研究了一下到底该怎么去 AI 味，找到了 7 个不同的 GitHub 项目：

中文改稿、英文改稿、技术写作和完整写作流程，都有对应选择。

1. qu-ai-wei（299 star）

中文去 AI 味 Skill，会一起处理套话、抽象表达、句子节奏和语体，改稿时也不会凭空补充事实。

https://github.com/LifelongLazyLearner/qu-ai-wei…

2. 说人话（818 star）

写 README、开发进度和技术文章很合适，版本号、命令和责任归属都能保住，改完更自然，也不耽误正事。

https://github.com/MrGeDiao/shuorenhua…

3. De-AI Prompt Enhancer（566 star）

它把 7 篇真实文章做成了风格参考，可以换成自己的旧文章，让 AI 熟悉你的写法，再清掉残留的机器痕迹。

https://github.com/OUBIGFA/De-AI-Prompt-Enhancer-Writer-Booster-SKILL…

4. Humanizer（3.1 万 star）

英文去 AI 味的基础款，专门清理固定开场、空洞强调和模板式收尾，规则简单，接进各种 Agent 都方便。

https://github.com/blader/humanizer…

5. Stop-Slop（1.4 万 star）

适合已经成稿的英文内容，专门收拾无用铺垫、商业黑话、结构套话和故作深沉的碎句。

https://github.com/hardikpandya/stop-slop…

6. no-ai-slop（2696 star）

原稿已经有个人语气时很适合用它，既能只检测，也能按最小幅度修改，尽量不把作者自己的声音一起抹掉。

https://github.com/petergyang/no-ai-slop…

7. Writing Agent（335 star）

想从选题、搜集证据一路做到审稿和导出，可以直接使用这套完整写作流程，去 AI 味只是其中一环。

https://github.com/dongbeixiaohuo/writing-agent…

你最常用的去 AI 味 Skill 是哪个？还有更好用的，也可以在评论区告诉我。

LifelongLazyLearner/qu-ai-wei

Source: https://github.com/LifelongLazyLearner/qu-ai-wei

去 AI 味（qu-ai-wei）

语言: 简体中文 | English | 日本語 | 한국어 | Español

⚠️ 0.x 开发版（当前 v0.8.2）: qu-ai-wei 仍在迭代，规则、分类、API 都可能变动。欢迎提 issue / discussion / PR 反馈。

只支持简体中文。 繁體有自己的 AI 腔特征、用字偏好、排版规范，规则需要单独维护，留给后续版本。

扫掉简体中文里 AI 写作的痕迹，让稿子读着像人写的。当前原生支持 8 个 agent：Cursor、Claude Code、OpenAI Codex CLI、OpenCode、Kiro、Factory Droid、Slate、Hermes。

https://github.com/user-attachments/assets/24513c20-968d-437b-8ceb-1ac1f77f6ad6

⚠️ 此 skill 能做什么，不能做什么

这是扫地机 + 打磨工,仍然不是雕刻刀。

当前 v0.8.2 的行为仍是「扫地机 + 打磨工」,但所有冲突统一按 SKILL.md 的「冲突仲裁顺序」六级处理:

• ① 扫地机 —— 清除显眼 AI 污染（赋能 / 助力 / 让我们一起 / 璀璨画卷 / 🚀 emoji 列点 / **重点** 机械加粗 / 希望对您有帮助），让稿子从「一眼像 AI」变成「不像 AI 了」。
• ② 打磨工（v0.6.0 新增） —— 在不虚构的前提下主动打磨：动词强化（进行讨论 → 讨论）、节奏重塑（打断机关枪节奏）、filler 切除（一些 / 实际上 / 在一定程度上）、抽象换具体（仅限原文已有细节）、语序归位、语体匹配。合格线从“不像 AI 了“抬到“干净且精准“。

但仍然不是雕刻刀。 雕刻需要观点、场景、声音。这三样在原文里没有，打磨工补不出来 —— 因为「冲突仲裁顺序」§1 是不发明事实,优先级高于 §6 的打磨抬升。所以：

