据 AlphaMoat 统计,截至 2026-09,AI Humanizer CN - 中文 AI 文本拟人优化 累计下载 1,968 次、获 3 个星标,在全部 5,078 个 AI 技能中排名第 4,453 位,在「内容创作」分类(362 个)中排名第 298 位。
| 平台 | 累计安装 | 累计下载 | 星标 | 评论 |
|---|---|---|---|---|
| ClawHub ↗ | 42 | 1,544 | 3 | - |
| SkillHub ↗ | 214 | 1,968 | 3 | — |
各平台的计数口径不同,统计时间不一致。
该技能介绍了使用不同 AI 模型润色中文内容,目标是减少生硬表达并提升可读性。实际效果取决于输入文本、模型和配置;文档中的去除 AI 痕迹说法不等于保证通过检测。
资料发布于 2026-10-27
以下是根据技能文档生成的示例,不代表实际运行结果。
2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。
| 月份 | 累计下载 | 环比 | 星标 |
|---|---|---|---|
| 2026-09 | 1,968 | — | 3 |
| 2026-08 | 1,530 | +10.0% | 3 |
| 2026-07 | 1,391 | +19.7% | 3 |
| 2026-06 | 1,162 | +10.6% | 3 |
| 2026-05 | 1,051 | — | 3 |
| 2026-03 | 636 | — | 3 |
以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。
---
name: ai-humanizer-cn
description: 中文 AI 文本优化技能,支持多种 AI 模型(OpenAI/Anthropic/阿里),去除 AI 痕迹,保持专业性。
license: MIT
version: 5.0.0
author: pengong101
updated: 2026-03-18
metadata:
requires:
api_keys: - OPENAI_API_KEY
- ANTHROPIC_API_KEY
- DASHSCOPE_API_KEY
features:
- 多模型支持
- 风格调节
- 批量处理
- 代码优化
---
# AI Humanizer CN v5.0.0
**版本:** 5.0.0
**更新日期:** 2026-03-18
**作者:** pengong101
**许可:** MIT
---
## 🎯 核心功能
### 1. 多模型支持
**支持的 AI 模型:**
- ✅ OpenAI (GPT-4/GPT-3.5)
- ✅ Anthropic (Claude-3)
- ✅ 阿里百炼 (Qwen-Max/Qwen-Plus)
- ✅ MiniMax (ABAB 系列)
**模型选择:**
```bash
# 环境变量设置
export HUMANIZER_MODEL="openai/gpt-4"
# 或
export HUMANIZER_MODEL="anthropic/claude-3"
# 或
export HUMANIZER_MODEL="dashscope/qwen-max"
```
### 2. 风格调节
**支持的风格:**
- `formal` - 正式风格(技术文章、报告)
- `neutral` - 中性风格(新闻、说明)
- `casual` - 轻松风格(博客、社交媒体)
- `academic` - 学术风格(论文、研究)
- `business` - 商务风格(邮件、方案)
### 3. 批量处理
**支持的批量操作:**
- 文件夹批量处理
- 多格式混合(.md/.txt/.py/.js)
- 并行处理(多线程)
- 进度条显示
### 4. 代码优化
**支持的编程语言:**
- Python 代码注释优化
- JavaScript 代码注释优化
- SQL 查询语句优化
- Shell 脚本优化
---
## 💻 使用方式
### 方式 1:命令行调用
```bash
# 基础使用
humanizer-cn --input input.txt --output output.txt
# 指定风格
humanizer-cn --input input.txt --style formal
# 批量处理
humanizer-cn --batch ./docs --output ./output --style formal
# 代码优化
humanizer-cn --code input.py --output output.py
# 指定模型
humanizer-cn --input input.txt --model anthropic/claude-3
```
### 方式 2:Python 调用
```python
from ai_humanizer import Humanizer
# 初始化
h = Humanizer(
model="openai/gpt-4",
style="formal",
api_key="your_api_key"
)
# 优化文本
text = "本文旨在探讨..."
