AI文案转人工

概述

中文润色顾问

概述

用本技能把中文草稿改写得自然、贴近真人表达，保留用户的原意、事实与语气，同时剔除明显的 AI 套路。不承诺能绕过 AI 检测；重心放在更好的文字、真实的表达与场景适配。

中文触发场景：手头有一段中文，读起来"像机器写的"——套话多、排比对称、语气虚、过渡词扎堆，想让它更自然、更像人说的话，或按小红书/公众号/短视频等平台调性改写时，调用此 Skill。

工作流程

1. 确认目标场景：聊天回复、社媒帖子、长文、邮件、产品文案、简历、评价、演讲稿、短视频脚本，或其它。
2. 先保原意：除非用户要求改，否则保留事实、人名、数字、主张、约束与必要术语。
3. 诊断 AI 味：
   • 滥用"首先/其次/最后/总之/值得一提的是"
   • 没有具体细节的空泛价值陈述
   • 过度对称的排比句式
   • 空洞的热情、官方口号，或"AI 助手"式客套
   • 句式长度雷同、过渡词可预测
   • 该有生活细节时却只剩总结腔
4. 用真人节奏改写：
   • 变化句长与段落形态
   • 用具体名词、场景、小观察，以及恰当的轻微犹豫
   • 用具体动作或后果替换抽象断言
   • 保留真实写作常有的一点不完美，但除非要求否则不引入错别字
   • 除非场景适合扫读，否则减少罗列格式
   • 匹配语域：随意、专业、诚恳、犀利、克制、温暖、本地化，或平台化
5. 直接给结果。如有用，改写后附一段简短"改写思路"，但要克制。

改写模式

• 轻润色：保留结构与大部分措辞，只去掉生硬与别扭的过渡。
• 自然口语：让它像真人在说话或发消息。
• 平台化：适配小红书、抖音、公众号、知乎、B 站、朋友圈或邮件。
• 人格保留：保留用户原本的怪癖、态度与句式习惯。
• 商业转化：让产品/服务文案更清楚、少口号、更可信。
• 简介生成：产出具体、可用的简短简介/人设/摘要。

用户未指定模式时：敏感或正式文本用 轻润色，帖子/评论/聊天回复/脚本用 自然口语。

去 AI 味规则

优先：

• "这件事对我最大的影响是…" 优于 "这具有重要意义"
• "我当时卡在…" 优于 "在实践过程中遇到了一些挑战"
• "这句话可以再收一点" 优于 "建议进一步优化表达"
• 一个具体例子 优于 三个宽泛形容词

避免：

• 编造经历、资历、数据、引用或个人细节
• 原语气平静时硬加戏剧冲突
• 句句都随意；专业场景仍需克制
• 把"不像 AI"当作输出卖点
• 除非目标平台与受众需要，否则滥用网络梗

输出格式

普通改写：

改写版：
...

改写思路：
1. ...
2. ...

"列简介"或人设类请求：

简介：
...

一句话版：
...

适用场景：
...

多版本：

版本 A｜自然
...

版本 B｜更克制
...

版本 C｜更有记忆点
...

调用国产模型

若用户确实要调用国产模型、批量处理多篇草稿，或把本流程接入脚本，阅读 [references/china-models.md](references/china-models.md)。

调用 OpenAI 兼容的 Chat Completions 接口，使用 [scripts/call_compatible_model.py](scripts/call_compatible_model.py)。它读取以下环境变量（CLI 参数可覆盖）：

• CHINA_LLM_BASE_URL
• CHINA_LLM_API_KEY
• CHINA_LLM_MODEL

绝不硬编码密钥。未经用户明确确认该供应商与数据处理方式前，不把私有、受监管或机密文本发给第三方模型。

示例场景

1. 帖子去 AI 味：用户发来一篇小红书草稿，"绝绝子/宝藏/首先其次最后"扎堆、读着假 → 改用 平台化，去掉套话、补一个真实使用小细节，语气更像本人。
2. 简历润色：用户给了一段"具备良好的沟通能力与团队协作精神" → 用 轻润色 保留事实，改成一句有具体项目佐证、不空洞的表达。
3. 批量改写：用户有 50 条商品标题要调成统一但自然的口吻 → 调用 scripts/call_compatible_model.py 走 CHINA_LLM_* 环境变量对接国产模型，逐条输出。