Humanizer：让 AI 生成的文字更像人写的
随着大语言模型越来越普及，AI 写作已经成为日常工作的一部分。写邮件、写博客、整理文档、制作产品介绍，甚至编写技术说明，很多任务都可以交给 AI 完成。
但一个越来越明显的问题也随之出现：AI 写出来的文字，往往“没错”，却很容易让人一眼看出是 AI 写的。
句式过于规整、喜欢使用固定的三段式表达、频繁强调“重要意义”、大量使用诸如“delve”“testament”“landscape”等高频 AI 词汇，以及每个段落都习惯性地来一句总结——这些细节叠加起来，会形成一种明显的“AI 味”。
Humanizer 正是为解决这个问题而设计的一个开源 Agent Skill。
一、Humanizer 是什么？
Humanizer 是 GitHub 上的一个开源项目，仓库地址为 blader/humanizer。
它的核心目标非常直接：
在不改变原意的情况下，把听起来像 AI 写的文字改得更像人写的。
与传统的“AI 文本检测器”不同，Humanizer 并不是试图判断一段文字是不是 AI 生成的，而是直接参与文本修改。
更准确地说，它把“AI 味”拆解成一系列可以观察和处理的写作模式，然后让语言模型按照这些模式重新审视文章。
项目本身采用 Markdown 格式的 Skill，因此理论上可以被支持 Skills 的 Agent 使用，而不局限于某一个特定 AI 产品。
二、为什么 AI 文字容易有“机器味”？
Humanizer 背后的一个重要观点是：
语言模型倾向于选择统计意义上最可能出现的表达，而人类作者通常是在具体语境、具体读者和具体经历下进行写作。
这会导致两种不同的写作倾向。
AI 往往喜欢：
- 使用对多数读者都成立的表达；
- 强调某件事情的重要性；
- 使用结构非常规整的句子；
- 频繁使用相似的连接方式；
- 用总结句结束段落；
- 通过格式和修辞制造“完整感”。
而真实的人类写作往往没有这么整齐。
人可能突然换一个句式，可能只写一个很短的句子，也可能留下某个不够“完美”的表达。
这种不完全规则的特点，反而构成了自然语言的一部分。
Humanizer 的思路，就是把这些常见的“规则化表达”找出来，再有意识地打破它们。
三、Humanizer 关注的 25 种模式
目前项目 README 将这些写作模式整理成 25 类，并按照强度和出现频率进行组织。
这些模式大致可以分成五组。
1. 用“铺垫”代替直接表达
第一组关注的是文章有没有为了制造气势而加入多余的铺垫。
例如：
“这不仅仅是 X，而是 Y。”
或者：
“真正重要的并不是……而是……”
这种结构偶尔使用完全正常，但如果文章中反复出现，就容易产生模板化感觉。
Humanizer 倾向于直接说出 Y。
类似的问题还包括：
- 每个章节最后都加一句“金句”；
- 使用“从本质上来说”“归根结底”之类的深刻感表达；
- 用 “Let’s dive in” 等句子作为正式内容的开场；
- 为了反驳一个实际上没有人提出的观点而制造“假想反方”。
核心原则可以概括成一句话：
如果一句话没有增加事实或观点，就考虑删掉它。
2. 机械化的节奏
第二组针对的是 AI 特别喜欢的“整齐节奏”。
例如：
“创新、灵感和洞察。”
三个词构成的排比非常常见。
问题并不在于“三个”本身，而在于 AI 经常机械地把信息组织成三个项目。
除此之外，Humanizer 还关注：
- 连续多个句子使用相同的开头；
- 滥用破折号；
- 过度堆叠限定词；
- 大量使用连字符组成复合词；
- 过度使用被动语态；
- 省略真正应该出现的主语。
这些表达单独看并不意味着文字一定是 AI 写的，因此项目也特别强调部分模式只能在多个信号同时出现时才应该进行修改。
这是一种比较重要的设计思路：
Humanizer 并不是把所有“不符合规则”的句子都改掉。
四、第三类问题：把普通事实写得过于重要
这是 AI 文本中非常常见的一种现象。
例如一个普通事件：
“项目于 2025 年发布。”
AI 可能会进一步写成：
“这一发布标志着项目发展历程中的一个重要里程碑。”
但如果没有额外事实支持，“重要里程碑”实际上没有增加任何信息。
Humanizer 把这种现象称为 Inflated significance，即“意义膨胀”。
类似的表达还包括：
