lovstudio-anti-wechat-ai-check

Compare original and translation side by side

🇺🇸

Original

English

🇨🇳

Translation

Chinese

anti-wechat-ai-check — 微信公众号 AI 痕迹检测与人性化润色

anti-wechat-ai-check — 微信公众号AI痕迹检测与人性化润色

检测文章中的 AI 生成痕迹（模板短语、过渡词堆砌、句式雷同等），给出风险评分和修改建议，并可输出人性化润色后的版本。基于微信公众平台运营规范 3.27 条款（非真人自动化创作行为）的检测逻辑。

检测文章中的AI生成痕迹（模板短语、过渡词堆砌、句式雷同等），给出风险评分和修改建议，并可输出人性化润色后的版本。基于微信公众平台运营规范3.27条款（非真人自动化创作行为）的检测逻辑。

When to Use

使用场景

用户准备将 AI 辅助写作的文章发布到微信公众号
用户想检查一篇文章是否有明显 AI 痕迹
用户想将 AI 生成的草稿改写为更自然的人类风格

用户准备将AI辅助写作的文章发布到微信公众号
用户想检查一篇文章是否有明显AI痕迹
用户想将AI生成的草稿改写为更自然的人类风格

Workflow (MANDATORY)

工作流程（必须遵守）

You MUST follow these steps in order:

你必须按以下顺序执行步骤：

Step 1: Get the article

步骤1：获取文章

Determine the input source:

If user provides a file path → read the file
If user pastes text in the conversation → save to a temp file or use
```
--text
```

确定输入来源：

如果用户提供文件路径 → 读取文件
如果用户在对话中粘贴文本 → 保存至临时文件或使用
```
--text
```
参数

Step 2: Run analysis

步骤2：运行分析

bash

python skills/lovstudio-anti-wechat-ai-check/scripts/analyze.py \
  --input <path> --format json

Or with inline text:

bash

python skills/lovstudio-anti-wechat-ai-check/scripts/analyze.py \
  --text "文章内容" --format json

bash

python skills/lovstudio-anti-wechat-ai-check/scripts/analyze.py \
  --input <path> --format json

或使用内嵌文本：

bash

python skills/lovstudio-anti-wechat-ai-check/scripts/analyze.py \
  --text "文章内容" --format json

Step 3: Present findings

步骤3：展示分析结果

Show the user:

Risk score (0-100) and risk level (LOW / MEDIUM / HIGH)
Template phrases found — list each one with its location
Structure issues — transition word density, paragraph uniformity, etc.
Sentence issues — length uniformity, repeated starters, excessive "的"

向用户展示：

风险评分（0-100）及风险等级（低/中/高）
检测到的模板短语 — 列出每个短语及其位置
结构问题 — 过渡词密度、段落一致性等
句式问题 — 句式长度一致性、开头重复、“的”字使用过多

Step 4: Ask the user

步骤4：询问用户

IMPORTANT: Use
AskUserQuestion
to ask what to do next:

Option	Description
仅查看报告	用户自己修改，skill 结束
给出修改建议	列出每个问题的具体修改建议，不改原文
直接输出修改版	输出人性化润色后的完整文章

重要提示：使用
AskUserQuestion
询问用户下一步操作：

选项	描述
仅查看报告	用户自行修改，skill结束
给出修改建议	列出每个问题的具体修改建议，不修改原文
直接输出修改版	输出人性化润色后的完整文章

Step 5: Humanize (if requested)

步骤5：人性化润色（若用户要求）

When rewriting, follow these humanization rules:

改写时需遵循以下人性化规则：

5a. 消除模板短语

删除或替换报告中标出的每个模板短语
"随着科技的不断发展" → 直接说具体的事（"去年 ChatGPT 发布后..."）
"综上所述" → 删掉，或换成口语化的收尾

删除或替换报告中标出的每个模板短语
"随着科技的不断发展" → 直接表述具体事件（"去年ChatGPT发布后..."）
"综上所述" → 删除，或替换为口语化收尾

5b. 降低过渡词密度

目标：过渡词密度 < 15%
删除不必要的 "首先/其次/此外/另外"
用具体的逻辑关系替代泛化连接词

目标：过渡词密度 < 15%
删除不必要的"首先/其次/此外/另外"
用具体逻辑关系替代泛化连接词

5c. 打破句式均匀

5c. 打破句式均匀性

刻意制造长短句交替：短句 < 15 字，长句 > 40 字
加入口语化表达、反问句、感叹句
偶尔使用不完整句或省略句

刻意制造长短句交替：短句<15字，长句>40字
加入口语化表达、反问句、感叹句
偶尔使用不完整句或省略句

5d. 打破段落均匀

5d. 打破段落均匀性

有的段落只有一两句话，有的段落可以很长
避免每段都是 "论点 + 论据 + 小结" 的三段式

有的段落仅一两句话，有的段落可较长
避免每段都是"论点+论据+小结"的三段式结构

5e. 增加人味

5e. 增加人文气息

加入个人经历、具体案例、数字细节
使用口语化表达（"说白了"、"讲真"、"你想想"）
适当使用不规范但自然的表达
减少 "的" 字使用（目标 < 5%）

加入个人经历、具体案例、数字细节
使用口语化表达（"说白了"、"讲真"、"你想想"）
适当使用不规范但自然的表达
减少"的"字使用（目标占比<5%）

5f. 保留原意

核心观点和信息不能丢失
专业术语保留，不要过度口语化
保持原文的立场和态度

核心观点和信息不能丢失
专业术语保留，避免过度口语化
保持原文的立场和态度

Step 6: Output

步骤6：输出结果

Output the humanized article as markdown. If the input was a file, also offer to write the result back to a file (with

-humanized

suffix).

以markdown格式输出润色后的文章。若输入为文件，还可将结果写回文件（添加

-humanized

后缀）。

CLI Reference

CLI参考

Argument	Default	Description
`--input` , `-i`	—	Input file path (.md, .txt)
`--text` , `-t`	—	Inline text to analyze
`--format` , `-f`	`text`	Output format: `text` or `json`

参数	默认值	描述
`--input` , `-i`	—	输入文件路径（.md, .txt）
`--text` , `-t`	—	待分析的内嵌文本
`--format` , `-f`	`text`	输出格式： `text` 或 `json`

Dependencies

依赖项

No external dependencies — stdlib only.

无外部依赖项 — 仅使用标准库。