AI寫作模式檢查器：反覆標記我自己的README

近日，一個名為“humanize”的開源專案在GitHub上引發關注。該專案旨在解決AI寫作中常見的模式化問題，使AI生成的文本更接近人類自然書寫風格。與大多數事後改寫工具不同，該工具在文本生成過程中即時干預，從源頭避免模式化問題的出現，同時也能對已有文本進行清理。

專案作者發現，許多AI寫作工具僅對最終文本進行修改，而humanize則提供了雙向能力：一方面，它作為技能（skill）整合到Claude Code、Cursor、GitHub Copilot等AI編碼助手中，在生成文案時自動應用；另一方面，它包含一個獨立的Python檢查器，可對任何文本進行模式密度評分。

該工具的核心是36種寫作模式檢測，每種模式都配有詳細的“修改前/修改後”示例。常見的模式包括：否定平行結構（如“這不只是CRM，這是對銷售的重新思考”）、規則三（如“快速、可靠、安全”）、虛假範圍（如“從初創企業到全球企業”）、情感填充詞（如“需要注意的是”）等。專案還維護了一個禁止詞彙表，並提供替代建議。

工具的設計基於權威來源，包括維基百科的AI寫作標誌頁面（AI Cleanup專案）以及兩篇arXiv論文（2406.07016和2502.09606），後者分析了超過1500萬篇PubMed摘要中的LLM過度詞彙。

安裝方式非常靈活：使用者可以透過技能CLI一鍵安裝到多個AI編碼助手，也可以手動克隆到相應目錄，或者作為Claude Code的外掛安裝。工具以純Markdown格式的開放技能標準（SKILL.md）提供，不繫結特定AI助手。

除了即時生成模式，使用者還可以貼上已有文本進行重寫。工具會自動保留引用、引文、數字和專有名詞，僅移除AI寫作模式。同時，工具能感知寫作語境：例如LinkedIn帖子允許縮寫和碎片化句子，正式報告則停用。使用者也可以手動指定語域。

附帶的檢查器（scripts/ai_pattern_lint.py）是一個確定性工具，使用Python 3.9+標準庫，無需安裝額外依賴。它可以掃描檔案或標準輸入，輸出每處模式的位置和型別，並計算每千詞的命中率。如果密度超過閾值，指令碼返回非零退出碼，適合整合到CI流程。專案自身的文件和測試用例都必須透過檢查，否則構建失敗。

專案還提供“聲音校準”功能：使用者提供2-3段真實寫作樣本，工具即可提取句長分佈、標點習慣、常用過渡詞等特徵，並據此調整輸出風格，使文本更貼近個人語氣。配置檔案可儲存在專案中，跨會話持久化。

總體而言，humanize透過檢測和改寫AI寫作模式，提升了文本的自然度，併為開發者和內容創作者提供了一個實用的質量控制工具。