【免费下载链接】academic-humanizer
Strip AI-writing tells from papers and grant proposals (NSF/NIH), while keeping scholarly voice and tying claims to evidence. A skill for Claude Code, Codex, and MorphMind.
academic-humanizer 是一个面向学术论文和基金申请书(NSF/NIH)的写作去AI味工具,专为 Claude Code、Codex、MorphMind 等 AI 编程助手设计。它不仅能剥离 "In recent years..." 这类 AI 腔,更重要的是通过Layer 5 语音校准机制,让你的稿件保持你自己的行文风格,并贴合目标期刊的写作语域——同时不改动任何一个数字、结果或引用。
什么是语音校准:六层机制中的"最后一道关"
academic-humanizer 的工作流程分为六层,Layer 5 是前五层的收口环节:
| 层级 | 职责 |
|---|---|
| Layer 1 | 通用 AI 腔目录(delve、tapestry、破折号等) |
| Layer 2 | 学术特供 AI 腔(过度主张动词、虚化强调等) |
| Layer 3 | 保留正当学术惯例(证据式模糊限定、被动语态等) |
| Layer 4 | 主张 ↔ 证据对齐(动词强度不能超过证据强度) |
| Layer 5 | 语音与期刊风格校准(本文主角) |
| Layer 6 | 基金申请模式(NSF/NIH 结构、首页优先) |
前五层解决"写得对不对",Layer 5 解决"读起来像不像你"。通用 humanizer 工具的问题是:去完 AI 味之后,文字变成一种"干净但无主的腔调"。Layer 5 正是为了补上这一课。机制原文见 SKILL.md。
从你的论文中提炼6个签名特征
如果你有已发表(或已录用)的论文,Layer 5 会先读你的样文,提取以下 6 项个人写作签名,再让新稿向它们靠拢:
- 句子节奏(sentence rhythm)—— 你偏好短句还是长句,平均句长如何
- 连接词习惯(connective habits)—— 你惯用哪类过渡方式
- 模糊限定的强度与位置(level and placement of hedging)—— "suggests"、"is consistent with" 这类校准型措辞你用得多不多、放在哪里
- 章节开头方式(how they open sections)—— 你的 Introduction、Method 各节怎么起手
- 符号记法(notation)—— 变量、算符的书写习惯
- 高频复用短语(recurring phrasings)—— 你反复使用的固定表达
注意第 3 点的微妙之处:Layer 3 明确规定证据式限定是学术写作的正确写法,而 Layer 5 进一步要求保留的正是"你"的限定习惯。两层配合,既不会把 "suggests" 误改成 "proves",也不会把你个人风格的谨慎语气磨平。
期刊语域匹配:不同会场,不同腔调
语音校准的另一半是匹配目标期刊的语域(register),SKILL.md 给出了典型示例:
- ICLR / NeurIPS:简练、直接、结果先行(terse, direct, results-forward)
- Nature / PNAS:更偏叙述展开(more expository)
也就是说,同样的主张,投顶会时会被压成"结果 + 数字"的紧凑句,投综合性期刊时则会被允许更完整的背景铺陈。这就是为什么 Layer 5 要求你同时提供"我的风格"和"目标期刊"两个输入。
快速上手:3步启用语音校准
第 1 步:安装技能
git clone https://gitcode.com/gh_mirrors/ac/academic-humanizer ~/.claude/skills/academic-humanizer第 2 步:调用技能并粘贴稿件
/academic-humanizer [粘贴段落,或指向 main.tex]第 3 步:附上语音校准指令(关键一步)
# optionally: "match my voice from prior_paper.pdf; target venue: ICLR"附上你的一篇既往论文 PDF 和目标期刊,Layer 5 就会进入校准模式;不附则走默认策略。完整使用方式见 README.md。
没有既往论文?默认回退策略
不提供样文时,Layer 5 的回退规则是:输出干净、精准、符合期刊语域的学术文字,而不是通用 humanizer 那种随意、带个人观点的腔调(SKILL.md)。这条默认值本身就体现了整个工具的核心立场:技术写作中,"中性而精准"本身就是人类的学术声音,不需要注入幽默或第一人称个性。
另外,作者在 Fork 仓库后还可以把规则改成完全贴合自己领域的版本——指向自己的几篇旧论文,保留适用的检查项,调整其余部分(见 README.md 的 "Make it yours")。
效果参考:更多前后对比
想要直观感受校准前后的差异,可以翻阅 examples/before-after.md,其中收录了通用论文段落、NIH Specific Aims 页和一个真实获资助的 NSF CAREER 摘要的完整 before/after 对照——后者清楚展示了:AI 腔被剥离、主张被绑定到证据,而长期愿景与三层框架结构被完整保留。
小结:Layer 5 语音校准机制回答的其实是去AI味工具最容易被忽略的问题——改完之后,"这是谁写的"。它用"个人签名特征 + 期刊语域"两个坐标,让 AI 辅助的初稿最终落回作者自己的声音里。
【免费下载链接】academic-humanizer
Strip AI-writing tells from papers and grant proposals (NSF/NIH), while keeping scholarly voice and tying claims to evidence. A skill for Claude Code, Codex, and MorphMind.
相关推荐
如何让每个 claim 都匹配证据强度?academic-humanizer 论文去AI味与 claim↔evidence 纪律完全指南
如何让每个 claim 都匹配证据强度?academic humanizer 论文去AI味与 claim↔evidence 纪律完全指南 academic hu
如何利用zotero-arxiv-daily实现学术论文自动推荐:完整配置指南
如何利用zotero arxiv daily实现学术论文自动推荐:完整配置指南 zotero arxiv daily是一款基于Zotero图书馆自动推荐每日ar
人工智能AI 应用RAG科研别再让通用humanizer毁掉你的论文了:academic-humanizer 与博客改写工具的核心区别
别再让通用humanizer毁掉你的论文了:academic humanizer 与博客改写工具的核心区别 写论文用过 AI 辅助起草的都知道:出来的文字总带一
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考