STE80 Humanizer：让AI文本回归自然

STE80 Humanizer 旨在让 AI 生成的文本读起来像由谨慎的人类撰写，同时保持原意不变。该工具结合了两种核心方法：

  1. 去特征化处理： 移除 blader/humanizer 目录中维基百科“AI 写作迹象”所列的 26 种典型特征。
  2. Karpathy 的 STE80 方法： 将句子重构为“达到 ASD-STE100 标准的 80%”。ASD-STE100 是航空航天维护手册使用的受控英语规范。

修改对比示例：

修改前：好问题！Kubernetes 存活探针是一种强大的机制，使 kubelet 能够确定容器是否健康——这不仅仅是一个健康检查，更是你的第一道防线。当探针失败时，kubelet 会自动重启容器，确保你的应用程序保持可用。然而，需要注意的是，配置错误的探针可能会导致级联重启，因此应仔细调整 initialDelaySeconds 和 failureThreshold 等参数。做到这一点，你的集群就能自我修复。

修改后：存活探针告知 kubelet 容器是否健康。如果探针失败，kubelet 会重启该容器。这能保持应用程序的可用性。糟糕的探针也可能导致多次重启。例如，过短的超时时间会使健康的容器探针失败。为防止这种情况，请设置适合你应用的 initialDelaySeconds 和 failureThreshold 值。

其目标是提升文本可读性，而非绕过 AI 检测器。

为何需要两轮处理

大多数“人类化”工具仅移除特定短语。虽然去掉了“好问题！”或“无缝”等词，但文本仍保留长句、隐藏主语的句式及堆砌的修饰语，读起来依然像 AI 生成。STE80 通过两轮处理解决此问题：

  • 第一轮（特征移除）： 清理聊天机器人开场白、破折号滥用、“不仅是 X”结构、戏剧性结尾等。
  • 第二轮（STE80 重构）： 将长句拆分为短句，每句仅表达一个观点，使用主动语态，分离指令与描述。

方法论溯源：Karpathy 的观点

2026 年 10 月 2 日，Andrej Karpathy 指出，随着大语言模型（LLM）承担更多工作，人们花在解读模型输出上的时间日益增加。他建议让 LLM 使用 ASD-STE100（一种源自航空航天业的受控语言规范）进行解释，以迫使模型输出更清晰的风格。他还提出可尝试“达到 ASD-STE100 标准的 80%”，因为完全严格的规范在普通散文中显得生硬。

ASD-STE100 核心规则：

  • 每条指令最多 20 个单词，描述部分最多 25 个单词。
  • 每句仅表达一个指令或观点。
  • 使用主动语态和简单时态。
  • 每个单词仅有一个含义，使用约 900 个批准词汇。
  • 每段仅讨论一个主题，最多六句话。

为何选择“80%”模式？ 在 100% 严格模式下，“check”和“test”仅作名词，“may”和“should”被禁止，导致文本生硬。80% 模式保留了完整结构，同时允许使用更自然的词汇和表达方式（如允许“check/test”作动词，保留“may/should”表达不确定性）。

技能说明与安装

SKILL.md 包含两个编号列表：§1 至 §26 对应 AI 典型特征（第一轮），S1 至 S15 对应 STE80 结构规则（第二轮）。每个条目包含“注意”、“问题”、“修改前”和“修改后”字段，并标注 80% 与严格模式的差异。

安装方式

安装后，可通过 /ste80-humanizer 调用。当用户请求人类化、简化或去除 AI 痕迹时，它也会自动启动。

  • 任意代理（skills.sh）： npx skills add Dodaios/ste80-humanizer。支持全局安装及指定代理（如 Claude Code、Codex、Cursor 等）。
  • Claude Code 插件： /plugin marketplace add Dodaios/ste80-humanizer。
  • Claude.ai/Desktop： 下载 ZIP 包，在设置的功能（Skills）中上传。

使用模式

用户可直接粘贴文本或使用自然语言指令（如“Make it sound like a person”）。工具提供三种模式：

模式 适用场景 执行操作
Humanize（默认） 常规请求 完整执行第一轮，第二轮执行 80%。保留个人风格。
Light 轻微调整 执行第一轮，加上第二轮中最严重的句子修正。
Strict STE 程序、安全说明 执行第一轮和第二轮的 100% 严格标准。

风格匹配： 用户提供写作样本后，技能会匹配其句子长度、用词和标点。忠实原意： 保留所有事实（如“may”、“40+”），不添加新内容，并标记源文本矛盾。

检查与测试

scripts/ste_check.py 是一个无依赖的 Python 检查工具，可标记第一轮特征（如聊天机器人短语、夸大主张）和第二轮规则（如句子长度、被动语态）。注意：这是启发式检查，非 AI 检测器。

测试显示，相比基础模型，STE80 技能在重写时能更好地保留事实。例如在 LinkedIn 帖子重写中，未使用技能的版本捏造了引言并篡改数据，而 STE80 保留了所有事实并标记了矛盾。尽管测试规模较小，但结果表明其在忠实度上的优势。

局限性与声明

  • 适用范围： STE 适用于清晰的说明性文本。对于小说、演讲或品牌文案，仅执行第一轮去特征化处理。
  • 语言限制： STE 是英语标准。对其他语言，仅应用结构和特征规则，不应用英语单词列表。
  • 合规性： “STE 风格”不等于“符合 STE 标准”。官方合规需经过认证的作家和审核流程。

本技能不包含 ASD-STE100 规范原件，规则经改写简化。ASD-STE100 是欧洲航空航天、安全与防务工业协会 (ASD) 的商标，本项目与其无关。

许可证：MIT