name: shuorenhua description: 检查和清理中英文文本里的 AI 套路，适用于“去 AI 味”“说人话”“自然一点”“别像模板”“先标问题”这类改写和审稿需求；按场景控制力度，同时保留事实、术语、语域和责任主体。

说人话

把文本从”像模型在表演写作”拉回”像具体人在当前场景下表达”。

这份 skill 不是敏感词替换器，也不是反技术、反抽象、反专业。它的目标是减少模板感、表演感和语域漂移，同时保住事实、术语和责任主体。

When to use

在下面这些需求里使用：

• 用户明确说”去 AI 味””说人话””自然一点””别像模板””别太像 ChatGPT”
• 需要改写中文或英文 chat、status、docs、public-writing
• 需要先判断文本该轻改、中改还是重改

在下面这些需求里不要硬套：

• 用户要逐字翻译、保留原文风格、仿官方模板或仿特定品牌 voice
• 文本主要是代码、日志、命令、配置、接口名、报错
• 用户要的是事实校对，不是风格改写

Core stance

• 去 AI 味，主要处理的是模板感、收束腔、虚假主语、语域混搭和表演性技术腔。
• 保留技术性。专业词、系统主语、事故复盘用语、PRD/发布说明中的术语默认可保留。
• 优先保信息，再谈风格。任何改写都不能新增事实、删核心事实或改变责任主体。
• 不用机械同义词替换表。默认可以删句、并句、降调、换主语、去总结式收尾；如果进入 in-place scope，就只做句内改写。
• 短语表默认只列代表项，不追求穷举所有变体。遇到新口癖，先按现有模式归类，再决定要不要补词。

Execution order

按固定顺序做，不要跳步：

1. 判场景：chat / status / docs / public-writing
2. 查禁改项：先划 protected spans，并在心里记一份事实 / 关系账本：实体类型、数字修饰对象、主体与各自动作 / 目标、实现关系；看有没有必须保留的术语、系统主语、引用原文、命令或正式语体
3. 判 Tier：Tier 1 / Tier 2 / Tier 3，按问题命中强度判断，不要把 Tier 当作改写力度
4. 再判档位：minimal / standard / aggressive
5. 判 scope：structural / bounded / in-place，判断这次能删到什么程度——自由删并重排、只把整句空话进删除清单、还是一句都不删
6. 先执行本文件里的最小规则；只要环境里能读 references/，默认继续按问题类型补看 Protected Spans、Positive Style Contract、微操作手册、结构反模式 和相关短语表；如果目标是“改完能直接发”，或文本明显属于 README、release note、论坛帖、issue 回复，再补看 Scene Packs、场景样本评测 和 改写示例
7. 回读拆成两步：先做保真回读，再按需做残留味回读
8. 输出：默认只给单一推荐版本；用户明确要求“先标问题，不改写”时切到 annotation mode

执行第 6 步时，先按“模式”处理，再按“词条”兜底：

• 同一类调试腔、暴力动作腔、主动出击腔、总结提示腔，默认按同一模式处理，不要求逐词命中
• 只有当新说法改变了误杀边界，或明显不属于现有模式时，才把它当作新增词条处理

1. Scene detection

先判主场景，再处理局部问题。混合文本只保留一个主语域，其他语域只在必要信息层面留下。

chat

信号：

• 短回复、日常对话、协作沟通、评论、即时反馈
• 允许口语，但不该端着说话

默认档位：minimal

status

信号：

• 站会更新、进度同步、复盘摘要、汇报式状态说明
• 重点是时间线、动作、结果、风险

默认档位：minimal 或 standard

docs

信号：

• 操作文档、技术说明、接口说明、FAQ、事故复盘
• 重点是可检索、可复现、术语稳定

默认档位：minimal

public-writing

信号：

• 公众号、小红书、公开帖、对外文章、观点写作
• 重点是语域一致，不要装“有洞见”

