，前几项最容易在正式文档里出现，后几项更多出现在内容稿里。实际使用时按文本类型挑相关的几项即可。

安装与启用¶

安装命令在已抓取的资料中没有给出，官方页面也未能访问，因此这里不写命令。下面这些是已核实到的信息，安装时按 SkillHub 页面的引导操作：

# Skill 坐标
@user_814dbe54/unclecheng-reduce-ai-perception-v2

几点需要注意：

• 该 Skill 的标签是 requires_api_key=false，不需要额外配置 API Key，装好就能用。
• 版本 4.1.0 是目前登记的版本号。
• 发布者是 user_814dbe54，来源是 community，属于社区维护，不是官方出品。
• 评分与下载量以 SkillHub 页面实时数据为准。资料抓取时显示评分 100000、下载 93570、安装 0。

启用方式和其他通用 SKILL.md 格式的 Skill 一致：在 Agent 的 Skill 目录中放置 SKILL.md，或通过 SkillHub 登记后按页面提示安装。具体路径取决于你用的是 Cursor、Codex CLI 还是 Claude Code，资料中没有给出各端的差异说明，需要安装时到官方页面确认。

典型用法¶

humanizer 的触发条件写在描述里：当用户提出下面这类请求时使用。

用户请求示例：
- 去 AI 味
- 降 AI 味
- 让回复更像人话
- 润色
- 改写得更自然

也就是说，它适合在「稿子已经写好，但要交出去之前」这一步用。给 Agent 下达润色指令时，把原文和上面的请求一起给出去即可，Skill 会按问题清单逐项检查并改写。

有一点要说明：上面这些触发词来自 Skill 的官方描述，不是实际运行日志。资料中没有提供可复现的完整输入输出样例，因此这里不展示改写前后对比。

适用场景与注意¶

适合的场景：

• 内容创作：公众号、博客、知乎回答这类偏口语化、需要读起来有人味的稿子。
• 社区与日常沟通：邮件、评论、论坛帖，原文明显是模型直接生成的。
• 长文润色：已有完整稿子，只差一遍去味处理。

不适合或需要留意的地方：

• 它改的是语气和表达，不改事实。原文有错误信息，改完照样是错的。
• 它是社区来源的 Skill，没有官方背书，质量随版本变化，重要稿件建议人工过一遍。
• 改得过头会走向另一个方向：删掉所有结构、连接词和过渡，读起来像碎片。结构化本身不是问题，「过度」结构化才是。
• 技术文档、接口文档、规范类文档需要保留术语和编号，这类文本不适合按上面的清单硬改。
• 安装数据为 0，说明目前使用者少，遇到问题不容易从社区找到现成答案。

结尾¶

humanizer 的价值在于把「去 AI 味」从凭感觉的手工活变成一份可逐项对照的清单。11 类问题摆在那里，改的时候知道在改什么，也知道自己没改到位的地方在哪。

对于内容创作者来说，它是一个放在交稿前那一步的工具；对于做 Agent 应用的人来说，它示范了怎么写一份问题清单驱动的润色 Skill。

官方地址：https://api.skillhub.cn/user_814dbe54/unclecheng-reduce-ai-perception-v2