AI 写的论文，能不能改回人写的？我把这个 Nature 报道过的 Skill 装进本机跑了一遍

2026-11-11silcano

我把它装进本机了，六层规则，数字一个没动。

先说结论：academic-humanizer 不是写作工具，是一把尺子。你给它一段 AI 味很重的学术草稿，它不改你的数据、不动你的引用、不给你加新发现，只做三件事：把 AI 的腔调拆掉、把过强的结论按证据降级、把作者原本的语气还原回去。

这篇会写得很细：它是什么、怎么装、六层规则逐层拆、我拿真草稿跑一遍的全过程（含审计表和变更日志）、基金本子模式的差别、它的争议和边界，以及我为什么把它放进 skills 实验室。

一、先把「Nature 报道过」这句话核实清楚

公众号那篇文章的标题写得很猛，说它是「一个 Nature 专门发文报道的去 AI 味超强 Skill」。我查了一下，这句话基本成立，但里面有细节值得摊开讲。

事实部分：

• 发布时间：2026 年 6 月 20 日，明尼苏达大学机器学习研究员 Jie Ding 在 GitHub 上开源，MIT 许可。
• 形式：不是软件，是一个 skill。一个 Markdown 文件加几条示例，Claude Code、Codex、MorphMind、OpenCode 都能加载。
• Nature 报道：2026 年 7 月 7 日刊发，记者 Edward Chen，标题是《「humanizer」tool can erase signs of AI-written text — alarming scientists》。注意后半句：让科学家感到警觉。它不是一篇点赞文，是一篇争议报道。
• 报道之后发生了什么：GitHub 上的描述从「removes the usual AI tells」（去掉常见的 AI 痕迹）改成了「sharpens clarity and voice」（锐化清晰度与语气），并补了一段伦理与披露说明。工具本身没变。

这个改动很关键。它是这个 Skill 自己的一次 claim 修正：从一个听起来像「帮你躲检测」的说法，退回到「帮你把话说清楚」的定位。一个工具被质疑之后主动把话说小，这件事本身就是可信度的一部分，比任何宣传语都有信息量。

所以我不会跟你说「装上它就能过 AI 检测」。恰恰相反，Pangram 的 CEO Max Spero 对 Nature 说，他跑了这个工具的输出，大部分还是被抓到了，而且 Pangram 后面的版本在专门训练识别 humanizer 文本。这条信息比任何「实测 100% 通过」都值钱。

二、它到底改什么，不改什么

把 SKILL.md 从头读到尾，它的核心原则只有一句话：

学术写作本来就有一种正确的人味：中性、精确、用「我们」、每个论断都挂在自己的证据上。要做的是（1）剥掉 AI 的痕迹但不口语化，（2）补上通用 humanizer 缺的那道纪律：每个 claim 都要挣到它的数字、图或引用，任何动词都不能比证据更强。

据此划出两条硬边界：

维度	它做	它不做
内容	改写措辞、句长、连接词、语气	不生成研究发现，不加新论点
数字	保留每一个数字，并检查是否有出处	不修改、不美化、不「四舍五入」
引用	保留每个 cite key，指出裸引用的地方	不增删引用，不编造文献
语气	去掉浮夸，保留有证据支撑的 hedging	不加幽默、不加第一人称个性
定位	编辑辅助，改善清晰度与作者声音	不承诺规避 AI 检测，不免除披露义务

第四行值得多说一句。很多「去 AI 味」工具的通病是把「results suggest X」改成「results prove X」，因为后者读起来更有力。这个 Skill 在 L3 层专门点名这是错误修改：把校准过的动词改强，等于替作者制造 over-claim。它要的是反方向。

三、装它：三分钟，一条命令

官方给的安装方式，Claude Code 用户直接跑：

git clone https://github.com/AIScientists-Dev/academic-humanizer ~/.claude/skills/academic-humanizer

我这边是 WorkBuddy 环境，skills 目录在 ~/.workbuddy/skills/，所以装到对应位置。仓库不大，整包 333 KB，去掉 .git 之后真正干活的部分只有这些：

