anti-ai-detection git:20260923.4a6b4efA

Immutable. This exact content never changes and is served at /api/v1/blob/e49d8cbdaa399472.

---
name: anti-ai-detection
description: "中文学术文本 AI 特征检测：八维度加八项统计特征分析、AI 味改写建议、改写质量检查，并生成国赛 AI 使用声明。触发词：反AI检测、AI味、去AI化、AI 生成特征、AI 使用声明。"
---

# 反AI特征检测 (Anti-AI Detection) v2.2

> **用途**：检测中文学术文本的AI生成特征，提供8维度+8统计特征分析、AI味改写建议、改写质量门禁、2026国赛AI使用声明生成。
> **触发条件**：用户说"反AI检测"、"AI痕迹检查"、"去AI味"、"anti-ai"、"检测AI生成"、"AI使用声明"。

## 〇、先检索（本技能的调研基线）

本技能建立前先检索了现有成熟方案（避免造轮子）：
- **SkillHub 社区**（skillhub.cn，2.2万+ skills）：humanize-chinese（20+检测类别、学术AIGC降重）、moways00001（8大类58种痕迹模式）、wb-deai-writing-pro（12维评分）、文章去AI味工具（14.3万下载）
- **学术文献**：知识管理论坛2025（8维度框架）、GPTZero/DetectGPT/Binoculars（perplexity/burstiness）、AI Ethics 2026（7语言特征）、C-ReD ACL 2026（中文基准）
- **官方规则**：全国大学生数学建模竞赛人工智能工具使用规定（2026年试行）

### 选择性吸收原则（不照抄照搬）

实证发现 humanize-chinese 的**机械改写会杜撰新痕迹**（"显著进展"→"可观进展"语义漂移、"值得注意的是"→"要提醒的是"学术语境破坏、"进展…进展"新重复、句号变逗号）。因此：
- **吸收**：检测规则（20+类别、58种模式、12维评分）→ 已并入本工具词表
- **吸收**：moways00001 的"改写是让文字重新拥有观点、温度和节奏"理念 + 反AI审查回环
- **拒绝**：humanize-chinese 的自动机械替换改写 → 其输出必须过质量门禁，默认推荐人工改写
- **自建护栏**：`rewrite_quality_gate.py` 4维护栏（语义保持/句法完整/新痕迹检测/文体保护），任何改写输出不过门禁不得交付

## 一、工具链总览

| 工具 | 用途 | 调用 |
|------|------|------|
| `tools/anti_ai_detector.py` | 反AI特征检测（v2，基线校准+12维特征） | `python tools/anti_ai_detector.py <文件> --json` |
| `tools/reference_paper_baseline.py` | 解析参考论文→人类写作基线 | `python tools/reference_paper_baseline.py` |
| `tools/de_ai_writer.py` | AI味定位+改写方向引导（含审美守则与术语保护） | `python tools/de_ai_writer.py <文件>` |
| `tools/rewrite_quality_gate.py` | **改写质量门禁**（审美护栏，4维护栏） | `python tools/rewrite_quality_gate.py <原文> <改写后>` |
| `tools/ai_usage_declaration.py` | 2026国赛AI工具使用声明生成 | `python tools/ai_usage_declaration.py --used --usage "语言润色"` |
| `third_party/humanize-chinese/` | 外部方案（MIT）：**仅检测可信任；自动改写必须过门禁** | `python third_party/humanize-chinese/scripts/detect_cn.py <文件> -v` |
| `baseline/human_paper_baseline.json` | 62篇获奖论文基线（20篇OCR可用） | 检测器自动加载 |

### 推荐工作流（检测→方向→人工改写→门禁→复检）

```bash
# 1. 双检测器交叉验证
python tools/anti_ai_detector.py <文件> --json
python third_party/humanize-chinese/scripts/detect_cn.py <文件> -v

# 2. 获取改写方向（含审美守则+受保护术语提示）
python tools/de_ai_writer.py <文件> --output DE_AI_REPORT.md

# 3. 人工按方向改写（禁止机械替换！术语/数值/公式/句号边界不可动）

# 4. 改写输出过质量门禁（不过门禁不得交付）
python tools/rewrite_quality_gate.py <原文> <改写后>

# 5. 复检
python tools/anti_ai_detector.py <改写后> --json
```

