如何用 Humanizer-zh 搭建批量去 AI 痕迹流水线：从文章改写到自动质量自检的完整指南

如何用 Humanizer-zh 搭建批量去 AI 痕迹流水线：从文章改写到自动质量自检的完整指南

【免费下载链接】Humanizer-zhHumanizer 的汉化版本，Claude Code Skills，旨在消除文本中 AI 生成的痕迹。项目地址: https://gitcode.com/gh_mirrors/hu/Humanizer-zh

Humanizer-zh 是一款面向 Claude Code 的中文技能工具，专门用于去除文本中的 AI 生成痕迹，把机器味浓重的文章改写得更像真人写作。这篇指南将带你从零搭建一条可重复执行的批量去 AI 痕迹流水线：先安装技能，再单篇改写，然后批量处理整目录文章，最后用内置的自动质量自检打分回环，确保每篇输出都达到发布标准。全程几乎不需要写代码，新手照着做即可。

一、为什么需要批量去 AI 痕迹流水线？

如果你经常用 AI 辅助写作，大概都被这种"AI 腔"折磨过：

"此外，它提供了无缝、直观和强大的用户体验——确保用户能够高效地完成目标。这不仅仅是一次更新，而是我们思考生产力方式的革命。"

句子没错，但一眼机器。Humanizer-zh 的思路是把维基百科"AI 写作特征"社区总结的24 种 AI 痕迹模式变成一份可执行的编辑规则，由 Claude Code 自动扫描、重写并自检。单篇改写很快，但面对几十篇待发布文章时，需要一条稳定的流水线：

1. 批量输入：把待处理文章放进一个目录
2. 逐篇改写：技能按 24 种模式扫描并重写问题片段
3. 质量自检：按 5 个维度打分，低于门槛自动返工
4. 输出交付：得到带分数和修改说明的成品

说明：这个工具的目标不是"骗过 AI 检测器"，而是真正提升写作质量，让文字有真实的人味。

二、一键安装：3 种方式任选

安装过程见 README.md#L19-L58，推荐使用 Git 克隆方式，路径明确、最可控：

# 克隆到 Claude Code 的 skills 目录 git clone https://gitcode.com/gh_mirrors/hu/Humanizer-zh.git ~/.claude/skills/humanizer-zh

安装后的目录结构非常简单，核心就是一个技能定义文件：

~/.claude/skills/humanizer-zh/ ├── SKILL.md # 技能定义文件（中文版，流水线的全部规则都在这） └── README.md # 说明文档

也可以用手动安装：把Humanizer-zh文件夹复制到 skills 目录即可——macOS/Linux 是~/.claude/skills/，Windows 是%USERPROFILE%\.claude\skills\。

验证安装：重启或重新加载 skills 后，在对话中输入/humanizer-zh，能正常激活即安装成功。

三、流水线第 1 站：单篇文章的去痕改写

安装完成后，最简单的调用方式就是直接指定文件或粘贴文本，用法示例见 README.md#L62-L86：

/humanizer-zh 请人性化 article.md 文件中的内容

技能内部的处理流程定义在 SKILL.md#L419-L430，共 5 步：

1. 识别 AI 模式—— 对照 24 种模式逐段扫描
2. 重写问题片段—— 用自然表达替换 AI 痕迹
3. 保留含义—— 核心信息不丢失
4. 维持语调—— 匹配原文应有的正式/随意/技术风格
5. 注入灵魂—— 加入观点、变化句长、适当用"我"，避免"无菌写作"

来看一个真实对比（源自 README.md#L191-L202）：

改写前（AI 味道）：

新的软件更新作为公司致力于创新的证明。此外，它提供了无缝、直观和强大的用户体验——确保用户能够高效地完成目标。

改写后（人性化）：

软件更新添加了批处理、键盘快捷键和离线模式。来自测试用户的早期反馈是积极的，大多数报告任务完成速度更快。

删除了"作为……的证明""此外""无缝"等典型 AI 词汇，替换成了具体功能 + 真实反馈——这就是流水线要批量复用的效果。

四、流水线第 2 站：批量处理整个文章目录

批量处理不需要任何额外代码，诀窍是把"单篇指令"变成"逐篇循环指令"。假设待处理文章都在drafts/目录：

方式 A：让 Claude Code 逐篇循环处理

/humanizer-zh 请处理 drafts/ 目录下的所有 Markdown 文章。 对每篇文章执行完整的去 AI 痕迹改写，改写完成后： 1. 覆盖保存原文件（或另存到 output/ 目录） 2. 输出该篇的质量评分和主要修改点 处理完所有文件后，输出一张汇总表格：文件名 | 总分 | 是否通过