• 原文观点平庸 + 打磨 → 干净的平庸（比原文好，仍然不 amazing）
• 原文观点清晰 + 打磨 → 一份像样的稿子（当前 skill 的正常期待）
• 原文观点独到 + 细节具体 + 打磨 → 接近可读的水位

把一份普通稿子改成真正锋利有声口的好稿子 —— 不在能力范围。

让一份没观点的稿子去掉 AI 腔、再跑完打磨，得到的是一份干净但仍然没观点的稿子。观点要你自己出。

这个 skill适合

• ✅ 想把 AI 生成的初稿（ChatGPT / DeepSeek / Claude / Qwen 出的第一版）改得不那么像 AI 的写作者
• ✅ 写工作邮件、PRD、汇报、技术博客、产品文案、公众号推送的日常场景
• ✅ 需要批量清理稿件里明显 AI 腔的编辑和运营
• ✅ 学生、产品经理、运营、程序员、创业者 —— 想让自己的日常写作别那么 AI 化
• ✅ 中文教学、AI 写作识别研究、文本对比分析等场景

这个 skill不适合

• ❌ 想用工具替代思考的人 —— 如果你的稿子问题是「没有独到观察 / 观点平庸 / 细节塑料」，qu-ai-wei 救不了
• ❌ 严肃深度写作（《三联生活周刊》/《人物》/《GQ 报道》等特稿级别）—— 这个 skill 能帮到底层文字清洁，但真正的写作水位靠人的观察、采访、思考，不是靠扫地机
• ❌ 学术论文写作 —— 本 skill 会误判「进行 + V」「然而 / 此外」「性 / 化 后缀」等学术刚需表达（虽然有语体识别保护，但风险仍在）
• ❌ 法律文书、公文 —— 公文腔是合规要求，不是 AI 腔，这个 skill 对这类文本应几乎不动
• ❌ 需要保留叙事铺垫、控制篇章节奏的写作 —— 这个 skill 容易误判“铺垫“（环境描写、人物声口前的停顿、离题式背景段落）为“冗余“删掉；也管不了篇章整体的势与气（虎头蛇尾、关键处泄气、论证徘徊不前）。这类写作，qu-ai-wei 最多跑一遍做底层清洁，结构和节奏必须作者自己守住
• ❌ 用来「把 AI 生成的内容洗白到不被检测出来」—— 请别拿这个 skill 绕过学校 / 期刊 / 公司的 AI 检测政策。qu-ai-wei 不是作弊工具，是让你自己的真实写作更清爽的工具

一句话定位（v0.8.2）

给一份写过东西的毛坯,出来是一份干净且锋利的终稿。不是伪装你没写过的稿子,也不是把任何稿子改成名家水准的好文章。

本 skill 受 humanizer 启发（作者 Siqi Chen，MIT 协议，2025）。humanizer 官方定位是语言无关的工具，但它那一批规则主要针对英文 —— Title Case、em dash、hyphenated pairs 都是英文特有现象。

中文版向 humanizer 学了骨架：三遍工作流、语音校准思路、“个性与灵魂“这一章的写法，以及大约一半的 AI 腔模式（humanizer 同类规则的中文改写）。另一半是中文语境下重新整理的：语体识别前置步骤、汉语语法依据、标点全角、语序去欧化、避免过度修正的三问。#39-#42 四条模式另有出处，来自 yage.ai 的原创文章。

