Community研究与数据分析github.com

人文化

修改 LaTeX 论文的散文风格,使其更易读、更像人类作者所写,同时保留所有科学内容、数学公式、引文和 LaTeX 命令。生成一份副本(`<文件名>_humanized.tex`),不修改原文件。

人文化 是什么?

该技能主要用于改善 LaTeX 学术论文的散文可读性,消除人工智能生成文本常见的机械感,例如过度使用标志性短语、空洞的修饰词、刻板的“不仅...而且”结构、不必要的列举以及总结句。技能会逐段分析原文,精简冗余信息、优化句子结构(使主谓宾更紧凑)、按照具体内容替换模糊抽象的表达,并调节句子节奏,使其更符合人类写作的自然韵律。同时严格遵守不改变科学内容的原则:保留所有数学公式(包括内联和显示数学)、引文、参考文献、标签、图形、表格内容、LaTeX 命令、专业术语、以及原文的语气(如谨慎的限定词)。它通过运行 `ai_scan.py` 识别问题区域,使用 `check_integrity.py` 确保修改后所有关键元素(如数学段、引用键、标签、数字)完整无误。该技能支持英语和葡萄牙语文本,适用于 Claude Code、Cursor 等支持自定义技能编辑器环境,并会主动建议对 AI 味较重的稿件使用。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gilzamir18/GilzaCodeSkills/tree/HEAD/skills/humanize

Installed? Explore more 研究与数据分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

人文化 是做什么的?

修改 LaTeX 论文的散文风格,使其更易读、更像一位细心的人类作者所写,并将结果作为 .tex 文件的单独副本输出。

目的并非“伪装”。人工智能辅助起草的文本通常具有可辨识的特征——过度标志性化、虚词膨胀、节奏单调、充斥着不承载信息的短语。审稿人会注意到这一点,并且这些文本会降低论文的可读性。一位优秀的人类编辑通过让每个句子以最简洁的形式表述具体内容(同时保持学术论文的语域)来消除这种特征。

不得改动的内容

论文是观点的记录。改变观点的可读性编辑是一个错误,而非风格选择。因此:

  • 保留前导部分不变(\begin{document} 之前的所有内容)。
  • 切勿编辑数学内容:行内 $…$、\(…\)、显示数学以及数学环境(equation、align 等)保持逐字节一致。
  • 保留所有 \cite…、\ref/\eqref/\cref、\label、\includegraphics、\input 以及环境边界。您可以在重构的句子中移动引文,但相同的键必须仍然支持相同的陈述。
  • 保留散文中的所有数字(统计数据、p 值、样本量、范围)及其与正确数量的关联。
  • 保留论点的强度。不要将“暗示”改为“证明”,或将“没有持续差异”改为“等效”。校准后的限定词是科学的一部分;仅移除堆砌或空洞的限定词(“可能潜在”、“也许可以认为或许”)。
  • 保留作者的术语。如果论文定义了“操作状态”、“安全区”、“MRP”,请使用这些术语。不要用同义词替换技术词汇——“鲁棒性”、“显著”、“新颖”在技术语境下是恰当的,只有当它们被用作装饰时才成为人工智能通病。
  • 保留语言和拼写变体(英式“behaviour/penalises”保持英式;葡萄牙语保持葡萄牙语)。
  • 不要触碰表格内容、% 注释、\todo{} 标记或参考文献。

如果一个句子不清晰,以至于您只能通过猜测作者意图来修改,则保留原样并在您的报告中列出,而不是重写。

工作流程

1. 确定目标

从用户的消息或斜杠命令参数中获取文件。如果未给出,则从对话中推断(正在处理的论文,或编辑器的活动文件——如果 GilzaCode 工具可用,则使用 get_editor_state);如果有多个候选 .tex 文件(例如,main6.tex 和 main7.tex),选择最新的草稿并说明您的选择。如果用户只要求特定章节,则仅修改这些章节。

如果主文件通过 \input/\include 引入内容,则将每个引入的散文文件人文化成其自己的 <名称>_humanized.tex,并将主副本的 \input 行指向它们。

