前言¶

论文润色场景里常见的尴尬是：改了半天不知道改对了没有，查 AI 率又依赖上传第三方。developer 拿到一段学术文本，往往只想知道「哪几句像 AI、为什么像、怎么改」，而不是要一个直接被改写的成品——代改会破坏作者的表达，也没法溯源。下面介绍的 Skill 就是针对这个需求设计的：它只做指位和策略建议，不替你动笔，并且全程本地运行。

这是什么¶

paper-polisher-pro（SkillHub 坐标 @user_814dbe54/paper-polisher-pro，包名 paper-polisher，版本 6.3.0）是一个面向论文润色与 AI 率检测的 Agent Skill，由社区开发者 user_814dbe54 发布维护，分类为 education，来源为 community。它解决的问题是：在不上传原文、不调用任何外部凭证的前提下，给出句子级「像 AI」的定位、改进策略，以及学术表达层面的自查清单。全程中英双语，100% 本地运行，零上传、零凭证，标签 requires_api_key=false。

核心功能¶

先说明能力边界：它只做指位与策略，不直接代改。具体能力包括：

1、句子级改写建议：定位哪几句像 AI，并给出各自改进方向，不直接替换文本。
2、去 AI 味自查：检查模板化表达、空洞衔接等常见痕迹。
3、智能降重建议：针对重复风险高的表述给出改写策略。
4、术语标准化与同概念异写一致性检查：同一概念在全文中的写法是否统一。
5、翻译腔检查：识别直译痕迹和不符合中文学术习惯的句式。
6、段落级人机归因：在段落层面判断文本来源倾向。
7、期刊口径预检：分学科语境核对期刊写作口径。
8、学术写作规范自查：全半角、数字、缩写、单位等格式规范。

底层引擎方面，v3 版本重校准了多层级规则引擎（11 核心层加篇章/平滑度启发层），并加入词频谱层与长度路由融合；可选监督层使用本地 Qwen3-0.6B ONNX 模型，作者侧留出集实测 AUROC 1.0；支持大模型指纹归因（GLM/DeepSeek/Qwen/Kimi/MiniMax/GPT/Claude/Gemini）和指纹保鲜流水线。官方说明：基础引擎指标可由随包留出集评测复现；监督层列为作者侧留出集实测，模型不随包。

安装与启用¶

Skill 以通用 SKILL.md 格式分发，通过 SkillHub 安装。已抓取资料显示其坐标与包信息如下（具体安装命令以官方页面为准，资料中未列出命令全文）：

坐标: @user_814dbe54/paper-polisher-pro
包名: paper-polisher
版本: 6.3.0
分类: education
来源: community
凭证要求: 无（requires_api_key=false）

安装后在支持 SKILL.md 的 Agent（如 Cursor、Claude Code 等）中按包名加载即可。它不需要 API Key，运行时不发起网络请求，配置项仅涉及本地 ONNX 监督层的可选启用。

典型用法¶

把一段中英学术文本交给 Skill，请求做句子级 AI 痕迹定位与改进策略建议。它会输出：疑似句的位置、疑似原因（对应规则层或指纹特征）、以及该句的改进方向。你可以按它给的策略自行修改，再让它做一轮去 AI 味自查或术语一致性检查。学术规范自查可单独触发，用于检查全半角、数字、缩写、单位是否统一。

适用场景与注意¶

适合需要论文润色、AI 率自查、降重策略、翻译腔与规范检查的开发者和研究者，尤其是对数据隐私敏感、要求零上传的场景。限制如下：

1、不适用于 PDF 或文档翻译，这类需求应使用 doc-holmes。
2、不适用于查重，查重请用知网等机构系统。
3、不直接执行降 AI 改写，需要代改时用 paper-rewriter。
4、100 字以内的文本按铁律不出判定。
5、监督层指标为作者侧留出集实测，模型不随包，本地复现需自行准备 ONNX 模型。

另外提醒：SkillHub 页面显示的评分与下载量会随时间变化，以官方页面实时数据为准。

结尾¶

paper-polisher-pro 的价值在于把「润色」拆成了可核对的定位与策略问题：只指位、不代改，本地运行、零上传，指标可随包留出集复现。如果你需要论文表达优化与 AI 率自查的辅助工具，可以从官方地址了解详情：https://api.skillhub.cn/indiv-sorsor/paper-polisher-pro