安装

支持的 agents（同一种安装方式）

以上 8 个 agent 都可以用本仓库脚本安装。

通过外部 skills CLI 安装（推荐）

如果你已经有 Node/npm，可以用外部 skills CLI 直接从 GitHub 安装。默认让 skills CLI 自动检测本机可用的 agent；没检测到时，它会提示你选择安装目标。

npx skills add https://github.com/LifelongLazyLearner/qu-ai-wei

这不是 qu-ai-wei 自己发布 npm 包；命令由 skills CLI 拉取本 GitHub 仓库并安装。

如果想明确安装到某个 agent，用 -a 指定：

# 只装到 Codex
npx skills add https://github.com/LifelongLazyLearner/qu-ai-wei -a codex

# 同时装到多个 agent
npx skills add https://github.com/LifelongLazyLearner/qu-ai-wei -a codex -a claude-code -a cursor

# 装到全局目录，并跳过确认提示
npx skills add https://github.com/LifelongLazyLearner/qu-ai-wei -g -a codex -y

本仓库脚本安装（全控制路径）

如果需要一次装全、软链接 / 复制模式、自定义目录或可重复覆盖，继续用本仓库脚本：

git clone https://github.com/LifelongLazyLearner/qu-ai-wei.git ~/qu-ai-wei
cd ~/qu-ai-wei

# 按平台安装（可重复执行）
bash scripts/install-skill.sh --platform cursor
bash scripts/install-skill.sh --platform claude
bash scripts/install-skill.sh --platform codex
bash scripts/install-skill.sh --platform opencode
bash scripts/install-skill.sh --platform kiro
bash scripts/install-skill.sh --platform factory
bash scripts/install-skill.sh --platform slate
bash scripts/install-skill.sh --platform hermes

# 一次装全
bash scripts/install-skill.sh --platform all

可选参数：

• --name <dir>：自定义安装目录名（默认 qu-ai-wei）
• --mode copy：复制而非软链接（默认 symlink）
• --to <skills-root>：安装到任意自定义技能目录（可重复）
• --host：--platform 的别名（兼容旧习惯）

例如：

# 自定义目录名
bash scripts/install-skill.sh --platform codex --name qu-ai-wei-cn

# 自定义平台目录
bash scripts/install-skill.sh --to ~/.my-agent/skills --name qu-ai-wei

其他支持自定义指令的模型（ChatGPT / DeepSeek / Kimi / 通义 等）

把 SKILL.md 的正文直接粘到模型的自定义指令或系统提示里，跳过顶部 --- 包起来的 YAML frontmatter 那段。

升级

装好后想拿到最新规则：

# 更新 repo（推荐）
cd ~/qu-ai-wei && git pull

# 如果你用的是 symlink 模式（默认），到这里就完成了
# 如果你用的是 copy 模式，重新安装一次覆盖
bash scripts/install-skill.sh --platform all --mode copy --force

也可以在任一已安装目录直接跑（示例）：

bash ~/.claude/skills/qu-ai-wei/update.sh
# 或
bash ~/.codex/skills/qu-ai-wei/update.sh

update.sh 会打印 旧版本 → 新版本 和本版发布页链接,没有新版就提示「已是最新」。每版具体变化见 Releases。

用法

自然语言触发（推荐）

直接用人话让模型处理，qu-ai-wei 会自动触发：

帮我去 AI 味:[粘贴中文]
改得说人话:[粘贴中文]
这段中文太 AI 了,润色一下:[粘贴中文]
让它更像人写的:[粘贴中文]
humanize 这段中文:[粘贴中文]

显式调用（slash 命令）

/qu-ai-wei

[粘贴你要改写的中文]

字形范围

只处理简体中文。 繁體输入会提示“当前版本只支持简体中文，建议用 OpenCC 等工具先转简体再回来“,不做自动转换。

语音校准（可选）

想让改写贴近你自己的写作风格，可以粘一段你自己写的中文做参考：

/qu-ai-wei

以下是我自己的写作样本,用来做风格参考:
[粘贴 2–3 段你的文字]

现在请改写这段:
[粘贴 AI 写的中文]

这个 skill 会先从样本里提取一份5 项轻量清单（高频词、平均句长、段首词、标点偏好、整体语域），你确认之后再改写。比起完整的风格分析，这种做法更诚实：2–3 段中文能给的信号本来就有限。

