academic-humanizer：把 AI 草稿的套語拆掉，但保留論文與計畫書的證據鏈
Strip AI-writing tells from papers and grant proposals (NSF/NIH), while keeping scholarly voice and tying claims to evidence. A skill for Claude Code, Codex, and MorphMind.
秒懂
- 它是什麼？
- 這是一個 Claude Code 技能，用六層規則把 AI 生成的論文與 NSF/NIH 計畫書草稿改回作者自己的聲音，同時明文規定不動數字、不動引用、不讓動詞強過資料。以下依 README 與 SKILL.md 的說明整理它的機制、安裝方式與適用邊界。
- 適合誰用？
- 如果你已經有一份自己寫的草稿，只是被 AI 修得又長又空，而且你的領域重視數字與引用的精確性，這個技能值得裝進 ~/.claude/skills/academic-humanizer 試一輪。如果你需要的是從零生成研究構想、或想靠改寫繞過 AI 偵測，它明確不是為此設計的。
- 可以商用嗎？
- 請先確認。這個儲存庫使用的授權不在我們自動分類的範圍內，商用前請閱讀儲存庫中的 LICENSE 檔案。
- 還在維護嗎？
- 有在維護。儲存庫最近一次提交在 75 天前。
- 用什麼語言寫的？
- GitHub 沒有提供這個儲存庫的主要語言。
以上回答依據專案的 GitHub 資料（最近同步於 2026年9月15日）與我們的分析，不構成法律意見。
開源專案深度解析
它處理的是 AI 草稿的哪一種壞掉方式
README 開頭把問題講得很具體：團隊用 AI 協助寫論文與計畫書，產出的草稿「generic and verbose」，開頭是 In recent years，措辭膨脹，句子過長，而且偏離作者本人的語氣。這不是文法問題，是密度問題。學術寫作的資訊密度來自每個句子都掛著一個可查證的對象，AI 草稿則傾向用抽象名詞填滿句子長度。
README 也點名了市面上既有的 humanizer 工具：它們為部落格與行銷文案設計，套用到論文或 NSF 計畫書上，會「flattens the precision along with everything else」。這句話是整個專案的定位。它假設精確度與可讀性不是同一件事，而通用改寫工具無法區分兩者。目標使用者因此很窄：已經有草稿、有自己過去的發表紀錄、且願意花時間校準規則的研究者。README 在 Make it yours 一節直接寫明「The rules here reflect one group's voice」，並要求使用者 fork 後指向自己的舊論文調整。這等於承認預設規則不是通用解。
六層規則如何串成一次校稿流程
README 的 How it works 列出六層：一般 AI 痕跡目錄、學術特定痕跡、保留學術慣例、claim 與 evidence 對應、語氣與投稿場域校準、以及資助計畫書模式。順序本身就是設計判斷。前兩層處理刪除，第三層處理保留，第四層才處理語意關係，最後兩層處理情境。先刪再保，是為了避免把該留的 hedging 一起砍掉。
第三層與第四層是這個技能與通用 humanizer 分道揚鑣的地方。README 寫明它保留「evidence-tied hedging, passive voice where it fits, we, definitions, symbols, and every citation」，並且不動任何數字或參考文獻。第四層則是單向約束：不允許比資料更強的動詞，例如把 prove 降為 show empirically，模糊的量級要改成有出處的區間。這是一條會實質改動句意的規則，不是風格偏好。
Layer 1 直接沿用 blader/humanizer 的一般 AI 痕跡目錄，README 在 Acknowledgments 承認這點。Layer 6 則把 NSF 與 NIH 的「stable structure」蒸餾成規則，並在 References 明確切割責任：頁數上限、格式、截止日期這類現行強制要求，一律回到 NSF PAPPG 與 NIH 官方頁面查證。這個切法讓技能不會因為公告更新而過期，但也意味著它無法替你檢查合規性。
README 說 audit 與 rewrite 的迴圈定義在 SKILL.md，這次取得的材料只到 README 為止，所以那六層的實際規則文字、每一層的觸發條件、以及 audit 與 rewrite 之間如何迭代，都無法從現有資料確認。要評估它是否真的照描述運作，必須直接讀 SKILL.md。
安裝與實際下指令的方式
README 給的安裝指令是把儲存庫複製進 Claude Code 的技能目錄：
git clone https://github.com/AIScientists-Dev/academic-humanizer ~/.claude/skills/academic-humanizer
專案本身是「a plain SKILL.md plus examples」，沒有建置步驟，也沒有套件相依。同樣的檔案可以當成 Codex 與 MorphMind 的技能或 system prompt，做法是把 agent 指向 SKILL.md。這裡要注意的是，README 只說「Point your agent at SKILL.md」，沒有提供這兩個平台各自的載入指令或設定鍵，所以實際怎麼掛上去得看該平台自己的文件。
使用時呼叫 /academic-humanizer，後面接一段文字或指向 main.tex，也可以加上校準參數：
/academic-humanizer [paste a section, or point at main.tex] # optionally: "match my voice from prior_paper.pdf; target venue: ICLR"
這一行透露兩件事。第一，語氣校準是吃作者自己的舊稿，不是吃通用語料。第二，target venue 是自由文字而非列舉值，代表技能靠模型解讀場域名稱，而不是查表。examples/before-after.md 裡有三組對照，README 列出的是通用範例、NIH Specific Aims 頁、以及一份已獲補助的 NSF CAREER summary。要判斷它的改寫是否符合你領域的慣例，這三組是最直接的樣本。
