Humanizer：33 条规则，把文章里的 AI 味洗干净
你写的公众号文章，发出去评论区第一条就是"AI 写的吧"。
挺烦的。你明明改了好几遍，加了数据，调了结构，但读者还是能闻出来。问题出在 LLM 的输出有一套固定句式，"在当今快速发展的数字时代""不仅……更是……""让我们一起探索"，这些东西已经成了 AI 文本的指纹。
GitHub 上刚开源的 Humanizer 就是干这个的。上线不到一周 Star 破千，评论区清一色"终于有人干了这件事"。
它是什么
一份结构化的 Prompt 指令（SKILL.md），跑在 Claude Code、Cursor 这些支持 skill 协议的工具里。安装一行命令：
npx skills add blader/humanizer装好之后把文本丢给它，它跑两轮：第一轮按 33 条规则改写，第二轮做"AI 味审计"，把第一轮漏掉的机器感表达再清一遍。
纯 Markdown 文件，MIT 协议，不要 API Key，不要部署。
33 条规则从哪来的
维基百科有个 WikiProject AI Cleanup 项目，专门清理 AI 生成的垃圾词条。编辑们清着清着，把 AI 写作的签名模式总结成了 33 条。Humanizer 的规则库就是从这份指南来的。
大致分四块。内容上：意义膨胀（"标志着……演进中的关键时刻"）、名人堆砌、模糊归因（"专家认为"）、万能挑战句式（"尽管面临挑战……依然蓬勃发展"）。语言上：AI 高频词（additionally、testament、landscape、showcasing）、系动词回避（不说 is/has，偏用 serves as/features/boasts）、三段排比、同义词轮换。风格上：破折号滥用、加粗过载、内联标题列表、emoji 装饰。沟通上：聊天机器人尾巴（"希望对你有帮助！"）、谄媚语气（"好问题！你说得太对了！"）、填充短语。
每条规则都配了 Before/After 对照，举一个：
Before: "I recently spent five unforgettable days in Lisbon, and let me tell you — this city completely stole my heart."
After: "I spent five days in Lisbon last October and still have mixed feelings about it. Beautiful, yes. Also harder on the knees than anyone warned me."
改完的东西读起来像一个真人在说话，有犹豫，有具体细节，句子长短不一。
Voice Calibration，多数人没注意到
装完直接用是默认姿势，但 Humanizer 还有个玩法：喂给它 2-3 段你自己写的文字，它会分析你的句子节奏、用词偏好，然后按你的风格改写。
对做自媒体的人来说这个比基础功能更有用。AI 出初稿，Humanizer 按你的语气改，发出去读者认不出是机器写的。你甚至可以把之前发过的文章当样本喂进去，效果比裸跑好很多。
几句实话
它过不了 GPTZero 之类的检测器。检测器看的是 token 概率分布，不是表面句式。Humanizer 的目标是"读起来不像 AI"，不是"骗过算法"。
中文支持有限。33 条规则主要从英文语料总结，中文 AI 文本有自己的签名（"值得一提的是""总而言之""在……的背景下"），你得自己补规则。
它只管文风，不管内容对错。AI 编的假数据，改完文风还是假数据。
怎么装怎么用
# 安装（需要 Node.js）
npx skills add blader/humanizer
# 在 Claude Code 里调用
/humanizer
[粘贴你的文章]不用 Claude Code 也行，把仓库里的 SKILL.md 复制到 Cursor、Windsurf、OpenCode 的 skill 目录就能跑。
如果是批量内容生产（比如工作流生成初稿再发布），可以把 33 条规则提取成 system prompt 的一部分，接在写作节点后面做后处理。我自己打算这么干。
最后
这 33 条规则本身就是个好东西。就算你不用 Humanizer，把它当写作自检清单过一遍，也能发现自己文章里藏着的机器味。开源免费，仓库在这，自己看。
Humanizer 开源爆火：33 条规则帮你一键去掉文章里的「AI 味」
你写的公众号文章，发出去评论区第一条就是"AI 写的吧"。
不是你写得差，是 LLM 的输出太有"签名感"了——"在当今快速发展的数字时代""不仅……更是……""让我们一起探索"。这些句式已经成了 AI 文本的指纹，读者一眼就能认出来。
