GitRead 中文社区
首页趋势排行榜原创文章严选周刊
更多资源
新手训练营
精选专题热门话题GitHub 文档资源精选实战指南

qu-ai-wei

去 AI 味:去除简体中文 AI 写作痕迹 / 中文人性化技能

  • 语言Shell
  • 默认分支main
  • 大小5.0 MB
  • 更新9月10日
  • Issues1
在 GitHub 打开
avatarLifelongLazyLearner

技术解读

以下内容由 GitRead 中文社区 编辑团队基于项目 README 与官方资料整理, 结合中文开发者的常见使用场景补充技术选型建议。具体以项目官方文档为准。

去 AI 味:去除简体中文 AI 写作痕迹 —— LifelongLazyLearner/qu-ai-wei 技术深度分析

项目背景与痛点

撰写大量高质量的中文内容是一项费时费力的任务,近些年来,随着人工智能技术的进步,AI 写作模块在内容生成中占据了越来越多的场景。尽管 AI 在内容生成方面的确可以减轻许多工作负担,但随之而来的是一种“AI 味”,这种味带来的是机械化的语气和模式化的句式,缺乏人类语言的自然流畅。

诸如“有些研究成果表明”这类表达,往往是 AI 生成内容的标志。这种模式化语言很容易被识别,从而影响内容的真实性和自然度。因此,无论是出于提升内容质量的考虑,还是出于增加内容真实性的考量,去除这种“AI 味”的必要性不言而喻。

核心技术揭秘

该项目旨在帮助用户去除中文内容中的 AI 写作痕迹,让机器生成的内容更加自然,更像真正的人类作者所写的。为此,“去 AI 味处理”程序依赖于先进的自然语言处理(NLP)技术,其中包括一系列复杂的数据预处理、文本模式识别及风格转换的技术手段。

数据流架构分析

首先,我们通过 Mermaid 图来展示该程序的数据流和核心处理流程。程序主要分为以下步骤:

  1. API 接口调用:用户通过接口提交待处理文本。
  2. 参数校验:确认请求状态及合法性,并进行维度信息及质量控制检查。
  3. 内容分析:对文本进行深入的语法和模式识别。
  4. 风格转换:根据判定不同模型的写作风格,决定具体的替换策略。
  5. 输出:返回处理后的文本结果。
graph TD A[用户提交文本] --> B{"参数验证"} B -->|"验证通过"| C[内容分析] B -->|"验证失败"| D[返回错误] C --> E{"判断写作风格"} E -->|"确认需要修改"| F[风格转换] E -->|"确认不需要修改"| G[直接输出] F --> H[返回文本]

技术栈与设计模式

程序核心部分,底层是 Python 编程语言,其中融入了诸如自然语言工具包 (NLTK) 和 Hugging Face 的 Transformers 等 NLP 库,为文本分析和风格转换提供动力。通过设计模式理解,这本质上是一种装饰器模式(Decorator Pattern)的实现,将不同的处理流程以堆叠的方式应用于原始文本之上,最终实现内容的自然化处理。

代码实现切入

结合 Python 语法分析,输出的 Mermaid 图表如下:

graph TD A[用户提交文本] --> B{"参数验证"} B -->|"验证通过"| C[内容分析] B -->|"验证失败"| D[返回错误] C --> E{"判断写作风格"} E -->|"确认需要修改"| F[风格转换] E -->|"确认不需要修改"| G[直接输出] F --> H[返回文本]

功能亮点与差异

与市场上的大多数文本优化工具相比,该项目最突出的一点是它整合了深度学习和传统 NLP 方法的优点。在保证文本真实性的同时,力求实现自然流畅的表达。此外,项目的开源特性,使得开发者可以针对不同应用场景进行个性化调整,大大提升了灵活性和适用范围。

应用场景与落地建议

“去 AI 味处理”的适用场景非常广泛,尤其适用于文本的内容优化(比如新闻写作、论文撰写等),内容的真实性验证(比如打击伪原创内容、净化学术环境等)。在部署过程中,用户需关注文本数据的隐私保护,避免敏感信息的泄露。

此外,为了达到更好的自然化效果,在训练阶段应引入尽可能多样化的数据集,确保模型的能力能够适应更复杂的文本内容。

综合评价

项目提供了一种有效的方法来减少或消除文本中的“AI 味”,提升文本的自然度和流畅度。优点诸如工具链的多样化和技术的成熟度均使得其在文本处理领域有显著的竞争力。然而,其缺点主要是依赖高质量的文本数据集,对小样本或特定领域的适用性或会受到一定限制。

