humanizer
作者 softaworkshumanizer skill 用于把带有明显 AI 痕迹的文本改写得更自然,同时尽量保留原意、语气和行文风格。它适合润色草稿、识别常见 AI 写作模式,并在 Claude Code 中优化面向 Rewriting 的 humanizer 工作流。
该 skill 评分为 78/100,作为目录候选条目表现扎实:它为 agent 提供了清晰的编辑任务、细致的判断启发和足够多的示例,相比通用提示词更有实际价值;但用户也应预期一定的上手摩擦,主要来自仓库/安装指向不够明确,以及缺少可执行支持资源。
- 触发场景和用途非常明确:识别并改写常见的 AI 写作痕迹,让文本更自然,同时尽量保留原意与原有语气。
- `SKILL.md` 提供了相当扎实的操作指引,列出大量已命名的模式和编辑原则,比泛泛的“让它更像人写的”提示更具体、更可执行。
- README 给出了实用的使用示例和安装路径,便于用户在安装前先理解这个 skill 能做什么。
- README 中的安装说明指向原始仓库 `blader/humanizer`,对正在 `softaworks/agent-toolkit` 中评估这个副本的用户来说,可能会造成来源和安装路径上的混淆。
- 该 skill 仅提供文档说明,没有脚本或测试样例,因此实际效果较大程度取决于 agent 是否能准确理解并执行较长的文字指引。
humanizer 技能概览
humanizer 是一项编辑类技能,用来把那些 AI 味过重的文本改写得更自然、更像真人写作。它的核心不是“润色一下”这么泛,而是识别常见的 AI 写作痕迹,并在不改变原意的前提下替换掉这些模式。它尤其适合已经有初稿、但希望成稿更扎实的人:博客作者、文档团队、市场人员、创始人、研究者,以及任何会用 AI 起草、但又需要更可信输出的人。
humanizer 实际会做什么
这个 humanizer 技能并不是一个泛泛的“帮我写得更好”的 prompt。它的职责更窄,但也更实用:识别那些一眼就能看出是 AI 写作的习惯,比如夸大重要性、套路化宣传口吻、重复的句式结构、模糊归因、em dash 滥用、“三段式”节奏、常见 AI 词汇,以及空洞的衔接语,然后把这些地方改写成更清晰、更有人味的表达。
最适合的使用场景
当你需要以下结果时,可以使用 humanizer:
- 在发布前清理 AI 辅助生成的初稿
- 把文本改得不那么模板化、不那么“机器写的”
- 在不改变核心事实的前提下,让文案更自然
- 提升文章、个人简介、落地页、邮件、文档和评论类内容的成稿质量
它尤其适合用于 humanizer for Rewriting 这类任务:内容本身技术上没错,但风格僵硬、用力过猛,或者明显带着模型生成的痕迹。
谁适合安装 humanizer
如果你经常要审阅 AI 写的内容,并且希望有一套可复用的工作流,而不是每次都重新拼一个编辑 prompt,那么这个技能值得安装。对高频编辑者来说,它的价值明显高于偶尔用一次的轻度用户。
相比通用 prompt,主要差异是什么
它最大的差异在于“具体”。这个技能不是靠一句模糊的“把它写得更像人”来工作,而是建立在一套明确的 AI 写作信号清单之上。这样做的好处是编辑一致性更强,修改也更容易判断:你能分清问题到底是过度包装、空泛抽象、节奏不自然,还是缺少真实语气。
安装前,用户最关心什么
大多数在评估 humanizer 的人,通常最想先确认四件事:
- 它会不会改坏原意?
- 它能不能贴合我想要的语气?
- 它只是给营销文案用,还是技术写作也能用?
- 它做的不只是删掉 em dash 和明显套话吗?
从技能文本来看,答案大体上是肯定的:它的目标是保留原意、维持你指定的声音,并且增加个性,而不只是机械地删 clichés。
重要边界
humanizer 是编辑器,不是事实核查工具、研究系统,也不能替代正式的风格规范。如果原文在观点层面就是错误的、浅薄的,或者空泛无物,humanizer 可以改善表达方式,但无法凭空补出真正的专业判断。另一个边界是:如果内容涉及法律、科研或合规等必须逐字精确的表述,就不应该随意交给它改写。
如何使用 humanizer 技能
humanizer 的安装方式
仓库的 README 记录了一种很直接的 Claude Code 风格安装方式。推荐路径如下:
mkdir -p ~/.claude/skills
git clone https://github.com/blader/humanizer.git ~/.claude/skills/humanizer
如果你只想拿技能文件本身:
mkdir -p ~/.claude/skills/humanizer
cp SKILL.md ~/.claude/skills/humanizer/
如果你查看的是 softaworks/agent-toolkit 版本,那么在线生效的技能内容位于 skills/humanizer/SKILL.md。建议先看这个文件,因为真正的运行规则和改写标准都写在那里。
第一次使用前,先看哪些文件
如果你只是想快速判断值不值得装,按这个顺序看就够了:
skills/humanizer/SKILL.md或SKILL.mdREADME.md
SKILL.md 告诉你这个技能“怎么判断、怎么改”。README.md 告诉你“怎么调用”。对大多数用户来说,这两份文件已经足够,因为这个技能不依赖额外脚本或资源目录。
humanizer 的基本用法
安装后,你可以直接把文本交给这个技能处理,或者让 agent 直接去 humanize 某一段。实用的调用方式很简单:
- 提供原始文本
- 说明目标语气
- 写清楚哪些内容不能改
- 如有需要,再补充受众和格式
一个比较弱的请求是:
“Humanize this.”