文件	大小	作用
SKILL.md	16.8 KB	全部规则，六层，四步流程，输出格式
examples/before-after.md	6 KB	三组官方前后对照：论文摘要、NIH Specific Aims、NSF CAREER 摘要
README.md	6.2 KB	定位、安装、伦理声明、致谢
assets/	4 个文件	宣传图，不影响运行
LICENSE	MIT	可商用、可改、可再分发

文件头部的元信息长这样，两个字段值得注意：

name: academic-humanizer
version: 0.3.3
license: MIT
compatibility: claude-code codex morphmind opencode
allowed-tools: [Read, Write, Edit, Grep, Glob, AskUserQuestion]

allowed-tools 只给了读写、搜索和提问四类，没有联网、没有执行命令。这是个很克制的设计：一个改文字的 skill，本来就不该顺手能跑 shell。

装完之后我做了两件事验证：一是确认目录结构完整（SKILL.md、examples、assets 三样都在），二是读一遍 SKILL.md 的 frontmatter，确保 name 和 description 能被正常解析。WorkBuddy 比 Claude Code 多几个字段要求，这个 skill 都兼容，不用改。

四、它的工作流只有四步，关键是第二步

很多人拿到这类工具就直接让它「润色一下」，那是浪费。SKILL.md 规定的顺序是：

1. Read：读稿子，如果有作者旧作样本一起读，先判断文稿类型（论文还是基金本子）和目标场合（会议、期刊、资助机构）。
2. Audit（审计，此时一个字都不许改）：把每一处命中的模式和它的位置列出来，再逐个标注每个实证论断的证据状态。
3. Rewrite：结构、内容、引用全不动，只拆痕迹、把过强的结论压回证据水平、保留合法的 hedging。
4. Report：交干净文本，外加一份变更清单：删了哪类模式、哪些结论被软化或补了证据指针、语气上做了什么调整。原文几段，改写后就几段，不许压缩。

第二步是整套东西里最值钱的部分。先出审计表，等于把「为什么改」摆在台面上，你可以逐条驳回。我下面跑的那一遍就是照这个来的。

五、六层规则，一层一层拆开看

Layer 1：通用 AI 痕迹目录

这一层是从 blader/humanizer 继承来的，覆盖所有文体的通病，学术场景下按 Layer 3 的例外处理：

• 虚抬意义（marking a pivotal moment 这类）
• 假深度的 -ing 尾巴（「……，highlighting……」）
• 促销化、比喻化用词（rich、vibrant、groundbreaking）
• 含糊归因（experts argue，但没有引用）
• AI 高频词：delve、underscore、intricate、tapestry、testament、 landscape（抽象义）、pivotal、showcase、foster、leverage（当填充词用）、realm、seamless
• 回避系动词（serves as 改回 is）
• 否定式排比（not just X, but Y）
• 三连排比凑数
• 优雅变体（同一个东西换着花样叫）
• 填充语（it is worth noting that、in order to）
• 从句套从句的长句（见 Layer 2 第 11 条）
• 破折号，全部去掉，改用逗号、冒号、括号或断句

最后一条是硬规定。这篇中文文章里我一个破折号都没用，不是我写不出来，是写完按它自己的规矩清掉了。用工具的最好方式，是先被它管一次。

Layer 2：学术专有的十一类 AI 痕迹

这一层是原作者的活，也是它区别于通用 humanizer 的地方。每条都给了 watch 清单和前后对照：

#	类型	要盯的词 / 改法
2.1	过强的动词	demonstrate / prove / establish / confirm / guarantee；没有检验就写 significantly。实证工作只「显示」「提供证据」
2.2	意义通胀	paves the way for、crucial step toward、has the potential to revolutionize、opens new avenues、sheds light on、of paramount importance、bridges the gap
2.3	空洞强化词	extensive / comprehensive / thorough experiments、a wide range of、numerous、various。改成一个具体清单
2.4	新意注水	novel 每节最多一次；to the best of our knowledge；for the first time。改成「和谁不同」
2.5	套话开头	In recent years, X has attracted increasing attention；With the rapid development of…；Despite recent advances,…
2.6	连接词滥用	连续几句用 Moreover / Furthermore / Additionally / In particular 开头。让逻辑自己走
2.7	贡献列表空转	「(1) 一个新方法 (2) 大量实验 (3) 效果好」这种。每条贡献要给具体结果
2.8	引用堆砌	Many methods exist [3,7,9,12,15]。改成「最近的是谁、差在哪」
2.9	含糊 hedging	somewhat、relatively、fairly、to some extent、quite。要么量化，要么删
2.10	样板强调	It is worth noting that、It should be emphasized that、Notably、Importantly。事情重要，句子自己能看出来
2.11	超长堆叠句	超过约 30 词、或带 3 个以上从句的句子，拆。一句一个意思

