360 Secure SkillHub
360 安全技能中心

ai-fingerprint-desensitizer

通过本地 Python 脚本对 .md/.txt 文稿做句式、词汇、结构、节奏、标点五维检测,定位最像 AI 的句子;再按具体化、节奏打散、视角注入和信息增量等手法改写,并复检前后得分。包含平台差异、合规边界与报告模板。

lingyu9495-source
lingyu9495-source
热度 14.85
最近更新 2026-09-26 01:01:52
分类:创作依赖:代码执行 / 读写文件应用场景:文案创作 / 校对润色 / 社交媒体 / 报告撰写 ...

安装技能

复制下面的话术发给你的 Agent,它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill: npx secure-skills-cli add ai-fingerprint-desensitizer
Metadata
name
ai-fingerprint-desensitizer
slug
ai-fingerprint-desensitizer
displayName
AI指纹脱敏·五维检测+分层改写+闭环复检(全平台通用)
summary
检测+改写+复检三步闭环:先定位"哪里像AI"(五维指纹可定位到句),再按分层手法改写,改写后自动复检直到达标。
description
平台现在不是"猜"你是不是 AI 写的,是**拿语义指纹比对**——句子节奏、关联词习惯、段落结构、标点规范度,都对得上就降权。 问题是:**你根本不知道自己的稿子哪里像 AI**,只感觉"读起来有点平"。 这套做的是**检测 → 改写 → 复检**的闭环,不是丢你一段 prompt: 1. **五维指纹检测**(可定位到句):句式指纹 / 词汇指纹 / 结构指纹 / 节奏指纹 / 标点指纹,逐维打分并**指出最像 AI 的那几句**——先知道病在哪,才谈得上改 2. **分层改写手法**(不是换词):具体化替换(抽象论断 → 具体事实/数字/场景)、节奏打散(破坏均匀句长)、视角注入(第一人称经验与时间地点)、信息增量(补真实案例)——**平台真正奖励的是"人工介入痕迹",不是同义词替换** 3. **闭环复检**:改完自动复检,未达标按最弱维度再改一轮(可设最多轮次),并输出前后对比报告 4. **平台差异**:头条(语义指纹比对 + 原创度权重)、公众号(完读率第一)、小红书(AI 辅助需标注)、网文(平台审核红线)各有侧重 ⚠️ **合规边界写死在包里**:这不是"洗稿工具",也不是"绕过审核"——是把你自己的内容补足人工痕迹(真实案例、实地数据、个人观点),这恰好是平台规则里明确要求的方向。用在别人的稿子上=洗稿,包内直接标红。 输入:你的原稿(.md / .txt / 直接粘贴) 输出:五维指纹报告(含问题句定位)+ 改写建议 + 改写后复检对比 触发词:AI味、去AI味、降AI率、AI指纹、AI检测、内容原创度、平台降权、AI生成内容、人工痕迹、改写、去AI化、过检测。
version
1.0.0
author
九品锦锂e
license
MIT
category
content-creation
metadata
{"version":"1.0.0"}

AI 指纹脱敏(五维检测 → 分层改写 → 闭环复检)

目标不是"把话改得像人说的",而是让内容带上真实的人工痕迹——这是平台规则明确要求、也是唯一长期有效的方式。

什么时候用

  • 稿子发出去数据明显比平时差,怀疑被判定为 AI 生成内容
  • 用 AI 起草了初稿,想让它读起来是"人写的"而不是"AI 拼的"
  • 想知道自己的稿子具体哪几句像 AI
  • 不同平台发同一篇稿,想知道各自的检测偏好

三步闭环

① 检测(五维指纹)  →  ② 分层改写(按最弱维度下手)  →  ③ 复检(未达标再来一轮)

关键:不要跳过第 ① 步直接改写。不知道病在哪,改出来还是那股味儿。

快速开始

# 1) 检测:给出五维得分 + 最像 AI 的句子
python scripts/fingerprint_check.py 你的稿子.md

# 2) 按报告里"最弱维度"对照 references/rewrite-playbook.md 改写

# 3) 复检 + 前后对比
python scripts/fingerprint_check.py 你的稿子.md --compare 改后.md

脚本纯标准库零依赖,本地跑,稿子不出本机。

五维指纹(一句话版)

维度 像 AI 的特征
句式 句子长度太一致、关联词密度高(因此/然而/总之)、三句一段的固定节奏
词汇 "首先/其次/最后"、"值得注意的是"、"总的来说"、四字词连用
结构 标准的"总—分—总"、每段首句都是论断、对称排比过多
节奏 段落长度均匀、没有口语插入、没有跑题式的个人插话
标点 全半角完全统一、引号叠用规范得可疑、零错别字零口误

详细判定规则(含阈值与反例)见 references/detection-rules.md。

三条硬规则

  1. 信息增量优先于换词:只换同义词=换汤不换药,检测照旧。真正降指纹的是加进去的东西——具体数字、真实场景、个人判断。
  2. 不要改到失真:专业结论、法条、数据一个字都不能为了"像人"而改错;改写只动表达方式,不动事实。
  3. 平台规则是底线,不是障碍:2026 起主流平台明确要求"AI 仅可辅助、核心观点须有人工介入"。这套工具做的就是补人工介入痕迹,不是对抗审核。

合规红线(写在最前面,别越线)

  • ✅ 可以用:自己的稿子、自己用 AI 起草的内容、自己有授权的材料
  • ❌ 不可以用:别人的原创内容(那是洗稿)、平台明令禁止的批量生产、伪造采访/调研数据
  • ❌ 不要为了"过检测"编造不存在的案例或数据——这是平台最重的红线,比 AI 味严重得多

详见 references/compliance-boundary.md。

文件说明

文件 用途
scripts/fingerprint_check.py 五维指纹检测 + 前后对比(零依赖、本地跑)
references/detection-rules.md 五维判定规则、阈值、反例
references/rewrite-playbook.md 分层改写手法库(含 before/after 对照)
references/platform-profiles.md 各平台检测偏好与红线
references/compliance-boundary.md 合规边界(能做/不能做)
templates/rewrite-report.md 改写报告模板