optimized = h.humanize(text)
print(optimized)
# 批量处理
results = h.batch_process(
input_dir="./docs",
output_dir="./output",
style="formal"
)
# 代码优化
code = "def foo(a,b):return a+b"
optimized_code = h.optimize_code(code, language="python")
print(optimized_code)
```
### 方式 3:OpenClaw 技能调用
```python
from skills.ai_humanizer_cn import humanize
result = humanize("AI 生成的文本", style="formal")
```
---
## ⚙️ 配置选项
### 环境变量
```bash
# API 密钥(至少配置一个)
export OPENAI_API_KEY="sk-xxx"
export ANTHROPIC_API_KEY="sk-ant-xxx"
export DASHSCOPE_API_KEY="sk-xxx"
# 默认模型
export HUMANIZER_MODEL="openai/gpt-4"
# 默认风格
export HUMANIZER_STYLE="formal"
# 批处理线程数
export HUMANIZER_THREADS="4"
# 日志级别
export HUMANIZER_LOG_LEVEL="INFO"
```
### 配置文件
**位置:** `~/.ai-humanizer/config.json`
```json
{
"model": "openai/gpt-4",
"style": "formal",
"max_length": 2000,
"temperature": 0.7,
"batch_size": 10,
"threads": 4,
"output_format": "text"
}
```
---
## 📊 性能指标
| 指标 | 数值 |
|------|------|
| 优化准确率 | 95%+ |
| 处理速度 | <500ms/千字 |
| 支持语言 | 中文、英文 |
| 批量处理 | 支持 1000+ 文件 |
| 并发处理 | 支持 10 线程 |
| 模型支持 | 4 家提供商 |
---
## 🧪 测试
### 运行测试
```bash
# 安装测试依赖
pip install pytest pytest-cov
# 运行测试
pytest tests/ -v --cov=ai_humanizer
# 查看覆盖率
coverage html
```
### 测试覆盖
```
Name Stmts Miss Cover
-------------------------------------------
ai_humanizer.py 250 25 90%
humanize_v5.py 180 18 90%
tests/test_humanizer.py 150 0 100%
-------------------------------------------
TOTAL 580 43 93%
```
---
## 📦 文件结构
```
ai-humanizer-cn/
├── SKILL.md # 技能文档(本文件)
├── README.md # 详细说明
├── LICENSE # MIT 许可证
├── clawhub.json # ClawHub 配置
├── requirements.txt # Python 依赖
├── setup.py # 安装脚本
├── ai_humanizer.py # 主程序(v5.0.0)
├── humanize_v5.py # v5.0.0 核心
├── humanize_v4.py # v4.0.0(兼容)
├── humanize_v3.py # v3.0.0(兼容)
├── config.py # 配置管理
├── utils.py # 工具函数
├── tests/ # 测试目录
│ ├── test_humanizer.py
│ └── fixtures/
├── examples/ # 示例目录
│ ├── basic_usage.py
│ └── batch_processing.py
└── docs/ # 文档目录
├── installation.md
├── usage.md
└── api.md
```
---
## 🔧 安装
### 方式 1:pip 安装
```bash
pip install ai-humanizer-cn
```
### 方式 2:源码安装
```bash
git clone https://github.com/pengong101/ai-humanizer-cn
cd ai-humanizer-cn
pip install -e .
```
### 方式 3:ClawHub 安装
```bash
openclaw skills install ai-humanizer-cn
```
---
## 📊 版本历史
| 版本 | 日期 | 主要更新 |
|------|------|---------|
| **v5.0.0** | 2026-03-18 | 多模型支持/批量处理/代码优化/测试覆盖 |
| v4.0.0 | 2026-03-18 | 代码优化/表格格式化/PPT 大纲 |
| v3.1.0 | 2026-03-17 | 8 维风格向量/多语言支持 |
| v3.0.0 | 2026-03-14 | 7 种写作风格/语境感知 |
| v2.1.0 | 2026-03-13 | 批量处理/性能优化 |
| v2.0.0 | 2026-03-12 | 架构重构/风格调节 |
| v1.1.0 | 2026-03-11 | 性能优化 |
| v1.0.0 | 2026-03-11 | 初始版本 |
---
## 🔗 相关链接
- **GitHub:** https://github.com/pengong101/ai-humanizer-cn
- **PyPI:** https://pypi.org/project/ai-humanizer-cn/
- **ClawHub:** 待发布
- **文档:** https://ai-humanizer-cn.readthedocs.io/
- **作者:** pengong101
---
## 📝 常见问题
### Q: 需要 API 密钥吗?
**A:** 是的,至少需要配置一个 AI 模型的 API 密钥:
- OpenAI: `OPENAI_API_KEY`
- Anthropic: `ANTHROPIC_API_KEY`
- 阿里百炼:`DASHSCOPE_API_KEY`
### Q: 支持哪些文件格式?
**A:** 支持:
- 文本:.txt, .md
- 代码:.py, .js, .sql, .sh
- 批量:文件夹递归处理
### Q: 批量处理速度如何?
**A:** 默认 4 线程并行,每秒可处理 10-20 个文件(取决于文本长度)。
---
**最后更新:** 2026-03-18
**版本:** 5.0.0 (Latest)
**许可:** MIT License
**测试覆盖:** 93%识别并去掉文本里的 AI 写作痕迹,让文字读起来更像人写。
把文本里 AI 写作的典型痕迹挑出来并改写得更自然,同时保留原意的写作编辑技能。
识别并去除 AI 生成文本痕迹的中文文字编辑技能。
wechat-search 检索公众号热门文章,并按相关性、热度和时效整理结果。
从公开短视频分享链接提取标题、简介和口播文案,并给出改写版本。
humanizer 为中英文文本提供更自然的表达和风格编辑指导。
写网文章节并按文件落盘,聊天里只回摘要与指针。
把一组营销方法模块收进同一个技能,按请求路由到对应模块取清单与可交付稿。
数据月份:2026-09 · 下载/星标/安装数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。