Layer 3：这六样必须留着，别过度修改

这一层是防呆设计。通用 humanizer 会把学术写作里合法的构造一起削平，它明确说不行：

• 有证据支撑的 hedging 是对的。suggests、is consistent with、we hypothesize that、may indicate，该留就留。把它们改强是制造 over-claim。
• 被动语态在该用的时候用。「Samples were normalized to total protein.」没人关心是谁归一化的。
• 第一人称复数 we 是标准写法，不用绕。
• 分号和偶尔的三连适度使用没问题。破折号是例外，全删。
• 正式定义、命名的方法与指标、术语、公式、符号逐字保留。
• 不许增删改任何数字、公式、引用。同一个内容，每个 cite key 都在。

Layer 4：论断与证据的配对纪律

这一层是它真正的差异化。对每一个实证论断，只问两个问题：这段有没有数字、图、表或引用撑着？动词有没有比证据更硬？三种处理方式：

1. 没有支撑：补证据指针，或者软化。
2. 动词强过证据：降级。「This demonstrates that our method is universally superior」改成「On these three datasets, our method matches or exceeds the strongest baseline (Table 2)」。
3. 量级含糊：换成数字或区间，并标明归属。「a large improvement」改成「a 2 到 6% improvement in balanced accuracy over the strongest baseline」。

还有个细节：优先写区间，别写平均值，除非你讲清了怎么平均的。对比时先跟最强的对手比，别拿最简单的那条基线凑数。这些都是审稿人一眼能看出来的破绽。

Layer 5：模仿作者本人，而不是模仿「学术腔」

如果你给它几篇自己发表过的东西，它会先做一个样本分析：句子节奏、连接习惯、hedging 的密度和位置、怎么开一节、符号习惯、反复出现的表述方式，然后照着来。场合也要对：ICLR、NeurIPS 要更短更直、结果前置；Nature、PNAS 可以铺陈一些。

没有样本时，它默认走「干净、精确、符合场合」的路子，不会切到通用 humanizer 那种有观点、有情绪的口气。这一条我认为是它最像「工具」而不是「玩具」的地方。

Layer 6：基金本子是另一套规矩

这层最容易误解。论文和本子的区别不在措辞，在产品：论文卖的是已经拿到的结果，本子卖的是愿景加可行性。所以本子里那套「雄心语言」是该保留的，硬删反而扣分。它换了一道纪律：不是 claim 对证据，而是 claim 对可行性。

结构上它讲得很具体：

• NSF：一页 Project Summary，三段小标题分别是 Overview、Intellectual Merit、Broader Impacts，每段能独立成立。正文开篇按「长期愿景 → 本提案目标 → 缺口 → 具体 thrusts → 回报」走，最好在前 1 到 2 页内讲完，配一张总览图。Broader Impacts 不许写成附言。
• NIH（R01）：Specific Aims 一页就是全部，也是最决定生死的一页。标准弧线是：问题与已知 → 缺口 → 长期目标与中心假设（带依据）→「The objective of this application is…」→ 2 到 3 个 Aim（每个一句目标、一句方法、一句预期结果）→ 回报段。后面 Significance、Innovation、Approach 分开评分。

它还给了「前三页优先」原则：审稿人看完第一页（NIH）或两三页（NSF）就已经定分，后面是找理由确认。钩子、缺口、核心思路、几条并列的 aim、回报，这五样在前三页里缺一样，先补这个，别去修第十页的措辞。