设计思路

与 humanizer 的关系

骨架和方法学借自 humanizer：三遍工作流、语音校准、“个性与灵魂“章节、大约一半的模式概念。剩下的在中文语境里重新整理了一遍。

核心能力:语体识别

如果把所有文本都往“日常白话“改，会把学术论文的“进行深入分析“改成“好好分析一下“、把公文“依法予以处理“改成“按法律办“。所以 qu-ai-wei 先做语体识别,再选规则：

SKILL.md 里有完整的规则激活矩阵。判不清的时候 qu-ai-wei 会问：“这段文字发在朋友圈 / 公众号 / 工作邮件 / 特稿 / 品牌官网 / 学术报告 / 合同 / 高考作文里？”

核心检测原则：看密度，不看出现

对仗、排比、四字成语，写中文的人本来就在用，真人写作里到处是。光是用了这些不算 AI 腔；反复堆叠、跟前后内容没关系、换到别的话题上也成立，这才是。单次出现不算，短段（200 字以内）里反复出现才算。

避免“过度修正“

这 51 类模式是检测启发式，不是改写模板。去 AI 腔 ≠ 去一切规范化表达。真人常用、共识度高的中文写法（比如“支持 X 等平台““用于 X”“基于 X”）本身不是 AI 腔。改写前先问三件事：

1. 自然度验证：这个表达在真人中文写作里常见吗？不常见 + 我临时发明 → 危险。
2. 功能验证：它在原文里是不是承担话题引入、术语保真、节奏停顿等功能？有功能就不要为了“更口语“硬删。
3. 语体验证：改写后跟原文档位一致吗？把学术严谨改成日常口语、把公文庄重改成朋友圈调侃，都是降格失败。

关于正面参考

这个 skill 里列了《三联生活周刊》《读者》《中国国家地理》、微信 UX，还有汪曾祺、鲁迅、阿城这些人，作为“正面对照“。v0.4 新增 Apple 大中华区 / Nike 大中华区作为品牌广告语体的反向对照基准（“这段文字放进 Apple 官网 hero copy / Nike 广告片里会刺眼吗？”）。用法要注意：它们是诊断时的反面参照（“这句话放进《三联生活周刊》会不会别扭？”），不是风格模仿目标（“请按三联风格写” / “写个 Apple 风 slogan”）。只给 LLM 一个名字让它学风格，出来基本都是刻板仿作。一键风格切换暂不做。

中英混排：只保留专有名词，不管空格

唯一的硬性规则： 英文专有名词、产品名、人名、缩写，改写时原样保留,不翻译、不意译、不替换。“Codex CLI” 不能改成“科德克斯命令行“,“Transformer” 不能改成“变换器“。这是“信息完整性“的延伸。

中英、中数之间的半角空格（俗称“盘古之白“），本 skill 不管。 这东西 AI 和人都在各自变，加或不加根本分不出来，不能作为去 AI 腔的信号。也不是国标 — GB/T 15834-2011 只管标点，W3C CLREQ 说“字距或空白“均可不强制 U+0020，sparanoid 盘古之白原作者自己都说它是 “informal typographic convention”。真要替用户加反而踩坑：人家原文本来不加空格（朋友圈、公众号、小红书都这样），qu-ai-wei 给加上，一股“技术圈腔“就冒出来了。

规则:原文有空格保留,没空格不加。 需要统一格式或追求中文排版美学，用 pangu.js 自动处理，或参考 sparanoid 的中文文案排版指北 —— 那是排版规范，跟本 skill 的“AI 痕迹检测“是不同目标（排版管美学、我们管机械感）。

标点符号：两层规范

第一层（全角半角）：中文上下文里，标点符号一律用全角，不跟半角混用。英文训练数据里标点全是半角，模型输出中文时常常直接复用，读起来就有“翻译腔“的视觉信号。

第二层（功能分工）：全角半角解决“用对字符“，下一层是“每个标点干什么“。SKILL.md 覆盖顿号 / 分号 / 书名号 / 省略号 / 冒号 / 引号 / 括号的功能分工与 AI 常犯的错配（如：把引出信息的冒号误替换为破折号、用引号代替书名号、严肃正文里反常高频的分号和省略号）。分号在日常 / 商务语体里基线接近 0，但在社论 / 时评 / 长议论里是合法排比节奏工具，不触发 AI 腔判定。

