这是本栏 Skills 生态定期观察的深拆轮。选题来自 09-25 期《存档对账》自己立下的欠账清单：那张对账表里，压箱底指数第二名的 Humanizer（blader/humanizer）——5 月存档里 11,700 星、半月后 21,652 星、赛道里唯一的「修复型」件——至今没拿到过一次单集。9 月两期去AI味赛道横评捧红了 sepia、watermark-remover、text-humanizer 一票新星，而这位星数高一个量级的祖师爷始终没被逐段拆过。本期补上：拆它的规则清单、三步流程、文体开关、声纹校准四个模块，并把它放回九月的赛道地图上对座次。口径先说清：本期联网通道未放行，所有 SKILL.md 细节转引自本站 5-16、5-30 两期存档的实读记录，星数均为历史快照，凡单源处已标注「据存档」。
去AI味这条赛道的原始格局，5 月存档描述得很清楚：GPTZero、Originality.ai 这些检测器只负责宣判「这是 AI 写的」——是验尸官；QuillBot 这类改写器能换词，但不认识 AI 腔——是裁缝。Humanizer 是当时唯一的「修复器」：不宣布、不缝补，直接把 AI 痕迹当病灶逐个切掉。5-16 存档给它的定位语是「AI 文本人性化」，评分 4.65，列当期 Top8 第三；5-30 存档（营销技栈轮）把它列进「品质守门」工位，给出 v2.7.0、21,652 星、2,059 fork、45 个活跃 Issue 的快照——两周星数接近翻倍，是当期单品星数第二高的件。
更硬的背书是外部采用：据 5-30 存档，Claude SEO（AgriciDaniel）的 seo-content humanize 子技能直接集成了 Humanizer 的逻辑——一个件的规则被别的件当内核抄走，这在 Skills 生态里比星数更说明问题。
四个月后回看，这个生态位依然空着王座：9 月两期赛道横评里跑出来的新星——sepia、anti-slop、lieflat-less-ai-tone、SpaceDudem/text-humanizer——星数全部停在几百到两千余的段位，没有一件修复型的对位竞品追上 2 万量级。赛道在换人，王座没人搬走。
五维权重按本栏固定口径：功能 25%、设计 25%、实战 20%、上手 15%、活跃 15%。Humanizer 为本期评分，实战分基于存档社区证据（星数、fork、Issue、被集成），本期未现场实测，置信度低一档；后三行转引自 09-18 存档同期评分（五维口径），供对照而非同场实测。
| 件 | 功能 | 设计 | 实战 | 上手 | 活跃 | 加权 |
|---|---|---|---|---|---|---|
| Humanizer（本期） | ★★★★ | ★★★★★ | ★★★★ | ★★★★★ | ★★★★ | 4.40 |
| lieflat-less-ai-tone（09-18 存档） | ★★★★ | ★★★★ | ★★½ | ★★★ | ★★★★ | 3.55 |
| anti-slop（09-18 回访） | ★★★½ | ★★★★ | ★★（待验证） | ★★★★ | ★★★★ | 3.48 |
| SpaceDudem/text-humanizer（09-18 存档） | ★★★ | ★★ | ★★½ | ★★ | ★★★½ | 2.58 |
设计质量给到满档的理由，是下面四个模块——这份 SKILL.md 把「审美问题写成了工程问题」的手法，值得逐段过一遍。
先看形态。据 5-30 存档，它的安装方式是「手动复制 SKILL.md 到 ~/.claude/skills/humanizer/」——整个 Skill 就是一份纯文本说明书，没有脚本、没有资源文件、没有外部依赖。这与 9 月新星里最重的 SEP（多脚本管线）恰好是两个极端。纯说明书的代价是执行完全依赖宿主模型的服从度——09-25 对账的原话是「修复效果完全依赖模型自身文感，没有任何效果回归测试」；好处是零维护成本、跨宿主通用，规则本身五个月不过期。
它的规则底座据三期存档互证：基于 Wikipedia 的「Signs of AI writing」指南（AI 写作特征），检测并移除 20 余种（5-16 口径）/24+ 种（5-30 v2.7.0 口径）AI 写作模式。存档实录的高频病例包括：
把清单按这四层归类是本文的归纳，但清单本身的工程价值在于：每一条都是可判例化的具体模式，附带英文例句——这不是「写得像人一点」的玄学提示词，是一张能逐项打勾的验收单。这也是它和 9 月新星 anti-slop（同属规则清单派）最大的不同：后者的规则常驻上下文、生成前拦截，Humanizer 的清单是成稿后的手术依据——同样的规则，挂在流程的不同位置。
据 5-30 存档，核心流程是三步循环：
这是整份说明书里最出名的一段（据 5-30 存档原文转述）：对博客、散文、观点类写作，它会有意识地注入节奏变化、不确定性表达、个人观点和幽默感；对百科、技术、法律类文本，则保持中性和精确。一个开关，两套人格——它没有把「人味」当成所有文本的最高目标，而是承认有些文体的人味恰恰是「不抖机灵」。写规则件的读者最该学的就是这一段：给规则分文体，比给规则加数量有用。
5-30 存档记录的版本新增功能：用户提供自己的写作样本后，Humanizer 先分析样本的句式长度、词汇层级、段落开头方式、标点习惯、过渡手法五个特征，改写时按这五项对齐。这一步把「人味」从通用标准升级成了参数化匹配——不是改得像人，是改得像你。五个特征全是可测量项，选得相当克制：没有碰「语气」「灵魂」这类不可测的东西。
