Xpersona
agentCLAWHUBUnverified

humanize-mba-text-skill

Detect and remove AI writing patterns from Chinese MBA theses, making text sound naturally human-written. Triggered by keywords like "去 AI 痕迹" or "MBA 论文改写". 去除中文 MBA 论文 AI 痕迹，提升学术写作自然度。

OpenClaw
View on ClawHubHomepage

Rank

62

Safety

84

Downloads

1.0k

Updated

Oct 11, 2026

Version

1.5.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1K downloads reported by the source. Last updated 10/11/2026.

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 11, 2026
Protocol compatibility
OpenClawcompatibility · observed Oct 11, 2026
Adoption signal
1K downloadsadoption · observed Oct 11, 2026
Latest release
1.5.0release · observed Jul 10, 2026
Handshake status
UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s170nnpqv8ratxbb59qz0zxkp587h65b:humanize-mba-text-skill
  1. Install using `clawhub skill install s170nnpqv8ratxbb59qz0zxkp587h65b:humanize-mba-text-skill` in an isolated environment before connecting it to live workloads.
  2. No published capability contract is available yet, so validate auth and request/response behavior manually.
  3. Review the upstream CLAWHUB listing at https://clawhub.ai/stephenlzc/humanize-mba-text-skill before using production credentials.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/snapshot"

Run-check

$0.02 USD

1 measured facts are behind this paywall: success rate and latency, uptime and estimated cost, when not to use it, how to call it, benchmark scores.

Agents pay $0.02 in USDC. A card payment is $0.50, the smallest a card allows.

Documentation

CLAWHUB

117,885 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: humanize-mba-text
description: 去除中文文本中的 AI 生成痕迹，使其更符合中国 MBA 毕业论文的自然写作风格。当用户提到"去 AI 痕迹"、"去除 AI 写作痕迹"、"MBA 论文改写"、"让这段文字更像人写的"、"去除机器感"等关键词时触发。适用于需要降低文本 AI 特征、提升学术写作自然度的场景。
---

# 去除 AI 写作痕迹 - MBA 论文风格优化

> **本文档是 manifest**：每节只保留导航 / 简介 / 边界，具体内容请读对应 TOML / Markdown 文件。
> 删繁就简的目的是让 Claude Code 在最小上下文里读到该项目最稳定的入口信息。

## 任务目标

将带有明显 AI 生成特征的中文文本改写为自然、人类化的 MBA 毕业论文风格文本，符合中国 MBA 毕业论文的学术规范和实践导向。

## 核心原则

1. **实践导向**：MBA 论文必须来源于企业管理实际，解决具体管理问题，避免纯理论空谈
2. **小题大做**：选题聚焦明确，"小题深做"，避免选题过大、过于宽泛
3. **客观性优先**：用事实和数据替代主观评价和空泛论述
4. **具体化表达**：提供具体企业案例、数据支撑、时间节点，避免笼统描述
5. **数据溯源**：所有数据必须注明来源，确保准确性和可信度
6. **理论支撑**：运用 1-2 个相关理论作为分析框架，避免就事论事
7. **简洁性**：删除冗余修饰、重复表述，保留核心信息
8. **学术规范**：符合中国高校 MBA 论文的写作规范和格式要求
9. **逻辑严密**：论证过程清晰，因果关系明确，避免跳跃式推理
10. **结构合理**：正文字数 3 万字以上，章节分配合理，避免节下无目或一节不足一页

## 识别与改写策略（数据化）

SKILL.md 不再展开具体的识别词表与改写规则——它们以**结构化数据**的形式存放在本目录下：

| 类别 | 数据文件 | 内容 |
| --- | --- | --- |
| 内容/语言/结构改写规则 | [`references/rules/categories/*.toml`](references/rules/index.toml) | regex 类规则，由 `scripts/rule_loader.iter_regex_categories` 自动加载 |
| 三维协同优化 + 评估标准 | [`references/strategy_optimization.toml`](references/strategy_optimization.toml) | 维度 1/2/3 核心策略、改写流程、量化 / 定性评估表 |
| 改写检查清单 | [`references/mba_rewrite_checklist.toml`](references/mba_rewrite_checklist.toml) | 4 类检查项 + 硬性量化阈值 |
| 章节特定改写规则 | [`references/chapter_rewrite_rules.toml`](references/chapter_rewrite_rules.toml) | 5 章节 × 改写点的 before/after 示例 |
| 高频 AI 词 / 连接词 | [`references/rules/categories/language.toml`](references/rules/categories/language.toml) | `ai_buzzwords` / `excessive_connectors` 等条目；与 `humanizer-academic-zh` 模式 10/12/21 交叉对应 |

