1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | academic-humanizer | — |
| 作者/维护者 | AIScientists-Dev（MorphMind 团队，主要提交者 JieGroup） | GitHub API |
| 来源链接 | https://github.com/AIScientists-Dev/academic-humanizer | — |
| 许可证 | MIT | GitHub 仓库 LICENSE 文件 |
| GitHub Stars | 862 | GitHub API |
| Forks | 92 | GitHub API |
| 最新版本 | v0.3.3（SKILL.md 声明） | SKILL.md front matter |
| 安装方式 | git clone 到本地 skills 目录 |
README |
2. 功能介绍与亮点
academic-humanizer 是一个专门为学术论文与基金申请书设计的 AI 写作痕迹清除技能。通用去痕迹工具会把论文里必要的严谨措辞（如带证据的模糊限定语 “results suggest”）一并抹平，也不理解基金申请书（NSF、NIH）特有的、需要保留“愿景性”表达的评审逻辑——这两点是它要补的缺口。
核心能力分六层，依次是：通用 AI 写作痕迹目录 → 学术专用痕迹（过度断言、灌水式重要性宣称、引用堆砌）→ 保留合法学术惯例（有证据支撑的模糊限定语、被动语态等不误伤）→ 论断与证据匹配（动词强度不得超过证据支撑）→ 语域与目标期刊/机构校准 → 基金申请书专用模式（NSF/NIH 结构、首页优先级、愿景与可行性平衡）。
主要亮点：
- 零依赖、零代码执行：允许工具仅为 Read/Write/Edit/Grep/Glob/AskUserQuestion，是一次纯文本编辑任务。
- 可复现的前后对比：README 与
examples/before-after.md提供真实论文段落、NIH Specific Aims、NSF CAREER 摘要的改写案例。 - 社区二次定制活跃：92 个 fork 对应 862 星（约 10.7%），与作者鼓励“fork 后按自己写作风格定制”的设计意图相符。
- 明确的伦理边界：README 写明不用于规避 AI 使用披露义务，不生成结论、不编造数据、不改动引用。
3. 适用场景
所属分类：内容创作与知识管理
适用于：使用 AI 辅助起草论文、综述、答辩回复（rebuttal）后希望消除套话痕迹、同时保留精确措辞与引用完整性的科研人员；撰写 NSF / NIH 等基金申请书、需要在“愿景表达”与压缩篇幅之间取得平衡的教职人员与博后；把关学生或合作者初稿、用作统一润色标准的审稿人与导师。
不适用于博客、营销文案、随笔等追求个人语气与情感表达的写作场景——SKILL.md 明确将这类场景划出范围。
4. 跨 Agent 兼容性
- Claude Code：原生支持——SKILL.md 声明
compatibility: claude-code codex morphmind opencode，官方安装路径为~/.claude/skills/。 - Codex：原生支持——同一兼容性声明覆盖，README 注明可作为 Codex 的 skill 或 system prompt 使用。
- OpenClaw：未验证——兼容性声明与安装说明均未提及。
- Hermes Agent：未验证——同上，未见相关声明。
5. 推荐理由
论断-证据匹配、保留合法模糊限定语、基金申请书专用模式，是通用去 AI 味工具没有覆盖、但学术写作使用者会实际用到的功能。安装门槛极低，无需 API key 或第三方依赖，全程只做文本读写编辑，不执行代码、不联网，适合初中级用户放心接入日常科研写作流程。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 6 | GitHub 862 星、92 fork（fork/star 比约 10.7%，高于多数同类项目），主要增长集中在创建后的最初两周内，此后趋于平稳；未检索到独立于 GitHub 之外、可验证的第三方评测或采用数据 |
| 可用性 | 8 | 单条 git clone 命令即可安装，无需 API key 或第三方依赖；README 与 SKILL.md 文档完整、附带可复现的真实前后对比案例；最近一次提交为 2026-07-03 |
| 安全性 | 9 | SKILL.md 声明允许工具仅限 Read/Write/Edit/Grep/Glob/AskUserQuestion，无任何代码执行或网络请求；作者明确声明该技能不用于规避 AI 使用披露义务 |
综合评分：7.67
安全检查清单： ① Shell 命令及权限范围——无，未声明任何 Bash/执行类工具； ② 运行时联网外发——无，纯本地文本处理； ③ API key/凭据——不需要，无凭据存储环节； ④ 可疑指令/注入迹象——未发现，README 明确声明不用于规避 AI 使用检测披露； ⑤ 作者/组织信誉——单一活跃提交者（GitHub 用户 JieGroup，隶属 AIScientists-Dev/MorphMind 团队），14 次提交记录清晰可溯，无刷星或 SEO 操纵措辞迹象； ⑥ License——MIT，明确； ⑦ 最近维护时间——2026-07-03，距今约 5 周。
7. 跟同类 Skills 相比的优势
| Skill | 定位 | 与 academic-humanizer 的差异 |
|---|---|---|
| humanizer（blader） | 通用博客/营销/百科类文本去 AI 味，规模最大的同类项目 | 面向大众文本，不处理论断-证据匹配、不识别 NSF/NIH 结构；academic-humanizer 直接复用其通用痕迹目录并扩展出学术专用层 |
| Humanizer-zh（op7418） | blader/humanizer 的简体中文汉化版 | 解决的是语言本地化问题，功能范围与原版一致，不涉及学术写作场景 |
| humanizer-stack（NulightJens） | 面向“面向外部读者的文本”的两段式去痕迹流水线，引用 StoryScope 研究方法论 | 同为通用文本场景，无学术论断-证据校验与基金申请书专用模式 |
三者都解决“让 AI 生成的文本读起来更自然”这一共性问题，但都以通用文本为设计起点。academic-humanizer 把“证据链完整性”和“基金评审逻辑”当作一等公民——这两点对论文和申请书是硬性要求，对博客文案则无意义。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价；GitHub 仓库内仅有两条 issue，其一为 Windows 环境下的安装咨询，暂无维护者回复，另一条与该技能功能无关。
9. 其他补充
README 建议用户 fork 本仓库后，用自己过往发表过的论文或已获批的基金申请书重新校准规则——这是一份“待个性化的起点”，而非开箱即用的通用滤镜。
10. 安装使用方式
git clone https://github.com/AIScientists-Dev/academic-humanizer ~/.claude/skills/academic-humanizer安装后无需重启，直接在对话中触发：
/academic-humanizer
[粘贴需要润色的段落，或指向 main.tex]
# 可选："match my voice from prior_paper.pdf; target venue: ICLR"Codex / MorphMind 用户可直接将 agent 指向仓库内的 SKILL.md 文件使用，无需额外配置。
11. 注意事项
- 不检查语法或拼写，只处理“AI 写作痕迹”与论断-证据匹配，需配合专门的语法校对工具；
- 默认规则校准自作者团队自身的论文与基金申请书，未经个性化调整前效果因学科与个人写作习惯而异；
- 明确不适用于博客、营销文案等追求个人语气与情感表达的写作场景；
- Windows 环境下的安装步骤在 GitHub issue 中被提出但尚无维护者回复，如遇路径类问题需自行排查。