默认档位：standard

更细的下限限制见 场景禁改表。

Scene Packs

如果文本本身命中下面任一子场景，不依赖用户是否明说，也不受主场景初判限制，都要补看 Scene Packs：

• README：出现项目介绍、快速开始、安装方式、功能列表、README intro 等信号时，第一屏要说清“这是什么、给谁用、解决什么问题”
• release-note：出现版本标题、Release Highlights、Added / Changed / Fixed / Tested、changelog 列表等信号时，列清本版变更、验证和限制，不写发布宣言
• forum-post：出现 Linux.do / V2EX / 社区帖 / 发帖复盘等信号时，保留维护者的真实观察和社区语气，不改成公告
• issue-reply：出现 issue / PR 回复、bad case、复现、下一版补 benchmark 等信号时，先确认问题和下一步，不做客服式安抚

子场景只负责发布目的和语气收束，不覆盖 protected spans、Tier、档位和回读规则。完整策略见 Scene Packs。

2. Single-file fallback rules

只加载 SKILL.md 时，也必须能完成基础改写。下面这些规则默认直接生效：

• 删开场套话、谄媚和元评论：例如 值得注意的是、让我来为你解释、希望这对你有帮助、Great question!
• 删空总结和收尾腔：例如 综上所述、归根结底、本质上、At the end of the day
• 处理二元对比骨架：不是 X，而是 Y、与其 X，不如 Y 多数删前半句，直接说 Y
• 处理无源引用：研究表明、数据显示、studies show、experts say 默认按场景选择 rewrite-safe 或 audit-only；只有用户明确要保留原论证骨架时才用 rewrite-with-placeholder；不要补虚构来源
• 把商业黑话和表演性技术腔改回普通动作：例如 赋能、抓手、闭环、收窄、兜住、落盘、leverage
• 遇到过度接住、替用户做心理判断或身份认证式夸奖：例如 你不是敏感、你只是太久没被稳稳接住了、你问到了问题的核心、顶刊作者的素养，默认删姿态层，改回低承诺回应或具体判断；不要硬演“我懂了”。方向/进度认证（走在正确的路上、完全不用担心）只能删除或标注“现有信息不足以判断”，不要降格成 方向没问题 / 不用太担心 这类弱安抚继续替对方下结论
• 发现翻译腔时，优先缩短主语和动作，少用长定语链、被动堆砌、基于……、通过……来……
• 误杀防护优先：引用原文、命令、接口名、字段名、日志、报错、系统主语、技术报告术语默认保留
• code-context 里的真实运行行为、适用条件和边界说明也属于 protected spans；清理注释、docstring 或 commit message 时，只去姿态词并保留这些信息，不能因为相邻行已有指标或结果就认定它们重复、整行删除
• 抽象信息、实体类型和关系不能擅自具体化、合并、互换或删除：方案 不能改成 工具 / 产品，目标 不能改成 产品，描述某种架构的潜力不能改成“系统基于该架构构建”。数字与它修饰的对象、主体与各自动作 / 目标的配对关系要一起保留；不能把 两个团队 写成“换过两个团队”，也不能把只属于企业的目标顺手并给开发者。谓词的方向、完成态、强度和效果类型也属于关系：性能提升 / 体验改善 / 安全性加强 不能弱化成“涉及这些方面”，提升效率 也不能顺势扩写成“节省时间 / 成本”；删掉 显著 / 大幅 等渲染词时，仍要保留原文实际声称发生了什么。背景、主题或相邻句共现不等于能力关系：同段提到 AI 和中文表达工具，不能据此写成“处理 AI 生成文本”；任何 X 用来做 Y / X 基于 Y / X 处理 Y 都必须能在原文谓词里找到依据。目的、适用条件、风险和限制即使对象仍然抽象，也属于信息：为了解决这一痛点 可以压成 为了解决这个问题，不能因为没写具体问题就把“解决问题”这一目的删掉。原文没有具体能力、实现关系或对象时，允许保留原来的抽象层级、缩短或标注缺口，不能用看似合理的新事实补落点
• 中英混排句中的英文词按当前句子的实际语义判断，不机械套英文词表

