开源史上最强去AI味Skill- [人话.skill]

ceshi

开头，先直接丢个[人话.skill]开源地址：https://github.com/Pluviobyte/rnskill
最近中文社区特别流行各种"去 AI 味"的 Skill 和开源项目。GitHub 上搜一搜，humanizer、shuorenhua、stop-slop、qu-ai-wei、De-AI-writing……能找到十几个。
我的需求很具体：写 AI 类技术文章的时候，让稿子读起来更像我自己写的，少一些模板感和 AI 味。所以我把能找到的项目都 clone 到本地，用同一段 AI Native 主题的短稿做了一轮对照测试。
十个项目试完，第一个发现是：它们根本不是同一类去 AI 味 Skill。又被无良博主骗注意力了。
三个可以直接用来改中文技术稿
shuorenhua、Humanizer-zh、De-AI-writing。
shuorenhua 对场景和语域的感知最细。它会先判断你这段是技术评测、观点文还是文档，再决定动哪些、保哪些。改完之后术语和判断通常还在，模板壳和空总结会被清掉。
Humanizer-zh 的规则覆盖面最广，24 类 AI 写作痕迹都有对应处理。适合做第一轮清理，但偶尔会把稿子改得像编辑润色过的通稿，个人声口会弱一点。
De-AI-writing 改得最轻。它优先保留原文结构，只清路标词、讲义腔和段尾收束。适合你对原稿比较满意、担心大改会跑偏的时候用。
两个适合拆规则
stop-slop 和英文原版 humanizer。
stop-slop 的规则短、硬、直接。比如它把二元对比句（"XX 不是 A，而是 B"）、三连排比、金句式段尾、过度解释全部列为删除目标。直接套中文偏硬，但拆成禁用清单非常好用。
英文原版 humanizer 最系统，把 AI 痕迹分成内容模式、语法、风格、交流模式四大类。中文适配需要自己做，但作为上游参考很有价值。
两个解决长期写作稳定性
writing-agent 是完整写作流水线。从选题、证据收集、立场确认、审稿、去味到导出，整个流程都覆盖了。我在本地跑了工作流校验和 15 个单测，都通过。完整流程需要配模型和 API，适合后面做长期公众号写作时研究。
nuwa-skill 做的是风格蒸馏。需要喂 5-7 篇你的真实文章，让它提炼出你的写法特征，生成一份专属 Skill。拿单段文本测意义不大。
三个和"中文技术文章去 AI 味"距离比较远
chatgpt-comparison-detection 是 HC3 数据集和检测研究仓库。本地用它自带的中文指示词表跑了一下样本文本，命中了 1 个 ChatGPT 高频词"所以"。它是做检测研究的，不是改稿工具。
ai-flavor-remover 是一个单独的 prompt，没有 Skill 结构，适合直接丢给推理模型试。
taste-skill 是前端审美 Skill，管的是界面设计，和文字没关系。
试到后面发现的一件事
最有用的产出不是某个 Skill 改完的成稿，是从不同 Skill 里拆出来的具体规则。
shuorenhua 让我注意到场景切换的问题。写 Fable-5 评测和写 AI Native 观点文，该保留的东西不一样。评测里的价格、速度、模型对比这些硬数据不能动，观点文里的个人判断和经验细节不能磨。
stop-slop 让我意识到"XX 不是 A，而是 B"这个句式在我自己稿子里出现的频率有多高。一旦注意到，就很难忍受。类似的还有空总结收尾、三段式排比、"换句话说"这类转场废话。
Humanizer-zh 的二元对比检测和 De-AI-writing 的保真策略也可以拆出来单独用。前者帮我识别句式问题，后者防止改过头把术语和判断改散。
我自己最后怎么用
我没有选一个"最强"的 Skill 装上，而是从这些项目里提了一份自己的检查清单。写完技术文章之后，我会过一遍：
稿子里有没有实测经历和我自己的判断？少一项，文章就会变成谁都能写的普通说明，读者不知道这篇文章来自哪一次测试。
有没有二元对比壳、空总结、三连排比、金句段尾？看到就删。
术语和模型名有没有被改散？Fable-5 被改成"该模型"、Claude Opus 被改成"这款产品"，这种就是过度了。
句子长度是不是太匀？每句都差不多长，读起来会很平，像被统一抛光过。
这些规则比任何单个 Skill 都好使。每个人写法不同，AI 味的来源也不同。把规则拆开看，自己组合，比直接套一个通用 Skill 效果好。
最后附上目前最佳搭配模型——Opus4.6
在我测试的时候，GPT系列效果最差，尤其是在codex中使用的时候经常会遗漏skill的规则，DeepSeek V4 Pro效果较好，Opus4.8应该是蒸馏了GPT的风格，效果也不好，效果最好的模型是Opus4.6
以上文章为人话skill制作，已开源https://github.com/Pluviobyte/rnskill