- “marking a pivotal moment”
- “continues to thrive”
- “the future looks bright”
- “a testament to……”
- “showcasing……”
这些词并不一定错误，但如果文章不断使用它们，文本就容易变得空泛。
Humanizer 的处理方式是：
保留事实，删除没有证据支持的意义判断。
这对于技术文档尤其重要。
五、避免“借来的权威感”
另一个值得注意的问题，是 AI 喜欢用模糊的权威来源增强文章可信度。
比如：
“专家普遍认为……”
或者：
“这一观点被《纽约时报》、BBC、金融时报等多家媒体广泛认可。”
如果没有明确指出是哪位专家、哪篇文章、具体说了什么，这种表达实际上并没有提供多少有效信息。
Humanizer 将这种模式称为 Borrowed authority。
它倾向于要求：
- 给出真实来源；
- 说明来源具体说了什么；
- 或者直接删除无法验证的权威性描述。
这也体现了 Humanizer 的一个重要原则：
它不应该通过编造信息来让文章显得更自然。
六、格式本身也可能产生“AI 味”
很多人以为 AI 味只来自词汇，其实格式同样重要。
Humanizer 特别关注：
过度使用粗体
例如：
Performance: Performance improved.
这种格式看起来像 AI 自动生成的知识文章。
装饰性标题
例如：
🚀 Launch Phase: Strategic Negotiations And Partnerships
Humanizer 倾向于使用更加自然的标题，并减少 emoji、箭头以及过度正式的标题格式。
不必要的弯引号
项目也把弯引号列为一个较弱的信号，并建议根据具体文本风格处理。
这些规则共同说明了一件事：
所谓“AI 味”，并不只是几个关键词，而是词汇、句式、结构和排版共同形成的风格。
七、Humanizer 最有价值的一点：不只是“一键润色”
Humanizer 的工作流程并不是简单地让模型执行：
“请把这段话写得更像人。”
相反，它要求模型先识别文本中的具体问题。
根据项目 README，它会：
- 标记发现的 AI 写作特征；
- 按强弱程度排列这些问题；
- 在不拘泥于原有结构的情况下重新起草文本；
- 检查重写后的内容；
- 对照原文确认事实和观点没有被改变；
- 输出最终版本。
这个过程实际上非常接近一个人工编辑的工作流。
也就是说，Humanizer 不是单纯追求“更像人”，而是试图回答：
“这句话为什么听起来不像一个具体的人会这么写？”
这比简单替换几个 AI 高频词更加深入。
八、最重要的约束：不能为了自然而编造
这是 Humanizer 设计中值得特别注意的一点。
项目明确要求：
- 名字不能凭空创造；
- 数字不能凭空创造；
- 日期不能凭空创造；
- 引用不能凭空创造；
- 来源不能凭空创造；
- 原文没有的事实不能为了让故事更生动而补进去。
如果某个句子需要一个原文中不存在的细节，Humanizer 应该询问用户，而不是自己猜。
这点非常重要。
因为“去 AI 味”很容易走向另一个极端：
为了让文章听起来像真人，就加入一些看似真实的细节。
例如：
“我当时站在街角，喝着一杯咖啡……”
如果原作者从来没有提供过这个经历，那么这已经不是润色，而是虚构。
Humanizer 的设计选择是把两者严格区分开。
自然，不等于虚构。
九、它还支持“模仿你的写作风格”
Humanizer 并不要求所有文字最后都变成同一种所谓的“人类风格”。
项目支持提供一段用户自己的文字作为样本。
例如可以提供两三段自己过去写过的文章，然后要求 Humanizer：
按照我的用词、节奏、标点和表达习惯修改下面这段 AI 文本。
这样做的意义很大。
因为“人类写作”本来就没有一种统一风格。
有人喜欢短句。
有人喜欢长句。
有人经常使用破折号。
有人几乎不用。
有人喜欢口语化。
有人喜欢克制、简洁的技术写作。
因此，真正合理的目标不是：
“把 AI 文本改成人类文本。”
而更应该是：
“把 AI 文本改成这个具体的人会写出来的文本。”
这也是 Humanizer 的风格匹配功能比较有意思的地方。
十、一个很典型的例子
Humanizer README 给出了一个完整的旅行文章案例。