单文件模式只是兜底，不是完整模式。只要环境里能读 references/，默认就继续补看对应文件；只有在 system prompt 真的只给了 SKILL.md 时，才退化为只按本文件做基础清理。

Unsourced citation modes

处理无源引用时，固定只在这 3 种模式里选一种：

• rewrite-safe
  • 去掉 研究表明 / studies show / 业内人士认为 后，只有不依赖该来源也能独立成立的判断才保留
  • 如果数字、预测或结论本身全靠这条无源引用成立，删掉整条论断；不要删掉 40% 后改成“会更快”，也不要把 未来十年 改成“未来几年”
  • 默认用于 chat 和 public-writing
• audit-only
  • 不替作者补写来源，也不把无证据判断改写成像是已有证据
  • 明确指出“这里缺来源/缺归属”，必要时保留原句不重写
  • 只约束无源论断本身；同段其他病灶（骨架、黑话、空总结、姿态层）仍按各自规则清理，不因一处审计把整段冻结成风险说明
  • 默认用于 docs 和 status
• rewrite-with-placeholder
  • 只在用户明确要求保留原结构、原语气或编辑稿框架时使用
  • 可以写成“有研究认为……，但这里没有给出处”这类占位提醒
  • 不能补具体机构、数据、年份、研究名称

如果用户没指定模式，就按场景默认值走；如果文本跨场景，优先取更保守的 audit-only。

3. Rewrite level

minimal

适用于：文本本身基本自然，只需去掉局部模板感、收尾腔和多余修辞。

默认动作：

• 删掉空总结
• 把过度抬高的语气压回常规
• 把"像在解释自己会写作"的句子压回事实句

standard

适用于：有明显 AI 腔或语域混搭，但信息骨架是好的。

默认动作：

• 统一语域
• 改掉工程师表演腔、商业黑话、narrator 腔
• 必要时并句或换主语

aggressive

适用于：Tier 1 命中密集，或 Tier 1 + Tier 2 叠加后整段呈现强模板感或强表演感。

限制：

• 只有在 Tier 1 明显密集，或多类结构问题叠加时才允许
• 先保护事实和术语，再做重写
• docs 默认不要升到 aggressive

3.5 Edit scope

Scope 表示这次能不能改动句子和段落结构，和 minimal / standard / aggressive 是两条轴。三档 scope 按"能不能删整句、怎么删"区分：structural 自由删并重排；bounded 只删"删了不丢信息"的整句空话，且走删除清单交用户确认；in-place 一句都不删。

structural

默认 scope。适用于短文本、明确要求重写的文本、AI 味密度很高且不需要保留原节奏的文本。

允许动作：

• 删整句空总结
• 合并相邻事实句
• 轻量调整句序或段落落点
• 按场景重写局部结构

bounded

中文 public-writing 长文（约 1000 字以上）的默认 scope。目标是把整句级的 AI 味去干净，又不被 structural 不可控地压缩——长文走 structural 时缩水程度依模型而定（同一篇可能 -18%，也可能 -39%），用户无法预期；bounded 把"删多少"交还给用户。

和另两档的关系：

• 比 structural 克制：不合并相邻句、不重排段落、不删承担节奏的实句或有意重复
• 比 in-place 能去味：允许删"整句都是空话"的句子，但不直接删，而是进删除清单交用户拍板

一句能进删除清单，必须同时满足三条：

1. 删掉后该段信息点不变（不带任何独有的事实、数字、判断、动作或指令）；例外是整条无源论断：其中的数字或时间跨度如果只依赖未提供的来源成立，可以随整句进删除清单，若保留论断则不得改值或改跨度
2. 不是相邻两实句之间的唯一过渡
3. 命中纯空句型：空总结 / 价值拔高收尾 / 无源权威铺垫 / 谄媚开场 / 整句旁白

两类动作分开走（实测依据：长文里句首引导词模型能句内清掉，但整句空话在 in-place 下删不掉，只会被软化成另一种说法）：

• 句首可剥离的引导词（值得一提的是 / 归根到底 / 这说明）后面还跟着实质内容 → 直接句内洗，删引导词留骨架，不进清单
• 整句都是空的，剥掉引导词就什么都不剩（无源论断、不仅仅是……更是…… 的价值拔高）→ 进删除清单，不擅自软化成另一种说法

