🔧 中文 AI 文本去痕迹工具

免费、本地运行、零依赖。检测 + 改写一步到位。

---

30 秒看效果

python scripts/academic_cn.py 论文.txt -o 改后.txt --compare

原文:    79/100 VERY HIGH
改写后:  12/100 LOW
✅ 降低了 67 分

就这么简单。不用注册，不用付费，不用联网。

---

改写前后对比

学术论文

改写前 🔴 79分：

本文旨在探讨人工智能对高等教育教学模式的影响，具有重要的理论意义和实践价值。研究表明，人工智能技术已被广泛应用于课堂教学、学生评估和个性化学习等多个方面。

改写后 🟢 12分：

本研究聚焦于人工智能对高等教育教学模式的影响，兼具理论探索与实践参考的双重价值。前人研究发现，人工智能技术已广泛用于课堂教学、学生评估和个性化学习等多个方面。

通用文本

改写前 🔴 87分：

综上所述，人工智能技术在教育领域具有重要的应用价值和广阔的发展前景。值得注意的是，随着技术的不断发展，AI 将在个性化学习、智能评估等方面发挥越来越重要的作用，为教育行业的数字化转型赋能。

改写后 🟢 12分：

简单讲，人工智能技术在教育领域有其独特价值和广阔的进展前景。如今，AI 将在个性化学习、智能评估等维度发挥越来越要紧的作用。

社交媒体 → 小红书风格

改写前 🟠 72分：

在当今快节奏的生活中，时间管理具有至关重要的意义。

改写后 🟢 8分：

姐妹们！说真的，时间管理这事我踩过太多坑了 😭 之前天天加班到半夜，后来摸索出一套方法，现在居然能准点下班了？！

---

安装

# 方式一：ClawHub
clawhub install humanize-chinese

# 方式二：Git Clone
git clone https://github.com/voidborne-d/humanize-chinese.git

# 方式三：Claude Code Skill
npx skills add https://github.com/voidborne-d/humanize-chinese.git

不需要 pip install 任何东西。下载就能用。

---

Claude Code

4 个 slash command，复制到 .claude/commands/ 即可：

git clone https://github.com/voidborne-d/humanize-chinese.git
cp humanize-chinese/claude-code/*.md YOUR_PROJECT/.claude/commands/

然后在 Claude Code 里：

/detect 综上所述，人工智能技术在教育领域具有重要的应用价值...
/humanize 本文旨在探讨人工智能对高等教育教学模式的影响...
/academic 论文.txt
/style xiaohongshu 在当今快节奏的生活中...

| 命令 | 功能 | |------|------| | /detect | AI 痕迹检测，0-100 评分 | | /humanize | 去 AI 味改写 | | /academic | 学术论文 AIGC 降重 | | /style [风格] | 风格转换（7 种） |

---

快速上手

🎓 学术论文降 AIGC 率

# 检测
python scripts/academic_cn.py 论文.txt

# 改写 + 对比
python scripts/academic_cn.py 论文.txt -o 改后.txt --compare

# 激进模式（降得更狠）
python scripts/academic_cn.py 论文.txt -o 改后.txt -a --compare

🔍 通用文本去 AI 味

python scripts/detect_cn.py text.txt -v       # 检测
python scripts/humanize_cn.py text.txt -o clean.txt  # 改写
python scripts/compare_cn.py text.txt -a       # 对比

🎨 风格转换

python scripts/style_cn.py text.txt --style xiaohongshu   # 小红书
python scripts/style_cn.py text.txt --style zhihu          # 知乎
python scripts/style_cn.py text.txt --style weibo           # 微博

7 种风格：口语化 / 知乎 / 小红书 / 公众号 / 学术 / 文艺 / 微博

---

功能一览

| 功能 | 说明 | |------|------| | 🔍 AI 检测 | 20+ 规则维度 + N-gram 困惑度统计，0-100 评分，精确到句子 | | 📈 统计分析 | 困惑度 / 突发度 / 段落熵，从概率分布层面检测 AI | | ✏️ 智能改写 | 困惑度引导选词 + 低频 bigram 注入 + 句长随机化 + 噪声表达 | | 🎓 学术降重 | 10 维度检测 + 120 条学术替换，针对知网/维普/万方 | | 🎨 风格转换 | 7 种中文写作风格一键转换 | | 📊 前后对比 | 改写前后评分变化一目了然 | | 🔄 可复现 | --seed 保证相同输入相同输出 | | 📦 零依赖 | 纯 Python 标准库，下载即用 |