部落格與行銷文案不在適用範圍。README 在 Ethics and disclosure 一節寫得很直白：它不生成發現、不編造資料、不改引用，也不是為了規避 AI 使用偵測而設計，使用它不會免除揭露 AI 協助的義務。投稿場域的揭露政策仍然優先於這個工具。
計畫書模式為什麼把力氣押在前幾頁
Layer 6 是這個技能裡最貼近實務的一層。README 說明計畫書模式「keeps the vision a paper would trim」，並且把大部分改寫力氣花在前幾頁，理由是那正是審查者評分的地方。這與論文模式形成一組明確的張力：論文會砍掉的願景式語句，在計畫書裡要留；而計畫書審查者只讀前段，所以前段的密度與 claim 的可信度優先於全文平均。
同一個模式還多了一條 paper 模式沒有的檢查：claim 與 feasibility 的對應。README 把 Layer 6 描述為包含「claim↔feasibility」，意思是它會看提案裡承諾的目標與所述可行性之間是否對得上。這是刪套語之外的實質工作，也是它與單純潤稿工具的差別。
不過 README 對 Layer 6 的說明停在「stable structure」這個層級，沒有列出 NSF 與 NIH 各自套用哪些段落規則，也沒有說明 Specific Aims 與 CAREER summary 在改寫時的差異。它反而把現行要求推回官方文件：NSF 的 PAPPG 與 CAREER 計畫頁、NIH 的 Write Your Application 頁面。這個界線劃得誠實，代價是技能無法告訴你某段文字是否超頁數或格式違規。
不該用它、以及會出錯的幾種情況
第一個不適用的情境是沒有草稿。這個技能是編輯流程，不是生成流程。README 的 Ethics 段落明說它不生成 findings、不發明資料，若你手上只有一個構想，它沒有東西可以校準。
第二個是規則與你的學科不合。README 在 Make it yours 一節自己承認預設規則反映「one group's voice」，並建議 fork 後指向自己的舊論文、保留適合自己領域的檢查、調整其餘。這句話等於承認：直接套用預設規則，等於讓另一個研究團隊的語氣偏好覆蓋你的。對方法論嚴謹、被動語態與 hedging 承載實質意義的領域，Layer 3 的保留清單是否夠用，需要逐條確認。
第三個風險來自 Layer 4 本身。把 prove 改成 show empirically、把模糊量級改成有出處的區間，是會改動命題強度的操作。若某個結論在你的資料下確實是證明等級，這條規則可能把話說弱。README 沒有提供例外機制或白名單的說明，所以遇到這種句子，得靠人工在改寫結果上覆蓋。
第四個是揭露義務。README 明講「Using it does not remove your obligation to disclose AI assistance」，並要求遵循投稿場域的政策。把它當成規避偵測的手段，與專案宣告的用途相反。
最後是授權標記的不一致。README 的徽章與 License 段落都寫 MIT，但儲存庫的授權欄位顯示 NOASSERTION。在把這個技能納入正式寫作流程前，LICENSE 檔案的實際條文值得自己打開確認，這裡不構成法律意見。
與 blader/humanizer、koaeraser/ARMS 的分工差異
README 的 Acknowledgments 直接列出兩個參考專案，並各自標註 Focus，這種寫法讓差異可查。blader/humanizer 同樣是 MIT，處理的是部落格、口語與百科式文本的一般 AI 寫作模式。academic-humanizer 重用它的 Layer 1 目錄，再往外長出學術專屬的層。差別在保留策略：通用工具沒有義務保住 hedging、符號定義與每一條引用，這個專案把這些列為不可動項。
koaeraser/ARMS 的範圍大得多。README 描述它是「an autonomous pipeline for statistics/methodology research papers」，從構想到通過驗證、修訂完成的稿件。academic-humanizer 只取其中 claim 與 evidence 對應、以及數值精確度這兩個關注點，把自己限定成「a single-purpose editing pass」。
所以三者的關係不是替代。ARMS 涵蓋從無到有的流程，blader/humanizer 處理非學術文本的通用痕跡，academic-humanizer 只做一件事：在你已有的草稿上執行一次編輯，把套語拿掉、把 claim 綁回證據、把語氣拉回作者。若你需要的是產出初稿或跑完整研究流程，這個專案幫不上忙。
維護成本與版本狀態
專案沒有發行版本可查，README 徽章標示 version 0.3.2。儲存庫未封存，最後推送時間為 2026-07-03。內容形態是 SKILL.md 加上 examples 目錄，沒有程式碼相依，因此升級成本主要是重新閱讀規則變動，而不是處理套件衝突。
真正會隨時間變動的是 Layer 6 對應的外部要求。README 已經把這部分外包給 NSF 與 NIH 官方文件，技能本身只保留穩定結構。這讓維護負擔降低，但也代表任何頁數、格式或截止日期的變動，都不會反映在技能裡。若你把這個技能納入固定的投稿流程，需要自己盯的是官方公告，不是這個儲存庫。
規則的個人化是另一項持續成本。README 建議 fork 後指向自己的舊論文，這意味著每次你察覺某條規則改壞了自己的句子，就回到 fork 裡調整。這件事沒有自動化路徑，README 也沒有提供規則的測試機制。
編輯結論
如果你已經有一份自己寫的草稿，只是被 AI 修得又長又空，而且你的領域重視數字與引用的精確性，這個技能值得裝進 ~/.claude/skills/academic-humanizer 試一輪。如果你需要的是從零生成研究構想、或想靠改寫繞過 AI 偵測，它明確不是為此設計的。動手前先確認三件事：SKILL.md 裡六層規則的實際內容是否對應你的學科慣例；examples/before-after.md 的 NIH Specific Aims 範例是否接近你的投稿格式；以及 LICENSE 檔案的實際條文，因為 README 寫 MIT，但儲存庫的授權標記是 NOASSERTION，兩者不一致。
社群筆記