输出：正文给句内洗后的稿，末尾附「建议删除（待确认）」清单，每条写 原文 + 为什么删了不丢信息。用户点头才删，长度由用户拍板。

in-place

适用于用户明确要求"完全原样 / 一句都别删 / 严格保句数"的情况，比 bounded 更严：整句空话也不删，只做句内降调。

默认触发条件：

• 用户 prompt 明确要求保留句数、完全原样、一句不删，或反馈 bounded 仍删多了

禁止动作：

• 不删整句（即使整句是空话）
• 不合并相邻句
• 不重排段落
• 不把多段压成一段

允许动作：

• 句内替换词或短语
• 删除句内提示层、空泛修饰和语气垫片
• 把句内拔高语气降回普通判断
• 在单句内部拆短过满结构，但不改变段落顺序

删短语前先做语义独立性检查：删掉短语后，剩余部分必须仍是完整、可读、没有悬空指代的陈述句。否则改用句内替换，不要硬删。遇到整句空话，保留原句并标注 [空句，建议人工确认是否删除]，不擅自软化成新说法。

aggressive + in-place 可以存在，但默认先提醒用户：长文 aggressive 很容易明显缩水；如果用户真正要保长度，优先改成 standard + bounded。用户明确坚持时，再执行 aggressive + in-place，但仍遵守不删整句、不并句、不重排的边界。

4. Tier severity

Tier 表示问题命中强度，与 严重度分级 保持一致，不表示改写力度。

Tier 1

默认替换。命中这类词或句式时，通常直接删掉或换成更具体的表达。常见类型：

• 开场套话、总结式收尾、谄媚句
• 明显商业黑话、自媒体流水线用语、表演性工程师腔
• 过度接住式共情、替用户做心理判断、郑重预告和身份认证式夸奖
• 英文里的 sycophantic openers、significance inflation、business jargon

默认处理：局部命中用 minimal 或 standard，密集命中时可升到 aggressive

Tier 2

单独出现可以放行，但同段聚集时是 AI 味信号。常见类型：

• 高频连接词扎堆
• 渲染性修饰词扎堆
• 某一类姿态词在同段重复出现

长度参考：短段落（< 100 字/词）同段 2+ 个即标记；长段落（≥ 100 字/词）同段 3+ 个再标记。

默认处理：保留最贴切的一个，其余改写；通常用 minimal 或 standard

Tier 3

常见词本身不构成问题，只在全文密度明显过高时才处理。常见类型：

• 重要 / 关键 / 核心 / 提升
• significant / innovative / effective

默认处理：只替换一部分重复命中，通常用 minimal，必要时不改

5. No-touch and keep rules

以下内容默认优先保留，除非用户明确要求改风格且改动不损害信息：

• 引用原文、命令、接口名、参数名、字段名、配置项、日志、报错
• 技术文档里的系统行为主语
• postmortem / incident / PRD / release note 中的专业术语
• 承载关键事实的抽象句，即使它“有点像 AI”

不要为了“像人”把文本改得更假。专业文本可以专业，关键是别模板化、别表演化。

完整的保护清单见 Protected Spans。

6. Positive style targets

改写后的文本应尽量满足：

• 有具体信息，不靠空洞总括撑气势
• 有主语和动作，不靠虚假主体兜底
• 有统一语域，不在技术腔、商业腔、自媒体腔之间跳
• 以“可直接发”为终点，不为了更像人继续抛光到失真
• 有节奏，但节奏来自删冗余和保留重点，不来自硬造金句
• 有立场，但立场来自判断或事实，不来自“故作洞见”
• 有边界，没把握就直说，不替对方做心理判断，也不硬演“我懂了”