对照表、例外清单、典型错误、严肃媒体标点频率基线都写在 SKILL.md 的「标点符号」两节。

语序：完全中文化，避免英文式倒装

LLM 常把英文句法直接套到中文上。单句读着像中文，一连读就发现别扭，多半是语序带了英式残留。中文的基本习惯：主语前置，定语要短，状语在动词前，条件和原因从句放主句之前。常见病（介词短语前置过长、“作为一个 X,…” 开头、定语堆叠、英文关系从句直译等）和自查四问写在 SKILL.md 的「语序」一节。

信息完整性

改写只改表达方式，不删信息。原文里每一条具体事实（数字、人名、时间、产品名、关键措辞），终稿里都要能对应上。觉得某处表达冗余，可以压缩；但不能悄悄丢事实。有疑问的时候，保留原信息比追求简洁更重要。

51 类模式一览（精简版）

执行顺序、语体矩阵和规则索引看 SKILL.md；核心规则细节在 references/patterns.md，H 组平台 / 文体规则在 references/platform-patterns.md。README 这里只保留目录级速览，方便先判断是否覆盖你的场景。

常见入口：

• 执行顺序与规则索引：SKILL.md
• 规则触发细节：references/patterns.md + references/platform-patterns.md
• 完整流程：SKILL.md 的处理流程
• 完整样例：SKILL.md 的完整示例

给贡献者 / 自己维护的几条提醒

对照 agentskills.io skill 创作最佳实践的评审与改动记录见 docs/agentskills-review.md(v0.8.1)。

1. 改了 SKILL.md / references/ / README 后，把自己动过的散文段落喂给 qu-ai-wei 自检一遍。规则条目里那些结构化 metadata（问题 / 关键词 / 原文 / 改后 / 语体限定）是给模型读的骨架，别 humanize —— 去掉对称反而让模型看不清规则长什么样。只对解释性散文跑。
2. 加新规则时检查会不会跟既有规则冲突 / 重叠。比如“抽象万能动词“跟 #7 AI 高频词、#30 冗余书面化都相邻，要说清楚各自管的是什么。核心 A-G/I 规则写进 references/patterns.md;平台 / 文体 H 组规则写进 references/platform-patterns.md。同时在 SKILL.md 末尾的「51 条 AI 腔模式 · 索引表」里补一行速查。
3. 所有例子都要有“原文 / 改后“对。单给判断标准没有示范，模型抓不准。
4. 版本号凡升，README 的版本记录、CHANGELOG.md 和 SKILL.md frontmatter 同改。改完顺手跑 bash tests/check-version-sync.sh，让 README / flat build / changelog 一次过。
5. 改 SKILL.md 或 references/ 后,commit 前跑一遍 scripts/build-flat.sh,它会从 SKILL.md + references/ 自动拍平生成 .cursorrules 和 WARP.md。Cursor / Windsurf / Warp 不支持 progressive disclosure,必须用单文件。三份文件漂移是最常见的 bug,脚本是单一事实来源(把这一行放在第 4 条之后,不是第 6 条之后,因为它比《咬文嚼字》刷新频次高)。忘跑也没关系 —— tests/check-flat-sync.sh 会重新生成一份比对,漂移就 fail。
6. 遇到真人经典文本（金庸 / 王朔 / 汪曾祺 / 真实采访实录等）不要改。这是 qu-ai-wei 最常见的灾难，在“🛑 第负一步“明确写了门检。
7. 改完之后,跑 tests/check-snapshot-smoke.sh 做回归烟测。tests/fixtures/ 覆盖长期样本、否定对举、真人停手、品牌广告、学术 / 科技、小红书老模板、护肤成分白名单等场景；前后对照和定向输出都放在 tests/after/,01-03 还能和 tests/baseline/ 对照,看结构重构是否引入了行为漂移。任何大改(新规则、规则合并、语体矩阵调整)都建议先跑完整烟测。
8. 真实模型输出用 manifest 复核。先跑 bash tests/check-runs.sh tests/after 验证现有 anchor output;未来 captured runs 放到 tests/runs/<version>-<model>/,按 tests/runs/README.md 写 metadata 后再跑同一条脚本。
9. 每年 12 月《咬文嚼字》发布十大流行语、次年 1 月发布十大语文差错后，刷新规则 #49 的「鲜活词」/「已入土词」清单。新词加入「官方榜单」行；3 年以上未进榜、社群已不用的旧词下沉到「已入土」行。刷新改 references/platform-patterns.md 的 #49 节 + references/sources.md 的「语言时效性锚点」小节,跑 scripts/build-flat.sh 同步到 .cursorrules / WARP.md,README 的相应小节也一并改。不刷新的代价是清单每过一年老化一点，真人用的新词 AI 反而学得比我们快。