> **使用方式**：写正文时按 `references/mba_rewrite_checklist.toml` 4 大类逐条核对；遇到具体痕迹词按 `references/rules/categories/language.toml` 词表替换；如果要引用某个章节的特定模式，查 `references/chapter_rewrite_rules.toml` 的 `chapter.section`。

## 改写流程

```
输入文本
    ↓
[多维度检测] → 生成检测报告（detect_ai_patterns.generate_report）
    ↓
[modify_plan] → 结构化骨架（analyzers.rewrite_planner.build_modify_plan）
    ↓
[反馈生成] → 修改建议（feedback_generator）
    ↓
[自动修复] → 中英文空格等可机械修复项
    ↓
[手动改写] → 按 checklist.toml / chapter_rewrite_rules.toml 逐项处理
    ↓
[质量验证] → 再次跑 detect_patterns，确认 modify_plan 清空
```

## 自动化检测与反馈工作流

### 多方案融合检测

检测层由三类组成，可独立运行也可组合：

1. **规则匹配检测** (`scripts/detect_ai_patterns.py`)
   - 加载 `references/rules/**/*.toml` 的 7 个分类（structure / rhythm_quality / formatting / content / evidence / language / chapter-categories）
   - 走 `iter_regex_categories` 渐进式加载，可按 group 或 category_id 选载
   - 命中后产出 `PatternMatch(pattern_name, pattern_type, line_number, content, suggestion, severity)`

2. **散文统计 + 结构分析** (`scripts/analyzers/`)
   - 5 个维度：`uniform_sentence_length` / `uniform_paragraph_length` / `paragraph_edge_template_repeat` / `paragraph_structure_uniformity` / `chapter_template_repeat`
   - 输出 `AnalyzerIssue(analyzer_id, severity, confidence, location, evidence, suggestion)` + 统计指标

3. **语义链分析** (`scripts/analyzers/semantic_chain.py`)
   - 10 个维度（3 / 4 / 5）：三段式 / 作者罗列 / 方法堆叠 / 摘要模板 / 结论回声 / 笼统问题 / 无来源量化 / 宏观叙事 / 证据链 / 问

README.md

# Humanize MBA Text - 去除 AI 写作痕迹

<p align="center">
  <img src="https://img.shields.io/badge/Python-3.7+-blue.svg" alt="Python 3.7+">
  <img src="https://img.shields.io/badge/License-MIT-green.svg" alt="License: MIT">
  <img src="https://img.shields.io/badge/Claude-Skill-orange.svg" alt="Claude Skill">
  <img src="https://img.shields.io/badge/Version-1.5-brightgreen.svg" alt="Version: 1.5">
  <img src="https://img.shields.io/badge/Kimi-CLI-blue.svg" alt="Kimi CLI">
  <img src="https://img.shields.io/badge/中文-🇨🇳-red.svg" alt="中文">
  <a href="README_EN.md"><img src="https://img.shields.io/badge/English-🇺🇸-inactive.svg" alt="English"></a>
  <a href="README_KR.md"><img src="https://img.shields.io/badge/한국어-🇰🇷-inactive.svg" alt="한국어"></a>
  <a href="README_JP.md"><img src="https://img.shields.io/badge/日本語-🇯🇵-inactive.svg" alt="日本語"></a>
</p>

<p align="center">
  <b>专门针对中国 MBA 毕业论文的 AI 写作痕迹检测与去除工具</b>
</p>

<p align="center">
  <code>#AI-Detection</code> <code>#Academic-Writing</code> <code>#MBA-Thesis</code> <code>#Claude-Skill</code> <code>#Text-Humanization</code> <code>#ChatGPT-Alternative</code> <code>#LLM-Writing</code> <code>#Research-Tools</code> <code>#Academic-Integrity</code> <code>#Chinese-NLP</code>
</p>

---

## 🎯 项目简介

这是一个专门为**中国 MBA 毕业论文**设计的 AI 写作痕迹检测与去除工具。基于 MBA 论文的学术规范和实践要求，通过多维度检测方法识别文本中的 AI 生成特征，并提供具体的修改建议，帮助你将 AI 生成的文本改写为自然、人类化的学术写作风格。

