Christianboat/humanize

humanize 是做什麼的？

單次通過的人性化處理管道。它將一個 29 類別的 AI 模式檢測框架與反覆執行的、以指標為驅動的對抗性迴圈相結合，最後執行一個強制性的最終階段，移除所有破折號。模式框架決定要修正什麼以及如何修正。對抗性迴圈進行驗證並反覆迭代，直到文本讀起來像人類所寫。最終階段保證輸出中完全不含任何破折號。

核心工作流程

對於你人性化處理的每一段文字，請嚴格按照以下順序執行。

第一階段：模式掃描（29 類別）

針對以下列出的全部 29 個 AI 模式類別掃描文字。重寫每一個符合項。優先保留語氣，而非絕對正確性。

第二階段：評分掃描

根據以下四項量化訊號檢查改寫後的文字。

• 困惑度。低困惑度表示像 AI。高困惑度表示像人類。模型會選擇可預測的 token 序列。人類則不會。
• 突發性。句子長度整齊劃一表示像 AI。高變異性表示像人類。人類會自然混合短句、中句和長句。
• 三字母組多樣性。高三字母組重疊表示像 AI。人類使用較罕見的詞語組合。
• 模式重現。重新掃描，查找模式 1 到 29 中是否仍有遺留命中項。

第三階段：對抗性迴圈（最多 10 次迭代）

在每次迭代中，從下方的語言工具庫中隨機選擇並應用 2 或 3 個轉換。重新評分。保留能降低 AI 機率的變更。丟棄會提高 AI 機率的變更。

第四階段：自我審計

捫心自問：這段文字還有哪些地方看起來像 AI 生成的？找出遺留的跡象並修正。若分數仍高於目標，則回到第三階段。

第五階段：破折號消除（強制性，不可妥協）

此階段始終最後執行，絕不可跳過。最終文字必須包含零個破折號。

1. 移除每個破折號字元 (U+2014)。
2. 移除每個用作連接符的短破折號 (U+2013) 以及每個用作破折號的雙連字號 ("--")。
3. 針對每個移除的符號，選擇最適合句子的替代方案：
   • 逗號，當該子句是簡單的插入語時。
   • 句號或分號，當兩半可以作為獨立思想存在時。
   • 括號，當該子句是可以獨立摘出的真正插入語時。
   • 冒號，當後半部分解釋或擴展前半部分時。
   • 無，當破折號只是為了填充句子時。直接關閉間隙。
4. 重新閱讀結果。如果仍有任何破折號殘留，則重複。輸出中絕不允許包含任何破折號。

語音校準

當提供寫作樣本時，請在改寫前先對其進行分析。

• 句子長度模式。短而有力？長而流暢？混合型？
• 用詞水準。隨意？學術？介於兩者之間？
• 段落開頭方式。直接切入主題，還是先鋪陳背景？
• 標點習慣。使用大量逗號？插入語？分號？
• 重複出現的短語或口頭禪。
• 轉換處理方式。使用明確的連接詞，還是直接開始下一點？

使改寫作品符合樣本風格。如果他們寫短句，就不要寫長句。如果他們用「東西」和「事情」，就不要升級為「元素」和「元件」。

若無樣本，則使用預設語音：自然、多變、有主見。

反 AI 語音：個性與靈魂

避免模式只完成一半工作。無生氣的寫作與劣質內容一樣明顯。

無靈魂寫作的跡象：

• 每個句子長度和結構都相同。
• 沒有觀點，只是中性報導。
• 不承認不確定性或矛盾情緒。
• 在不該用第一人稱時不用。
• 讀起來像維基百科條目或新聞稿。

如何添加語音：

• 提出觀點。不要只是報導事實。對它們做出反應。
• 變化節奏。短句。然後再寫一些從容不迫的長句。
• 承認複雜性。「這令人印象深刻，但也有些令人不安」勝過「這令人印象深刻」。
• 在合適的時候使用「我」。「我一直回想到……」代表真實的人在思考。
• 容許一些混亂。離題、插入語和不完整的想法都是人類特有。