更强的写法是:
“Use the humanizer skill on this product announcement. Keep all factual claims, shorten inflated language, remove obvious AI phrasing, and make it sound like a confident but not salesy founder update for existing customers.”
humanizer 需要什么输入
当你提供以下信息时,这个技能通常表现最好:
- 需要改写的原文
- 预期语气:formal、plainspoken、expert、conversational、technical
- 受众是谁:customers、hiring managers、developers、executives、readers
- 约束条件:保留事实、控制长度、避免 slang、保留 CTA、保留术语
如果没有这些约束,模型虽然可能把文本改得更自然,但也更容易在语气和重点上跑偏。
把模糊目标变成可执行的 prompt
如果你真实的诉求只是“让这段别那么像 AI 写的”,那最好把它翻译成 humanizer 能执行的编辑指令:
Use the humanizer skill for rewriting.
Text type: About page intro
Audience: B2B buyers
Tone: credible, direct, restrained
Keep: all company facts and product names
Fix: hype, generic abstractions, repetitive rhythm, obvious AI transitions
Avoid: em dashes, empty superlatives, fake warmth
这种写法更有效,因为它同时明确了“哪些必须保留”和“哪些需要去掉”。
humanizer for Rewriting 的最佳工作流
更稳妥的工作流通常是:
- 先正常完成初稿
- 找出听起来最“机器化”的那一段
- 先只对那一段运行
humanizer - 检查是否出现意思漂移
- 如果需要,再用更严格的指令处理剩余段落
- 最后通读全文,统一风格
一次性把整篇文档都丢进去并不是不行,但按段处理,通常更容易控住质量。
技能底层重点在看什么
从仓库内容来看,humanizer 主要会扫描这些模式:
- 夸张象征或过度拔高意义
- 伪装成客观描述的宣传话术
- 浮于表面的
-ing式分析 - 含糊不清的归因
- 过度使用 em dash
- 套路化的三项并列
- 常见 AI 词汇
- 否定式平行结构
- 过多的连词型过渡语
了解这一点很重要,因为你可以在 prompt 里提前点出高风险问题,让改写更有针对性。
如何保留“声音”,而不是把文字抹平
任何 humanizer 用法都有一个常见陷阱:最后得到的是“很干净”,但也很乏味的文字。这个技能明确试图避免这种情况——它不是只删 AI 痕迹,也希望补回一点个性和“人味”。想让它做到这一点,最有效的方法是直接定义声音来源:
- “sound like a practical staff engineer”
- “sound like an editor, not a marketer”
- “sound like a thoughtful founder memo”
- “keep some wit, but no sarcasm”
相比泛泛地说“写自然一点”,这种声音指令更有用。
什么时候该按段改,什么时候该按句改
如果整段都带着一种假装有推进感、却很空的 framing,就适合按段重写。
如果事实本身没问题,只是个别句子听起来不自然,那按句修改更合适。
如果你希望风险最低,可以先让 humanizer 技能标出可疑句子,再只改那些地方。
第一版输出后的高质量复核方式
跑完第一轮之后,不要只问“是不是更好了”,而要具体检查:
- 有哪些事实被改动了吗?
- 语气是不是变得太随便,或太“精修感”了?
- 原文里有用的具体信息是不是被削弱了?
- 句式重复的问题还在不在?
- 现在读起来,像不像一个有明确观点的人写的?
这一轮复核,才是让 humanizer 从一次性改写工具,变成真正可用编辑流程的关键。
humanizer 技能常见问题
如果我本来就会写 “sound more human”,还值得装 humanizer 吗?
通常值得,尤其当这类问题会反复出现时。通用 prompt 的确能去掉一部分显眼痕迹,但 humanizer 提供的是一套更可复用的编辑视角,基于明确命名的失败模式来处理文本。这样通常能减少随机改写,也更容易保住原始意图。
humanizer 对新手友好吗?
友好。这个技能本身很容易调用,因为核心任务非常直接:给它文本,再给它目标语气。
不过新手最好至少补充两个约束条件——哪些内容必须保持不变,以及希望是什么语气——否则输出很容易变得方向不清。
humanizer 能用于技术写作吗?