更完整的正向目标、分场景校准和“cleaner vs more human”对照见 Positive Style Contract。

7. Output contract

默认输出一个推荐版本，不默认输出审稿过程、多版本比稿或逐条点评。

Annotation mode

只有在用户明确要求下面这类事情时才启用：

• 先别改，先标问题
• 这段哪里像 AI
• 只做诊断 / 审稿 / 标注
• 先告诉我该不该改

annotation mode 不直接给整段改写稿，默认只输出最重要的 1-5 个问题点。每个问题点固定包含这 4 个字段：

• 问题族：例如 开场套话 / 无源引用 / 工程师腔 / 语域混搭
• 触发点：点明命中的词、结构或局部句子
• 建议动作：删掉、换成具体表达、补来源、保持不动
• 是否建议改写：是 / 否

额外约束：

• 如果文本主要问题是“缺来源”，可以只建议补来源，不强行给改写稿
• 如果文本落在误杀防护边界内，直接写 是否建议改写：否
• 不要一边说“只标问题”，一边偷偷输出完整重写版
• 用户没要求 annotation mode 时，仍然按默认改写合同输出单一推荐版本

遇到无源引用时，输出必须符合所选模式：

• 在 annotation mode 下，只输出对应的处理建议，不直接给整段改写稿
• 在默认改写模式下，再按所选模式实际给出改写结果
• rewrite-safe：建议删掉无法独立成立的整条无源论断；如果去掉权威铺垫后仍有不依赖来源的判断，再保留该判断。不要去掉数字后留下更泛的同向断言；如果不是 annotation mode，再给改写结果，不补虚构来源
• audit-only：优先点明缺来源、缺归属，而不是假装已经证实
• rewrite-with-placeholder：允许保留论证位置，但要显式暴露“此处待补来源”；如果不是 annotation mode，可以给带占位提示的改写结果

只有在高风险误杀时，才额外补一行极短说明，例如：

• 保留了系统主语和术语，避免失真。
• 这里只做轻改，避免把正式公告写成口语贴。

8. Required reread checks

提交改写前，把回读固定拆成两步，不要混着做：

Pass 1 | 保真回读

先检查这 5 项：

1. protected spans 是否漂了
2. 信息是否丢失
3. 语域是否统一
4. 术语是否失真
5. 删改后是否出现生硬断裂

再做一次分析—输出一致性检查：如果前面的判断是“原文没有具体对象、能力、实现或依据”，最终结果里就不能出现新工具、产品、平台、功能、实现关系或指标；输出里的每个 X 做 Y / X 基于 Y / X 处理 Y 关系都要能回指原文中的同一谓词关系，不能只靠同段共现推断；同义改写也不能改变谓词的方向、完成态、强度或效果类型，不能把“已经改善”写成“涉及”，也不能把“提升效率”扩成“节省时间”；如果命中项列出了数量—对象、主体—目标等保护关系，处理结果必须逐项对得上。

如果删掉一句后段落突然没了落点，就用原文已有的信息重组一条事实句，不要补口号句；原文里找不到可用信息就不补，宁可让段落短一点。

bounded / in-place scope 下额外检查：

• 信息留存优先：原文每个信息点（事实、数字、判断、动作）在输出里都要可追溯，这是硬指标
• in-place：输出字数低于原文 85% 时，回退检查是否误删整句、并句或压段落（in-place 不该删任何整句）
• bounded：字数会因删整句空话而下降，不设硬下限；但要确认删除清单里每条都是"删了不丢信息"的纯空句，没混进实句或承担节奏的重复
• 句数变化超过约 10% 时，回退检查是否偷偷做了未经确认的 structural 改写
• 关键事实句、转场句和承担节奏的重复句，不能因为“看起来像模板”就默认删除

Pass 2 | Residual Audit

只有在第一遍已经保住事实、但读起来还有轻微 AI 味时，才做第二遍。第二遍固定只查这 5 件事：

1. 开场残留：还在用 结论先说 / 直接说结论 / 值得注意的是 这类提示层
2. 总结残留：还在用 总的来说 / 归根结底 / 最终来看 这类空收尾
3. narrator 残留：还在解释“这说明了什么”，而不是直接说事实或判断
4. 空泛判断残留：还在写 方向是对的 / 意义重大 / 真正理解了用户
5. 节奏过匀：每句都差不多长、差不多抬手、差不多落点，像被统一抛光过；同一种句式骨架（尤其二元对比 不是 X，是 Y）反复到能预判下一句形状时，按 结构反模式 第 1 条和第 18 条的密度判据处理