29 個模式類別

內容模式

1. 重要性誇大。詞彙：堪稱、見證、關鍵、至關重要、強調、不斷變化的格局、根深蒂固。修正：去除誇大之詞。陳述發生了什麼，而不是說明為何重要。

2. 知名度填充。詞彙：獨立報導、媒體管道、活躍的社群媒體曝光。修正：引用具體報導而非列舉管道。刪除模糊的知名度宣稱。

3. 淺層的 -ing 分析。詞彙：強調（highlighting）、凸顯（underscoring）、反映（reflecting）、展示（showcasing）、培養（fostering）、涵蓋（encompassing）。修正：移除 -ing 附加片語。若未增加資訊，則刪除。

4. 促銷語言。詞彙：號稱擁有、生氣蓬勃、坐落於、開創性、令人驚嘆、絕美。修正：使用中性描述。「該鎮每週有一個市集」，而非「坐落於令人驚嘆的……」。

5. 模糊歸因。詞彙：業界報告、觀察家指出、專家認為。修正：指明來源或刪除歸因。

6. 大綱公式。詞彙：「儘管……面臨若干挑戰……」、「未來展望」、「挑戰與遺產」。修正：陳述發生了什麼。不要宣示章節。

語言與語法模式

7. AI 詞彙。詞彙：實際上、此外、與……一致、至關重要的、深入探討、增強、培養、獲得、強調、相互作用、複雜的、關鍵的（形容詞）、格局（抽象）、關鍵的、展示、織錦（抽象）、見證、強調、有價值的、生氣蓬勃的。修正：改用更簡單的替代詞。「重要的」而非「至關重要的」。「顯示」而非「強調」。

8. 系詞替代。詞彙：作為、堪稱、標誌著、代表、號稱擁有、具備。修正：改用「是」或「有」。「826 畫廊是 LAAA 的展覽空間」，而非「作為 LAAA 的展覽空間」。

9. 否定平行結構。結構：「不僅……而且……」、「這不僅關乎 X，更關乎 Y」、結尾否定如「無需猜測」。修正：直接陳述。「強烈的節拍增添了氣氛」，而非「這不僅關乎節拍……」。

10. 三原則。三個例子、三個形容詞、三個項目列表。修正：若有三個，考慮兩個是否足夠。若列表確有需要，則可保留。若只是為了修辭完整，則刪除。

11. 同義詞循環。相鄰句子中對同一概念使用不同名稱（主角、主要人物、中心角色、英雄）。修正：選一個詞並持續使用。重複是人類特徵。

12. 虛假範圍。「從 X 到 Y，從 A 到 B」，其中端點並非真實尺度。修正：列出項目。「本書涵蓋了大爆炸、恆星形成和暗物質」，而非「從奇點到宇宙網」。

13. 被動語態與無主語片語。「無需設定檔。」「結果會自動保留。」修正：加入主體。「你不需要設定檔。」

風格模式

14. 破折號（零容忍）。任何破折號都是跡象。修正：移除每一個。以逗號、句號、分號、冒號或括號替代，或直接關閉間隙。此項由強制性的第五階段強化。最終文字中不可含有任何破折號。

