humanize-it

Humanize-It: 迭代式去 AI 味改写

对指定文档进行去 AI 味的改写。根据文本类型和内容，从三个子 skill 中自动选择最合适的一个开始改写。如果改写效果不满意，换用另一个 skill 继续迭代，直到效果达标或达到 42 次迭代上限。

子 Skill 能力矩阵

Skill	适用场景	核心能力	改写风格
humanizer-zh	通用文本、文章、博客、文案	识别 24+ AI 写作模式，注入个性与灵魂，节奏变化	自然、有温度、带观点
humanize-chinese	通用 + 学术 + 长文本	20+ 规则检测 + 统计特征 + LR 融合评分，CLI 工具链	多种风格可选（知乎/小红书/学术/文学等）
technical-writing	技术文档、架构说明、设计稿、评审文档	去除技术黑话，证据先行，消除主持腔	平实、严谨、可论证

工作流程

第一步：读取文档并分析

1. 读取用户指定的文档内容
2. 判断文档类型：
   • 技术文档（技术方案、架构说明、设计文档、评审稿）→ 优先使用 technical-writing
   • 学术论文（论文、研究文章）→ 优先使用 humanize-chinese（学术模式）
   • 通用文本（博客、文案、文章）→ 优先使用 humanizer-zh
   • 长文本（≥1500 字）→ 优先使用 humanize-chinese（长文本模式）

第二步：改写策略选择

根据文档类型选择第一个改写 skill：

文档类型判断：
├── 技术文档 → technical-writing → humanizer-zh → humanize-chinese
├── 学术论文 → humanize-chinese(academic) → humanizer-zh → technical-writing
├── 通用文本 → humanizer-zh → humanize-chinese → technical-writing
└── 长文本(≥1500字) → humanize-chinese(longform) → humanizer-zh → technical-writing

第三步：迭代改写循环

iteration = 0
MAX_ITERATIONS = 42

while iteration < MAX_ITERATIONS:
    iteration += 1

    # 使用当前 skill 进行改写
    result = humanize(current_text, current_skill)

    # 评估改写效果
    score = evaluate(result)

    if score >= PASS_THRESHOLD:
        # 改写效果达标，输出最终结果
        output(result)
        break

    # 效果不达标，切换到下一个 skill
    current_skill = next_skill(skill_order)
    current_text = result  # 在上次改写基础上继续优化

    if all_skills_exhausted():
        # 所有 skill 都用过一轮，从头开始新一轮组合
        current_skill = first_skill(skill_order)

第四步：质量评估

每次改写后，按以下维度评估效果（百分制）：

维度	权重	评估标准
AI 痕迹去除	30%	三段式、套话、机械连接词是否消除
自然度	25%	读起来是否像人写的，节奏是否自然
信息完整	20%	核心信息是否保留，没有丢失关键内容
风格一致	15%	语气是否前后统一，符合文档类型
可读性	10%	句子是否通顺，逻辑是否清晰

评分标准：

• ≥ 80 分：通过，输出结果
• 60-79 分：尚可，再迭代一轮看能否提升
• < 60 分：不达标，必须继续改写

第五步：输出结果

输出最终改写结果，附带：

1. 改写后的完整文本（写入原文件或指定输出文件）
2. 改写摘要（使用了哪些 skill，迭代了几次，最终评分）
3. 主要改动点列表