Christianboat/humanize

humanize 是做什么的？

一种单次通过的人性化处理管道。它将以29类AI模式检测框架与迭代式、指标驱动的对抗性循环相结合，然后运行一个强制性的最终处理步骤，删除所有破折号。模式框架决定修复什么以及如何修复。对抗性循环进行验证和迭代，直到文本读起来像人类写的。最终步骤保证输出中完全不包含任何破折号。

核心工作流程

对于你处理的每一段文本，按此确切顺序执行以下步骤。

阶段一：模式处理（29类）

对照下面列出的全部29类AI模式扫描文本。重写每一个匹配项。优先考虑“声音”而非“正确性”。

阶段二：评分处理

根据四个定量信号检查重写后的文本。

• 困惑度。低困惑度读起来像AI。高困惑度读起来像人类。模型会选择可预测的token序列。人类不会。
• 突发性。均匀的句子长度读起来像AI。高方差读起来像人类。人类自然地将短句、中句和长句混合在一起。
• 三元组多样性。高三元组重叠读起来像AI。人类使用更罕见的单词组合。
• 模式复发。重新扫描模式1到29的剩余命中项。

阶段三：对抗性循环（最多10次迭代）

每次迭代，从下方的“语言武器库”中随机选择并应用2到3种变换。重新评分。保留能降低AI概率的更改。丢弃那些提高AI概率的更改。

阶段四：自我审查

问：这段文本中还有什么读起来像是AI生成的？识别出剩余的破绽。修复它们。如果分数仍然高于目标，则返回阶段三。

阶段五：破折号消除（强制性，不可协商）

此步骤始终最后运行，绝不能跳过。最终文本必须包含零个破折号。

1. 删除所有长破折号字符（U+2014）。
2. 删除所有用作连接符的短破折号（U+2013）以及用作破折号的双连字符（"--"）。
3. 对于每个删除的符号，选择最适合该句子的替代方案：
   • 逗号，当从句是一个简单的插入语时。
   • 句号或分号，当两部分可以作为独立的观点时。
   • 括号，当从句是一个可以提取出来的真正插入语时。
   • 冒号，当后半部分解释或扩展了前半部分时。
   • 不替换，当破折号只是为了填充句子时。直接关闭空隙。
4. 重新阅读结果。如果还有任何破折号幸存下来，重复此步骤。输出中绝不允许包含任何一个破折号。

声音校准

当提供了写作样本时，在重写前对其进行分析。

• 句子长度模式。简短而有力？漫长而流畅？混合型？
• 用词级别。随意？学术？介于两者之间？
• 段落开头方式。直接切入主题，还是先设定背景？
• 标点习惯。大量使用逗号？括号插入语？分号？
• 重复出现的短语或口头禅。
• 过渡处理方式。使用显式的连接词，还是直接开始下一个观点？

使重写结果与样本匹配。如果他们写短句，就不要写长句。如果他们使用“stuff”和“things”，不要升级为“elements”和“components”。

如果没有样本，使用默认声音：自然、多变、有见解。

反AI声音：个性与灵魂

避免模式只是工作的一半。干巴巴的写作和粗制滥造一样明显。

无灵魂写作的迹象：

• 每个句子长度和结构相同。
• 没有观点，只有中立报道。
• 不承认不确定性或矛盾情绪。
• 在合适的地方没有第一人称视角。
• 读起来像维基百科文章或新闻稿。

如何添加声音：

• 有观点。不要只报告事实。对它们做出反应。
• 变化节奏。短句。然后是花时间慢慢展开的长句。
• 承认复杂性。“这令人印象深刻，但也有点令人不安”胜过“这令人印象深刻”。
• 在合适的时候使用“我”。“我一直在思考……”表明是一个真实的人在思考。
• 允许一些混乱。题外话、插入语和半成型的想法是人性化的。