本子里最常犯的五个毛病，它逐条点了：

1. 重要性含糊：「这个问题非常重要且及时」。改成「没有这个界，临床模型只能靠试错调参，本提案要消掉的正是这份低效」。
2. 把方法当目标：「Aim 2：把迁移学习应用到数据集上」。改成「Aim 2：确定融合可穿戴与实验室信号能否提升早期识别，以及对哪些亚组有效、对哪些有害」。
3. 目标之间多米诺：Aim 2、3 全靠 Aim 1 成，评审直接标「脆弱」。改成并列、各自独立有价值；真有依赖，写清 fallback。
4. 只有雄心没有支点：每个大胆的说法都要有落脚点，预实验数据、已发表结果、经典的定理、合作者的信。
5. Broader Impacts 写成套话：「我们将培养学生，通过讲座和论文传播」。要具体、可数、和研究绑在一起。

反过来，有五种写法它会保留甚至建议你加：愿景框定、Goal/Motivation/Innovation 这种可扫读的行内引导词、一个贯穿全篇的具体例子、把挑战写成问句、把新工作挂到有名有姓的经典结果上。还有一条：团队既往成绩属于可行性证据，该往前提，但只许用作者真实的记录，不许编基金、编结果、编合作方。

六、我拿一段真草稿跑了一遍

光说不算。我做了一段英文摘要草稿，故意写得 AI 味十足（这正是我自己写 AI 摘要时的默认状态，不是编出来凑数的），然后用它跑完整流程。

原始草稿（Before）

In recent years, agent skills have attracted increasing attention as a way to extend large language models with reusable procedural knowledge. However, existing skill ecosystems still face crucial challenges, including inconsistent packaging, unclear activation boundaries, and a lack of standardized evaluation. In this paper, we propose a novel three-layer framework that leverages a declarative SKILL.md manifest to delve into these intricate problems, demonstrating through extensive experiments that our approach significantly improves skill retrieval accuracy and task success rate. To the best of our knowledge, this is the first work to systematically characterize the design space of agent skills, paving the way for a transformative paradigm that will revolutionize how agents are built.

第一步：审计表（此时不改一个字）

#	命中模式	原句片段	判定与处置
1	2.5 套话开头	In recent years, agent skills have attracted increasing attention	删。改成陈述这个领域的结构性事实
2	2.2 意义通胀	face crucial challenges	crucial 无信息量，换成三个具体问题
3	Layer 1 三连排比	inconsistent packaging, unclear activation boundaries, and a lack of standardized evaluation	三连本身可用，但要落到「所以会怎样」，不能停在并列
4	2.4 新意注水 + 1 层 AI 词	propose a novel three-layer framework	novel 删；framework 这类大词留着但必须紧跟它的组成
5	1 层 AI 词	leverages / delve into / intricate	三个全删，动词换成具体动作
6	2.1 过强动词 + 2.3 空洞强化	demonstrating through extensive experiments that our approach significantly improves	这是最重的一处：demonstrate 降为 report；extensive 换成具体数据集；significantly 没有检验，必须给统计量或删
7	4 层 无证据指针	improves skill retrieval accuracy and task success rate	两个指标都没有数字、没有表号。工具不会替你编数字，只能留占位并标出「此处必须由作者补表号与数值」
8	2.4 新意注水	To the best of our knowledge, this is the first work to…	整句删。改成与最近工作的具体差异
9	2.2 意义通胀	paving the way for a transformative paradigm that will revolutionize	整句删

九条命中，其中第 6、7 条是致命的：它宣称了一个显著提升，但全文没有任何数字。这类句子在审稿里是硬伤，比文风问题严重得多。

第二步：改写（After）

Agent skills extend a language model with reusable procedural knowledge, packaged as a manifest plus instructions. Current skill collections differ in how a skill is packaged, when it activates, and how it is evaluated, so the same skill can behave differently across agents. We describe a framework in three parts built on a declarative SKILL.md manifest, and report retrieval accuracy and task success rate on our internal skill set [Table 3：待作者补齐具体数值与统计检验]. The closest prior line of work benchmarks tool use rather than skill packaging [ref]；it evaluates whether a model can call a tool, not whether two agents will load and interpret the same skill the same way.

