Communitygithub.com

Banger Detector — 真實性驗證與誠實揭露

驗證一篇文章的真實性,避免錯誤使用 AI 文本檢測器,並根據專業寫作標準進行誠實披露。

Banger Detector — 真實性驗證與誠實揭露 是什麼?

此技能提供一套嚴謹的流程,用於評估文字作品的真實性與 AI 輔助程度,而非單純依賴不可靠的 AI 檢測器分數。它首先透過「六項真實性檢查」(來源、判斷、真實細節、多變節奏、風格限制、口語化測試)確認稿件是否真正出自作者原創。接著根據創作者設定檔決定是否執行檢測器、如何執行(至少兩個獨立服務),並記錄結果。檢測器標記的段落必須對應到**writing-quality.md**定義的真實缺陷(如開場空泛、未經證實的主張)才能修改,且最多進行兩輪。徹底禁止插入錯字、使用「人性化」工具或誇大 AI 分數的行為。最後,強制要求以作者同意的語氣進行誠實揭露,說明工具用途(草稿、編輯、結構)而非隱瞞,並提供統一的輸出格式。支援任何可執行腳本的平台(Claude Code、Cursor 等),透過詳細的規則和樣板減少誤判與倫理風險。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Jeff-Kazzee/bangers/tree/main/skills/banger-detector

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

Banger Detector — 真實性驗證與誠實揭露 是做什麼的?

在執行任何操作之前,請完整閱讀本節。大多數送到這裡的請求都要求錯誤的結果,而交付這些結果只會讓寫作變得更糟。

檢測器分數的意義與非意義

AI 文字檢測器主要衡量兩個統計特性:困惑度(每個下一個詞的可預測性)和突發性(句子長度與結構的變化程度)。低的困惑度與突發性會被解讀為機器生成。

這只是對某種風格的代理指標,而非作者身份的證據。其後果已被衡量且十分嚴重:

  • Liang 等人(2023 年,《Patterns》)發現檢測器錯誤地標記了61.3% 的非英語母語者論文,同時幾乎完美地分類了母語者論文。97.8% 的托福作文被至少一個檢測器標記。
  • 在同一研究中,使用更複雜詞彙改寫非母語者論文後,誤報率從 61.22% 降至 11.77%。檢測器衡量的是詞彙範圍,而非作者身份。
  • 技術、法律和科學寫作因相同原因被標記。一個領域的論文必然會重複使用術語與結構。檢測器將這種必要的統一性解讀為機器輸出。
  • 最近的正式研究認為,誤報問題是結構性的:任何具有真實偵測能力的純文字檢測器,都必然會對某些人類群體產生錯誤指控。更好的工程技術無法消除這個問題。

檢測器無法證明某個人類寫了某個東西,也無法證明機器寫了它。請將每個分數視為薄弱的對抗性證據。

本套件特有的陷阱

technical-clarity.md 刻意產生短句、每個概念一個名稱、一致的結構和樸實的詞彙。這天生就是低困惑度與低突發性。正確應用它通常會提高草稿的 AI 分數,同時改善寫作品質。

永遠不要為了解決這個衝突而損害清晰度。如果一篇文章清晰、有來源、且確實是作者的,那麼高分只是檢測器錯了。記錄下來,然後繼續。

步驟 1:驗證真實性——這不是分數

這些檢查決定一份草稿是否真正屬於作者。先執行它們,即使沒有檢測器也要執行。

  1. 來源。 每個數字、引言、故事、日期、結果與具名細節,都要追溯到一個真實的成果:檔案、提交記錄、螢幕截圖、測量結果、已發布的文章或作者說過的話。任何無法標明來源的內容都要刪除,而非軟化。這是唯一真正重要的檢查。
  2. 判斷。 文章做出了一個只有該作者基於自身經驗才能做出的決定。平衡的總結且沒有立場,才是真正的紅旗。
  3. 真實質感。 無法生成的具體細節:確切的錯誤訊息、付出的代價、出錯的部分、他們改變主意的那件事。
  4. 真實變化。 句子節奏的變化來自思考的變化,而非刻意製造的變化。大聲朗讀一遍。
  5. 規範遵守。 創作者設定檔中禁止的標點符號、詞組和語氣規則都已遵守。
  6. 大聲說出來。 作者會對同儕說出這句話嗎?改寫任何他們不會說出的句子。