第二遍只允许做轻量修正：

• 删一个残留开场或收尾
• 合并两句过匀的事实句，或拆一处过满的句子
• 把一句 narrator / 空泛判断压回直接表达
• 同型句式骨架超出密度阈值时，先按 结构反模式 第 1 条剔除豁免项（判据和上限见该条「保留条件」），再把剩余超标的那几处换成中性连接或直接陈述

第二遍不要做的事：

• 不重写全文
• 不补原文没有的事实
• 不为了“更像人”改掉术语、参数、命令、报错或责任归属

场景保守策略：

• public-writing 和 AI 味偏重的 chat，第二遍更常需要
• docs / status / code-context 默认更保守；如果第二遍会让语气变口语、变广告、或影响保真，就停在第一遍

Reference navigation

• 本文件可以单独兜底；完整模式默认是 SKILL.md + references/ 一起工作
• 想先看“改成什么样才算更像人”：看 Positive Style Contract
• 想先看哪些数字、引用、命令、参数不能漂：看 Protected Spans
• 想看中文高频短语：看 中文禁用短语表
• 想看英文高频短语：看 English Banned Phrases
• 想看句子和段落层面的结构问题：看 结构反模式
• 想按 Tier 1 / 2 / 3 校准命中规则：看 严重度分级
• 遇到具体病灶怎么动手：看 微操作手册
• 想确认某个场景什么不能乱动：看 场景禁改表
• 想校准误杀边界或做静态回归：看 边界案例集
• 想看场景样本评测（高拟真合成，验收线是改完能不能直接发）：看 场景样本评测
• 想看默认改写和 annotation mode 的对照：看 改写示例
• 想处理没收录进词表的同类变体：先看 微操作手册 里的“变体归并”规则，再决定要不要补词

默认做法是：先用本文件完成“场景、Tier、档位、输出合同”的主判断，再按问题类型补读 references/；只有在单文件安装场景里，才停留在本文件的兜底规则。

说人话 专治那种“每个字都对，但一看就不是你写的”中文。它清理过度承接、工程师腔、小红书 AI 腔、翻译腔和无源权威铺垫，同时锁住版本、命令、责任和证据。它不替你编新事实，也不把空话包装得更漂亮。改完你敢直接发。

它适合这些场景：

改成什么样

聊天答疑，先颁奖再推销

改写前

你说的很对，这个问题一针见血。一句话总结：核心逻辑是先把流程跑通，再谈优化。我可以直接给你一版绝对没问题的最终方案，已经测试通过了，稳得很。要不要我顺手把文档也整理了？你一句话的事。

改写后

对，问题就在这：先把流程跑通，再谈优化。方案我发你。文档要不要一起弄？

开头发奖状、结尾追着卖，中间「一句话总结」「核心逻辑」轮着上——这条姿态链社区早就逐个点过名（Linux.do 句式征集帖、「对象说我说话一股子AI味」）。文本为合成示例，把被点名最多的口癖压进了一段。

发版感言，不见变更

改写前

v1.8.0 Release Highlights

本次版本是一次面向真实场景的系统性升级。我们不仅全面优化了改写体验，更通过全新的能力矩阵稳稳兜住了用户在 README、release note、论坛长帖和 issue 回复里的核心表达诉求。感谢所有用户的持续支持，让我们共同见证中文 AI 写作体验的全新跃迁。

改写后

v1.8.0

• 新增 references/scene-packs.md，覆盖 README、release note、forum post 和 issue reply
• evals/benchmark.md 增加 8 条 scene pack 回归用例
• evals/real-samples.md 增加 4 条整段样本，继续按自然 / 保真 / 可直接发评分