注意改写后的几个动作：

• 把断言改成描述：原文说「显著提升」，改后说「在我们内部 skill 集上报告这两个指标」，并把数字位置留成显式占位。工具没有帮我补数字，这是它守规矩的证据，不是它的缺陷。
• 把「首创」换成「最近的是谁、差在哪」。这比「据我们所知这是第一篇」强得多，而且可核查。
• 句数从 5 句变成 4 句，原文最后两个通胀句整段蒸发，但没有丢失任何事实信息，因为那两个句子本来就不含事实。
• 「we describe」代替「we propose a novel framework」：动作一样，姿态低一档。

第三步：变更日志（它要求必须交）

类别	具体改动
删除的模式	套话开头 1 处、AI 高频词 3 个（leverage / delve / intricate）、novel 1 处、to the best of our knowledge 1 处、通胀句 2 句
降级的动词	demonstrate → report；significantly improves → 报告这两个指标（待补数值）
补的证据指针	[Table 3] 两处、[ref] 一处，均为占位，需作者填
保留的内容	三层框架、SKILL.md manifest 这个核心设计、两个评价指标的名称、与工具调用类工作的差异
结构性核对	原文 5 句、改写 4 句，无信息丢失；无数字、无公式、无引用被改动（原本就没有）

跑完这一遍，我对它的判断变了。它最有用的地方不是「去 AI 味」，而是逼你把每个形容词换成证据位置。第 7 条那种「写了半天没有一个数字」的段落，人工自查十遍也容易漏，而它第一步就给你标出来了。

七、基金本子模式，与国自然能不能用

上游示例里有一段 NSF CAREER Project Summary 的对照，值得抄下来看，因为它最能说明「论文层要删的，本子层要留」：

AI 草稿（vision 被套话淹没）：「In recent years, artificial intelligence has attracted increasing attention… continual learning remains a crucial and pivotal challenge of paramount importance… we propose a novel and comprehensive framework that leverages cutting-edge techniques to delve into the intricate challenges… paving the way for a transformative new paradigm…」

改后（取自一份已获资助的 CAREER 摘要）：「As data and learning environments expand, the value of AI depends on its ability to scale and adapt. Continual learning addresses this: a learner that maintains performance on old tasks while integrating new information… Existing continual-learning methods, though promising, are largely empirical, with unclear principles underpinning their behavior, which limits both their reliability and further progress. This CAREER proposal builds a principled framework… in three layers: evolving memory for capability growth, soft supervision for accelerated learning, and cross-domain knowledge for accuracy…」

对比一下就明白差别在哪：改后的版本保留了「三层」这种雄心和结构，删的是 cutting-edge、intricate、seamless、revolutionize 这一层壳，补的是「现有方法偏经验、原理不清、因此限制可靠性」这个具体缺口。同一个工具，论文模式会把这类话压掉，本子模式不许压。

那国自然呢？它没有国自然模式，我不打算替它吹。SKILL.md 的 Layer 6 只针对 NSF 和 NIH，结构、评分逻辑、页面限制都是美国体系的。但方法论可以迁移：立项依据对「缺口与代价」，研究目标对「中心假设可证伪」，研究内容对「并列不多米诺」，可行性对「预实验与团队记录」。你如果拿它改国自然本子，得自己把这几条映射过去，别指望它直接给你国自然的结构建议。

八、它和别的 humanizer 差在哪

README 里写得很直白：市面上那批 humanizer 是给博客和营销做的，拿它们跑论文或本子，会把精确性连同其他东西一起削平，而学术写作依赖的那点小心措辞，恰恰是第一个被削掉的。

沿革也交代得清楚：Layer 1 的通用痕迹目录来自 blader/humanizer（MIT），另外参考了 koaeraser/ARMS 那条「从想法到修回稿」的全自动流水线。这个 Skill 把自己限定得很窄：单用途的编辑过稿，只做清晰度、语气、论断与证据的配对。