通過所有六項檢查的草稿,無論任何檢測器怎麼說,都是真實的。

步驟 2:決定是否執行檢測器

從創作者設定檔中讀取 detector_mode。

  • off — 不要執行。
  • requested — 僅在作者要求時執行。
  • panel — 對外向型散文,在具備檢測器存取權時執行。如果沒有存取權,記錄為 not run。永遠不要暗示已經執行過。

跳過私人草稿、內部文件以及作者不以自己名義發布的任何東西的檢測器。

步驟 3:執行檢測面板

  • 使用至少兩個獨立且當前可存取的服務。一個分數只是噪音。
  • 永遠不要將私人、未發布或客戶機密的草稿貼到第三方檢測器中。這是向外部服務揭露作者的材料。每次都要先詢問。
  • 將每次執行記錄在 references/research/detector-runs.md 中:日期、輸入標識符或雜湊值、服務與版本、結果、突出段落的位置、映射到的寫作缺陷、修訂版本以及重新執行的結果。
  • 在公共記錄中僅使用經過清理的樣本。私人草稿放在私人覆蓋層中。

步驟 4:將突出顯示映射到真實缺陷,或者停止

分數永遠不會觸發重寫。對於每個突出顯示的段落,問問它是否對應到 writing-quality.md 中的真實缺陷:

  • 空泛的開場、空洞的過渡或裝飾性的結論,
  • 未經證實的主張或模糊的權威,
  • 堆疊的三元組、對稱的段落或強迫的排比,
  • 模稜兩可或令人屏息的確定,
  • 作者從不使用的詞彙。

只修改那些。重新執行一次。在兩輪由檢測器主導的修改後停止,無論分數如何。真實、清晰、節奏和真實的聲音,勝過任何分數。

禁止動作

這些行為會損害作品和作者的可信度:

  • 插入錯字、語法錯誤或彆腳的措辭以求看起來像人類。
  • 將草稿透過「人性化」工具處理。
  • 使用填充詞或同義詞替換來提高困惑度。這會重新引入套件所要移除的東西。
  • 只為了移動一個數字而改變一段真實、清晰、原創的段落。
  • 將檢測器分數當作作者身份的證據,無論方向如何。
  • 將內容「通過 AI 檢測」作為一個功能來發布。這是無法驗證的,會隨服務和時間而變化,並且會引來簡單的公開反駁。

步驟 5:揭露

在 AI 輔助方面保持公開透明,是比任何分數都更強大的立場,也是唯一能經得起考驗的立場。

原則: 誠實地揭露過程,並具體說明工具做了什麼、人類做了什麼。讀者並不反對使用工具。他們反對的是在思考的來源上被誤導。

誠實揭露應包含的內容:

  • 意見、判斷和結論屬於作者。
  • 每個事實細節都經過作者對照真實成果進行驗證。
  • 作者對錯誤負責。
  • 工具真正幫助到的地方:草稿、結構、編輯、研究協助、根據書面標準檢查散文。

應避免的內容:

  • 在使用過工具的情況下宣稱「100% 人類書寫」。一張截圖就能終結這個說法。
  • 為所有內容貼上籠統的 AI 免責聲明,這讀起來像法律免責而非誠實。
  • 反過來誇大,暗示工具做了思考而作者沒有。
  • 當揭露只是附註時,卻將其變成文章的主題。

放置位置: 一行樸實的文字,放在讀者想看到的地方。在署名欄、作者註記、儲存庫的 README 或關於頁面中。不要在每個段落都出現。

以作者的語氣起草揭露語句,提供給作者,並讓作者選擇措辭。永遠不要發布作者尚未批准的揭露語句。

輸出格式

按以下順序報告:

  1. 六項真實性檢查,標示通過或失敗,並列出失敗的項目。
  2. 檢測器執行:服務、日期、結果,或 not run 並附上原因。
  3. 對應到真實缺陷的突出段落,以及所做的修訂。
  4. 被駁回的突出段落,以及原因。
  5. 建議的揭露語句(如果需要)。
  6. 仍需作者批准的內容。

永遠不要不附帶真實性結果就報告分數。分數是較弱的訊號,絕不能當作標題來呈現。

Individual skills in this repo

This repo contains 11 individual skills — each has its own dedicated page.

相關技能