AI写作模式检查器：反复标记我自己的README

近日，一个名为“humanize”的开源项目在GitHub上引发关注。该项目旨在解决AI写作中常见的模式化问题，使AI生成的文本更接近人类自然书写风格。与大多数事后改写工具不同，该工具在文本生成过程中实时干预，从源头避免模式化问题的出现，同时也能对已有文本进行清理。

项目作者发现，许多AI写作工具仅对最终文本进行修改，而humanize则提供了双向能力：一方面，它作为技能（skill）集成到Claude Code、Cursor、GitHub Copilot等AI编码助手中，在生成文案时自动应用；另一方面，它包含一个独立的Python检查器，可对任何文本进行模式密度评分。

该工具的核心是36种写作模式检测，每种模式都配有详细的“修改前/修改后”示例。常见的模式包括：否定平行结构（如“这不只是CRM，这是对销售的重新思考”）、规则三（如“快速、可靠、安全”）、虚假范围（如“从初创企业到全球企业”）、情感填充词（如“需要注意的是”）等。项目还维护了一个禁止词汇表，并提供替代建议。

工具的设计基于权威来源，包括维基百科的AI写作标志页面（AI Cleanup项目）以及两篇arXiv论文（2406.07016和2502.09606），后者分析了超过1500万篇PubMed摘要中的LLM过度词汇。

安装方式非常灵活：用户可以通过技能CLI一键安装到多个AI编码助手，也可以手动克隆到相应目录，或者作为Claude Code的插件安装。工具以纯Markdown格式的开放技能标准（SKILL.md）提供，不绑定特定AI助手。

除了实时生成模式，用户还可以粘贴已有文本进行重写。工具会自动保留引用、引文、数字和专有名词，仅移除AI写作模式。同时，工具能感知写作语境：例如LinkedIn帖子允许缩写和碎片化句子，正式报告则禁用。用户也可以手动指定语域。

附带的检查器（scripts/ai_pattern_lint.py）是一个确定性工具，使用Python 3.9+标准库，无需安装额外依赖。它可以扫描文件或标准输入，输出每处模式的位置和类型，并计算每千词的命中率。如果密度超过阈值，脚本返回非零退出码，适合集成到CI流程。项目自身的文档和测试用例都必须通过检查，否则构建失败。

项目还提供“声音校准”功能：用户提供2-3段真实写作样本，工具即可提取句长分布、标点习惯、常用过渡词等特征，并据此调整输出风格，使文本更贴近个人语气。配置文件可保存在项目中，跨会话持久化。

总体而言，humanize通过检测和改写AI写作模式，提升了文本的自然度，并为开发者和内容创作者提供了一个实用的质量控制工具。