中文去AI味
zh_de_ai_ify
by antony232
去除中文文本中的 AI 味、官话味、模板味,让文字更自然、具体、更像真人表达。适用于博客、公众号、邮件、演讲稿、产品文案等中文文本润色。
安装
claude skill add --url https://github.com/openclaw/skills文档
中文去 AI 味写作技能
当用户希望把中文文本改得更自然、更像人写的、少一点 AI 腔 / 官话 / 模板味时,使用本 skill。
核心目标不是让文字更华丽,而是让它:
- 更直接
- 更具体
- 更少套话
- 更少企业黑话
- 更少“正确的废话”
- 更像真人表达
何时使用
用户出现这些需求时使用:
- “帮我去 AI 味”
- “改得像人写的”
- “别那么像 ChatGPT”
- “太官话了,帮我改顺一点”
- “把这段中文改自然一点”
- “不要那么像公号洗稿”
- “去掉模板感”
- “降一点企业黑话”
- “润色成人话”
适合:博客、公众号、社媒文案、邮件、演讲稿、产品介绍、项目说明、自我介绍、AI 初稿。
谨慎用于:法律合同、学术论文、政府公文、医疗/金融/合规文本、必须保持正式语体的材料。
核心处理对象
重点识别并处理:
-
套话 / 空话
如“在当今快速发展的时代”“值得注意的是”“具有重要意义”。 -
企业黑话 / PPT 味
如“赋能”“闭环”“抓手”“沉淀”“颗粒度”“打通链路”。 -
模板化结构
如“首先、其次、最后”“一方面、另一方面”“提问后自问自答”。 -
过度拔高
如“开启新时代”“产生深远影响”“标志着进入新阶段”。 -
AI 格式痕迹
如滥用粗体、列表、emoji、破折号、不必要表格。 -
伪权威和疑似幻觉
如“多家媒体报道”“受到业界广泛关注”但不给来源;断连、无效 DOI / ISBN、无法验证的引用。
详细词表和替换建议见:resources/patterns.md
更多 before / after 例子见:examples/before_after.md
标准流程
1. 判断文本场景
先判断:
- 文本类型
- 目标读者
- 使用场景
- 需要保留的正式度
- 是否包含事实、数据、引用、来源
不要把正式文本强行改成口水话。
2. 标记问题
可按这些标签识别问题:
[套话][官话][黑话][空泛][过度拔高][机械结构][滥用列表][滥用粗体][滥用表情][引用待核实][需要具体例子]
3. 改写文本
改写原则:
- 保留原意
- 删除无信息量铺垫
- 替换明显黑话
- 弱化夸张判断
- 增加具体性
- 长短句自然变化
- 不强行凑三点
- 不虚构数据、案例、引用
- 不改变原文立场和事实
4. 必要时提醒核实
遇到这些内容,不要硬改成“像真的”:
- 来源无法验证
- “多家媒体报道”但无链接
- 具体数据缺失
- 重要判断没有依据
- DOI / ISBN / 链接可能无效
- 例子像编的
应标记:
[需要核实来源][需要补具体数据][需要补案例]
输出格式
如果用户贴的是文本,返回:
- 改写版本
- 简短修改说明
- 待补充 / 待核实信息,如有
如果用户给的是文件路径,可输出:
原文件:article.md
输出文件:article-HUMAN.md
修改日志:article-HUMAN-CHANGELOG.md
改写强度
mild
适合正式文本:轻度删套话、替换明显黑话,基本保留原结构。
standard
默认模式:去掉明显 AI 腔,打散机械结构,改成自然中文。
aggressive
适合博客、社媒、公众号、个人表达:大幅删官话,语气更直接,可明显重写句子结构。
安全边界
不要:
- 编造来源
- 编造数据
- 编造案例
- 编造“媒体报道”
- 改掉原文事实
- 把专业术语全部粗暴替换掉
- 为了“人味”加入无根据的情绪化表达
信息不足时,明确说缺什么。
最小示例
原文:
在当前人工智能技术快速发展的背景下,企业应积极拥抱智能化转型,通过多维度能力建设和体系化运营,持续赋能业务增长。
改写:
企业用 AI,先别谈全面转型。先找最耗人的流程,比如客服回复、报表整理、合同初审,一个个试。
重点不是更漂亮。重点是终于像人在说话。
相关 Skills
Claude接口
by anthropics
面向接入 Claude API、Anthropic SDK 或 Agent SDK 的开发场景,自动识别项目语言并给出对应示例与默认配置,快速搭建 LLM 应用。
✎ 想把Claude能力接进应用或智能体,用claude-api上手快、兼容Anthropic与Agent SDK,集成路径清晰又省心
RAG架构师
by alirezarezvani
聚焦生产级RAG系统设计与优化,覆盖文档切块、检索链路、索引构建、召回评估等关键环节,适合搭建可扩展、高准确率的知识库问答与检索增强应用。
✎ 面向RAG落地,把知识库、向量检索和生成链路系统串联起来,做架构设计时更清晰,也更少踩坑。
多智能体架构
by alirezarezvani
聚焦多智能体系统架构设计,梳理 Supervisor、Swarm、分层和 Pipeline 等模式,覆盖角色定义、通信协作与性能评估,适合规划稳健可扩展的 AI agent 编排方案。
✎ 帮你系统解决多智能体应用的架构设计与协同编排难题,适合构建复杂 AI 工作流,成熟度高、社区认可也很亮眼。
相关 MCP 服务
知识图谱记忆
编辑精选by Anthropic
Memory 是一个基于本地知识图谱的持久化记忆系统,让 AI 记住长期上下文。
✎ 帮 AI 和智能体补上“记不住”的短板,用本地知识图谱沉淀长期上下文,连续对话更聪明,数据也更可控。
顺序思维
编辑精选by Anthropic
Sequential Thinking 是让 AI 通过动态思维链解决复杂问题的参考服务器。
✎ 这个服务器展示了如何让 Claude 像人类一样逐步推理,适合开发者学习 MCP 的思维链实现。但注意它只是个参考示例,别指望直接用在生产环境里。
by deusdata
持久化的代码库知识图谱,可跨会话保留上下文,在 session 重启或上下文压缩后仍能继续使用。
✎ 专治 AI 编程助手“会话失忆”,把代码库沉淀为持久知识图谱,重启或压缩上下文后也能无缝续上开发状态。