窄，在这个场景里是优点。通用工具追求「读起来像人」，学术场景追求「读起来像这个人，且每句话站得住」，两者目标不同。

九、边界和争议，这一段别跳

它上线三周就被《Nature》报道，争议也随之而来。我把对立面原样放进来，因为一个只讲好处的介绍没有价值。

批评方：

• 卡内基梅隆大学信息科学家 Cassidy Sugimoto 对 Nature 说，她担心这会诱使更多科研人员干脆不披露 AI 使用，「the use case is harmful for science」。
• 西班牙植物学家 Miguel Angel Blazquez Rodriguez 的评论更短：「It's deceiving.」（这是在骗人。）
• Pangram 的 CEO Max Spero 说这工具「not sophisticated」（不复杂），他的系统能抓住大部分被它处理过的文本，而且新版本在专门训练识别 humanizer 输出。

作者方：Jie Ding 的回应是把工具和行为分开：伦理问题出在隐瞒披露和背后的意图，而不在编辑辅助本身的存在。他也确实在被质疑后改了描述、加了伦理说明。

我的判断，分三层：

1. 拿它当润色工具，没问题。把一段自己写的、数据都在的草稿改得更清楚，这和找个母语者帮你改语法没有本质区别。它的 Layer 4 反而是防学术不端的：逼你把没证据的话降级。
2. 拿它当躲检测的盾，一定会翻车。检测工具是按结构判的，删词删破折号改不了文本的统计结构。而且这一行有个残酷规律：一个绕过方法越出名，它的有效期越短。
3. 披露义务不因工具而消失。投稿前看你目标期刊和机构的规定，该声明就声明。这句话写在它的 README 里，不是写在批评者的文章里。

十、什么时候别用它

说得更直接一点，以下三种情况它帮不上，甚至会帮倒忙：

• 中文博客、公众号、营销文案。它的规则是给英文社科学术语域校准的，硬套到中文口语写作上，会把你本来鲜活的东西压成公文。
• 需要个人风格的随笔、评论。它明确要求「永远不要往稿子里注入观点、幽默或第一人称个性」，它做的是收紧，不是放大。
• 数据还没跑完的草稿。它不会替你补数字，只会把空缺标出来。这时候你需要的不是 humanizer，是实验。

十一、我把它放进 skills 实验室了

光在文章里说不够，我把这次实装的完整材料做成了一个实验页，放在 skills 实验室里：

实验页地址：https://jiangtian.top/lab/skills/academic-humanizer/

实验室总索引：https://jiangtian.top/lab/skills/

页面里比这篇文章多了三样东西：一是九条命中可以点行点亮原句，改哪句、为什么改，一眼对得上；二是 Before 与 After 可以切换对照，删掉的和补上的地方分别标了红与绿；三是六层里最常用的二十条压成了一张可勾选的核对表，勾选状态存在你本机，拿自己的稿子可以对着走一遍。整个页面零外部依赖，字体、样式全部本地，打开就能用。

十二、值不值得装

建议装的人：写英文论文的硕博和青椒、要交基金本子的人、给别人的稿子做语言润色的人。特别是最后一种，它给的审计表可以当交付物的一部分，比一句「已润色」专业得多。

不建议装的人：主要写中文内容的、写营销文案的、指望它过检测的。这三类装了也是摆在硬盘里吃灰。

装法就一条命令，仓库 333 KB，MIT 许可，改都随你。它不神秘，也不神奇，本质上是把一批有经验的审稿人反复念叨的话，固化成了十一类可执行的检查项。

真正值钱的不是这个 skill，是它逼你养成的那两个习惯：每个形容词后面都要有位置可以指；每个动词的强度都不能超过它的证据。这两条，不用 AI 也该守。

---

参考与核查来源：仓库 github.com/AIScientists-Dev/academic-humanizer（v0.3.3，MIT）；《Nature》2026 年 7 月 7 日报道《「humanizer」tool can erase signs of AI-written text — alarming scientists》（记者 Edward Chen）；Nature 报道中 Cassidy Sugimoto、Miguel Angel Blazquez Rodriguez、Max Spero 的评论；SKILL.md 与 examples/before-after.md 原文。文中英文 Before 段为本文作者自写的 AI 体草稿，用于演示，数字占位处已显式标出，未编造任何实验数据。