GitHub 上刚开源的 Humanizer 项目，专门解决这个问题。上线不到一周，Star 数破千，评论区清一色"终于有人干了这件事"。
它是什么
Humanizer 本质上是一份结构化的 Prompt 指令（SKILL.md），设计为 Agent Skill 运行在 Claude Code、Cursor 等支持 skill 协议的 AI 编程工具里。一行命令安装：
npx skills add blader/humanizer装好后，把你要改写的文本丢给它，它会自动完成两轮处理：第一轮按规则改写，第二轮做"AI 味审计"，把漏网的机器感表达再清理一遍。
不需要 API Key，不需要部署服务，纯 Markdown 指令文件，MIT 协议，拿走就能用。
核心：33 条 AI 写作特征检测
Humanizer 的规则库来自维基百科的 WikiProject AI Cleanup 项目——一群编辑在清理 AI 生成的垃圾词条时，总结出的 33 种"AI 签名"模式。分四大类：
内容层面：意义膨胀（"标志着……演进中的关键时刻"）、名人堆砌、模糊归因（"专家认为"）、万能挑战句式（"尽管面临挑战……依然蓬勃发展"）。
语言层面：AI 高频词（additionally、testament、landscape、showcasing）、系动词回避（不说 is/has，偏用 serves as/features/boasts）、三段排比、同义词轮换、虚假范围（"从大爆炸到暗物质"）。
风格层面：破折号滥用、加粗过载、内联标题列表、Title Case 标题、emoji 装饰、连字符词对（cross-functional、data-driven）。
沟通层面：聊天机器人尾巴（"希望对你有帮助！"）、谄媚语气（"好问题！你说得太对了！"）、填充短语（"In order to"→"To"）、过度对冲（"could potentially possibly"→"may"）。
每条规则都配了 Before/After 对照。比如：
Before: "I recently spent five unforgettable days in Lisbon, and let me tell you — this city completely stole my heart."
After: "I spent five days in Lisbon last October and still have mixed feelings about it. Beautiful, yes. Also harder on the knees than anyone warned me."
改写后不是"更简洁"，而是更像一个真人在说话——有犹豫、有具体细节、有不完美的句子节奏。
一个被低估的功能：Voice Calibration
大多数人装完就直接用，但 Humanizer 有个隐藏玩法：喂给它 2-3 段你自己写的文字，它会分析你的句子节奏、用词偏好和表达习惯，然后按你的风格改写，而不是输出一篇"通用干净版"。
这对做自媒体的意义很大——你不需要每篇都自己从头写，AI 出初稿，Humanizer 按你的语气改，发出去读者认不出是机器写的。
局限和注意事项
说几句实话：
-
它不是反检测工具。过不了 GPTZero 之类的检测器，因为检测器看的是 token 概率分布，不是表面句式。它的目标是"读起来不像 AI"，不是"骗过算法"。
-
中文支持有限。33 条规则主要从英文语料总结，中文 AI 文本有自己的签名（"值得一提的是""总而言之""在……的背景下"），需要自己补充规则。
-
不能替代事实核查。它只管文风，不管内容对错。AI 编的假数据，改完文风还是假数据。
怎么用起来
最简路径：
# 1. 安装（需要 Node.js 环境）
npx skills add blader/humanizer
# 2. 在 Claude Code 里调用
/humanizer
[粘贴你的文章]如果你不用 Claude Code，直接把仓库里的 SKILL.md 复制到任何支持 skill 指令的工具目录即可。Cursor、Windsurf、OpenCode 都兼容。
对于批量内容生产场景（比如用工作流生成初稿再发布），可以把 Humanizer 的 33 条规则提取成 system prompt 的一部分，接在写作节点后面做后处理。
一句话总结
AI 写作的问题从来不是"写不出来"，而是"写出来一看就是 AI"。Humanizer 把"去 AI 味"这件事从玄学变成了可执行的 33 条 checklist，而且开源免费。不管你用不用这个工具，这 33 条规则本身就值得存下来，当写作自检清单用。