Humanizer

技能简介

Humanizer 是一款专注于去除 AI 生成文本「机器味」的 Agent 技能。它能够将生硬的 AI 文风重写为自然流畅的人类写作风格，在保持原意不变的前提下，移除所有 AI 生成文本的典型特征——包括过度使用的连接词、机械的句式结构、重复的表达模式等。

核心能力

智能风格迁移：通过多步骤处理流水线，将 AI 生成文本转换为自然人类写作风格，同时保留原文的核心信息与逻辑结构。

Voice Matching 语音匹配：支持用户上传自己的写作样本，Humanizer 会学习其个人文风特征，使重写后的文本贴合用户的真实表达习惯，而非千篇一律的 AI 口吻。

纯 Markdown 输出：Humanizer 输出纯 Markdown 格式，不含任何特殊标记或元数据，可直接嵌入任何文档、博客或 CMS 系统，确保内容的纯净性与可移植性。

多 Agent 兼容：支持 Claude Code、Cursor、Windsurf 等主流 AI 编程工具，以标准化 Skill 格式工作，无需针对不同平台做额外配置。

零门槛安装：一条 npx 命令即可完成安装，Agent 重启后立即生效，无需手动配置环境或下载额外依赖。

文件级批量处理：支持对指定路径下的所有文本内容进行批量润色，适合对整篇文档或多个文件进行统一风格调整。

安装配置

方式一：Skills CLI（推荐）

执行以下命令全局安装 Humanizer：

npx skills add blader/humanizer --global

局部安装（仅当前项目可用）：

npx skills add blader/humanizer

指定安装到特定 Agent：

npx skills add blader/humanizer --agent claude-code

方式二：Claude Code 插件市场

Claude Code 2.1.142 及以上版本可通过插件市场安装：

/plugin marketplace add blader/humanizer
/plugin install humanizer@humanizer

方式三：Claude Desktop 手动安装

下载仓库 ZIP 包并上传为 Skill，或手动复制 SKILL.md 到 Agent 的 Skill 文件夹。

使用步骤

步骤一：安装 Humanizer

根据上方任一安装方式完成配置。Skills CLI 安装后需重启 Agent 以加载新技能。

步骤二：调用 Humanizer

在对话中直接使用 /humanizer 命令，或用自然语言描述需求：

/humanizer

请帮我润色以下文本：[粘贴你的 AI 生成内容]

步骤三：提供 Voice Matching 样本（如需）

如希望文风更贴近自己，可附上 2-3 段自己的写作样本：

/humanizer

以下是我写的几段文字供语音匹配：
[粘贴 2-3 段你自己的写作内容]

请根据以上风格润色：[你的 AI 生成文本]

步骤四：文件级批量处理

处理单个文件中的所有文本内容：

Humanize the prose in docs/launch-post.md

步骤五：审阅并采纳

Humanizer 会输出完整的重写结果，用户可复制到目标文档或根据需求进一步调整。

适用场景

内容创作与博客写作：博主和内容创作者常依赖 AI 辅助生成初稿，Humanizer 能快速将机械的 AI 文风转化为有温度的人类表达，避免读者感知到「机器味」。

产品文档与帮助中心：技术文档若带有明显 AI 生成痕迹会影响读者信任度，Humanizer 可帮助文档工程师将 AI 生成的说明文字转化为专业且易读的技术写作。

学术论文与研究报告：AI 辅助写作的学术内容若出现「首先、其次、最后」等模板化连接词，容易被审稿人识别，Humanizer 能有效规避此类问题。

营销文案与广告创意：营销团队用 AI 生成多版本文案时，Humanizer 可将不同版本的 AI 痕迹抹平，保证每条文案都像是出自同一品牌 voice 的专业文案之手。

适用人群

• 博主与内容创作者：需要频繁输出文字内容，希望 AI 辅助但不想让读者感知到「机器味」
• 产品经理与文档工程师：负责撰写 PRD、用户手册、技术规范等正式文档的专业人士
• 营销与品牌团队：需要大量营销文案且要求文风统一、读感自然
• 学术研究人员：撰写论文、文献综述或研究报告，希望 AI 辅助内容呈现学术写作的自然质感
• 自由职业者与远程工作者：经常使用 AI 写作工具，需要快速润色输出内容

工作原理

Humanizer 的核心技术架构分为三个层次。

文本特征识别层：基于启发式规则与语言模式分析，系统会识别文本中常见的 AI 生成特征，包括机械性连接词（首先、其次、值得注意的是）、过度使用的强调结构（重要的是、实际上、本质上）、规律化的句子长度与结构、重复出现的同义词替换模式等。

语义保持层：在重写过程中，系统会通过一个轻量级语义等价检查器，确保核心信息与原文保持一致。重写不是简单的同义词替换，而是对句子结构、逻辑流程和表达方式的全面重组。

风格迁移层：当用户提供 Voice Matching 样本时，系统会分析样本的用词频率、句子长度分布、段落组织方式等特征，将这些个人风格参数注入重写模型，使最终输出贴合用户的真实写作风格。整个处理过程完全在本地执行，不涉及任何外部 API 调用或数据上传，确保用户文本的隐私安全。

官方链接

• GitHub 仓库：https://github.com/blader/humanizer
• 官方技能页：https://www.skills.sh/blader/humanizer