这版不做 Voice Calibration；相关方向推迟到 v1.9 评估。

release note 的读者要的是变更清单，不是发布宣言。上面这条改写保住了版本号，拆掉了发布宣言那层，还把「这版不做 Voice Calibration」这种没做的事也写了出来。完整样本见 evals/real-samples.md RS-16。

删掉渲染词，数字不能跟着丢

改写前

本次优化在性能方面取得了显著成效，有效改善了接口响应问题，p95 延迟从 480ms 降到 160ms，充分体现了团队持续优化的能力。

改坏示范

这次优化明显降低了接口延迟。

渲染词是没了，但 p95、480ms、160ms 也跟着没了——空话只是换成了更泛的空话。

改写后

这次优化把接口 p95 延迟从 480ms 降到 160ms。

清完落在哪是有合同的：原文给了具体信息，改写后就得把它落回去，不能拿更泛的说法顶替。这条对应评测集里的硬约束用例（evals/benchmark.md SF-46）。更多例子见 references/examples.md 和 evals/real-samples.md。

30 秒上手

先试效果，什么都不用装 — 说人话 GPT（ChatGPT，需 Plus / Pro），完整规则已内置，贴文本就能改。

Claude Code — 对话里两条命令装完，之后自动触发：

/plugin marketplace add MrGeDiao/shuorenhua
/plugin install shuorenhua@shuorenhua

装好后在对话里说「把这段去 AI 味」就会命中。手动安装（cp / 软链跟随更新）见 install/claude-code.md。

Codex — clone 后单次使用：

git clone https://github.com/MrGeDiao/shuorenhua.git && cd shuorenhua
codex exec -C . "读取 ./SKILL.md，按其中规则改写以下文本：……"

其他 agent / skill CLI — 支持 skills 命令时可以直接安装完整包：

npx skills add MrGeDiao/shuorenhua

更多安装选项见 npx skills add --help。

项目内长期使用建议把 skill 文件拷进项目并在 AGENTS.md 写明触发条件，见 install/codex.md。

只想先看问题、不要改稿：指令里加一句「按 annotation mode 只标注不改写」。

Cursor、OpenClaw 和自建 agent 见安装。

为什么改完敢直接发

去 AI 味工具最常见的翻车不是没清干净，是清完事实变了：数字漂了、关系换了、原文没有的补出来了。说人话 把这些“不许变”写成可以逐条判分的合同：

• 数字和修饰对象一起保：p95 从 480ms 降到 160ms 删掉渲染词后必须原样在，不许概括成“明显降低”。
• 关系不许改写：展示了云原生架构的潜力 不能改成 采用了云原生架构（潜力不是实现）；两个团队 不能扩成“换过两个团队”（先后关系是原文没有的）。
• 时间跨度不漂移：未来十年 不能缩成“未来几年”，也不能糊成“未来”。
• 抽象不许擅自具体化：原文只说“提升效率”，不能改成“省时间”“降成本”。
• 缺信息不许编：原文没给数据，允许输出更短更直白，但不补数字、工具名或来源；status / docs 缺依据时标注“原文缺具体依据”，不硬填。

每条合同在评测集里都有对应的硬约束用例（SF-07、SF-08、SF-46、SNF-36 等），双模型盲测逐条判分。规则细节见 references/positive-style.md 的「清理后的落点」和 references/protected-spans.md。

它怎么判断怎么改

说人话 不是见词就替换。

先保信息，再谈风格。

完整流程固定六步：

1. 判场景：chat / status / docs / public-writing；命中 README、release note、论坛帖、issue 回复时，再进对应的 Scene Pack
2. 划保护片段：数字、版本、命令、路径、报错、引用原文、人名和责任归属先锁住，同时记一份事实关系账本——谁对什么做了什么、数字修饰哪个对象（完整清单见 references/protected-spans.md）
3. 判命中强度（Tier 1 / 2 / 3），再分别定改写力度（minimal / standard / aggressive）和 scope（structural / bounded / in-place）；Tier 只描述问题命中多重，不直接等于力度
4. 先按模式改，词表只兜底
5. 保真回读：事实、术语、语域、保护片段逐项过
6. 仍有残味才做第二遍 Residual Audit，只允许轻量修正

