开源工具 humanize：实时检测并去除 AI 写作痕迹

针对 AI 生成文本普遍存在的「机器味」问题，开源社区近期出现了一款名为 humanize 的工具。与多数「事后改写」方案不同，humanize 采用「写作时规避 + 事后清洗」双向策略，并附带一个无需依赖的 Python 静态检查器，可在 CI 流程中自动检测 AI 写作模式密度。

工具形态与兼容性

humanize 以纯 Markdown 文件形式发布，符合开放的 Agent Skills 规范，可在 Claude Code、Cursor、GitHub Copilot、Codex CLI、Amp 等多种支持 SKILL.md 的开发助手中加载。其 Python 检查器仅依赖标准库，独立可执行。此外，Claude Code 用户可通过 /plugin marketplace 命令将其作为插件安装。仓库根目录的 AGENTS.md 文件会引导任意 Agent 如何加载与应用该技能。

安装方式包括：

通过 npx skills add Shirhussain/humanize 自动安装到检测到的开发环境；
通过 git clone 手动复制到各工具对应的 skills 目录；
Claude Code 专属插件市场安装。

两种使用模式

生成模式（默认）：安装后，技能会自动作用于邮件、社交媒体发文、文章、营销文案、报告等面向受众的写作任务。用户无需手动触发，输出文本会直接规避 AI 模式。
改写模式：将已有文本粘贴并要求清洗时，工具会保留引语、引用、数字与专有名词，仅去除模式痕迹。

工具内置语域识别能力，可区分 LinkedIn 发文、邮件、文章、正式报告等不同场景，自动调整「人性化」标准——例如社交媒体允许缩写与碎片句式，而正式文档则保持完整句法。用户也可显式指定语域。

36 条模式目录

仓库 references/patterns.md 文件中完整记录了 36 条 AI 写作常见模式，每条均附有 Before/After 对比例子。部分典型模式包括：

P1 否定式平行结构：「这不只是一个 CRM，而是对销售的重新思考」→「CRM 自动追踪每个交易阶段，无需人工录入」；
P3 机械三段式：「快速、可靠、安全」→「全年可用，99.99% 在线率」；
P10 冗余填充语：「为了简化开票流程……」→「开票易出错，我们将其自动化」；
P15 模糊归因：「研究表明大多数试用不会转化」→「OpenView 2023 年基准：试用转化率 17%」；
P21 谄媚式开头：「好问题！选数据库令人兴奋！」→「Postgres 在这里是稳妥的默认选项」；
P27 破折号滥用：「这款工具——为速度而生——快速处理导入」→「这款工具为速度而生，快速处理导入」。

学术依据

模式目录的构建参考了两类一手来源：Wikipedia 的 Signs of AI writing（WikiProject AI Cleanup）以及针对 1500 万篇以上 PubMed 摘要的 LLM 高频词汇语料研究（arXiv:2406.07016 与 arXiv:2502.09606）。这些研究为大模型输出中常见的句法与词汇偏好提供了统计基础，使规则的制定有据可依。

对频繁使用 AI 编码助手撰写对外文档的开发者而言，humanize 提供了一种轻量、可在 CI 中自动执行的「AI 痕迹防线」，其开源属性也方便团队根据自身风格进行二次定制。