---

🎓 学生党必看

用 ChatGPT / DeepSeek 写了论文初稿？三步搞定：

# 1. 看看 AIGC 率多高
python scripts/academic_cn.py 论文.txt

# 2. 一键改写
python scripts/academic_cn.py 论文.txt -o 改后.txt --compare

# 3. 不够就开激进模式
python scripts/academic_cn.py 论文.txt -o 改后.txt -a --compare

工具做了什么：

• "本文旨在" → "本研究聚焦于"
• "被广泛应用" → "得到较多运用"
• 打破每段一样长的结构
• 加入"可能""在一定程度上"等学术犹豫语
• "研究表明" → "笔者认为""前人研究发现"

⚠️ 改完通读一遍，确认专业术语没被误改、引用格式正确。建议用知网 AMLC 或维普验证。

---

评分标准

| 分数 | 等级 | 含义 | |------|------|------| | 0-24 | 🟢 LOW | 基本像人写的 | | 25-49 | 🟡 MEDIUM | 有些 AI 痕迹 | | 50-74 | 🟠 HIGH | 大概率 AI 生成 | | 75-100 | 🔴 VERY HIGH | 几乎确定是 AI |

---

技术原理

两层检测

规则层（看词）：三段式套路、机械连接词、空洞宏大词、AI 高频词、模板句式、段落结构均匀度……

统计层（看分布）：基于 15 万条中文字符 n-gram 频率表：

| 指标 | AI 文本 | 人类文本 | |------|---------|----------| | 困惑度 | ~231（可预测） | ~533（自然） | | 突发度 | 均匀 | 忽简忽繁 | | 段落熵 | 每段一样 | 有差异 |

智能改写

不是盲目替换。每次替换从多候选中选困惑度最高的（最不可预测 = 最像人写的）。

三个深度策略：

1. 低频 bigram 注入：扫描最高频的字组合，换成低频同义词
2. 句子长度随机化：制造不均匀节奏（AI 每句差不多长，人类忽长忽短）
3. 噪声表达插入：犹豫语、自我修正、不确定标记（学术模式自动过滤口语）

效果：

| 文本类型 | 原文 | 改写后 | 激进模式 | 人类参考 | |---|---|---|---|---| | 通用 | 231 | 306 | 348 | ~533 | | 学术 | 174 | 273 | 326 | ~533 |

---

CLI 参数速查

# 检测
python scripts/detect_cn.py [file] [-v] [-s] [-j]

# 改写
python scripts/humanize_cn.py [file] [-o out] [--scene S] [--style S] [-a] [--seed N]

# 学术降重
python scripts/academic_cn.py [file] [-o out] [--detect-only] [-a] [--compare]

# 风格转换
python scripts/style_cn.py [file] --style S [-o out]

# 对比
python scripts/compare_cn.py [file] [-o out] [--scene S] [-a]

| 参数 | 说明 | |------|------| | -v | 详细模式，显示最可疑的句子 | | -s | 只输出评分 | | -j | JSON 输出 | | -o | 输出文件 | | -a | 激进模式 | | --seed N | 固定随机种子 | | --no-stats | 关闭统计优化（更快） | | --no-noise | 关闭噪声注入和句长随机化 |

---

批量处理

for f in *.txt; do echo "=== $f ===" && python scripts/detect_cn.py "$f" -s; done
for f in *.md; do python scripts/humanize_cn.py "$f" -a -o "${f%.md}_clean.md"; done

---

自定义

所有检测模式、替换词库、权重都在 scripts/patterns_cn.json，可以自己改。

---

对比 Humanizer-zh

和 Humanizer-zh（5k⭐）的区别：

| | 本项目 | Humanizer-zh | |---|---|---| | 运行方式 | ✅ 独立 CLI，终端直接跑 | 纯 prompt，必须在 Claude Code 内用 | | 依赖 | ✅ 零依赖 | 需要 Claude Code + API 额度 | | 量化评分 | ✅ 0-100 分 | ❌ 无评分 | | 统计检测 | ✅ N-gram 困惑度 + 突发度 + 熵 | ❌ 无 | | 学术模式 | ✅ 10 维度 + 120 条替换 | ❌ 无 | | 风格转换 | ✅ 7 种 | ❌ 无 | | 可复现 | ✅ --seed | ❌ 每次不同 | | 批量处理 | ✅ CLI 管道 | ❌ 只能单篇交互 | | 免费 | ✅ 完全免费 | ⚠️ 需要 API 额度 |

简单说：Humanizer-zh 是个好 prompt，但只能在 Claude Code 里用。我们是独立工具，任何环境都能跑。

---

Star History

---

License

MIT — 随便用，不用付钱，不用署名。