模式地图

详细边界见 references/、场景规则 和 评测集。

英文去 AI 味已经有 stop-slop 和 humanizer。说人话 补的是中文这一层：这些腔调在中文里长什么样、按发布场景分档处理、改写前先锁住事实。

场景与力度

四个场景的默认力度：

按发布目的细分（Scene Packs）

可发布文本再按「发到哪里」细分。这不是换语气，是按发布目的决定改法：README 第一屏要说清这是什么、给谁用；release note 要列清变更、验证和限制；论坛帖像维护者分享观察和取舍，不像公司公告；issue 回复先确认问题和下一步。每个子场景的目标和常见病灶见 references/scene-packs.md。

长文不缩水：三档 scope

长文按默认动作改写，删句、并句会叠加，1800 字可能被压到 1000 字；反过来一句不删，整句的空话又留在文里。所以长文把「删到什么程度」单独分成三档，和力度档位正交：

三档的取舍过程见 #4，structural 缩水不可控的双模型对照实跑见 evals/results-v1.8.6.md。后续各版的 scope 回归结果登记在 evals/run-manifest.md，最近一轮是 v2.2.1 的两条 in-place 长文误杀防护（evals/results-v2.2.1.md §7）。

改完往哪个方向靠

清理不只是删词，它也会把文本往这些方向拉：

• 具体动作优先于抽象拔高
• 真主语和真动作优先于姿态层
• 允许轻微不对称，不把每句都抛光成同一种腔
• 按场景校准，聊天和文档不套同一种腔

评测

规则层覆盖 210+ 中文短语、96 条英文短语、20 类结构反模式。

当前评测集共 84 条：

怎么算及格：v2.1.0 起发布门槛分三层（判据单源：evals/benchmark-tiers.md）：

v2.1.0 实跑（82 条全量盲测、双模型交叉判分，完整归档见 evals/results-v2.1.0.md）：

Claude 首轮那 1 个 L1 不是规则缺口：判定链已经写明“不得补实现关系”，输出还是补了，属分析—输出自相矛盾。按事先声明不改规则、只做一次完整确认复跑；失败轮与确认轮并列归档，不宣称所有运行全绿。旧口径 SF 通过率继续并列报告（Codex 87.0%、Claude 84.8%），保持历史可比，不再作为发布依据。

评测怎么跑：被测模型只看匿名乱序、不含预期的 evals/benchmark-blind.md，judge 按映射表判分；每次实跑的评测集版本、模型和口径登记在 evals/run-manifest.md。完整用例集见 evals/benchmark.md，整段场景样本（高拟真合成）见 evals/real-samples.md。

v2.2.0 起，改写输出落盘后先用零依赖硬判脚本 python3 automation/eval/hard_metrics.py --run <批次目录>/ 批量算出字数留存率、破折号密度和 protected spans 粗核（自动配对 evals/benchmark-blind.md 原文），judge 不再自己数长文留存，缺失报警仍由 judge 复核；使用口径见 automation/eval/README.md。

安装

核心只需要 SKILL.md 一个文件（lite）；长期项目、公开文本和需要误杀防护的场景，建议带上 references/ 完整包（full）。

项目内长期使用时，可以在 AGENTS.md 加一段触发规则：

## 写作风格
当任务涉及“去 AI 味”“说人话”“自然一点”“别像模板”这类改写时，遵循 `shuorenhua/SKILL.md`。
对外文本优先按它处理；代码、日志、配置和命令输出不套这个 skill。

English

shuorenhua (说人话) is a Chinese-first AI writing humanizer for Codex, Claude Code, Cursor, and ChatGPT. It removes AI-flavored patterns in Chinese text — sycophantic openers, performative engineer-speak, translationese, unsourced authority claims — under a fidelity contract: numbers stay attached to what they measure, relations and attribution never drift, and missing facts are never invented. It ships with an 84-case benchmark (blind inputs, dual-model judging, false-positive guards) and a long-form mode that clea