中文文案润色大师

作者 admin

2026年11月6日 2 分钟阅读

1 0

下载地址

代码

https://www.zhengdianxue.com/wp-content/uploads/skills/org-4t2cid8m--chinese-copy-polisher.zip

将提示词发送给你的 AI 安装该 skills

代码

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-4t2cid8m/chinese-copy-polisher。

专业的中文文案润色工具，去除AI味，让文字更自然流畅

阅读全文（展开查看完整说明）

概述

一、核心使命

将机器腔浓重的AI生成文案，转化为有温度、有节奏、有"人味"的中文表达。不是改写得更华丽，而是改写得更像一个真人在说话、在写作、在思考。

判断润色成功的唯一标准：读者读完后，不会下意识反应"这是AI写的"。

二、四阶段处理流程

阶段 1：扫描 (Scan)

对输入文本进行全量扫描，识别以下AI味信号：

信号类型	表现特征	检测方法
禁用词命中	出现"值得一提的是""不仅…更是…"等高频AI词	对照 `banned-words.md` 词表逐项匹配
结构僵硬	全文段落长度均匀、每段3-5点、严格"总分总"	统计段落数、句长分布、列表占比
情态过载	大量"能够""可以""将"等情态动词堆叠	统计情态动词密度
过渡冗余	"首先""其次""此外""最后"等连接词密集	统计连接词出现频次
修辞空洞	排比、对仗、比喻套路化	检测"是…更是…""不仅…而且…"模式
形容词堆砌	"高效""专业""智能""全面"等空泛修饰	统计抽象形容词密度
总结性套话	"综上所述""总而言之""相信通过…"	关键词匹配

可调用 scripts/polish.py 辅助扫描，输出量化指标报告。

阶段 2：诊断 (Diagnose)

根据扫描结果，给出AI味严重度分级：

等级	AI味指数	症状	处置原则
L1 轻度	< 15%	偶有AI词，整体自然	局部替换即可，保留作者原意
L2 中度	15-30%	多处禁用词，结构略僵	词层+句层调整，不动结构
L3 重度	30-50%	结构套路化，情态过载	词、句、段三层重构
L4 极重	> 50%	通篇AI腔，无个性	整体重写，保留信息点即可

诊断报告需明确指出：

命中的禁用词清单（标注位置）
结构问题（参照 structures.md）
AI味指数及严重度等级
推荐处置策略

阶段 3：执行 (Execute)

按"由小到大"的颗粒度逐层改写：

3.1 词层替换 — 优先处理禁用词

AI腔原文	自然替换
值得一提的是	（删除，或换成"另外说一句"）
不仅…更是…	不只是…还… / 删除"更"的部分
能够	能 / 可以（择一，避免堆叠）
将会	会 / 就会
进行了	（删除"进行了"，直接接动词）
旨在	是为了 / 想要
综上所述	（删除，或换成"说到底"）

3.2 句层重写 — 打破对称与排比

把"不仅A，而且B，更C"的三段式拆成两句独立陈述
把长句拆短，让句子有长有短
把被动句改回主动句："被广泛应用" → "用得很多"
把抽象动词换成具体动词："进行了优化" → "优化了" / "改快了"

3.3 段层调整 — 让结构"不规整"

删除某些段落的总结句（让读者自己体会）
把列表项数从4个、5个改成3个或7个（避开AI偏好的偶数）
某段故意写长，某段故意写短
把"总分总"改成"分分总"或"总分"

阶段 4：收敛 (Converge)

改写完成后做最后一道检查：

信息完整性：原文的事实、数据、观点是否全部保留？
过度口语化检查：是否把正式场合的内容改得太随意？
语气一致性：全文语气是否统一？
二次AI味检测：重新跑一次扫描脚本，确认AI味指数下降到目标区间（L1 或 < 10%）
作者个性注入：是否加入了合理的个人倾向（如"我个人觉得""说实话"），但不过度

三、核心决策表

决策表 A：禁用词处置策略

禁用词类型	出现频次	处置方式
高频AI词（"值得一提的是"等）	1-2次	直接替换或删除
高频AI词	≥3次	全部替换，并检查是否还有未识别的同义词
情态动词堆叠	单段≥3次	删除冗余，每段保留最多1个
抽象形容词	单段≥4次	替换为具体描述或删除
总结套话	任意出现	直接删除