总体而言,针对于提升内容真实性和自然度的需求,“去 AI 味处理”绝对是值得推荐的一个开源项目。

内容更新时间:7月21日。 编辑团队负责选题与抽样审核,详见 编辑准则。

相关仓库

mattpocock/skills avatar
skillsmattpocock
10 小时前
323.7k
27.1k
219

面向真正工程师的技能。直接来自我的 .agents 目录。

Shell
2.3 MB
1
详情
obra/superpowers avatar
superpowersobra
1 周前
317.2k
28.2k
345

一套行之有效的智能体技能框架与软件开发方法论。

aibrainstormingcoding+5
Shell
7.9 MB
6
详情
ohmyzsh/ohmyzsh avatar
ohmyzshohmyzsh
4 天前
190.6k
26.7k
82

一个令人愉悦、由社区驱动(拥有 2,500 多名贡献者)的框架,用于管理你的 zsh 配置。包含 300 多个可选插件(rails、git、macOS、hub、docker、homebrew、node、php、python 等)、140 多个主题,为你的早晨增添乐趣,以及一个自动更新工具,便于跟进社区的最新更新。

clicli-appoh-my-zsh+12
Shell
14.0 MB
0
详情
msitarzewski/agency-agents avatar
agency-agentsmsitarzewski
4 天前
168.1k
27.3k
251

触手可及的完整 AI 机构——从前端奇才到 Reddit 社区忍者,从灵感注入者到现实校验者。每位智能体都是具备个性、流程和成熟交付成果的专项专家。

Shell
5.2 MB
0
详情
d3/d3 avatar
d3d3
1 周前
113.9k
22.4k
5

用 SVG、Canvas 和 HTML 让数据栩栩如生。

visualizationdata-visualizationcharts+3
Shell
58.0 MB
0
详情
papers-we-love/papers-we-love avatar
papers-we-lovepapers-we-love
2 周前
111.5k
6.5k
4

计算机科学界可供阅读和讨论的论文。

computer-scienceread-papersmeetup+4
Shell
225.4 MB
0
详情
nvm-sh/nvm avatar
nvmnvm-sh
1 天前
96.1k
10.8k
378

Node Version Manager - 符合 POSIX 的 bash 脚本,用于管理多个活跃的 node.js 版本。

bashinstalllts+10
Shell
4.8 MB
0
详情
tw93/Mole avatar
Moletw93
11 小时前
74.9k
2.7k
3

让你的 Mac 和 PC 保持干净、轻快,运行如新。快速的开源 CLI,以及原生 Mac 和 Windows 应用。

analyzerappcleanerclean+17
Shell
322.0 MB
0
详情

关于

ai-writingchineseclaude-codesimplified-chinesequ-ai-weiwritingwriting-toolcodexcodex-cli
  • MIT License
  • 750 Stars
  • 53 Forks
  • 0 Watching

简要分析

热度分
856
价值分
465
活跃状态
活跃
GitHub

语言占比

Python
Shell

Release

  • v0.9.19月10日
  • v0.9.08月16日
  • v0.8.4 — 敏感信息门检、短案例与盲评8月4日
  • v0.8.2 — flat-build 确定性守卫7月1日
  • v0.8.1 — 对照 agentskills.io 评审 + 描述触发词优化 + 品牌表去重7月1日

贡献者

LifelongLazyLearnerLifelongLazyLearnerclaudeclaude

去 AI 味(qu-ai-wei)

Version License: MIT Language GitHub stars

把生硬、套路化的简体中文改得自然一点,同时保留事实、判断、正式程度和原文声口。

qu-ai-wei 是一个简体中文改写 skill。它会重组句子、段落和长文的信息结构,清理套话、机械结构、翻译腔和过度工整的表达;不会替作者编观点、经历或细节,也不会把技术文档、公文和学术文字统一改成聊天口吻。

看效果 · 常见模式 · 30 秒上手 · 怎么工作 · 使用边界

语言:简体中文 | English | 日本語 | 한국어 | Español

看效果

qu-ai-wei 把套话较多的简体中文改成保留事实的自然表达

删掉空话,数字不能跟着丢

原文: 在快速变化的时代背景下,团队围绕提质增效开展了系统化实践。值得一提的是,本季度发布了 3 个版本,修复了 17 个线上问题,进一步赋能了组织协同。

终稿: 团队本季度围绕提质增效开展了系统化实践,发布 3 个版本,修复了 17 个线上问题。

这里删掉了没有增加信息的背景、强调和口号,同时保留「系统化实践」这个原有判断,也没有补写原文未说明的措施或效果。更多边界案例见 references/examples.md。