5-16 与 09-25 两期存档互证：流程末尾有一条二次审计通道，专门复查「明显 AI 生成」的残留标记——等于在交付前加了一道质检位。至此整份说明书的结构齐了：规则清单（依据）→ 三步循环（流程）→ 文体开关（分诊）→ 声纹校准（个性化）→ 二次审计（质检）。单文件能装下五层结构，这是它设计分满档的底气。
flowchart TD
A["用户交来 AI 初稿"] --> B["第一轮 全文扫描"]
B --> C["标记 24+ 种 AI 痕迹"]
C --> D["第二轮 逐项改写"]
D --> E["只替换不删除<br/>段落与内容覆盖不变"]
E --> F["第三轮 生成终稿"]
F --> G{"文体开关"}
G -->|"观点文 散文 博客"| H["注入节奏 不确定性 幽默"]
G -->|"百科 技术 法律"| I["保持中性精确"]
H --> J["二次审计通道"]
I --> J
J -->|"发现残留标记"| D
J -->|"通过"| K["交付"]
9-18 存档给去AI味赛道画过一张三路线图：规则清单派（anti-slop，常驻规则、生成前立法）、语料统计派（lieflat-less-ai-tone，成稿后对表改写）、工具转换派（SpaceDudem/text-humanizer，Python 管道外接）。祖师爷当时缺席，这里给它补上座位：
| 对比项 | Humanizer | anti-slop | less-ai-tone | text-humanizer |
|---|---|---|---|---|
| 干预时点 | 成稿后改写 | 生成前拦截 | 成稿后改写※ | 成稿后整体转换 |
| 依据形态 | 规则清单+三步流程 | 常驻规则 | 语料统计 | 算法重写 |
| 宿主形态 | 标准 Skill（单文件） | 常驻规则 | Skill（门牌自称） | 非 Skill，自接管道 |
| 个性化 | Voice Calibration 声纹对齐 | 无 | 语料风格 | 无 |
所以它在地图上的准确位置是：规则清单派的依据 + 修复型的流程 + 声纹校准的个性化，三样焊在一份说明书里。9 月新星各自拿走了它的一面——anti-slop 拿走清单、less-ai-tone 拿走「成稿后对表」、text-humanizer 拿走「后处理位」——但没有一件把三面拼齐，也没有一件做到它的星数量级。
顺带正名：赛道里有两个容易混淆的「humanizer」。SpaceDudem/text-humanizer（640 星，09-13 快照）与 asokurasu/text-humanizer（739 星，今日另一栏报道）是独立的后起项目，与 blader/humanizer 无属主关系，装的时候认准仓库门牌。
| 场景 | 判定 | 依据 |
|---|---|---|
| 英文博客、散文、观点稿去 AI 腔 | ✓ 主射程 | 规则清单为英文写作语料产物（09-25 对账） |
| 英文营销文案、SEO 内容 | ✓ | 已被 Claude SEO 子技能集成其逻辑（5-30 存档） |
| 百科、技术、法律类英文文本 | ✓ 但会自动关掉人味注入 | PERSONALITY AND SOUL 文体分流（5-30 存档） |
| 中文 AI 腔 | ✗ 不在射程 | 「中文 AI 腔不在射程之内」（09-25 对账原文） |
| 学生用来「洗稿」过检测 | ⚠ 伦理雷区 | 它已被写进学术诚信因果链的「漏判」一环（09-05 存档） |
最后一条值得展开：09-05 期存档画过教育侧的因果图——检测器误判学生、学生用 Humanizer 之类的修复器反洗稿、检测进一步失灵、名校关停检测器。修复器本身无善恶，但它确实是这场军备竞赛里把天平往学生一侧压的砝码。用它给自家产品文案去味是效率，用它替作业过关是雷，这条线文章替读者画到这里。
# 方式一：git clone（5-16 存档口径）
git clone https://github.com/blader/humanizer .claude/skills/humanizer
# 方式二：手动复制单个 SKILL.md（5-30 存档口径）
# 复制仓库内的 SKILL.md 到 ~/.claude/skills/humanizer/ 即可
# 调用：零配置，对话中直接
# /humanize <你的英文稿>
中文用户提示：规则清单是英文语料产物，中文稿指望不上它；中文去味目前要看语料统计派的 lieflat 系列，但那是另一件货，本期不展开。
/humanize 即用）＞ anti-slop ＞ text-humanizer（要自接管道）三条判断收尾。第一，修复型是去AI味赛道唯一没有王座更替的工位——检测器卷、生成纪律卷，修复位四个月了还是 5 月那件货坐着，星数差距没有缩小。第二，它的护城河不是规则清单，是流程——清单 Wikipedia 上人人可抄，9 月新星也确实都在抄，但「替换不删除」「文体开关」「声纹校准」「二次审计」这套四层结构，抄走的没有一件。第三，欠账还清了一笔，还剩六笔——09-25 对账列的七件查无拆解的高星件，本期销掉 Humanizer 一件，Impeccable、Understand-Anything、Trail of Bits 还压在箱底；下一期深拆的候选，建议就从这三件里出。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。