版本记录

完整历史版本请看 CHANGELOG.md。

最近更新：

• v0.8.2（2026-07-01）：新增 flat-build 确定性守卫 tests/check-flat-sync.sh。把 SKILL.md + references/ 拷进临时目录重新拍平,跟仓库里 commit 的 .cursorrules / WARP.md 做字节级比对 —— 抓「改了源文件忘了重跑 build-flat.sh」导致的 flat 文件漂移。补上 v0.8.1 评审记档的 roadmap 项(check-version-sync.sh 只查版本号字符串、不查 flat 正文这个盲区)。无规则变更,无行为变更。

• v0.8.1（2026-07-01）：对照 agentskills.io 最佳实践做评审 + 两处实质优化（详见 docs/agentskills-review.md）。① frontmatter description 触发词优化 —— 新增 改自然点 / 读着别扭 / 太生硬了 三个高频触发话术(抓「能感到别扭但说不出『AI 味』」的用户),去掉跟正文重复的 这段太 AI 了;暂未纳入 改成更如实的 不自动处理(§2 停手门检其实接受繁體输入)。② 品牌表去重 —— 「品牌广告 vs 自媒体识别线」此前在 SKILL.md 和 references/brand-voice.md 各一份(flat build 发两遍),SKILL.md 改留一行指针,canonical 留 brand-voice.md,顺带修了「两个边界场景」却列 4 条的预存 bug。③ 新增 tests/trigger-manifest.txt + tests/check-triggers.sh —— 描述内容守卫(每条触发词断言锚定在 description 里),复用既有 manifest 格式,不另起 evals/ 目录。51 条模式、冲突仲裁顺序、语体矩阵全保留。

• v0.8.0（2026-06-18）：对照 humanizer 同步,补 3 条模式(全折叠进既有规则,总数仍 51)。新增 #19b 假坦诚开场（讲真 / 说实话 当钩子 + 后接套话,判别式同时进 SKILL.md 必加载层防误杀真诚 说实话）、#37 格言公式子模板（XX 是成年人的 YY,密度 + 落点门）、#19 伪洞察枢纽扩展（真正的问题是 / 核心在于 / 说到底,口语 marker 不误杀）。修正 whitelists.md 的 TBH → 说实话 三向歧义;humanizer 规则计数去精确数。新增回归样本 18-fake-candor-aphorism。

• v0.7.1（2026-05-28）：上下文减重,行为不变。移除 SKILL.md 里的装饰性 emoji,把 H 组平台 / 文体规则 #37/#38/#49/#50 拆到 references/platform-patterns.md,并让 scripts/build-flat.sh 在 patterns.md 后同步拼接该文件。SKILL.md 从 5,390 words / 77,331 bytes 降到 4,833 words / 67,691 bytes。51 条规则、冲突仲裁顺序、简体中文-only 范围、【门检】、打磨报告、#47b 硬证据口径均保留。

