lov-anti-wechat-ai-check · diff
v1.1.0 to v1.1.2
37 added, 69 removed. Audit A to A.
---
name: lov-anti-wechat-ai-check
- category: Content Processing
- tagline: "检测文章 AI 痕迹 + 人性化润色，通过微信 3.27 条款检测。"
description: >
- Analyze articles for AI-generated content indicators and rewrite to pass
- WeChat's 3.27 non-human automated content creation detection. Checks for
- template phrases, transition word density, sentence uniformity, paragraph
- pattern repetition, and other signals that WeChat uses to flag AI content.
- Outputs a risk report and an optional humanized rewrite. Use when the user
- wants to check if an article looks AI-generated, make an article more
- human-like, bypass WeChat AI detection, or humanize AI-written content.
- Also trigger when the user mentions "去AI痕迹", "人性化润色", "微信AI检测",
- "anti-ai-check", "humanize article", "公众号发文检查".
+ 兼容旧命令的中文表层模式扫描器，只定位套话、句段均匀和过渡词等可观察特征，
+ 不判断作者身份或平台风险。新任务请使用 lov-human-writing。Use only for legacy
+ “anti-ai-check” commands. Use when reproducing a legacy surface scan; route
+ “去 AI 味” and “humanize article” to lov-human-writing.
license: MIT
compatibility: >
Requires Python 3.8+ (stdlib only, no external dependencies).
Cross-platform: macOS, Windows, Linux.
+ depends_on:
+ - lov-branding-consistency
metadata:
author: contributors
- version: "1.1.0"
- tags: wechat ai-detection humanize content-review
+ version: "1.1.2"
+ content_class: deterministic-output
+ tags:
+ - legacy-compatibility
+ - surface-patterns
+ - content-review
---
- # anti-wechat-ai-check — 微信公众号 AI 痕迹检测与人性化润色
+ # 文风扫描（旧入口） · Writing Pattern Scan (Legacy)
- 检测文章中的 AI 生成痕迹（模板短语、过渡词堆砌、句式雷同等），给出风险
- 评分和修改建议，并可输出人性化润色后的版本。基于微信公众平台运营规范
- 3.27 条款（非真人自动化创作行为）的检测逻辑。
+ 本 Skill 已弃用，只为旧命令和脚本调用保留兼容入口。它能扫描模板短语、过渡词、
+ 句长与段长均匀度，但这些都是表层启发式，不能证明文本由 AI 生成，也不能预测
+ 微信或其他平台的审核结果。新的诊断、改写和复测任务交给 `lov-human-writing`。
- ## When to Use
+ 不得把本 Skill 用于规避平台标识、内容披露、学术诚信或审核机制。
- - 用户准备将 AI 辅助写作的文章发布到微信公众号
- - 用户想检查一篇文章是否有明显 AI 痕迹
- - 用户想将 AI 生成的草稿改写为更自然的人类风格
+ ## Triggers
+ ### Activate when
+
+ - 用户明确要求复现旧版 `anti-ai-check` 报告或维护 `scripts/analyze.py` 兼容调用。
+ - “Run the legacy anti-ai-check surface scan.”
+
+ ### Do not activate when
+
+ - “去 AI 味”“人性化润色”“像不像 AI 写的”“humanize article”——使用
+ `lov-human-writing`，先审作者性和篇章结构，再做表层度量。
+ - 用户要求“通过检测”“绕过审核”或删除 AI 标识——拒绝规避目标，只提供质量改进、
+ 事实核查和合规披露帮助。
+
## Workflow (MANDATORY)
**You MUST follow these steps in order:**
### Step 1: Get the article
Determine the input source:
- If user provides a **file path** → read the file
- If user **pastes text** in the conversation → save to a temp file or use `--text`
### Step 2: Run analysis
```bash
python skills/lov-anti-wechat-ai-check/scripts/analyze.py \
--input <path> --format json
```
Or with inline text:
```bash
python skills/lov-anti-wechat-ai-check/scripts/analyze.py \
--text "文章内容" --format json
```
### Step 3: Present findings
Show the user:
- 1. **Risk score** (0-100) and risk level (LOW / MEDIUM / HIGH)
+ 1. **Legacy heuristic score** (0-100) and band (LOW / MEDIUM / HIGH). Explain
+ that it is an uncalibrated surface-pattern sum, not an AI probability or
+ platform risk score.