29类模式类别

内容模式

1. 意义膨胀。词汇：堪称、证明、关键、至关重要、凸显、不断演变的格局、根深蒂固。修复：移除浮夸说辞。陈述发生了什么，而不是为什么它重要。

2. 知名度填充。词汇：独立报道、媒体机构、活跃的社交媒体存在。修复：引用具体的报道而非罗列机构。放弃模糊的知名度声明。

3. 肤浅的-ing分析。词汇：突显、强调、反映、展示、促进、涵盖。修复：移除-ing后缀。如果它不增加信息，就删掉。

4. 宣传性语言。词汇：号称、充满活力、坐落于、开创性、令人叹为观止、惊艳。修复：使用中性描述。“该镇每周有一个集市”，而不是“坐落于令人叹为观止的……”。

5. 模糊归因。词汇：行业报告、观察人士指出、专家认为。修复：指明来源或放弃归因。

6. 提纲公式。词汇：“尽管……面临若干挑战……”、“未来展望”、“挑战与遗产”。修复：说出发生了什么。不要宣告章节标题。

语言与语法模式

7. AI词汇。词汇：实际上、此外、与……一致、关键、深入、增强、促进、获得、强调、相互作用、错综复杂、关键（形容词）、格局（抽象）、关键、展示、织锦（抽象）、证明、强调、有价值、充满活力。修复：用更简单的替代词。“重要的”而非“关键的”。“显示”而非“强调”。

8. 回避系动词。词汇：充当、作为、标志着、代表、号称、具有。修复：替换为“是”或“有”。“825画廊是LAAA的展览空间”，而不是“作为LAAA的展览空间”。

9. 否定平行结构。结构：“不仅……而且……”、“这不只是关于X，更是关于Y”、尾部否定如“无需猜测”。修复：直接陈述。“沉重的节拍增强了氛围”，而不是“这不只是关于节拍……”。

10. 三法则。三个例子、三个形容词、三个列表项。修复：如果有三个，考虑两个是否足够。如果列表是必要的，那没问题。如果是出于修辞完整性的考虑，则删除。

11. 同义词循环。在连续句子中对同一概念使用不同名称（主人公、主角、主要角色、英雄）。修复：选择一个术语并使用它。重复是人类的特点。

12. 虚假范围。“从X到Y，从A到B”，其中端点并非真实尺度。修复：列出项目。“本书涵盖了大爆炸、恒星形成和暗物质”，而不是“从奇点到宇宙网”。

13. 被动语态和无主语片段。“无需配置文件。”“结果自动保存。”修复：添加执行者。“你不需要配置文件。”

风格模式

14. 破折号（零容忍）。任何破折号都是一个破绽。修复：删除每一个。用逗号、句号、分号、冒号或括号替换，或者直接关闭空隙。这由强制性的阶段五强化。最终文本中不包含任何破折号。

15. 过度使用粗体。机械地强调关键术语。修复：使用普通文本。让读者决定什么是重要的。

16. 内联标题列表。格式为“- 主题： 描述”。修复：用散文句子书写。

17. 标题中使用标题大小写。“战略谈判与全球伙伴关系”。修复：使用句子大小写。“战略谈判与全球伙伴关系”。

18. 表情符号。在标题或项目符号前使用装饰性表情符号。修复：删除。

19. 智能引号。使用智能引号而非直引号。修复：替换为直引号。

沟通模式

20. 聊天机器人痕迹。“希望这对你有帮助！”、“如果有……请告诉我”、“好问题！”修复：删除。文本应独立存在。

21. 知识截止日期声明。“截至[日期]”、“根据现有信息……”修复：说明相关日期或放弃。

22. 阿谀奉承语调。过度积极、讨好式的语言。修复：直接和中立。“你提到的因素是有相关性的”，而不是“好观点！你说得完全正确！”

