AI Summary仅适用于中文学术论文(学位论文、期刊投稿、学术报告)。不适用于: 知网AIGC检测器不是抓"AI写的",而是抓5种语言模式。理解这5种模式比记规则更重要: 用户贴一段红色显著文本进来,按以下步骤处理:
Install
Copy this and paste it into Claude Code, Cursor, or any AI assistant:
I want to install the "cnki-aigc-rewrite" skill in my project. Please run this command in my terminal: # Install skill into your project mkdir -p .claude/skills/cnki-aigc---skill && curl --retry 3 --retry-delay 2 --retry-all-errors -o .claude/skills/cnki-aigc---skill/SKILL.md "https://raw.githubusercontent.com/qingshanliuci/cnki-aigc---skill/main/SKILL.md" Then restart Claude Code (or reload the window in Cursor) so the skill is picked up.
Description
改写中文学术论文中被知网AIGC检测器标为"红色显著"的段落,目标是将AI率落出红色区间且不改变事实/数字/术语/引用。基于实战将20.6%降至10.1%(净降10.5个百分点)的工作流提炼。使用场景:用户提到"知网AIGC""降AI率""红色显著""降重"或贴出AIGC检测报告片段时触发。
When to use
用户做以下任一动作时触发: • 提到"知网AIGC检测""AI率""红色显著""降AIGC""降AI率" • 上传AIGC检测报告(PDF/截图) • 贴出一段被标为红色或疑似的论文文本 • 询问"怎么改这段不像AI写的" 仅适用于中文学术论文(学位论文、期刊投稿、学术报告)。不适用于: • 摘要/Abstract(结构化文本天然像AI,但通常不计入AI字符数) • 文献引用密集段("X等(2020)发现……"难以脱模板) • 研究方法固定描述句("采用双向固定效应模型"是规范表达) • 非学术文本(自媒体、营销文案、小说)
核心认知:检测器抓的是什么
知网AIGC检测器不是抓"AI写的",而是抓5种语言模式。理解这5种模式比记规则更重要: 模式1:句法节奏的可预测性 — LLM输出句长集中在20-35字(正态分布),人类写作是齐夫分布(少数特别长、少数特别短、多数中等)。改写要刻意打破均匀。 模式2:信息密度的均匀性 — LLM每段密度都差不多,人类写作有"高密度论证段"和"低密度铺陈段"。检测器跟踪段级特征值方差。 模式3:术语的句法位置固定 — LLM倾向把术语放在主语位置("逆向技术溢出转化为创新能力"),人类更常放在话题或宾语位置("企业把外部技术转化为创新能力")。不动术语本身,但挪动它在句子里的角色。 模式4:连接词功能重叠 — LLM爱用"因此""从而""进而""由此",功能高度重叠都在做因果推进。人类的连接词承担多种功能:补充(也就是说)、转述(换句话说)、强调(——)、对照(同向)。 模式5:模板段功能全等性 — 三/四项工整排比、抽象名词链、段尾元话语收束、模板化报告句、平行铺陈+末尾收束。这5个具体特征是上面5种模式的表层呈现。
路线A:交互式精修(输入<800字)
用户贴一段红色显著文本进来,按以下步骤处理: 步骤1:识别高危特征 扫描这段文本,列出它命中了下面哪几个具体特征(不必全列,列最关键2-3条): • 三/四项工整排比("从X看……从Y看……从Z看……" / "对A……对B……对C……" / "一方面……另一方面……" / "A以a为主;B以b为主;C以c为主") • 抽象名词链("传导机制""调控变量""动态监测体系""未被纳入检验的路径仍是传导重要环节") • 段尾元话语("这一结论""上述发现表明""为后续……提供了实证依据") • 模板化报告句("X的研究表明""在统计推断意义上获得支持""与预期方向一致""下降至/上升至") • 平行铺陈+末尾收束 步骤2:执行改写动作 按下列动作改写。保留所有数字、变量名、文献编号[N]、年份、作者姓名、专业术语: • 拆三/四项排比:每一项换不同句式起头(描述句/判断句/动宾句/转折句各一) • ❌ "从产业基础来看……从人力资本来看……从投资动机来看……" • ✅ "中部处于工业化中期;高校与高职供给的工程技术劳动力够用;OFDI动机上又以战略资产寻求型为主" • 抽象名词链 → 动词短语: • "传导机制较为契合" → "跟……同向" • "在统计推断意义上获得支持" → "被样本较为充分地支持" • "动态监测体系" → "看看是不是还走在一起" • 删段尾元话语:让段落自然结束。 • 替换LLM典型语套: • "研究表明" → "看到的是"/"读出的是" • "进一步揭示" → "再往下看是" • "下降至" → "跳到" • "一致" → "对得上"/"同向" • "释放/呈现" → 用具体动作替换 • 打乱句长方差:长短句穿插,用"——""换句话说""问题是""也就是说"让节奏不均匀。不要写成短句串+连接词,那是另一种AI腔。 • 挪动术语句法角色:原文术语在主语位置的,改写时换到宾语或话题位置。 步骤3:自检5项 输出前必须过一遍: • 数字、变量名、引用[N]是不是一字未动? • 段落里还有没有任何"X的Y的Z"三层名词嵌套? • 有没有两组以上"A,B,C"并列结构? • 段尾有没有"这一……""上述……"元话语收束? • 全段是否倒向口语化(找不到任何学术连接词)?保留至少2-3个学术连接词("鉴于""因此""二者"),否则会从AI腔倒向博客腔。 任一项不通过,重写。 Done when: 输出包含改写版 + 改了哪些高危特征(1-3条最关键的)+ 未动的部分(数字/术语/引用列表)。
路线B:批量处理(输入>800字或整节)
用户贴整节文字进来,按以下步骤: 步骤1:标定高危段落 通读全节,按红色密度排序输出一个清单: ` 段[起始词]…:高危特征 [排比/抽象名词链/元话语/模板报告/铺陈收束] ` 让用户确认要改哪几段(可能用户只想改密度最高的1-2段)。 Done when: 给出排序清单等用户选择。 步骤2:批量改写选定段落 按路线A的步骤2/3对每一段改写。每段输出格式: ` 【段N原文】 (节选首15字...) 【改写版】 (完整改写后段落) 【改了哪些】 • (1-2条最关键改动) ` Done when: 所有选定段落改写完,每段都通过自检5项。
Discussion
Health Signals
My Fox Den
Community Rating
Sign in to rate this booster