技术文字不为“口语化”降格

原文: 在长上下文推理中,latency 会随 context window 扩展而变化,因此不能只用单一指标判断系统性能。

终稿: 长上下文推理的 latency 会随 context window 扩展而变化,不能只用单一指标判断系统性能。

技术词、因果关系和正式程度保持不变,只删没有作用的引入结构。

真人文字不乱改

原文: 我到楼下才想起来钥匙还在桌上。站了两秒,又觉得有点好笑——这周已经第二次了。

这类文字有具体经历、自嘲和自然节奏。只贴出文字、没有提出编辑要求时,qu-ai-wei 会停手;明确要求改写后,它可以调整结构,但仍会保留这些个人声口。

更多边界案例见 references/examples.md。

常见的中文 AI 味

下面是最容易被读者认出的 10 类结构。它们是编辑线索,不用于鉴定作者,也不是违禁词:单独出现一次通常不算问题;只有反复出现、脱离事实或让句子空转时才处理。

常见结构 什么时候值得改 什么时候要保留
随着……发展/在……背景下 开头只负责营造宏大感,删掉不影响信息 背景本身解释后文条件或时间
值得一提/不可否认 只强调,没有新增事实 确实承担转折、限定或作者判断
不是 X,而是 Y 两端抽象、对称或反复出现,只把概念换个名字 两端确为不同动作时保留事实区别,但仍可改写句式
不仅 X,更 Y 两端都在拔高同一件事 两端提供不同信息,确有递进关系
首先/其次/最后 个人叙述被硬拆成整齐三点 操作步骤、责任分工或答题结构
赋能/助力/打造/闭环 短段密集出现,却没有谁做了什么 行业固定用语或原文有明确对象
通过……的方式/由于……的原因 词更多,信息没有增加 删除后会改变条件、原因或正式程度
然而/此外/因此 段段用连接词,但句间没有对应关系 因果、转折或补充关系真实存在
重复代词、被字句、层层定语 主干被压住,像逐词翻译 被动能明确受事或责任,定语属于术语
全段同句长、同结构 每句都像从同一模板复制 公文、条款、步骤需要平行结构

完整的八个模式族见 references/pattern-catalog.md;保护条件见 references/editing-boundaries.md。

30 秒上手

电脑上已有 Node.js 和 npm 时,运行:

npx skills add https://github.com/LifelongLazyLearner/qu-ai-wei

skills 会自动检测本机支持的 AI 编程工具。安装后,新建会话或按工具要求重新加载 skills,然后直接说:

帮我去 AI 味:

[粘贴简体中文]

怎么工作

qu-ai-wei 不按词表机械替换。每次处理都会按同一顺序检查:

  1. 先检查疑似凭证、编辑授权和目标用途;用途会改变成稿却不明确时先提问。
  2. 锁住数字、人物、时间、术语、引用、判断和责任关系,不允许改写后漂移。
  3. 按目标语体扫描八个模式族,处理空话、机械对称、翻译腔、推论跳跃和格式残留。
  4. 重新安排事实、解释、例子和结论的顺序;长文可以拆并段落、调整标题和章节。
  5. 回读终稿,检查事实、因果、证据强度、引用绑定和原文声口是否保住。

完整执行规则见 SKILL.md,短案例见 references/examples.md。

只要终稿

默认模式会给出门检、终稿和简短打磨报告;存在实质逻辑风险时另列需作者确认。如果 qu-ai-wei 只是工作流中的一步,可以要求它只返回终稿正文:

用 qu-ai-wei 改写下面的 PR 描述,只输出终稿正文:

[粘贴简体中文]

只输出终稿不会放宽事实和语体约束,也不会获得写文件、commit、发布或发送内容的权限。遇到真人文本或信息不足时,它仍会停手或提问。

支持的工具

qu-ai-wei 使用开放的 Agent Skills 格式。Codex、Claude Code、Kimi Code CLI、Cursor 和 OpenCode 等工具可以直接加载同一份 SKILL.md 和 references/;agents/openai.yaml 只为 Codex / ChatGPT 提供展示名称、简介和默认提示词。

需要明确安装目标时,可以运行:

npx skills add https://github.com/LifelongLazyLearner/qu-ai-wei -a codex -a claude-code -a kimi-code-cli

使用边界

  • 只处理简体中文,不处理繁體中文。
  • 不替用户翻译、从零写文章或补写原文没有的观点与经历。
  • 不协助绕过学校、期刊或公司的 AI 使用规定。
  • 不要粘贴密码、API key 或其他凭证;检测到疑似凭证时,skill 会停止并要求先脱敏。

0.x 开发版(当前 v0.9.1): qu-ai-wei 仍在迭代,规则、分类、调用方式和输出格式可能变动。最新发布版本见 Releases;欢迎提交 issue、discussion 或 PR。

来源与许可

方法受 humanizer 启发,中文翻译腔规则参考 yage.ai。本项目采用 MIT License。

评论

登录 后发表评论
暂无评论
GitRead 中文社区
深度解读 · 趋势洞察 · 价值精选

关于

关于我们联系我们编辑准则收录标准赞赏人员

发现

技术趋势新手训练营资源精选实战指南精选专题热门话题GitHub 文档

条款

隐私政策服务条款网站地图
26.9万收录项目
7.1万中文话题
155精选专题
发现技术价值,连接开源智慧
© 2026 GitRead · GitHub 中文社区 本站与 GitHub, Inc. 无隶属关系;GitHub 是 GitHub, Inc. 的商标。