What makes libai-skill notable?

1.5K downloads. Trust evidence available

How should libai-skill be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

libai-skill

李白.Skill:润色专家检测并消除中文文本中的AI生成痕迹，将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线，确保最终文本通过人工审查。 Skill: libai-skill Owner: ebandao777-oss Summary: 李白.Skill:润色专家检测并消除中文文本中的AI生成痕迹，将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线，确保最终文本通过人工审查。 Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-15T17:30:14.074Z | auto libai-skill v2.0.0 is a major update focused on advanced AI trace removal and naturalization for Chinese text. - Introduces a four-step closed-loop process: detection, rewriting, self-check, and delivery - Ad

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.5k

Updated

Oct 10, 2026

Version

0.1.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.5K downloads reported by the source. Last updated 10/10/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 10, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 10, 2026
Adoption signal: 1.5K downloadsadoption · observed Oct 10, 2026
Latest release: 0.1.0release · observed Aug 15, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17en637qww2q9z3kz1ep6w79988dec4:libai-skill

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-ebandao777-oss-libai-skill/snapshot"

Documentation

CLAWHUB

87,783 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: libai-skill
description: 李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹，将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线，确保最终文本通过人工审查。
version: "2.0.0"
license: MIT
allowed-tools:
  - Read
  - Grep
  - Glob
  - Shell
  - Edit
  - Write
author: "智慧半岛"
triggers:
  - 去AI味
  - 去AI痕迹
  - AI润色
  - 降AI
  - 人味
  - 人味注入
  - 去机器味
  - deai
  - humanize
  - 文章润色
  - 文本润色
  - AI改写
---

# 李白.Skill:润色专家 v2.0

> **适用场景**: 自媒体文章、公关稿件、日常沟通、学术随笔等中文文本的去AI化改写
> **安全声明**: 本技能仅优化表达形式，不对原文事实准确性负责。涉及医疗、法律、金融等专业内容，请务必人工复核。

---

## 核心原则（必读）

> **去 AI 味的本质**：用抽象概括代替具体经验 → 还原感官、还原动作、还原不确定性。
> **减法只做在「虚」的地方**：模板化连接词、空洞升华、机械对称句式——砍。原作的口语表达、具体细节、个人语气、感官描写——留。宁可留着粗糙，不削成骨架。

**三条铁律**：

1. **立场守恒**：不改变原文的事实陈述（时间/地点/事件/数据）、价值判断（褒贬倾向）、情感极性（悲/喜/怒/平淡）。违反任一条视为执行失败。
2. **血肉不丢**：原文的口语表达、孩子气口吻、具体动作描写、有温度的场景细节、个性语气词——一个都不能丢。
3. **篇幅容差**：允许 10% 以内的篇幅波动。删虚词必然减字，加泥土必然增字，追求零波动不现实。

---

## 执行流程（精简四步闭环）

```
检测诊断 → 执行改写 → 自检验收 → 交付结果
```

> B 模式（默认）只走这四步。A 模式在交付后追加复盘沉淀。

---

## 步骤0：资源预检（隐式，Agent 自动执行）

检查以下文件可读性：

| 优先级 | 文件                               | 缺失时处理                                           |
| ------ | ---------------------------------- | ---------------------------------------------------- |
| **P0** | `resources/zh_rules.json`          | 核心规则缺失 → 切换纯 LLM 模式，声明「规则库不可用」 |
| **P0** | `resources/zh_rules_archived.json` | 归档规则缺失 → 降级，仅使用 zh_rules.json            |
| **P1** | `resources/synonyms.json`          | 降级为内置词汇替换表                                 |
| **P2** | `resources/banned-words.md`        | 不影响核心流程                                       |
| **P2** | `resources/examples.md`            | 不影响核心流程                                       |
| **P2** | `resources/examples-advanced.md`   | 不影响核心流程                                       |
| **P2** | `resources/structures.md`          | 不影响核心流程                                       |

> P0 文件缺失时，Agent 首次回复必须声明运行模式。

---

## 步骤1：检测诊断

### 1.1 任务提取

| 维度         | 提取内容                             |
| ------------ | ------------------------------------ |
| **目标**     | 去 AI 味到什么程度？期待何种文体？   |
| **输入**     | 体裁 / 字数 / 读者画像               |
| **输出**     | 交付模式（未指定 → B 模式）          |
| **限制**     | 不可改动的约束（术语/数据/品牌名）   |
| **润色强度** | 保守 / 标准 / 激进（见下表自动匹配） |

### 1.2 润色强度自动匹配

| 强度             | 匹配场景                               | 特征                                               |
| ---------------- | -------------------------------------- | -------------------------------------------------- |
| **保守**         | 学术论文、技术文档、法律文书、政务文件 | 仅删 AI 连接词和模板套话，不改句式结构，不注入口语 |
| **标准**（默认） | 自媒体、职场汇报、日常沟通、公关稿件   | 完整去 AI 味清单，适度口语化，保留原文核心结构     |
| **激进**         | 创意写作、小说、散文、社交媒体帖子     | 可大幅调整视角/句式/段落，注入强烈个人语气         |