原始版本充满了典型的 AI 表达：
“这座城市彻底俘获了我的心。”
“里斯本是葡萄牙不朽精神的生动见证。”
“每一次攀登都会奖励你令人惊叹的全景。”
这些句子语法没有问题，但缺少具体的个人经验。
修改之后，文章变得更加具体：
酒店位于 Alfama。
每天买咖啡都要爬很多楼梯。
乘坐 Tram 28 花了大约四十分钟。
在 Graça 吃到了一只温热的蛋挞。
作者甚至写到自己的腿对这些坡路有什么反应。
这里有一个很值得注意的区别：
后者并不是简单地把高级词汇换成低级词汇。
真正改变的是信息结构。
前者在说：
“这个地方非常特别。”
后者在说：
“我住在哪里，我走了什么路，我遇到了什么事情，以及这些经历让我有什么具体感受。”
这就是 Humanizer 所强调的“具体的人、具体的主题、具体的读者”。
十一、如何安装 Humanizer？
Humanizer 可以通过 Skills CLI 安装。
例如：
npx skills add blader/humanizer --global
安装完成后，可以直接使用 /humanizer。
例如：
/humanizer
请把下面这段文字改得更像人写的：
……
也可以直接用自然语言：
Please humanize this text: [your text]
如果要修改一个文件，也可以直接提供文件路径，例如：
Humanize the prose in docs/launch-post.md
项目 README 同时提供了针对 Claude Code、Claude Desktop 等环境的安装方式。
十二、它适合什么场景？
Humanizer 更适合那些已经有内容、但觉得文字过于模板化的场景。
例如：
技术博客
AI 可以负责完成初稿，然后 Humanizer 帮助去掉过于统一的表达方式。
产品文案
尤其适合把“功能介绍式 AI 文案”改得更加直接。
个人文章
结合自己的写作样本，可以让 AI 生成的内容更加接近个人习惯。
项目文档
对于技术和参考类文本，Humanizer 并不是要求“写得活泼”，而是强调保持中性、清晰、直接。
AI 辅助写作工作流
它也可以成为一个额外的编辑阶段：
AI 生成初稿
↓
事实检查
↓
Humanizer
↓
人工审阅
↓
最终稿
这里尤其应该强调：Humanizer 不是事实核查工具，也不应该代替人工审阅。
十三、Humanizer 的真正价值
Humanizer 最值得关注的地方，可能并不是它列出了 25 个“AI 写作特征”。
真正有意思的是它背后的写作观：
自然的文字不是通过增加“人味词汇”产生的，而是通过减少模板化决策产生的。
如果一篇文章每段都使用同样的结构，即使把 “delve” 换成“深入探讨”，它依然可能有很强的 AI 味。
如果每个观点后面都自动补一个“这不仅……更……”的总结句，那么换再多同义词也没有用。
真正有效的修改往往是：
- 删掉不必要的句子；
- 删除空洞的强调；
- 减少机械排比；
- 使用具体事实；
- 保留作者自己的判断；
- 让句子长短自然变化；
- 不为了完整而完整；
- 不为了“高级”而使用复杂词汇。
换句话说：
Humanizer 并不是在教 AI 如何“假装成人”。
它更像是在提醒 AI：
少一点模板，多一点具体；少一点修辞，多一点信息。
结语
AI 写作真正面临的问题，可能从来都不是“AI 会不会写”。
今天的大语言模型已经能够生成语法正确、结构完整、逻辑清晰的文章。
真正困难的是：
这些文字是否像一个具体的人，在具体的场景中，针对具体的读者写出来的。
Humanizer 选择了一条相对务实的路线：不试图发明所谓“完美的人类文风”，而是从常见的 AI 写作模式入手，逐项识别和修改，同时尽可能保护原文的事实、观点和作者风格。
对于正在使用 AI 写作的人来说，它提供的并不仅仅是一个“润色工具”，更是一套观察 AI 文本的方法。
当你开始注意那些机械的三段式、没有对象的“专家认为”、没有事实支撑的“重要意义”、每段结尾的金句，以及那些为了听起来深刻而存在的句子时，你会发现：
所谓 AI 味，很多时候并不神秘。它只是写作中那些过于规律、过于安全、过于普遍的选择。
而好的编辑，往往只是把这些选择删掉，让真正有信息、有观点、有个人经验的部分留下来。
项目采用 MIT License 开源。