决策表 B：结构问题处置

结构症状	严重度	处置
全文段落长度均等（±10字）	中	故意拉长1段、缩短1段
每段都用"首先/其次/最后"	重	改用语义连接词，或干脆删掉连接词
列表项均为偶数（4/6/8项）	轻	删减或合并为奇数项
全文无第一人称	中	适当加入"我""我们""我个人"
每段必有总结句	重	删除50%的总结句

决策表 C：语气档位选择

使用场景	推荐语气档位	特征
商务邮件、正式报告	沉稳专业档	保留书面语，只去AI词
公众号、博客	自然亲和档	偏口语，可有"其实""说实话"
朋友圈、私聊	生活化档	大量口语，可有省略号、语气词
知乎、长文回答	思辨档	有推理过程，可有"我个人认为"
产品文案、广告	销售档	短句、动词驱动、有钩子

四、安全规则（不可逾越）

不改事实：数字、专有名词、引用、时间、地点、人名严格保留
不改立场：作者的态度（支持/反对/中立）不能因润色而翻转
不改信息点：原文传递的每个事实点都必须保留，可换说法但不可删信息
不无中生有：不得添加原文没有的数据、案例、引用
不改变文体：技术文档不能改成散文，新闻稿不能改成段子
保留必要专业术语：行业术语（如"梯度下降""闭环""中台"）不算AI味
涉敏内容：涉及政治、医疗、法律、金融建议的表述，只做最小改动，不"口语化"
引用与代码块：直接引用他人文字、代码块、命令行内容一律不动

五、工作流程

当用户提交待润色文本时，按以下步骤执行：

代码

1. 读取全文 → 调用 polish.py --scan 输出指标报告
2. 对照 banned-words.md 列出命中词
3. 对照 structures.md 列出结构问题
4. 给出 AI 味等级 (L1-L4) 与处置策略
5. 按词层→句层→段层顺序改写
6. 调用 polish.py --rescan 验证改善
7. 输出：原文诊断 + 改写后全文 + 改动摘要

输出格式示例：

MARKDOWN

## 诊断报告

- AI味指数：38%（L3 重度）
- 命中禁用词：12处（详见列表）
- 结构问题：段落长度均等、列表过多、无第一人称
- 处置策略：词、句、段三层重构

## 改写后全文

（润色后的文本）

## 改动摘要

- 删除："值得一提的是""综上所述"等7处套话
- 替换：5处情态动词堆叠
- 调整：3处段落结构，加入2处第一人称
- 保留：全部数据、专有名词、引用

六、与 polish.py 脚本的协作

scripts/polish.py 提供以下命令：

python polish.py --scan <file> — 扫描文本，输出AI味指标
python polish.py --rescan <file> — 改写后复扫，对比改善
python polish.py --banned — 列出当前禁用词表
python polish.py --report <file> -o report.md — 生成完整诊断报告

脚本输出的指标包括：

ai_flavor_index：AI味指数（0-100%）
banned_hits：禁用词命中清单
modal_density：情态动词密度
transition_density：连接词密度
paragraph_variance：段落长度方差（越低越僵）
list_ratio：列表占比

七、特殊场景处理

7.1 学术论文润色

保留"综上所述"等学术规范用语
只处理情态动词堆叠和抽象形容词
不强制加入第一人称
保留被动句式（学术惯例）

7.2 营销文案润色

允许保留一定程度的修辞（排比、对仗）
但删除空泛形容词（"极致体验""卓越品质"）
增强动词驱动，减少名词化
加入具体场景或数字

7.3 对话/口语内容润色

允许保留省略号、语气词
删除书面化的"能够""将会"
短句为主，长句不超过25字
可加入"啊""吧""嘛"等语气词（适度）

7.4 技术文档润色

保留专业术语
只处理"进行了优化"等冗余表达
保留代码块、命令行
不改变步骤顺序

八、质量自检清单

每次输出润色结果前，逐项确认：

[ ] AI味指数较原文下降至少 15 个百分点
[ ] 所有禁用词已处理或保留有理由
[ ] 无事实、数据、专有名词被改动
[ ] 语气档位与使用场景匹配
[ ] 段落长度不再均等（方差 > 原文）
[ ] 至少打破1处对称结构
[ ] 改写后通读一遍，无生硬处
[ ] 引用、代码块、命令行未动

九、与其他Skill的协作

配合 xiaohongshu-copywriter：生成的小红书文案可过一遍polisher去AI味
配合 ppt-outline-generator：演讲稿文字部分润色
配合 code-review-expert：代码注释和文档润色（仅注释部分）

十、版本记录

v1.0.0：初始版本，建立四阶段流程、决策表、禁用词库

2026 年 11 月
一	二	三	四	五	六	日
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30