### 1.3 文本规模自适应

| 字数             | 策略                                  |
| ---------------- | ------------------------------------- |
| **< 1000 字**    | 完整四步闭环，诊断显式输出            |
| **1000-3000 字** | 合并诊断+改写，精简中间输出，质检保留 |
| **> 3000 字**    | 建议分段处理；若全文处理则分步执行    |

### 1.4 AI 痕迹检测（优先脚本，失败降级 LLM）

**优先**：执行 `python scripts/detect.py <输入文本> --json`，解析

README.md

# 李白.Skill — 中文文本去AI化润色专家

> 检测并消除中文文本中的 AI 生成痕迹，将生硬的机器输出转化为自然流畅的人类文笔。

## 核心能力

- **AI 痕迹检测**：15 类正则扫描 + 四维诊断框架，精准定位 AI 味来源（结构/用词/内容/逻辑）
- **分层改写**：四步排雷法（表层清理）+ 破式五层法（深层重构），从词汇到语气逐层去味
- **四步质控闭环**：分析→方案→执行→验证→交付→复盘，每步可追溯验收
- **三模式交付**：A 完整专业版 / B 轻量润色版（默认）/ C 仅诊断，按需选择
- **文体智能适配**：网文 100% → 学术 30%，四档人味浓度自动匹配

## 快速触发

只需一句话即可激活，如 "帮我把这篇文章去 AI 味"。支持 14 个触发词：去AI味、降AI、润色、改写、deai、humanize 等。

## 文件结构

```
libai-skill/
├── SKILL.md              # 核心执行指令（四步闭环工作流）
├── README.md             # 本文件 — 技能概览
├── QUICKSTART.md          # 5 分钟上手
├── faq.md                 # 常见问题
├── scripts/               # Python CLI 工具（detect / transform / compare）
└── resources/             # 规则集、同义词库、示例库
```

## 依赖

- Python ≥ 3.8，无外部 pip 依赖（纯标准库）

## 版本

**v2.0.0** | 作者：智慧半岛

## 相关文档

- [QUICKSTART.md](./QUICKSTART.md) — 5 分钟上手
- [faq.md](./faq.md) — 常见问题

_meta.json

{
  "ownerId": "kn7096hdmqr56bh0825xpz8ft188dh24",
  "slug": "libai-skill",
  "version": "0.1.0",
  "publishedAt": 1786815014074
}

faq.md

# 常见问题 (FAQ)

## 场景与特征

### Q: 职场文章的 AI 味有哪些典型特征？
A: 职场文章 AI 味集中在**用词层和内容层**——互联网黑话（赋能、闭环、抓手、对齐、拉通）、空泛无具体数据、结构死板（背景→过程→成果→展望四段式）、避重就轻不碰真实问题。改写策略：替换黑话为具体业务描述，补入真实数据或案例，允许出现未解决的问题讨论。

### Q: 学术论文的 AI 味怎么处理？
A: 学术论文的 AI 味集中在**逻辑层和用词层**——开头必写"随着社会发展/科技进步"、引用编造或张冠李戴、长难句堆砌刻意追求"学术感"、结论动辄"具有重要理论意义和实践价值"。改写策略：删掉模板化开头直奔主题，核实引用来源，拆分长难句，结论改为具体发现和局限性说明。注意：学术论文人味浓度仅需 30%，保留严谨结构，避免过度口语化。

### Q: 自媒体内容最大的 AI 味来源是什么？
A: 结构模板化——开头必喊"家人们/宝子们"、结尾必求"点赞收藏关注"、分点必说"最后一点最重要"、叙事逻辑高度模板化（开头讲故事→中间分3点→结尾求互动）。改写策略：打破模板，允许跳跃式叙事，删掉求互动结尾改为自然收束。

### Q: 技术文档需要去 AI 味吗？
A: 技术文档的 AI 味处理比较克制——以准确清晰为第一优先级，人味浓度控制在 50%。仅去除空洞修饰词（如"高效地"、"强大的"）和冗余连接词，不强行口语化。不要为了去味而牺牲技术准确性。

---

## 使用方式

### Q: 怎么选择 A/B/C 三种交付模式？
A:
- **A 完整专业版**（出版、公关稿）：输出终稿 + 诊断报告 + 修改对照表 + 质检摘要 + 复盘记录。适合需要完整改写记录的正式场景。
- **B 轻量润色版**（默认，自媒体、日常沟通）：输出终稿 + 3 条核心修改要点。适合大多数日常使用场景。
- **C 仅诊断**（自己改写）：仅输出 AI 味诊断报告，不改写。适合想了解问题但自己动手改的用户。
如果没说用哪个模式，默认使用 B 模式。

### Q: 改写后怎么验证效果？
A: 走四层质检——①用词层：检查有无 AI 连接词和禁用词残留；②句式层：检查短句占比和句式变化；③内容层：检查有无第一人称、主观感受、口语化表达；④可量化终审：连接词密度、抽象词命中、段落均质度、事实锚点等数值指标。四层全部通过才算合格。