### ✨ 版本 1.5 新特性（段落级句长 CV + 报告可读性升级）

- 📐 **段落级句长 CV 分析**：参考 `AI_artifact_detection` 方法，以段落内句子长度的变异系数（CV）作为核心 AI 信号，中文按 CJK 字符、英文按单词计数
- 📊 **中文 CV 报告**：检测 Markdown 报告末尾自动附加五段式 CV 报告——整体统计 / CV 分布 / Uniform 段落详情 / 章节汇总 / 句长分布
- 🔁 **改写前后对比**：新增 `scripts/detect_compare.py`，输入改写前、改写后两个文本，输出中文 Before/After 对比 Markdown
- 🌐 **可选英文检测模式**：`sentence_length.analyze(text, language="en")` 支持英文散文的句长 CV 检测
- 🎯 **内容片段带上下文**：详细问题列表中的内容片段现在显示匹配处前后约 20 字，便于快速定位
- 📝 **修改建议完整显示**：不再截断修改建议，完整输出所有提示
- 📋 **Uniform 段落完整表格**：CV < 0.30 的段落全部以表格列出，不再限制 20 条
- ⏰ **真实生成时间**：报告末尾显示实际生成时间（YYYY-MM-DD HH:MM:SS）

> 历史版本（1.4 / 1.3 / 1.2）特性已归档至 [`FEATURE.md`](FEATURE.md)。

### 核心功能

- ✅ **多层级 AI 检测**：从规则匹配（regex）→ 散文统计（5 维 CV/指纹）→ 语义链（10 维跨段/跨章）三层叠加
- ✅ **段落级句长 CV 报告**：基于 `AI_artifact_detection` 方法，输出 Uniform 段落、CV 分布、章节汇总、句长分布
- ✅ **改写前后对比**：`scripts/detect_compare.py` 一键生成 Before/After 中文对比报告
- ✅ **章节特定规则**：针对绪论、理论、分析、建议、结论 5 个章节的优化策略
- ✅ **MBA 论文规范**：符合中国高校 MBA 论文字数、结构、格式要求
- ✅ **结构化改写计划**：每个 issue 都附 location + skeleton + recommended replacements + 目标字数
- ✅ **自动修复**：自动处理中英文混排空格等简单问题
- ✅ **智能反馈**：生成详细的修改建议和前后对比示例
- ✅ **Claude Skill 集成**：可作为 Claude Code 的 Skill 直接使用

### 技术参考

本项目在优化策略设计上参考了 [thesis-optimizer](https://github.com/Haimbeau1o/thesis-optimizer) 项目的三维协同优化理念：
- 🔍 **降AI检测率**：句式多样化、语气自然化、逻辑人性化
- 📉 **降查重率**：深度语义改写、引用规范化、专业术语处理  
- ✨ **学术润色**：表达精准化、学术规范性、可读性优化

---

## 🎓 MBA 论文核心原则

本工具基于中国 MBA 论文的学术规范设计，遵循以下核心原则：

### 1. 实践导向
- 必须来源于企业管理实际，解决具体管理问题
- 避免纯理论空谈

### 2. 小题大做
- 选题聚焦明确，"小题深做"
- 核心概念不超过 2-3 个
- 避免选题过大、过于宽泛

### 3. 数据溯源
- 所有数据必须注明来源
- 确保准确性和可信度
- 删除"相关数据显示"等模糊表述

### 4. 理论支撑
- 运用 1-2 个相关理论作为分析框

_meta.json

{
  "ownerId": "kn77k0qnxvrb2gwbr1132zf7kh80qhny",
  "slug": "humanize-mba-text-skill",
  "version": "1.5.0",
  "publishedAt": 1783664382451
}