2. 制作副本

将文件复制到 <主干>_humanized.tex 在同一目录下(以便图形、.bib 和类文件仍然能解析)。如果该文件已存在,则在覆盖前询问,或者如果您无法询问,则使用 <主干>_humanized2.tex。所有编辑都针对副本进行。切勿写入原文件。

3. 获取问题地图

在原文件上运行扫描程序,查看人工智能风格模式的聚集位置:

python <技能目录>/scripts/ai_scan.py path/to/paper.tex

它会报告带有行号的标记短语、连字符密度以及每个部分的句子长度统计信息。将其视为热力图,而非待办事项列表:命中标记是一个需要检查的位置,并且许多命中在上下文中是正常的。删除所有标记的单词同时保持句子结构完整,会产生同样机械的文本。在开始编辑之前,请阅读 references/patterns.md 以获取所有模式(英语和葡萄牙语)的完整目录以及如何修复每种模式。

4. 逐节修改

一次阅读一个部分(或几个段落),并在散文上使用有针对性的 Edit 调用来编辑副本。逐段落处理可保持 LaTeX 完整,并让您能记住该部分的论点。

对于每个段落,问:这个段落主张什么?该领域的一位称职作者会用什么最简洁清晰的方式来表达?然后:

  • 删除不承载信息的内容:元评论(“值得注意的是”、“在本节中,我们将讨论”)、段落末尾的总结性重述、开场白、装饰性强调词。
  • 优先使用具体内容:用具体事物替换模糊抽象(如果论文在附近某处提到了,则“提高性能” → “存活时间延长 48 步”;否则,保持简洁即可)。
  • 为了可读性修复句子结构:主语和谓语靠近并放在开头;拆分承载三个想法的句子;合并本应在一起的零散片段;将熟悉的信息移到句首,新信息移到句尾;将名词化形式还原为动词(“对……进行分析” → “分析”)。
  • 像人类一样改变节奏——交替使用一些短句和一些长句——而不是统一的节奏或统一的段落形状。
  • 打破公式化结构:强制性的三元结构、“不仅 X 而且 Y”、“X 而非 Y” 用于效果的对比、冒号揭示(“答案很简单:……”)、一连串的破折号,以及全部以过渡词开头的段落。
  • 保留已经奏效的内容。一份不错草稿中的许多句子都是没问题的。修改每个句子本身就是一种人工智能标志,并且增加了改变含义的风险。一次好的典型修正会重写大约五分之一到一半的句子,集中在扫描器和您的阅读发现问题的位置。

章节标题、图注和摘要属于散文,可以同样谨慎地编辑;保持标题简短,并保持图注内容(绘制了什么,符号的含义)完整。

5. 验证完整性

运行检查器比较原文件和副本:

python <技能目录>/scripts/check_integrity.py path/to/paper.tex path/to/paper_humanized.tex

它会比较前导部分、数学段、引文键、引用、标签、环境、图形路径、括号平衡以及散文中的数字。在完成之前修复每个 ERROR。查看每个 WARN(通常是移动或消失的数字或引文),并要么恢复它,要么确认更改无害。然后重新在副本上运行 ai_scan.py,以确认热点已经冷却。

如果 LaTeX 编译器可用(GilzaCode 的 compile_latex、tectonic、latexmk、pdflatex),则编译副本以确保它能构建。如果环境没有编译器,则不必花太多时间在此——完整性检查已经涵盖了常见的破坏。

6. 报告

以用户的语言在对话中给出简短报告:

  • 人文化副本的路径(原文件未修改)。
  • 您所做的更改类型,并附上 3-5 个有代表性的前后对比对(每对一行,裁剪)。
  • 扫描数量前后对比(标记短语、破折号、平均句子长度)——简要说明。
  • 完整性检查结果。
  • 您故意保留而未修改的内容及其原因:似乎不清晰或可能实质上有误的段落、看上去比证据更强的论点、不一致的术语。标记这些内容;不要默默修复它们。

如果用户正在为期刊准备修订稿,请提供在原文件和副本之间生成 latexdiff 的选项(如果安装了 latexdiff),以便他们可以直观地查看更改。

相关技能