/ 目錄 / 演練場 / Humanizer (Chinese)
● 社群 op7418 ⚡ 即開即用

Humanizer (Chinese)

作者 op7418 · op7418/Humanizer-zh

中文文字去 AI 味的金標準 — 大量真實語料調過的規則集,專治公眾號/小紅書/blog 的機翻腔。

Humanizer-zh 是 op7418 針對中文本地化的 Humanizer skill 分支版本,專門調校以修正讓 Claude 生成的中文聽起來像機器人的常見模式:冗餘的連接詞、千篇一律的開頭、重複的句型節奏、過度正式的語氣。它在保留原意的同時,將語氣轉向 blog/社群平台的慣例。

為什麼要用

核心特性

即時演示

實際使用效果

就緒

安裝

選擇你的客戶端

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "humanizer-zh-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/op7418/Humanizer-zh",
        "~/.claude/skills/humanizer-zh"
      ],
      "_inferred": true
    }
  }
}

開啟 Claude Desktop → Settings → Developer → Edit Config。儲存後重啟應用。

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "humanizer-zh-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/op7418/Humanizer-zh",
        "~/.claude/skills/humanizer-zh"
      ],
      "_inferred": true
    }
  }
}

Cursor 使用與 Claude Desktop 相同的 mcpServers 格式。專案級設定優先於全域。

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "humanizer-zh-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/op7418/Humanizer-zh",
        "~/.claude/skills/humanizer-zh"
      ],
      "_inferred": true
    }
  }
}

點擊 Cline 側欄中的 MCP Servers 圖示,然後選 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "humanizer-zh-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/op7418/Humanizer-zh",
        "~/.claude/skills/humanizer-zh"
      ],
      "_inferred": true
    }
  }
}

格式與 Claude Desktop 相同。重啟 Windsurf 生效。

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "humanizer-zh-skill",
      "command": "git",
      "args": [
        "clone",
        "https://github.com/op7418/Humanizer-zh",
        "~/.claude/skills/humanizer-zh"
      ]
    }
  ]
}

Continue 使用伺服器物件陣列,而非映射。

~/.config/zed/settings.json
{
  "context_servers": {
    "humanizer-zh-skill": {
      "command": {
        "path": "git",
        "args": [
          "clone",
          "https://github.com/op7418/Humanizer-zh",
          "~/.claude/skills/humanizer-zh"
        ]
      }
    }
  }
}

加入 context_servers。Zed 儲存後熱重載。

claude mcp add humanizer-zh-skill -- git clone https://github.com/op7418/Humanizer-zh ~/.claude/skills/humanizer-zh

一行命令搞定。用 claude mcp list 驗證,claude mcp remove 移除。

使用場景

實戰用法: Humanizer (Chinese)

以公眾號語氣改寫 AI 生成的 blog 文章

👤 中文內容創作者 ⏱ ~25 min beginner

何時使用: Claude 寫了一篇技術文章,讀起來像翻譯過的白皮書。

前置條件
  • 已安裝 Skill — git clone https://github.com/op7418/Humanizer-zh ~/.claude/skills/humanizer-zh
  • 草稿來源 — 包含 AI 生成文章的 Markdown 檔案
步驟
  1. 找出 AI 特徵
    使用 humanizer-zh。第一輪:掃描 /drafts/post.md。列出前 10 個最明顯 AI 感的句子 — 附上引文。✓ 已複製
    → 具體的句子層級診斷,而非泛泛的意見
  2. 改寫
    現在以公眾號語氣改寫整篇文章。保留技術準確性;改變節奏和語氣。✓ 已複製
    → 輸出讀起來像真人寫的;沒有「眾所周知」/「總而言之」等模式
  3. 逐段比對
    逐段顯示差異。我會標記任何過度改寫的部分。✓ 已複製
    → 每個段落清楚的改前/改後對比

結果: 文章讀起來自然;通過讀者的真偽測試。

注意事項
  • Skill 軟化了技術性結論(例如「是」→「可能是」) — 在提示詞中加入:不要軟化技術結論,只改語氣
搭配使用: filesystem

將長文章轉換為小紅書筆記格式

👤 小紅書創作者 ⏱ ~10 min beginner

何時使用: 你有一篇 1500 字的文章,需要一篇符合平台慣例的小紅書貼文。

步驟
  1. 套用小紅書模式
    Humanizer-zh:小紅書模式。縮減至 600 字,在自然的地方加 emoji,分成短段落,加一個吸引眼球的標題。✓ 已複製
    → 輸出符合平台語氣;沒有明顯的 AI emoji 塞滿模式

結果: 可直接發佈的小紅書筆記。

注意事項
  • Emoji 塞太多 — 每約 80 字上限 1 個 emoji

改寫教學文章但不破壞程式碼

👤 技術寫作者 ⏱ ~15 min intermediate

何時使用: 教學文章很敏感 — 你想改語氣,但不想讓程式碼區塊損壞。

步驟
  1. 標記程式碼區塊
    Humanizer-zh:改寫 /tutorials/python.md。將所有 ``` 區塊視為不可觸碰。只改寫散文部分。✓ 已複製
    → 程式碼未動;散文已改寫

結果: 教學文章讀起來自然,程式碼保持正確。

注意事項
  • 格式的行內程式碼也被改寫了 — 在提示詞中明確指定:也保護行內程式碼

組合

與其他 MCP 搭配,撬動十倍槓桿

humanizer-zh-skill + filesystem

批次處理資料夾中的所有草稿

對 /drafts/ 下每個 .md 執行 humanizer-zh。儲存到 /drafts-final/。✓ 已複製
humanizer-zh-skill + x-article-publisher-skill

去 AI 化後再發佈

對文章進行去 AI 化,然後透過 x-article-publisher 發佈到 X。✓ 已複製

工具

此 MCP 暴露的能力

工具輸入參數何時呼叫成本
diagnose text 第一輪 — 了解需要修什麼 0
rewrite text, voice_profile? 第二輪 — 套用改寫 0
diff_review before, after 第三輪 — 確認沒有過度修改 0

成本與限制

運行它的成本

API 配額
N/A
每次呼叫 Token 數
大約是原始長度的 2 倍(讀取 + 改寫)
費用
免費(Skill 本身);你的模型 token 費用照常
提示
先對整篇文章做診斷,但逐段改寫以保持 context 精簡

安全

權限、密鑰、影響範圍

最小權限: filesystem-read filesystem-write
憑證儲存:
資料出站: 無(Skill 在本機執行)

故障排查

常見錯誤與修復

輸出同樣機械化

指定語氣設定;預設模式較保守

程式碼區塊損壞

在提示詞中明確加入「保護 ``` 區塊」

長度漂移(輸出明顯縮短)

明確指定目標長度

替代方案

Humanizer (Chinese) 對比其他方案

替代方案何時用它替代權衡
原版 Humanizer(英文)來源是英文通用版;對中文 AI 特徵調校不足
手動編輯要求極高(例如發表的白皮書)慢;難以規模化

更多

資源

📖 閱讀 GitHub 上的官方 README

🐙 查看未解決的 issue

🔍 瀏覽全部 400+ MCP 伺服器和 Skills