references/ai-writing-patterns.md

# AI 写作特征识别指南

本文档详细列出 AI 生成文本的常见特征，用于指导去 AI 痕迹改写工作。

## 一、内容特征

### 1.1 过度强调重要性
- **表现**: 用词浮夸，强调主题的代表性和贡献
- **示例**: "丰田喜一郎是丰田汽车公司的创办人之一，也是把丰田从纺织业带进汽车产业的关键人物"
- **改写**: 直接陈述事实，避免价值判断词汇

### 1.2 宏观趋势过度解读
- **表现**: 将具体事物上升到宏观层面
- **示例**: "将日本从'织布机国家'推向'汽车大国'的关键推手"
- **改写**: 聚焦具体事实，避免宏大叙事

### 1.3 分析流于表面
- **表现**: 以 -ing 结尾的肤浅分析
- **示例**: "凸显了...的重要性"、"反映了...的趋势"
- **改写**: 提供具体数据或实例支撑

### 1.4 模糊归因
- **表现**: 将观点归于"专家"、"学者"等模糊主体
- **示例**: "有专家指出..."、"研究表明..."
- **改写**: 明确引用具体来源或删除此类表述

### 1.5 宣传性语言
- **表现**: 使用广告式措辞
- **示例**: "卓越的性能"、"显著的成效"
- **改写**: 使用客观描述性词汇

## 二、结构特征

### 2.1 三段式法则
- **表现**: 背景-现状-展望的僵化结构
- **改写**: 根据内容需要灵活组织段落

### 2.2 过于简略的前景
- **表现**: "尽管...有其意义，但面临挑战..."
- **改写**: 具体问题具体分析，避免套话

### 2.3 列表式行文
- **表现**: 滥用项目符号和编号
- **改写**: 转化为连贯的段落文字

## 三、语言特征

### 3.1 连接性短语过多
- **高频词汇**: 
  - 首先、其次、最后
  - 此外、另外、与此同时
  - 因此、所以、综上所述
  - 值得注意的是、需要指出的是
- **改写**: 减少连接词，使用更自然的过渡

### 3.2 否定式排比
- **表现**: "不仅...而且..."、"既不是...也不是..."
- **改写**: 直接陈述，避免复杂句式

### 3.3 破折号过度使用
- **表现**: 频繁使用"——"进行解释或补充
- **改写**: 使用括号或逗号，或拆分为独立句子

### 3.4 中英文/数字混用空格

**基本原则：中文语境下，中英文、数字与中文之间不加空格。**

#### 常见错误场景

| 场景 | ❌ 错误示例 | ✅ 正确示例 |
|------|------------|------------|
| 英文缩写 | MBA 论文、AI 写作 | MBA论文、AI写作 |
| 英文单词 | Python 语言 | Python语言 |
| 数字+中文 | 15 % 的增长、5 个企业 | 15%的增长、5个企业 |
| 年份 | 2023 年、20 世纪 | 2023年、20世纪 |
| 百分比 | 提升了 20 % | 提升了20% |
| 货币 | 100 万元、50 美元 | 100万元、50美元 |
| 人名引用 | Smith (2019) | Smith(2019) |
| 编号 | 第 1 章、图 2-1 | 第1章、图2-1 |

#### 例外情况

以下情况保留空格：
- 英文句子中的中文（如：This is a 中文 sentence）
- 代码中的注释（如：# 这是一个 comment）
- 特殊格式要求（如期刊投稿要求）

#### 检测方法

使用正则表达式检测：
```python
# 中文后接英文/数字有空格
pattern1 = r'[\u4e00-\u9fff]\s+[a-zA-Z0-9]'
# 英文/数字后接中文有空格  
pattern2 = r'[a-zA-Z0-9]\s+[\u4e00-\u9fff]'
```