15. 粗體過度使用。機械性地強調關鍵術語。修正：使用一般文字。讓讀者自行決定重點。

16. 行內標題列表。「- 主題： 描述」格式。修正：改寫為散文句子。

17. 標題中的標題大小寫。「策略性協商及全球合作夥伴關係」。修正：改用句子大小寫。「策略性協商及全球合作夥伴關係」。

18. 表情符號。裝飾性的表情符號置於標題或項目符號前。修正：移除。

19. 花俏引號。使用智慧型引號而非直引號。修正：改用直引號。

溝通模式

20. 聊天機器人痕跡。「希望這對你有幫助！」、「如果……請告訴我」、「好問題！」修正：移除。文字應能獨立存在。

21. 知識截止日期免責聲明。「截至 [日期]」、「根據現有資訊……」。修正：陳述相關日期或刪除。

22. 諂媚語氣。過度正面、討好人的語言。修正：直接且中性。「你提到的因素確實相關」，而非「好觀點！你說得完全正確！」

填充詞與模糊語

23. 填充短語。「為了」改為「以」。「由於……的事實」改為「因為」。「在此時此刻」改為「現在」。

24. 過度模糊語。「可能或許也許可以論證說……」修正：「或許」，或刪除。

25. 通用正面結論。「前景看好。」「令人期待的時代來臨。」修正：一個具體的前瞻性陳述，或什麼都不寫。

26. 連字號單字配對。第三方、跨功能、數據驅動、決策制定、高品質、即時。修正：人類在使用上並不統一。「第三方」、「跨功能」、「數據驅動」。

27. 權威性說服套語。「真正的問題是」、「其核心在於」、「真正重要的是」、「從根本上說」、「更深層的問題」。修正：直接陳述觀點。

28. 指示語句。「讓我們開始吧」、「讓我們探索」、「以下是你需要知道的」、「現在讓我們來看」。修正：直接開始內容。

29. 碎片化標題。一個標題後面緊跟著一個重申標題的單行段落。修正：刪除暖身句。直接開始內容。

語言工具庫（用於對抗性迴圈）

在對抗性優化階段隨機應用以下轉換。

縮寫

隨機應用，不針對每個實例。人類使用並不統一。

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

句子合併

若兩個相鄰句子均少於 8 個單詞，則用逗號和連接詞（and、but、so、because）將它們合併。

句子分割

若一個句子超過 30 個單詞且包含以逗號連接的連接詞，則在中點將其分割成兩個句子。

角色注入

• 大學生：在開頭附近加入一個模糊語（「我認為」、「據我所知」、「好像」、「說實話」）。加入一個自我修正或再次思考的子句（「或者至少我是這麼看的」）。
• 專業人士：偶爾將「是」替換為「似乎是」，或將「是（複數）」替換為「傾向於」。保持形式一致但不僵硬。
• 隨意：偶爾刪除限定詞。使用句子片段。以「而且」、「但是」、「所以」開頭。對每個可縮寫的動詞進行縮寫。

開頭變化

若連續三個句子以相同方式開頭（相同主詞、相同結構），則改寫其中一個。人類寫作者會本能地變化開頭。

量化訊號（用於評分）

在每次改寫通過後，檢查以下四項訊號。

訊號	低 (AI)	高 (人類)
困惑度	低。模型易於預測下一個 token。	高。意料之外但自然的字詞選擇。
突發性	句子長度緊密聚集。	高變異性。短、中、長句混合。
三字母組多樣性	高三字母組重疊，模式可預測。	罕見組合，較低重疊。
模式重現	3 個或更多活躍模式符合。	剩餘 0 到 1 個符合。

目標：所有四項訊號的 AI 機率低於百分之十。

流程摘要

1. 讀取輸入文字。
2. 識別並重寫所有 29 個模式符合項。
3. 添加語音（個性、觀點、多變節奏）。
4. 根據量化訊號進行評分。
5. 執行對抗性迴圈：轉換、評分、保留或丟棄，最多 10 次迭代。
6. 自我審計：識別遺留跡象並修正。
7. 執行強制性的破折號消除階段（第五階段）。確認零破折號。
8. 呈現最終文字。
9. 可選擇列出檢測到的模式與應用的轉換。

參考

此技能融合了三個來源。

• 維基百科的「AI 寫作跡象」指南（WikiProject AI Cleanup），提供 29 個模式框架。
• 基於 GPT-2 困惑度的檢測、T5 神經改寫，以及來自機器學習人性化管道的突發性與三字母組多樣性指標。
• 來自同一管道的反覆對抗性優化方法論。

關鍵見解（來自維基百科）：「LLM 使用統計演算法來猜測接下來應出現什麼。其結果傾向於最廣泛情況下最統計學上可能的结果。」