• v0.7.0（2026-05-12）：文档结构重整,行为不变。新增「冲突仲裁顺序」唯一优先级树,六级仲裁覆盖 §1 不发明事实 → §6 打磨抬升,各章节散落的“优先级更高“声明统一引用。拆出 3 个新参考文件:references/whitelists.md(体育 / 通用技术缩写 / 人物昵称 / 护肤成分四类白名单)、references/punctuation.md(标点功能分工第二层)、references/syntax.md(10 类英式语序残留)。压缩 避免过度修正 反向验证(5 问 → 3 问)、过度消毒反制 毛边类型(5 类 → 3 类)、frontmatter description。SKILL.md 从 1259 行降到 1012 行(-20%)。51 条 AI 腔模式、9 种语体识别、6 条打磨动作、自检与打磨报告格式全保留。

• v0.6.6（2026-04-25）：基于 5 组当代小红书 AI 样本的诊断发现,修正 patterns.md 里“2021 年老 AI 自媒体腔基本绝迹“这条陈旧判据 —— 2025-2026 AI 小红书生成大量复用 🆘 / 家人们谁懂啊 / 姐妹们快冲 / 宝藏 / 神器 / 不好吃回来打我 等老模板,新老套路并存。新增规则/白名单:#47b AI 模板占位符残留(XX 路 / X 号线 X 口 单次出现即硬证据,规范为“保留 + 显式标注 + 不发明“)、#37-B info-block emoji 微模板(✅ 必点 / 📍 地址 / ⏰ 营业时间 / 🌟 晨间护肤)、身份标签 + 反向 CTA 组合、hashtag 尾巴平台冗余清理、护肤 / 美妆成分白名单(神经酰胺 / B5 / 氨基酸 / 皮肤屏障 按行业标准词保留)。新增 5 条回归样本 13-xhs-classic-templates / 14-xhs-ootd / 15-xhs-office-tips / 16-xhs-skincare / 17-xhs-home,覆盖老模板复用、OOTD、技术信息保护、成分白名单、毒性正能量缝合五个场景。规则总数维持 51 条(#47b 是 #47 的结构性兄弟,不单独计数)。

• v0.6.5（2026-04-24）：扩展回归覆盖，新增 7 条样本（06-brand-voice / 07-academic-tech / 08-weishendu-consulting / 09-xhs-healing / 10-bilibili-script / 11-negation-stacking / 12-table-abuse），覆盖品牌广告、学术 / 科技、公众号伪深度、小红书伪疗愈、B 站科普、否定对举密度、表格滥用等此前缺失的语体与子语体；smoke check 加入 KNOWN_GAPS 机制与结构化断言（门检 / 语体 / 规则引用 / 终稿 token 保留）。本版无规则变更。

• v0.6.4（2026-04-23）：精简运行时 qu-ai-wei 文本里的版本历史噪音，细化 #48 对「不是 X,也不是 Y」否定对举的判据；新增 04-negative-pairings.md / 05-human-stop.md 两条回归样本和 tests/check-version-sync.sh 自动同步检查。

• v0.6.3（2026-04-23）：SKILL.md 一致性校准（规则计数统一、门检分支更清晰、全角标点对照修正），并同步拍平到 .cursorrules / WARP.md。

• v0.6.2（2026-04-22）：SKILL.md 重构为核心 + references/ 按需加载结构，并新增拍平脚本与回归样本。

• v0.6.1（2026-04-22）：引入叶圣陶「写话」与《咬文嚼字》流行语刷新机制，强化 #49 的时效锚点。

许可证

MIT（见 LICENSE）

柴郡🔔｜Crypto+AI Plus (@0xCheshire): X 要粉丝增长不仅要高质量而且要每天发很多内容，只有用 AI 才可能做到这点。但是 GPT 的 AI 味是真的很浓啊！

要让它没有 AI 味得是个系统化的工程，其中一项比较重要的就是给它参考的稿件。

让 Codex 把我以前的推文内容整理了一下，看看效果如何，如果效果好的话我会公开的。