写作与内容 text-rewritingchinese-writingde-ai-tonetechnical-writingprompt-engineeringstyle-editingfidelity-preserving

说人话:中文去 AI 味改写 Skill

中文优先的去 AI 味改写 skill:保住事实与责任归属,只删套话与翻译腔,改完可直接发。

FollowSkills 评估 · FSRS-2.0
推荐
65/ 100 五分制 3.3 / 5
1 2 3 4 5 6
1信任安全20 / 25 · 4.0/5

SKILL.md 为纯文本编辑规则,无外部调用、无依赖、无敏感数据处理;默认最小修改、代码块逐字保护、拿不准就保留原文,数据流向透明。扣分:无回滚机制说明,作者身份未经注册表验证。

2可靠稳定10 / 20 · 2.5/5

指令自洽度高:编辑动作清单明确、scope 参数有对照表、交付前核对与失败时的处理(撤销改动、说明无剩余正文)均有定义。扣分:静态审查无法执行验证,异常输入下的行为一致性仅靠规则文本保证,封顶 10。

3适用触发12 / 15 · 4.0/5

目标场景清晰(README、发布说明、工作同步、个人文章),非适用范围明确(不判 AI、不做事实调查、不续写),触发语义精确,中文优先且纯本地运行、无海外服务依赖。扣分:边界多靠长文描述而非结构化触发条件,英文场景为次要能力。

4规范维护12 / 15 · 4.0/5

许可证 MIT 明确,CHANGELOG 详尽且如实记录失败与未发布候选,README 提供安装说明与三档加载方式,runtime-files. 定义运行文件边界,维护责任与更新路径有说明。扣分:日期标注为 2026 年(未来日期)存疑,发布口径部分依赖维护者单方判定。

5有效结果6 / 15 · 2.0/5

价值主张明确且有 README 内示例说明输出可直接使用。扣分:静态审查无法验证实际输出质量,正向收益证据(5/7)来自仓库自报,封顶 7。

6证据核验5 / 10 · 2.5/5

仓库提供详尽评测记录、失败归档、判据文件与 CI 工作流,证据链完整且如实记录负面结果。扣分:均为作者自报材料,关键评测结果文件未在本次源文件中呈现,无法独立复现,封顶 5。

证据充分度: 评估于 2026年9月18日 审查版本 5a9eafefe038
使用前请注意
  • 评测成绩全部为作者自报,未包含本次可独立复核的执行证据,使用前建议自行抽测。
  • CHANGELOG 使用 2026 年的未来日期,时间线可信度需注意。
  • Grok 仅覆盖 11/58 条正常文本误改检查,完整误改率未知。
  • 发布验收部分依赖维护者单方判定,第二席位覆盖不完整。
查看完整评分方法 →

这个 Skill 能做什么,适合哪些场景?

「说人话」是一个面向中文文本的改写 skill,用于清理 AI 起草内容中的模板套话、商业包装、工程师姿态腔、翻译腔和无依据断言。它的核心逻辑是改写前先锁定事实:数字指标、版本、命令、路径、因果条件与责任归属一律保留,只剔除多余渲染。支持 Claude Code、Codex、Cursor、ChatGPT 等平台,并提供 README、Release Note、Issue 回复等场景包与长文力度控制(scope)。仓库附带 120 条主 benchmark 与 20 条场景样本的评测体系,最新版本为 v2.4.0。

读取用户文本后按 SKILL.md 中的规则做最小必要编辑:删除纯招呼、无主题预告、完整重复内容;简化名词化、累赘功能词与生硬语序;删除无依据的身份认证语。全程保留事实、术语、责任主体、数字、命令与引用原貌,支持 structural / bounded / in-place 三档编辑范围、minimal / standard / aggressive 幅度参数,以及「只标问题不改写」的 annotation mode。纯 prompt 型 skill,无需脚本或网络。

  1. 开发者发布 Release Note,希望删掉公关式发版宣言但保留 p95 延迟等具体指标
  2. 维护者回复 Issue,希望去掉过度共情和认证语,直接写复现情况与下一步
  3. 技术作者写 README,希望首屏说明项目用途而不堆空洞口号
  4. 工程师想让 AI 起草的长文去掉翻译腔,且不能改变原文条件、否定与强度
  5. 用户只想排查问题不改稿,可用 annotation mode 只标注缺陷与修改方向

这个 Skill 有哪些优点和局限?

优点
  • 事实保真设计严格:数字、命令、责任归属、条件与引用默认原样保留,避免「明显优化」式的过度概括
  • 提供 120 条 benchmark 与 L1 硬约束门槛(虚构事实、保护片段漂移必须为 0),有评测数据背书
  • 覆盖多平台接入与多档 scope 控制,纯 prompt 实现零依赖
  • 明确区分「报道某说法」与「宣传某说法」,不会误删被讨论的措辞
局限
  • 以中文优化为主,英文规则仅覆盖常见套话与中英混排冗余
  • 效果依赖模型对规则的遵循度,不同模型清理率不同(仓库单独跟踪)
  • 定位为规则驱动的冗余清理,不拟合特定作者的个人文风
  • v2.4.0 评测为双模型结果,其他模型的误杀率缺乏公开数据

如何安装这个 Skill?

Claude Code:执行 /plugin marketplace add MrGeDiao/shuorenhua,再执行 /plugin install shuorenhua@shuorenhua。Codex:克隆仓库后执行 codex exec -C . "读取 ./SKILL.md,按其中规则改写以下文本:……"。支持 skills 协议的 Agent:npx skills add MrGeDiao/shuorenhua。也可直接使用网页版「说人话 GPT」(需 ChatGPT Plus / Pro)。

如何使用这个 Skill?

安装后在对话中输入「把这段去 AI 味」并粘贴文本即可。可附加参数控制行为:annotation mode(只标不改)、scope(structural / bounded / in-place)、幅度(minimal / standard / aggressive)、rewrite-safe(删除无源论断)。默认交一份可直接使用的改写稿,默认只交正文,不附评分。

这个 Skill 与同类方案有什么区别?

README 将其与英文向项目 stop-slop(英文 AI 冗余规则与评估)、humanizer(英文 AI 模式分类)及繁体中文向的 speak-human-tw 并列——如果你主要处理英文文本,这些是更对口的替代;处理简体中文时本 skill 更完整。

常见问题

它能帮我绕过 AI 内容检测吗?
不能,也不是设计目标。项目专注清理模板化表达、公关腔与生硬句式,提升可读性与准确度。
改写会不会把关键数字或命令改掉?
按设计不会。数字、版本、命令、路径、接口名与引语默认按原文保留,评测中「保护片段漂移」属于必须为 0 的 L1 硬约束。
处理技术文档有误改风险吗?
在 docs、status 与 code-context 场景下采用更严格保护策略,锁定命令、路径、版本、报错与性能数据;作者也征集脱敏 bad case 持续改进。
支持英文吗?
支持中英文,但以中文为主,英文规则主要用于清理常见套话和中英混排的结构冗余。

相关 Skills