2. **Template phrases found** — list each one with its location
3. **Structure issues** — transition word density, paragraph uniformity, etc.
4. **Sentence issues** — length uniformity, repeated starters, excessive "的"
- ### Step 4: Ask the user
-
- **IMPORTANT: Use `AskUserQuestion` to ask what to do next:**
-
- | Option | Description |
- |--------|-------------|
- | 仅查看报告 | 用户自己修改，skill 结束 |
- | 给出修改建议 | 列出每个问题的具体修改建议，不改原文 |
- | 直接输出修改版 | 输出人性化润色后的完整文章 |
-
- ### Step 5: Humanize (if requested)
-
- When rewriting, follow these **humanization rules**:
-
- #### 5a. 消除模板短语
- - 删除或替换报告中标出的每个模板短语
- - "随着科技的不断发展" → 直接说具体的事（"去年 ChatGPT 发布后..."）
- - "综上所述" → 删掉，或换成口语化的收尾
-
- #### 5b. 降低过渡词密度
- - 目标：过渡词密度 < 15%
- - 删除不必要的 "首先/其次/此外/另外"
- - 用具体的逻辑关系替代泛化连接词
-
- #### 5c. 打破句式均匀
- - 刻意制造长短句交替：短句 < 15 字，长句 > 40 字
- - 加入口语化表达、反问句、感叹句
- - 偶尔使用不完整句或省略句
-
- #### 5d. 打破段落均匀
- - 有的段落只有一两句话，有的段落可以很长
- - 避免每段都是 "论点 + 论据 + 小结" 的三段式
-
- #### 5e. 增加人味
- - 加入个人经历、具体案例、数字细节
- - 使用口语化表达（"说白了"、"讲真"、"你想想"）
- - 适当使用不规范但自然的表达
- - 减少 "的" 字使用（目标 < 5%）
-
- #### 5f. 保留原意
- - 核心观点和信息不能丢失
- - 专业术语保留，不要过度口语化
- - 保持原文的立场和态度
-
- ### Step 6: Output
+ ### Step 4: Hand off
- Output the humanized article as markdown. If the input was a file, also offer
- to write the result back to a file (with `-humanized` suffix).
+ 只交付兼容报告，并明确推荐下一步使用 `lov-human-writing`。不要在本 Skill 中
+ 改写全文，不要为了“增加人味”补造个人经历、数字、情绪、错别字或不规范表达。
+ 任何真实改写都必须从作者提供的事实、判断和可追溯材料开始。
## CLI Reference
| Argument | Default | Description |
|----------|---------|-------------|
| `--input`, `-i` | — | Input file path (.md, .txt) |
| `--text`, `-t` | — | Inline text to analyze |
| `--format`, `-f` | `text` | Output format: `text` or `json` |
## Dependencies
No external dependencies — stdlib only.
## Runtime context (shared)
运行前读取本 Skill 包的 `skill.yaml`，由宿主提供 `skill-runtime/v1` 上下文。字段解析顺序为：当前请求、项目上下文、个人 Preferences、品牌 Profile、通用默认值。
- 只使用 Manifest 声明的字段；Profile 保存公开品牌事实，Preferences 保存个人工作偏好。
- `required: true` 字段缺失时，按 Manifest 的问题配置向用户提出一个聚焦问题；用户明确同意后再保存回答。
- 报错提供可复制的 `context_id`、字段路径与来源，诊断内容避开秘密、完整私人路径和原始配置。
## 通用反馈闭环
用户在 Skill 驱动任务中提出修改意见时，继续当前产物前必须执行：
1. 先判断意见是 `task-specific`（仅本次）还是 `reusable`（可跨任务复用）。
2. `task-specific` 只修改当前任务，不改 Skill。
3. `reusable` 先确定作用域：领域规则先更新对应 canonical Skill；适用于所有 Skill 的规则先更新共享规范。
4. 完成规则更新、版本、lint 与分发核验后，再把修改应用到当前任务。
5. `reusable` 修改会使此前的“确认”“继续”“发吧”失效；完成当前产物修改和回读后必须停下，等待用户下一步指示，不自动进入发布、提交或其他外部写入。