### Q: 改写一段文字需要多久？
A: 以 2000 字为例——B 模式（轻量润色）约 20 分钟，A 模式（完整专业版）约 50 分钟。写完立即执行可量化质检，不通过则回步骤②修复（上限 2 次）。

### Q: 可以用命令行直接调用脚本吗？
A: 可以。提供了核心 CLI 工具：
- `python scripts/detect.py text.txt --json` — 检测 AI 痕迹
- `python scripts/rewrite.py text.txt` — 改写文本
详细参数通过 `--help` 查看。

---

## 改写方法论

### Q: "四步排雷法"和"破式五层法"有什么区别？什么时候用哪个？
A:
- **四步排雷法**（快捷清理）：搜黑话 → 切长句 → 加泥土 → 保血肉。适合快速处理表层 AI 味，走完可消除大部分明显问题。
- **破式五层法**（深度改写）：破句式 → 破词汇 → 破结构 → 破思维 → 破语气。前两层是替换层（表面去味），后三层是重构层（深层去魂）。普通任务做到 L2-L3 即可，高级改写推到 L4-L5。
实际流程中两者不是二选一——四步排雷法是入口（必须执行），破式五层法在 A 模式或高风险时深入。

### Q: 改写会改变原文的意思吗？
A: 不会。本技能仅优化表达形式（语气、句式、用词、结构），不改变原文的核心事实与立场。步骤①会明确列出不可改动的约束条件（专业术语、数据、品牌名称等）。如果冲突需求（如"去AI味"与"保留原结构"矛盾），会记录冲突点并采用影响最小的兼容路径。

### Q: 什么是"人味注入四技巧"？
A: ①主观性增强——加入观点、情绪、不确定表达；②口语化改造——替换书面语为口语（利用→用，进行购买→买）；③节奏调整——短句占比≥30%，连续3句长度不同；④细节补充——每500字加入1个场景+1个数字+1个感官描写。

---

## 边界与限制

### Q: 什么情况下不适合用这个技能？
A: ①需要保持高度正式和规范的文件（如法律合同、正式公文）；②需要保留 AI 生成特征的文本（如 AI 对话记录、示例文本）；③非中文文本——本技能专为中文设计；④需要改变原文事实或立场的场景——本技能只改表达不改内容。

### Q: 如果文本太长（超过 1 万字）怎么办？
A: 建议分段处理。将文本按自然章节拆分为多个文件，逐段改写后合并。脚本层面对内存不足有保护（会返回"输入过大"错误而非崩溃）。

### Q: 改写后 AI 检测率还是很高怎么办？
A: 按以下顺序排查——①检查是否走了四层质检，尤其是可量化终审是否通过；②检查是否遗漏了某个维度的改写（常见错误：只改了用词没改结构）；③如果仍不达标，尝试从 B 模式升级到 A 模式走完整流程。

---

## 常见误用

### Q: 把 AI 味文本翻译成英文再翻译回来有用吗？
A: 不推荐。这种操作对消除 AI 痕迹效果有限，且可能引入新的翻译腔问题。本技能直接针对中文 AI 痕迹特征设计，效果更可靠。

### Q: 可以只替换同义词不去管结构和语气吗？
A: 不推荐。AI 痕迹不仅体现在用词上，更深层的问题在结构、逻辑和语气。只替换同义词属于"表面去味"，效果有限。应结合四步排雷法和破式五层法逐层深入。

### Q: 所有文章都要做到"人味浓度 100%"吗？
A: 不是。不同文体容忍度不同——网文/社交/个人随笔 100%，营销/品牌文案 70%，技术文档 50%，学术/政务报告 30%。根据文体调整策略，避免矫枉过正。

QUICKSTART.md

# 快速上手 — 5 分钟开始去 AI 味

> 以下 5 个场景，一句话即可触发完整四步闭环。

| # | 场景 | 一句话触发 |
|:--:|:---|:---|
| 1 | 公众号文章去味 | "帮我把这篇公众号文章去 AI 味" |
| 2 | 仅检测不改写 | "帮我检测这段文字有没有 AI 痕迹" |
| 3 | 学术论文降 AI 率 | "帮我把这篇论文改成更自然的表达，保持学术严谨" |
| 4 | 快速改写一句话 | "改写这句话，让它读起来像人写的" |
| 5 | 职场汇报去味 | "这份汇报材料 AI 味太重了，帮我改一下" |

## 文档导航

| 层级 | 文件 | 内容 | 何时看 |
|:--:|:---|:---|:---|
| L1 | `SKILL.md` | 核心工作流 + 改写 SOP | 执行任务时 |
| L2 | `faq.md` | 常见问题 | 遇到问题时 |

> 未指定交付模式默认 B 模式（轻量润色版）。加"我要完整版"切换到 A 模式。深度方法论已内联至 SKILL.md 步骤②。

Github ReposUpdated 16h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.