可以,但要谨慎用。它很适合改善那些显得冗余、机械、像模板拼出来的 docs、explainers、release notes 和内部更新。
对于技术内容,最好明确告诉技能要保留术语、精确性和结构,否则它可能会把本该保持严谨的表达“抹得太顺”。
什么情况下不该用 humanizer?
以下情况建议不要用 humanizer:
- 法律或政策措辞必须逐字精确
- 你更需要的是事实核查,而不是改写
- 草稿的问题出在观点太弱,而不是风格像 AI
- 原文本身已经有很鲜明的人类作者风格,只需要做 copyediting
这些场景下,更窄、更保守的编辑方式会更安全。
humanizer 只是修 em dash 这类表层痕迹吗?
不是。humanizer 技能的价值不只是做标点清理。
它处理的还包括:夸张 framing、空洞过渡、机械结构、模糊表述,以及缺乏声音感。这也是为什么它能实质性改善那种“很干净,但没有灵魂”的初稿。
它只适合营销文案吗?
不是。营销内容确实是很常见的适配场景,但这个技能同样适合 essay、bio、documentation、commentary、newsletter 和 outreach 写作。
关键前提只有一个:你已经有一段要精修的文本。
humanizer 和人工编辑相比怎么样?
如果你非常看重细微分寸,而且有真正了解受众的编辑参与,那人工编辑仍然更强。
humanizer 最适合做快速第一轮:先把明显带“机器味”的结构和表达清掉,再交给人工复核。它能缩短清稿时间,但不能替代编辑判断。
如何改进 humanizer 技能的使用效果
给 humanizer 一个明确的编辑目标
想让 humanizer 更快出效果,最直接的方法就是别再说“更像人”,而是明确“像什么样的人”。把角色、语气和受众说清楚。
比如,“Plainspoken technical lead” 几乎总会比 “natural and engaging” 更有效。
用明确护栏来保住原意
如果事实准确性很重要,就直接写明:
- “Do not add claims”
- “Keep all dates, figures, and product names”
- “Do not change the recommendation”
- “Preserve paragraph order”
这类指令能直接降低最大采纳障碍:担心改写后把内容实质改偏。
把你已经看见的问题直接指出来
如果你自己已经能看出问题,就告诉技能。比如:
Use the humanizer skill. The current draft sounds AI-written because it overstates importance, uses empty transition phrases, and repeats the same sentence rhythm. Rewrite for a skeptical professional audience. Keep the meaning and shorten by 15%.
这种方式比把痛点全交给模型猜,要靠谱得多。
质量要求高时,先诊断再改写
对于敏感文案,建议要求两步走:
- 先识别文本中的 AI 化模式
- 再基于这些问题进行改写
这样输出更容易建立信任,因为你可以把“诊断结果”和“实际改动”对照来看,而不是接受一个黑箱式重写。
需要重点盯防的常见失败模式
使用 humanizer 技能时,最常见的失败模式包括:
- 把文本抹平成泛泛的“好文风”
- 把本来应该保留力度的表述弱化掉
- 把正式文风改得太口语
- 连有用的过渡也一起删掉
- 改掉了重点,而不只是改风格
这些问题通常不是技能本身没用,而是约束条件还不够具体。
在运行 humanizer 之前,先补强过弱的原稿
如果原稿本身全是抽象概念,没有具体细节,那 humanizer 再强也只能有限改善。
更好的做法是先补足具体内容:事实、例子、名称、结果、利害关系。真正“像人写的”文字,更容易建立在真实材料之上,而不是空泛填充词之上。
用并排对比,而不是直接盲替换
不要自动把原文整段覆盖掉。把原文和改写版并排检查,重点看:
- 删掉了什么
- 哪些地方变得更具体了
- 情绪和语气是否仍然匹配
- 现在的文字像不像你的出版物或团队会写出来的话
这种对比是最快的学习方式,能帮助你下次更会给 humanizer 下指令。
用更窄的追问来迭代,而不是从头再来
如果第一版已经接近目标,不要重新全量改写。更有效的是给窄一点的 follow-up,例如:
- “Keep this version, but make it less polished”
- “Preserve the new clarity, but restore some authority”
- “Cut the remaining marketing tone”
- “Make the second paragraph sound more like an experienced operator”
这种小幅定向调整,通常比整篇重新 humanize 一次更稳。
在 humanizer 之上叠加你自己的 house style
humanizer 最好的长期用法,是把它当成一个可复用的编辑层。你可以叠加自己的风格说明:禁用短语、偏好语气、阅读难度、受众预期。
这样一来,它就不只是一个通用清理工具,而会成为你写作工作流里稳定可复用的一环。
认清真正的成功标准
好的 humanizer 输出,不只是“没那么像 AI 写的”。
更高的标准是:读起来像一个有判断力的人,带着明确意图写下来的文字。
如果结果只是更干净,却没那么鲜活,那就继续收紧 voice 指令再跑一轮。这正是“去 AI 味”和“真正把文章写好”之间的差别。
