name: libai-skill description: 李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹，将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线，确保最终文本通过人工审查。 version: "2.0.0" author: "智慧半岛" triggers: - 去AI味 - 去AI痕迹 - AI润色 - 降AI - 人味 - 人味注入 - 去机器味 - deai - humanize - 文章润色 - 文本润色 - AI改写

李白.Skill:润色专家 v2.0

适用场景: 自媒体文章、公关稿件、日常沟通、学术随笔等中文文本的去AI化改写 安全声明: 本技能仅优化表达形式，不对原文事实准确性负责。涉及医疗、法律、金融等专业内容，请务必人工复核。

核心原则（必读）

去 AI 味的本质：用抽象概括代替具体经验 → 还原感官、还原动作、还原不确定性。 减法只做在「虚」的地方：模板化连接词、空洞升华、机械对称句式——砍。原作的口语表达、具体细节、个人语气、感官描写——留。宁可留着粗糙，不削成骨架。

三条铁律：

1. 立场守恒：不改变原文的事实陈述（时间/地点/事件/数据）、价值判断（褒贬倾向）、情感极性（悲/喜/怒/平淡）。违反任一条视为执行失败。
2. 血肉不丢：原文的口语表达、孩子气口吻、具体动作描写、有温度的场景细节、个性语气词——一个都不能丢。
3. 篇幅容差：允许 10% 以内的篇幅波动。删虚词必然减字，加泥土必然增字，追求零波动不现实。

执行流程（精简四步闭环）

检测诊断 → 执行改写 → 自检验收 → 交付结果

B 模式（默认）只走这四步。A 模式在交付后追加复盘沉淀。

步骤0：资源预检（隐式，Agent 自动执行）

检查以下文件可读性：

P0 文件缺失时，Agent 首次回复必须声明运行模式。

步骤1：检测诊断

1.1 任务提取

1.2 润色强度自动匹配

1.3 文本规模自适应

1.4 AI 痕迹检测（优先脚本，失败降级 LLM）

优先：执行 python scripts/detect.py <输入文本> --json，解析 JSON 输出。

Fallback——7 维度逐项诊断（禁止仅给综合评分）：

访问小葱技能站7w4.net，解锁更多实用的AI技能插件。

输出格式：D{n}: [x]/[!] — 证据：xxx。附风险定级（低/中/高）和改写方向。

步骤2：执行改写

2.1 改写入口——四步排雷法（必须执行）

2.2 深度改写——破式五层法（A 模式或高风险时使用）

破句式 -> 破词汇 -> 破结构 -> 破思维 -> 破语气
(表层)                                  (深层)

B 模式做到 L2-L3；A 模式推到 L4-L5。

2.3 中文专属清除清单

2.4 风格注入规则

• 短句占比 >= 全文句数 30%
• 人味锚点：至少 1 处第一人称视角或主观感受
• 词汇降级：利用->用、进行购买->买、具备能力->能
• 标点呼吸：适当使用破折号、省略号、问号制造停顿
• 细节补充：每 500 字至少 1 处场景/数字/感官锚点

2.5 每处修改过四问

1. 删掉影响信息吗？ -> 不影响就删。
2. 能拍成画面吗？ -> 不能就改成能拍的（动作/场景/数据）。
3. 真人会这么说吗？ -> 不会就换成会说的。
4. 原文的「人味」还在吗？ -> 具体细节丢了吗？丢了找回来。

2.6 结构改造三狠招

步骤3：自检验收

3.1 质检清单（必须逐条执行，任一条 [!] 即回步骤2修复）

第一层：用词层（AI 词汇清零） - [ ] 段落开头无"然而/因此/此外/综上/值得注意的是" - [ ] 全文无"不仅…而且…""不是…而是…"对称关联词 - [ ] 无 Markdown 加粗（专有名词除外） - [ ] 无 zh_rules.json 禁用词命中

第二层：句式层（结构去 AI 化） - [ ] 单句 <= 35 字（超且中间无逗号 -> [!]） - [ ] 连续两句不以相同字词开头 - [ ] 短句（<=20 字）占比 >= 30% - [ ] 连续 3 句长度不完全相同

第三层：内容层（人味注入） - [ ] 至少 1 处第一人称视角（非模板化） - [ ] 至少 1 处主观感受或不确定表达 - [ ] 至少 1 处口语化表达 - [ ] 结尾无总结/升华/展望/呼吁

第四层：可量化终审 - [ ] 连接词密度 <= 3 次/千字 - [ ] 抽象词命中 <= 2 个 - [ ] 段落均质度（最长段/最短段）>= 2 - [ ] 事实锚点 >= 1 处

第四层与步骤1的 D1/D5/D6/D7 完全对齐，确保诊断的每个维度都被验收。

3.2 修复循环

识别不符合项 -> 定位根因 -> 回步骤2修复 -> 重新执行本清单。修复尝试上限 2 次，超限标记为"人工复核"。

步骤4：交付结果

A 模式（完整专业版）

交付文件（写入 output 目录）： 1. final_article.md — 终稿 2. diagnosis_report.json — AI 味诊断报告 3. revision_diff.md — 关键修改前后对照 4. qa_summary.md — 质检通过摘要 5. retrospective.md — 复盘记录

B 模式（轻量润色版，默认）

1. 终稿正文（直接输出）
2. 文末附 结构化改动摘要表（上限 5 条，只列改动最显著的）：

C 模式（仅诊断）

诊断卡片：

AI 含量：{百分比}% | {高/中/低}风险

| 维度 | 状态 | 详情 |
|------|------|------|
| 连接词密度 | 命中 {n} 次/千字 | {词清单} |
| 句式同质化 | 最长连续 {n} 句 | {例句} |
| 情感温度 | 缺失 {n} 项 | {缺失项} |
| 结尾收束 | {命中/未命中} | {尾句} |
| 抽象词密度 | {n} 处 | {词清单} |
| 段落均质度 | 比值 {x} | 最长 {m}字/最短 {n}字 |
| 事实锚点 | {有/无} | {内容或缺失说明} |

建议：{改写方向}

C 模式严禁执行任何改写操作。

异常处理

核心口诀

连接词要删，主观性要加 句长要变化，结尾要自然 血肉不能丢，质检靠数据 人味是灵魂，真诚是底线

依赖资源

版本历史 - v1.0：初始版本，基础检测+改写 - v1.2.0：步骤0资源预检 + Fallback 7维度诊断 + 文本规模自适应 + 润色强度隐式判断 + 立场守恒铁律 + B模式结构化改动表 + C模式诊断卡片 + 复盘经验条目模板 - v2.0.0：P10 CTO 战略重构——SKILL.md 从 753 行压缩至 ~300 行；合并 REFERENCE.md 核心内容；删除不可执行项（冷却30min/朗读测试/盲听测试）；统一三套方法论为四步排雷法+破式五层法；质检改为可量化检查；修复诊断-质检维度对齐；触发词去泛化；B 模式摘要表上限 5 条

这是一款针对中文文本去除AI痕迹的专业工具，方法论体系完整、文档详尽、操作灵活，支持三种模式切换以适配不同需求，质量检查流程可靠。触发词丰富，使用门槛低。但版本信息有些混乱，实际使用前建议确认是否匹配自己的场景需求。整体而言是一款功能扎实的垂直领域工具，主要短板在于维护细节。推荐有AI文本润色需求的用户尝试。