## 二、检测框架（v2 双层）

### 层1：8维度框架（内容/结构视角，60%权重）
引文特征 / 数据特征 / 观点结论 / 结构框架 / 逻辑关系 / 内容一致性 / 概念阐释 / 语言表达

### 层2：8统计特征（语言统计视角，40%权重，基线校准）
| 特征 | 人类区间（20篇获奖论文） | 超出判定 |
|------|------------------------|---------|
| 突发性Burstiness | 分句CV 0.60-1.10 | <0.45 疑AI（句长过均匀） |
| 句长分布 | 短句54.4-82.3%/中句17.4-42.3%/长句0-7.7% | 长句>10% 疑AI |
| 连接词密度 | 4.2-12.3‰ | >12.3‰ 疑AI |
| 被动语态 | 0.2-4.8% | >4.8% 疑AI |
| 段落CV | 0.5-1.0 | <0.3 疑AI（结构均匀） |
| 压缩比 | 0.58-0.78 | <0.45 疑AI（词汇重复） |
| 字符熵 | bigram熵 9.6-10.2（长文本） | <9.0 疑AI |
| AI模板词 | 0-3个 | ≥5个 疑AI |

### 置信度保护
- <300字：句长分布/连接词/被动/突发性按比例打折（短文本统计不可靠）
- <1000字：字符熵返回中性分
- AI模板词为逐词计数证据，不打折

## 三、使用方法

### 3.1 检测
```bash
# 基本用法（自动加载基线）
python tools/anti_ai_detector.py <文件路径或文本>

# JSON输出（供程序消费）
python tools/anti_ai_detector.py <文件> --json --output result.json
```

### 3.2 改写建议
```bash
python tools/de_ai_writer.py <文件> --output de_ai_report.md
# 输出：AI模板句/被动语态/超长句/模板化连接词序列 逐条定位+改写建议
```

### 3.3 AI使用声明（2026国赛新规）
```bash
# 未使用AI（默认）
python tools/ai_usage_declaration.py --output <工作区>

# 使用了AI
python tools/ai_usage_declaration.py --used --usage "语言润色、代码调试" --output <工作区>
# 生成：AI工具使用声明.tex（插在参考文献前）+ AI工具使用详情.md（转PDF入支撑材料）
```

### 3.4 重新生成基线（参考论文更新后）
```bash
python tools/reference_paper_baseline.py
```

## 四、风险等级
| 等级 | 分数 | 处理 |
|------|------|------|
| low | <25% | 通过 |
| medium | 25-40% | 用 de_ai_writer 定位问题并改写 |
| high | 40-60% | 改写后重测，重点检查模板词与句长分布 |
| critical | >60% | 大段重写，逐段复查 |

## 五、2026 国赛合规铁律
1. 论文参考文献之前必须设置「AI工具使用声明」（二选一，措辞固定）
2. 使用AI必须提供 AI工具使用详情.pdf（工具/版本、用途、提示过程、采纳核验）
3. 故意隐瞒或虚假声明 → 取消评奖资格
4. 声明内容不允许修改措辞

## 六、参考文献
1. 安彤等.基于多维特征分析的AI生成期刊论文内容识别与应对策略研究.知识管理论坛,2025
2. Tian et al. GPTZero: Towards Detecting AI-Generated Text via Zero-Shot Distinguishing with Common n-gram Analysis. 2023
3. Solidjonov. Detecting AI-generated academic language. AI Ethics, 2026
4. Su et al. Research on AI-generated Chinese text detection. AIMS, 2025
5. Qing et al. C-ReD: A Comprehensive Chinese Benchmark. ACL Findings, 2026
6. 全国大学生数学建模竞赛人工智能工具使用规定（2026年试行）
7. Lupynow/math-modeling-skills v1.4.0（八类AI写作痕迹识别）
8. voidborne-d. humanize-chinese v2.1.0（MIT, GitHub 开源；SkillHub @clawhub_swaylq/humanize-chinese）
9. 博维管理咨询. moways00001 中文去AI味·58项质检（SkillHub, 8大类58种痕迹模式）
10. wb-deai-writing-pro 去AI味Pro（SkillHub, 12维评分+四平台风格改写）

## 七、注意事项
1. 本工具基于统计特征与规则，**不能替代人工审查**
2. 检测结果供修改方向参考；改写后必须复查
3. 专业领域文本部分特征可能不适用
4. 可选用 HuggingFace 中文检测模型交叉验证（AnxForever/chinese-ai-detector-bert 等，需联网）