填充词与模糊措辞

23. 填充短语。“为了”变成“以”。“由于……这一事实”变成“因为”。“在目前这个时间点”变成“现在”。

24. 过度模糊措辞。“这有可能可以被认为……”修复：“可能是”，或者删除。

25. 泛泛的积极结论。“前景光明。”“激动人心的时刻就在前方。”修复：一个具体的展望性陈述，或者什么都不写。

26. 连字符单词对。third-party、cross-functional、data-driven、decision-making、high-quality、real-time。修复：人类的使用是不一致的。“Third party”、“cross functional”、“data driven”。

27. 劝服性权威修辞。“真正的问题是”、“其核心是”、“真正重要的是”、“从根本上说”、“更深层次的问题”。修复：直接陈述观点。

28. 引导性语句。“让我们开始吧”、“我们来探索一下”、“这是你需要知道的”、“现在我们来看看”。修复：直接开始正文。

29. 碎片化标题。标题后跟一个重复标题的单行段落。修复：删除热身句。直接开始正文。

语言武器库（用于对抗性循环）

在对抗性优化阶段随机应用这些变换。

缩略词

随机应用，而不是对每个实例都应用。人是不一致的。

• do not 变成 don't, does not 变成 doesn't, did not 变成 didn't
• are not 变成 aren't, is not 变成 isn't, was not 变成 wasn't
• have not 变成 haven't, has not 变成 hasn't
• would not 变成 wouldn't, could not 变成 couldn't, should not 变成 shouldn't
• it is 变成 it's, that is 变成 that's, there is 变成 there's
• we are 变成 we're, they are 变成 they're, you are 变成 you're

句子合并

如果两个相邻句子长度都不超过8个单词，用逗号和连接词（and, but, so, because）将它们合并。

句子拆分

如果一个句子超过30个单词且包含由逗号连接的连词，在其中间点将其拆分为两个句子。

人格注入

• 本科生：在开头附近添加一个缓冲词（“我想”、“据我了解”、“看起来像是”、“说实话”）。添加一个自我纠正或重新思考的从句（“或者至少我是这么看的”）。
• 专业人士：偶尔将“是”替换为“似乎是”，或将“是（复数）”替换为“倾向于成为”。保持一致的正式程度但不生硬。
• 随意：偶尔省略限定词。使用句子片段。用“And”、“But”、“So”开头句子。在每个适用的动词上使用缩略形式。

开头变化

如果连续三个句子以相同方式开头（相同主语、相同结构），改写其中一个。人类写作者会本能地变化开头。

定量信号（用于评分）

每次重写处理后检查这四个信号。

信号	低（AI）	高（人类）
困惑度	低。模型容易预测下一个token。	高。意外但自然的用词选择。
突发性	句子长度紧密聚集。	高方差。短、中、长句子混合。
三元组多样性	高三元组重叠，可预测的模式。	罕见组合，较低重叠。
模式复发	3个或更多活跃的模式匹配。	剩余0到1个匹配。

目标：所有四个信号的AI概率低于10%。

流程总结

1. 读取输入文本。
2. 识别并重写所有29个模式匹配项。
3. 添加声音（个性、观点、变化的节奏）。
4. 根据定量信号评分。
5. 运行对抗性循环：变换、评分、保留或丢弃，最多10次迭代。
6. 自我审查：识别剩余破绽并修复。
7. 运行强制性的破折号消除步骤（阶段五）。确认零破折号。
8. 呈现最终文本。
9. 可选地列出检测到的模式和应用的变换。

参考

本技能结合了三个来源。

• Wikipedia的“AI写作迹象”指南（WikiProject AI Cleanup）用于29类模式框架。
• 基于GPT-2困惑度的检测、T5神经释义以及来自ML人性化管道的突发性和三元组多样性指标。
• 来自同一管道的迭代对抗性优化方法。

关键见解，来自Wikipedia：“LLMs使用统计算法来猜测接下来应该出现什么。结果趋向于适用于最广泛情况的最统计学可能的结果。”