强力去 AI 味（Remove AI Flavor）
Overview
把"像 AI 写的"文字改成"像人写的"。核心不是改内容，而是改表达：识别文本中的机器腔特征（套话、机械结构、均匀情绪、工整排比等），保留原意，用人话重写一遍。
工作分两步：先诊断，后重写。诊断环节让改写有据可依，也方便用户核对改了什么。
When to use
出现以下任意信号时启用本 skill：
- 用户原话含「去 AI 味 / 去机器味 / 太 AI 了 / 像机器人写的 / 润色掉 AI 感 / 写得更自然 / 更像人话」
- 用户贴来一段文字并说「帮我改得像人写的」「这段别这么生硬」
- 用户先让 AI 生成了文案，又想去掉生成痕迹
Parameters
通过用户显式要求或上下文推断下列参数；未指定时取默认值。
| 参数 | 取值 | 默认 | 含义 |
|---|---|---|---|
intensity |
light / heavy |
heavy |
轻度只换词、调语气；重度连结构一起拆、补真实细节 |
tone |
casual / pro / sharp / warm |
casual |
口语闲聊 / 专业克制 / 犀利直接 / 温和柔软 |
keep_terms |
词列表 | 空 | 必须原样保留的专有名词、术语、数据，不得改写 |
lang |
zh / en / auto |
auto |
主语言，决定套话库与节奏规则 |
Workflow
Step 1 — 检测（Diagnosis）
先跑确定性检测脚本，拿客观证据：
python scripts/detect_ai_tells.py <(cat <<'EOF'
<用户原文>
EOF
)
或把原文存成文件后 python scripts/detect_ai_tells.py input.txt。
脚本会输出每类 AI 味特征的命中次数与一个综合分。若环境无法跑脚本，跳过此步，直接由模型按 references/ai-flavor-patterns.md 人工诊断。
Step 2 — 诊断报告（必出，3–5 条）
结合脚本输出与模式库，列出文本最典型的 3–5 个 AI 味问题，每条一句、点出具体位置和表现。例如：
> - 套话堆砌：「值得注意的是」「综上所述」出现 4 次，开头都用固定垫话。
> - 机械三段论：三个论点都用「首先/其次/最后」起头，节奏像节拍器。
> - 情绪均匀：全篇无具体人名、地点、数字，结尾硬升华成金句。
Step 3 — 重写（Rewrite）
按 references/ai-flavor-patterns.md 的「重写规则」逐条处理诊断出的问题：
- 删套话、用具体代替抽象
- 长短句交错，允许口语连接与不完整句
- 补一个合理的真实细节或 personal 视角（intensity=heavy 时）
- 按
tone调整语气，保留keep_terms原样 - 不强行每段收尾，允许留白；不无故加戏、不改原意
Step 4 — 输出
按固定格式回给用户：
【AI 味诊断】
1. ...
2. ...
3. ...
【重写全文】
<改写后的全文>
intensity=light 时，可只在原文上做最小改动并标注改动处，不必整体重写。
关键约束
- 只改表达，不改事实：数字、结论、论点方向必须保留；可以补细节但不能推翻原意。
- 去味不等于降质：去掉套话后信息密度应更高，不是更水。
- 保留人味的不完美：允许口语词、断句、个人视角；不要为了"通顺"又写回工整机器腔。
- 诊断先行：无论 intensity 如何，都先给诊断再给结果，让用户看得见改了什么。
Resources
references/ai-flavor-patterns.md— AI 味特征全集 + 对应重写手法 + 中英对照 before/after 示例。重写前必读。scripts/detect_ai_tells.py— 确定性检测器，输出各特征命中次数与综合分，作为诊断的客观依据。
