前言¶

中文文本经过大模型润色后，往往会出现一批明显可辨的痕迹：每段都是「首先、其次、最后」，结尾总落在一句放之四海皆准的套话上，句子长度整齐得像排过队。人工逐句去改费时间，交给模型再润色一次又会引入新的模板腔。下面介绍的这个 Skill 就是针对这一步：它把中文里的模板化表达、空话和重复整理成一组检查项，逐条对照上下文判断是否修改，同时明确要求保留事实、数字和作者原有立场。

这是什么¶

这是一个基于通用 SKILL.md 格式的文本润色 Skill，页面坐标为 @org-b6kzcl68/humanizer-zh，发布者是重庆途光网络传媒有限责任公司，来源标注 enterprise，分类为 content-creation，版本 1.0.0。

它要解决的问题很具体：编辑中文文章、评论和文档时，去掉空话、重复和模板化表达，让文字表达清楚自然，而不是换一套更花哨的措辞。同时它划了一条边界——润色只改表达，不判断作者身份，也不保证通过任何 AI 检测器。

核心功能¶

1、内置 31 条中文表达检查模式，覆盖常见的机器味特征，包括假对比、戏剧性碎片、AI 高频词、被动句堆叠、层叠的「的」、四字词排比、套话收尾等。

2、逐条对照上下文判断是否修改。检查项不是无条件替换的黑名单，需要结合上下文看这一句是否真的在凑字数。

3、保留事实、确定程度和作者声音。改写的是表达方式，不改变原文陈述的事实、数字和语气强度。

4、附改写前后示例，便于对照检查改了什么、没改什么。

5、附交付前核对清单，用来兜住一类常见错误：润色过程中凭空补出原文没有的信息。

6、触发方式按语义匹配，触发词包括润色、去AI味、模板化表达、中文写作、文本编辑、文案优化。适配场景覆盖邮件、工作报告、公众号、社交文案与论文表述。

安装与启用¶

官方页面没有给出单独的安装命令，只说明该 Skill 遵循通用 SKILL.md 格式，标签中 requires_api_key=false，即不需要额外 API key。

按 SKILL.md 的通用约定，实际使用时把对应的 skill 目录放进宿主的 skills 目录下即可：

# 将 skill 目录放入宿主的 skills 目录，例如
cp -r humanizer-zh ~/.claude/skills/   # 以 Claude Code 的目录约定为例

在 Cursor、Codex CLI、Claude Code 之间，skills 目录位置和读取规则并不统一。本次抓取到的资料没有分别给出这三家的路径和配置写法，因此不在这里臆写；实际部署时以宿主当前的 skills 目录约定为准，把 SKILL.md 放到能被加载的位置即可。

启用后无需额外配置项，直接在对话里按触发词调用：

润色这段中文，去掉模板化表达，保留事实、数字和我的表述立场

改写完成后，Skill 会按设计返回改写前后的对照，以及交付前的核对清单结果。

典型用法¶

1、已有中文成稿，希望去掉模板腔时，把成稿交给 Skill，说明要润色即可。它面向的是「已有中文文本」，不是从零起草。

2、审阅阶段用：先让 Skill 列出它判定为模板化表达的句子，再决定是否接受改写。这样能看清它的判断依据，比直接接受整篇改写更可控。

3、交付前自查：用核对清单过一遍，确认润色没有引入原文没有的事实或数据。

适用场景与注意¶

适合：已有中文文本需要去模板化、去空话、去机器味；需要在表达上做一轮克制的润色，同时不想动事实和语气。

不适合或需要留意的地方：

1、它不用于判断作者身份，也不保证通过 AI 检测器。如果目标是过检测，这个 Skill 解决不了。

2、31 条检查模式针对的是中文表达习惯。中文和英文的模板特征不同，英文文本不适用。

3、它识别的是套话、翻译腔、机械排比这类表层特征。原文本身的论证质量、结构问题不在处理范围内。

4、requires_api_key=false，但依赖宿主模型完成改写。宿主模型能力弱时，检查模式能兜住一部分机械问题，兜不住语义层面的判断。

5、官方简介末尾留有「淘宝搜索『AI灵匣』」字样，属于发布者自己的引流信息，与 Skill 功能无关。选用前可自行判断是否介意。

小结¶

这个 Skill 的价值不在于写出更漂亮的句子，而在于把「去AI味」这件事拆成了一组可逐条核对的中文表达检查项，并且把「不许无中生有」写进了交付前的核对流程。对于已经有中文成稿、只想把机器味去掉又不想动事实和立场的场景，它比笼统地让模型「再润色一遍」更可控。

官方地址：https://api.skillhub.cn/zhaopintong/humanizer-zh