前言¶

做自媒体内容的人常遇到一种尴尬：文案是自己写的，或者至少是想表达自己的意思，但发到平台上要么被限流，要么被 AI 检测器标个高比例，客户和领导的反馈也往往是“太机器”“没温度”。换一个角度，账号矩阵化生产（MCM）、跨平台搬运、批量冷启动时，文案更容易变成一眼能认出来的 AI 稿——因为那正是批量生成的结果。

下面介绍的 Skill「去AI痕迹（自媒体）」就是处理这个问题的。它解决两件事：一是把一段明显像 AI 写的自媒体文案，改成像真人随手发的样子；二是改完之后不靠感觉，而是用 5 类模拟读者画像逐段打分，验收“还像不像 AI”。

这是什么¶

「去AI痕迹（自媒体）」是一个面向自媒体场景的文本改写 Skill，由社区作者 user_f005371f 发布，坐标 @user_f005371f/de-ai-trace-zimeiti，当前版本 1.3.1，发布在 SkillHub 的 content-creation 分类下。

它解决的问题是：AI 痕迹检测只能告诉你“像 AI”，给不出可执行的改写方向和验收标准。这个 Skill 把嗅探、改写、模拟读者验收串成一条链路，让改写结果有分数可看、有残留位置可定位、有下一步建议。

它完全免费，不需要 API Key，没有外部 API 依赖，不需要任何鉴权配置。SkillHub 页面显示评分 100000、下载 952（抓取时间点数据，可能随时间变化）。

核心功能¶

这个 Skill 的能力可以拆成五块。

1. 粘贴即触发，内置 AI 高频词嗅探。 不需要用户明确说“去 AI 味”，只要粘贴一段文本，Skill 就会自动跑 AI 痕迹嗅探。内置 60+ 个 AI 高频词作为阈值，命中后会主动建议改写，并拉起模拟读者打分。也就是说触发不依赖 trigger 词库，靠的是词表命中。

2. 模拟读者逐段验收。 这是它和普通改写 Skill 的主要差异：改完不是结束，而是让 5 类读者画像——都市女白领、宝妈、学生初职、中年老板、下沉用户——逐段打分，人味分 0-10，定位残留的 AI 痕迹，最后给出“能发 / 再改一轮 / 重改”的闭环建议。别人只改不验，这个 Skill 改完还要过一道读者验收。

3. 按平台差异化改写。 内置 4 个平台的差异化策略：小红书、视频号、公众号、抖音。覆盖的文案类型包括图文、口播稿、视频脚本，以及平台元数据（即各平台的标题、字数、标签等风格差异）。用户指定平台时按该平台的策略改写，比如“发小红书前再改一版”“写个口播稿”都能走这条路。

4. 支持四种使用模式。 全流程、快速、批量、对比四种模式。全流程是从嗅探到改写到验收跑完整链路；快速适合单次改一版；批量面向矩阵化生产和跨平台搬运；对比适合改完前后或不同版本之间放在一起看。

5. 主题命名规范。 输出 Markdown，对话标题和文件名必须包含主题，格式是 {主题}-{平台}-{类型}.md，禁止 untitled.md、output.md 这类随机文件名。这条是给自动化流程用的，保证多篇产出能被索引和检索。

安装与启用¶

这个 Skill 以通用 SKILL.md 格式分发，官方地址是 https://api.skillhub.cn/user_f005371f/de-ai-trace-zimeiti。

安装方式取决于你使用的 Agent 环境。在 SkillHub 上它的分类是 content-creation，标签标了 requires_api_key=false，即不需要任何鉴权配置，下载后按你所用 Agent 的 Skill 安装流程导入即可。具体的安装命令取决于客户端，官方页面没有提供统一的 CLI 安装命令，建议以 SkillHub 页面和你的 Agent 的 Skill 管理入口为准，不要使用未经核实的第三方安装命令。

典型用法¶

1. 粘贴一段文字，让它先嗅探再改写。

粘贴下面这段小红书文案：

“今天给大家分享一个超实用的小技巧，真的太绝了，赶紧码住！”

Skill 会先跑 60+ 高频词嗅探，命中阈值后主动建议改写，然后按小红书策略改，最后用都市女白领等画像逐段打人味分。

2. 指定平台和类型，走差异化策略。

帮我写个视频号口播稿，主题是“一周通勤穿搭”，不要太像 AI 写的。

3. 问验收结果，拿闭环建议。

这段还像不像 AI？帮我判断一下，我想发公众号。

4. 批量模式，做矩阵化生产。

同一篇内容，帮我分别出小红书、抖音、公众号三个版本的文案。

5. 跨 Skill 联动，作为人味化后处理层。

当 ai-pm-workbench、pmaster、moways-doc、frontend-design 等文案生成 Skill 输出文案后，这个 Skill 可以自动接在后面做“人味化”后处理，用户也可以一句话拒绝这层处理。

适用场景与注意¶

适合的场景大致有五类动机：

• 防御性：担心限流、AI 检测器误判、甲方或客户审查时被打回
• 杠杆性：MCM 矩阵化生产、跨平台搬运、A-B 测试
• 风格性：调整人设、行业黑话、方言
• 学习性：研究爆款写法、反 AI 套路
• 时间性：应急改稿、事后补救

不处理的边界也要说清楚：学术论文、公文、报告请用 thesis-deai；小说、诗歌、剧本创作不在范围内；纯翻译不做；纯视频画面分析不做，只处理文本。

另外有两点要注意。第一，这个 Skill 的触发词覆盖很宽，从“去 AI 味”“降 AI 率”“像人话”“读起来别扭”“没温度”“全是正确的废话”这类口语化表达，到“帮我改改”“帮我润色”“口语化一点”“矩阵化生产”“批量冷启动”都算，粘贴文本本身也会触发嗅探。这意味着不用刻意找 trigger 词，直接粘贴就行。

第二，人味分是模拟读者画像给出的，用于定位残留痕迹和给建议，不等于真实平台的检测器结果，实际发布效果仍要结合平台自身的规则。

结尾¶

这个 Skill 的价值在于把“改 AI 味”从一件靠感觉的事，变成有嗅探、有改写、有验收、有闭环建议的流程。尤其适合需要持续产出、又不想被检测器和平台规则反复打回的自媒体场景。官方地址：https://api.skillhub.cn/user_f005371f/de-ai-trace-zimeiti