技能声明了Read、Write、Edit工具权限（见 SKILL.md#L8-L12），因此可以安全地读取、改写并写回文件，整个循环在一次对话内自动完成。

方式 B：先出清单，再逐篇确认（更稳妥）

/humanizer-zh 先扫描 drafts/ 目录下所有文章， 按 AI 痕迹严重程度排序，输出处理优先级清单。 我确认后，再逐篇改写。

适合对外发布的正式内容：先看全貌，再决定改哪些篇、改多狠。

方式 C：分批处理长文目录

文章很多时，指定每次处理 5 篇并保存进度，避免单次上下文过长：

/humanizer-zh 按文件名排序处理 drafts/ 中的文章，每批 5 篇， 每批完成后输出小结并继续下一批，直到全部完成。

五、流水线第 3 站：自动质量自检，不达标自动返工

这是整条流水线的"质检关卡"。技能内置了 质量评分 表，要求对每篇改写后的文本按 5 个维度打分（满分 50）：

评分标准同样写在 SKILL.md#L453-L456 中：

• ✅45–50 分：优秀，已去除 AI 痕迹，直接通过
• ⚠️35–44 分：良好，仍有改进空间，建议微调
• ❌低于 35 分：需要重新修订

把这条标准写进批处理指令，就形成了自动返工回环：

/humanizer-zh 批量处理 drafts/ 目录。每篇改写后按 5 维质量评分自检， 低于 45 分的必须指出扣分项并自动重写，直到 ≥45 分或连续两次无提升为止。 最终输出：文件名 | 初稿分 | 终稿分 | 残留问题

交付前还可以再过一遍 快速检查清单，它只问 6 个快刀斩乱麻的问题：

• 连续三个句子长度相同？打断其中一个
• 段落以简洁的单行结尾？变换结尾方式
• 揭示前有破折号？删掉它
• 在解释隐喻？相信读者能懂
• 出现"此外""然而"？考虑删
• 三段式列举？改成两项或四项

六、看懂 24 种 AI 痕迹模式，改写效果更可控

规则全部定义在 SKILL.md 中，分为四大类。了解它们能让你在验收批量结果时心里有数：

其中 高频 AI 词汇警示列表 值得单独记住：此外、至关重要、深入探讨、增强、格局、织锦、充满活力的——这些词在 2023 年后的 AI 文本中出现频率异常高，是批量验收时最快的"一眼假"指标。

中文语境下，SKILL.md#L284-L294 也贴心说明：标题大小写这类英文模式在中文中基本不适用，工具已针对中文写作习惯做了适配。

七、让流水线更"有人味"的 3 个加分技巧

去痕只是下限，真正的目标是文字鲜活。参考 SKILL.md 的"个性与灵魂"章节：

1. 允许一点"混乱"：完美的结构反而像算法，保留少量题外话和半成品想法，更像真人在写
2. 对感受要具体："凌晨三点没人看着时智能体还在运转"远胜过"这令人担忧"
3. 在指令里点明文风：批量处理时追加一句"保留博客的口语化风格，允许使用第一人称"，可以避免批量输出变成千篇一律的"无菌文章"

八、常见问题 FAQ

Q1：批量处理会改变原文事实吗？不会。规则明确要求"保留含义、核心信息完整"，改写的只是表达方式。不确定的内容宁可删除模糊归因，也不虚构。

Q2：一篇都失败了怎么办？先看自检输出的扣分项。若连续两篇低于 35 分，通常是原文"AI 腔"过重，建议先人工删除明显套话，再交给流水线，返工成本更低。

Q3：只想检测不想改写？把指令改为"只扫描并列出每处 AI 痕迹及模式编号，不修改原文"，即可当作批量体检工具使用。

九、总结

一条完整的 Humanizer-zh 批量流水线只需要三步指令：批量改写 → 5 维质量评分自检 → 低于 45 分自动返工。核心规则文件 SKILL.md（24 种模式 + 核心规则速查 + 完整示例）和说明文档 README.md 都在仓库根目录，MIT 协议开源（见 LICENSE）。

装好技能后，从一篇小文试起，再放大到整个drafts/目录——你会发现"去 AI 痕迹"从一件体力活，变成了一键运行的流水线。

【免费下载链接】Humanizer-zhHumanizer 的汉化版本，Claude Code Skills，旨在消除文本中 AI 生成的痕迹。项目地址: https://gitcode.com/gh_mirrors/hu/Humanizer-zh