### 3.5 AI 词汇
- **高频词汇**:
  - 赋能、抓手、闭环、落地
  - 痛点、打法、赛道、生态
  - 迭代、优化、协同、整合
- **改写**: 使用传统学术词汇替代

## 四、引用特征

### 4.1 过度强调来源
- **表现**: 对无争议事实也标注来源
- **改写**: 常识性内容无需标注

### 4.2 虚构引用
- **表现**: 引用不存在或错误的文献
- **改写**: 核实所有引用，删除无法验证的内容

## 五、MBA 论文改写原则

### 5.1 风格要求
1. **客观性**: 避免主观评价，用事实和数据说话
2. **具体性**: 提供具体案例、数据支撑
3. **简洁性**: 删除冗余修饰，保留核心信息
4. **专业性**: 使用规范的学术用语

### 5.2 改写策略
1. 识别并删除 AI 特征词汇
2. 将列表转化为段落
3. 简化复杂句式
4. 补充具体细节
5. 调整段落结构，避免僵化模式

### 5.3 检查清单
- [ ] 是否删除了浮夸的形容词
- [ ] 是否避免了模糊归因
- [ ] 是否减少了连接词使用
- [ ] 是否提供了具体数据
- [ ] 是否检查了引用准确性
- [ ] 是否符合中文标点规范

## 六、改写示例

### 示例 1：过度强调
**原文**: 数字化转型已成为推动企业高质量发展的关键抓手，通过赋能业务创新，为企业创造显著价值。

**改写**: 本研究探讨数字化转型对企业绩效的影响。通过分析XX公司2018-2023年的财务数据，发现数字化投入与营业收入增长呈正相关关系。

### 示例 2：列表式行文
**原文**:
- 提升了运营效率
- 降低了管理成本
- 增强了市场竞争力

**改写**: 实施该方案后，企业运营效率提升15%，管理成本下降8%，市场份额从12%增长至18%。

### 示例 3：模糊归因
**原文**: 有研究指出，企业文化对组织绩效具有重要影响。

**改写**: Schein(2010)的研究表明，强势企业文化与组织绩效存在正相关关系（r=0.42, p<0.05）。

### 示例 4：连接词过多
**原文**: 首先，本文回顾了相关文献。其次，构建了理论模型。最后，进行了实证检验。

**改写**: 本文首先回顾相关文献，在此基础上构建理论模型，并通过实证数据检验研究假设。

## 七、注意事项

1. **保持原意**: 改写时不改变原文的核心观点
2. **学术规范**: 符合 MBA 论文的格式和引用要求
3. **逻辑连贯**: 确保改写后的文本逻辑清晰
4. **语言自然**: 读起来像人类作者的真实写作

references/chapter_rewrite_rules.toml

# Chapter-specific Rewrite Rules
#
# Reference data for `SKILL.md` — the 「MBA论文章节特定改写规则」section.
# 五章节 × 多个改写点。每个章节的每个改写点带：
# - id       : 稳定标识符
# - ai_traces: 常见 AI 痕迹（含警惕词 / 模板）
# - rewrite_requirements: 改写要求（描述）
# - examples : before/after 示例（可选）

version = "1.3.0"
language = "zh-CN"
domain = "MBA thesis humanization"

[meta]
purpose = "MBA 论文五章节的特定改写规则。"
context = "SKILL.md「MBA论文章节特定改写规则」一节的源数据。"
chapter_labels_zh = ["绪论", "理论基础", "现状与问题分析", "对策建议", "结论"]

# ---------------------------------------------------------------------------
# 第 1 章 绪论
# ---------------------------------------------------------------------------

[[chapter]]
id = "chapter_1_introduction"
title = "第1章 绪论"
order = 1

[[chapter.section]]
id = "research_background"

[[chapter.section.ai_traces]]
before = "随着市场竞争日益激烈，企业面临诸多挑战"

[[chapter.section.ai_traces]]
before = "在……背景下"
note = "滥用背景句式"

[[chapter.section.ai_traces]]
before = "当今时代"

[[chapter.section.rewrite_requirements]]
text = "直接点明研究企业、具体问题、研究必要性"

[[chapter.section.examples]]
before = "随着市场竞争日益激烈，企业面临诸多挑战"
after = "XYZ 公司作为广东省制造企业，2022-2023 年市场份额从 15% 下降至 10%，亟需优化营销策略"

[[chapter.section]]
id = "purpose_and_significance"

[[chapter.section.ai_traces]]
before = "具有重要理论意义和实践价值"
note = "vague_attribution / 空泛研究意义"

[[chapter.section.ai_traces]]
before = "丰富相关理论研究"

[[chapter.section.rewrite_requirements]]
text = "具体说明解决什么问题、带来什么价值"

[[chapter.section.examples]]
before = "本研究具有重要理论意义和实践价值"
after = "本研究旨在通过优化 XYZ 公司绩效考核体系，解决当前研发人员流失率高达 25% 的问题，预期可将流失率降至 15% 以内"

[[chapter.section]]
id = "literature_review"

[[chapter.section.ai_traces]]
before = "简单罗列 A 说、B 说、C 说"
note = "缺乏归纳分析；chain_author_listing 维度直接命中"

[[chapter.section.rewrite_requirements]]
text = "按主题/流派分类整理；指出已有研究不足和空白；明确本文研究的补充价值"
quantitative = [
  "参考文献不少于 50 篇",
  "外文 ≥ 1/3",
  "近 5 年 ≥ 1/3",
  "近 2 年文献应有涉及",
  "期刊论文 ≥ 60%",
  "专著 ≤ 20%",
  "避免大量引用学位论文",
]

