企业官网建设流程全解析

linkedin-skills Humanizer深度解读：4步去除AI痕迹，别让帖子被2026 slop过滤器砍掉40%曝光

【免费下载链接】linkedin-skillsClaude skills for LinkedIn. 11 Claude Code and Codex skills that write human-sounding LinkedIn posts, craft comments that get noticed, analyze your feed, and build a publishing cadence, all from your terminal. Content engineering by Creative Content Crafts. MIT.项目地址: https://gitcode.com/gh_mirrors/lin/linkedin-skills

linkedin-skills 是一个面向 Claude Code 和 Codex 的开源 LinkedIn 技能包，其中的Humanizer（人味化）技能专门做一件事：用 4 步流水线去除帖子和评论里的 AI 痕迹。2026 年 7 月起 LinkedIn 上线了 slop（AI 垃圾内容）举报按钮——被标记的帖子会损失约 40% 的浏览量。这篇指南帮你从零看懂这套"去 AI 味"机制。

为什么 2026 年的帖子必须去除 AI 痕迹

先说清楚三件现实，避免期待错位：

1. 算法层面：slop 过滤器会对"AI 味"帖子降权，被举报约损失 40% 曝光；
2. 读者层面：研究显示，专家级人类读者判断 AI 文本时，53% 看词汇、36% 看句式——Humanizer 的规则全部针对这两点；
3. 检测器层面：该技能不承诺让你通过 GPTZero 等检测器（提示词式改写有 92-95% 会被抓住，200 词短文本的分数本身就是噪声）。它的目标是让"真人读者"和"平台过滤器"不再觉得你像 AI。

每条规则的完整依据和证据分级，见 tier-rationale.md。

4 步流水线总览

打开主文件 SKILL.md，可以看到 V3（2026-09 校准）版的四个 Pass：

第 1 步 SCRUB：段落密度评分，不是逐词删除

V3 最大的变化：AI 词汇从"删除清单"变成了密度评分。

• 一段里出现1 个"notably"、"robust"？那是正常英语，不动；
• 出现3 个及以上标记（如 significant + comprehensive + 名词化）？整段重写，而不是逐词替换；
• 经典 2023 年的 "delve"、"tapestry" 已经失效（人类自己也在回避），真正持久的是一批常见词：significant、crucial、notably、comprehensive、insights、robust、leverage、foster、landscape、nuanced、streamline、elevate、empower。

另外，破折号不再被一刀切禁止（新版 GPT 用破折号比人类还少），而是限量：约每 100 词不超过 1 个。反过来，一篇长文"零破折号"本身就是"装人"的痕迹。完整正则清单和替换映射在 scrub-rules.md。

第 2 步 RHYTHM：别再堆"短句轰炸"

这是最反直觉的一点："Short. Punchy. Done." 式短句堆叠、"No X. No Y. Just Z."、单字段落，恰恰是 2026 年读者最能识别的 AI 痕迹之一——因为它们本身就是上一代 humanizer 工具的输出指纹。

所以第 2 步只做两件事：把读起来"机器般平"的段落改回自然节奏（一段里有一个真正长的句子 + 一个短句子即可），以及删掉一切人造的长短交替。全文独立碎片最多留 2 个。

第 3 步 ADD：植入 5 类人类指纹

改得干净还不够，还得"像你自己"。规则要求至少植入：

• 一个带指代对象的不规则精确数字（"3 月 Vercel 账单 $4,730"，而不是"$5k"——裸数字不算，带指代的数字实测能提升 34% 点赞）；
• 一个命名实体（真人、公司、日期、城市）；
• 一个第一人称感官细节；
• 一个以事实形式出现的自我修正（"我预计 3 个月，实际花了 11 个月"）；
• 一个平铺直叙、带日期的不愉快事实（"2 月 14 日我们丢了 Carta 客户"），前后不加任何铺垫句。

⚠️ 明确禁止两件事：编造输入里没有的数字；以及 "let me be honest"、"real talk" 这类真诚宣告——它们是 2026 年的著名 AI 痕迹，表演式犹豫在 LLM 文本中的出现率比专家人类高 2 倍。

第 4 步 SELF-CHECK：过度修正防护

Humanizer 自己的输出也有指纹。收尾前必须自问三件事：

1. 第 2 步是否制造了新的短句堆叠或 "The result?" 式反转桥？→ 并回完整句；
2. 第 3 步是否加了作者没写过的犹豫语气或"坦白"框架？→ 只留事实，删掉框架；
3. 清理是否压扁了作者的声音（全篇一个调、零破折号、零三段式）？→ 恢复原文。

原则：干净稿子只动两三处，不凑改动额度，有疑问就保留原文。

改写前后对照：一眼看懂 4 步的威力

官方 examples.md 的示例：

改前：In today's fast-paced landscape, businesses must fundamentally leverage AI to unlock robust ROI. It's not just about adoption, it's about transformation. As of my last update in January 2024, here's what I've learned.

改后：businesses need AI to cut costs. adoption is the easy part. transformation is the actual work. here's what we learned running 35k LinkedIn profiles through our system daily.

三种使用模式：改写、审计、声音档案

除了默认改写（forensic + strict 两层），新手更常用的还有两个入口：

• --mode audit：发布前审计。不改写，只按 audit-checklist.md 的 20 项检查输出 Blockers（必须修）+ Warnings（建议修），比如正文放外链、超过 3000 字符、Hook 超出 210 字符手机折叠线。工作流见 post-audit.md；
• --mode profile：声音档案。贴 3-6 篇你过去写的帖子，生成 voice-profile.md，之后所有写作技能都会照着你的真实语感起草——这是防止"改写后不像我"的根子方案。

快速上手：安装并调用 Humanizer

Step 1. 克隆仓库（只读使用即可）：

git clone https://gitcode.com/gh_mirrors/lin/linkedin-skills cd linkedin-skills

Step 2. 跑一次自检，确认环境、依赖和可用技能：

python3 scripts/selftest.py

Step 3. 直接说人话。在 Claude Code / Codex 里输入：

"Humanize this text:（粘贴你的草稿）"

或

"审计这篇草稿的 AI 痕迹和算法问题：（粘贴正文）"

技能会自动激活，先给你看草稿，批准前不会发布任何东西💡 即使不配置任何 API，技能也能用：它会把干净稿子以复制粘贴块的形式返回给你。

三个常见误区

写在最后

linkedin-skills 的 Humanizer 不是一堆"删词表"，而是一套有证据分级的 4 步流水线：先按密度清理，再修节奏，再植入人类指纹，最后防过度修正。把 SKILL.md 通读一遍，配合 tier-rationale.md 里的引用，你能把"去 AI 味"从玄学变成可执行清单——在 2026 年的 LinkedIn 上，这能实打实保住你 40% 的曝光 ✅

【免费下载链接】linkedin-skillsClaude skills for LinkedIn. 11 Claude Code and Codex skills that write human-sounding LinkedIn posts, craft comments that get noticed, analyze your feed, and build a publishing cadence, all from your terminal. Content engineering by Creative Content Crafts. MIT.项目地址: https://gitcode.com/gh_mirrors/lin/linkedin-skills