[[chapter.section]]
id = "research_methods"

[[chapter.section.rewrite_requirements]]
text = "说明为什么选择该方法；阐述如何应用；说明数据来源和收集方式；确保研究方法与论文类型匹配"
note = "避免「简单列举方法名称」类的 AI 痕迹 (chain_method_name)"

# ---------------------------------------------------------------------------
# 第 2 章 理论基础
# ---------------------------------------------------------------------------

[[chapter]]
id = "chapter_2_theory"
title = "第2章 理论基础"
order = 2

[[chapter.section]]
id = "concept_definition"

[[chapter.section.ai_traces]]
before = "大段引用教科书式理论阐述"
note = "理论与研究脱节"

[[chapter.section.rewrite_requirements]]
text = "界定核心概念（2-3 个主要概念）"

[[chapter.section]]
id = "theoretical_framework"

[[chapter.section.ai_traces]]
before = "理论罗列：介绍 5-6 个理论"
note = "也是 chain_method_name 的模板痕迹"

[[chapter.section.rewrite_requirements]]
text = "选择 1-2 个核心理论作为分析框架；理论与研究问题紧密结合；为后续分析奠定理论基础，而非纯理论介绍"

# ---------------------------------------------------------------------------
# 第 3 章 现状与问题分析
# ---------------------------------------------------------------------------

[[chapter]]
id = "chapter_3_analysis"
title = "第3章 现状与问题分析"
order = 3

[[chapter.sect

Related agents

Same protocol, similar job.

Github ReposUpdated 2d 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.

MCPOPENCLAW
Github ReposUpdated 7mo agoRank 70

CopilotKit

The Frontend for Agents & Generative UI. React + Angular

OPENCLAW

Machine-readable data

The same record, as JSON, for agents and crawlers.

{
  "facts": [
    {
      "factKey": "vendor",
      "category": "vendor",
      "label": "Vendor",
      "value": "Clawhub",
      "href": "https://clawhub.ai/stephenlzc/skills/humanize-mba-text-skill",
      "sourceUrl": "https://clawhub.ai/stephenlzc/skills/humanize-mba-text-skill",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-11T15:30:38.248Z",
      "isPublic": true
    },
    {
      "factKey": "protocols",
      "category": "compatibility",
      "label": "Protocol compatibility",
      "value": "OpenClaw",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/contract",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/contract",
      "sourceType": "contract",
      "confidence": "medium",
      "observedAt": "2026-10-11T15:30:38.248Z",
      "isPublic": true
    },
    {
      "factKey": "traction",
      "category": "adoption",
      "label": "Adoption signal",
      "value": "1K downloads",
      "href": "https://clawhub.ai/stephenlzc/humanize-mba-text-skill",
      "sourceUrl": "https://clawhub.ai/stephenlzc/humanize-mba-text-skill",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-11T15:30:38.248Z",
      "isPublic": true
    },
    {
      "factKey": "latest_release",
      "category": "release",
      "label": "Latest release",
      "value": "1.5.0",
      "href": "https://clawhub.ai/stephenlzc/humanize-mba-text-skill",
      "sourceUrl": "https://clawhub.ai/stephenlzc/humanize-mba-text-skill",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-07-10T06:19:42.451Z",
      "isPublic": true
    },
    {
      "factKey": "handshake_status",
      "category": "security",
      "label": "Handshake status",
      "value": "UNKNOWN",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/trust",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/trust",
      "sourceType": "trust",
      "confidence": "medium",
      "observedAt": null,
      "isPublic": true
    }
  ],
  "events": [
    {
      "eventType": "release",
      "title": "Release 1.5.0",
      "description": "Major documentation refactor: split monolithic chapter guide into 5 standalone files (Introduction, Theory, Analysis, Solutions, Conclusion). Added MBA thesis core principles and independent format-standards document. Strengthened practice-oriented requirements: data traceability, theory-application alignment, and concrete case analysis.",
      "href": "https://clawhub.ai/stephenlzc/humanize-mba-text-skill",
      "sourceUrl": "https://clawhub.ai/stephenlzc/humanize-mba-text-skill",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-07-10T06:19:42.451Z",
      "isPublic": true
    }
  ]
}

Record generated Oct 11, 2026.

Sponsored

Ads related to humanize-mba-text-skill and adjacent AI workflows.