今天在 GitHub Trending 上看到一个有意思的项目：说人话（shuorenhua），一句话介绍：一个专门清理中文 AI 腔的开源 skill，改完你敢直接发。
一、项目概述
它是什么
说人话 专治那种"每个字都对，但一看就不是你写的"中文。它清理以下几类问题：
- 过度承接：开头发奖状、结尾追着卖（“你说的很对"“要不要我顺手把文档也整理了”）
- 工程师姿态腔：
收口、兜住、落盘、稳稳兜住 - 翻译腔与句式过满：
基于……通过……来…… - 无源权威铺垫：
研究表明、业内人士认为、核心逻辑是先把流程跑通 - 小红书/营销腔：价值拔高、系统性升级、共同见证
与此同时，它锁住版本、命令、数字、责任归属和引用原文——改完事实不变，不替你编新东西。
核心数据
| 指标 | 数值 |
|---|---|
| 评测用例总数 | 103 条 |
| 中文短语规则 | 210+ |
| 英文短语规则 | 96 条 |
| 结构反模式 | 25 类 |
| 评测方法 | 双模型盲改写 + 交叉判分 |
| 当前版本 | v2.3.0 |
| 许可证 | MIT |
支持平台
| 平台 | 安装方式 |
|---|---|
| Claude Code | /plugin marketplace add MrGeDiao/shuorenhua |
| Codex | codex exec -C . "读取 ./SKILL.md，按规则改写……" |
| Cursor / Windsurf | 见 install/cursor.md |
| ChatGPT / Custom GPT | 说人话 GPT（Plus/Pro 直接用） |
| 其他 agent CLI | npx skills add MrGeDiao/shuorenhua |
二、技术原理
核心设计原则：先保信息，再谈风格
项目文档中明确了一条核心原则：
先保信息，再谈风格。
这是 说人话 区别于大多数"去 AI 味"工具的关键——它不是见词就替换，而是先划保护片段，再按模式改写。
六步改写流程
项目源码中定义了一套固定的六步流程：
1. 判场景：chat / status / docs / public-writing
2. 划保护片段：数字、版本、命令、路径、报错先锁住，记事实关系账本
3. 判命中强度（Tier 1/2/3）+ 定力度（minimal/standard/aggressive）+ scope（structural/bounded/in-place）
4. 先按模式改，词表只兜底
5. 保真回读：事实、术语、语域、保护片段逐项过
6. Residual Audit：仍有残味才做第二遍，只允许轻量修正
保护片段机制
以下内容在改写前被锁定，不得改变：
- 数字 + 修饰对象：
p95 从 480ms 降到 160ms不能概括成"明显降低” - 关系不许改写：
展示了云原生架构的潜力不能改成采用了云原生架构 - 时间跨度：
未来十年不能缩成"未来几年" - 缺信息不编：原文没给数据，输出可以更短，但不补数字或来源
源码中每个保护规则都有对应的评测用例编号（SF-07、SF-08、SF-46 等），保证改写行为可验证。
场景与力度矩阵
项目将文本分为四个场景，每个场景有独立的默认力度和改写策略：
# 场景配置示意（来自项目文档）
scenarios = {
"chat": {"强度": "轻", "目标": "只砍明显套话，不把聊天改成公文"},
"status": {"强度": "中", "目标": "保留动作、状态、阻塞点和下一步"},
"docs": {"强度": "中", "目标": "技术表达优先，二次回读更保守"},
"public-writing": {"强度": "重", "目标": "全规则扫描，触发 Scene Packs"},
}
长文另外引入了 scope 概念，控制"删不删整句"：
| scope | 行为 | 适用场景 |
|---|---|---|
structural | 自由删并重排 | 短文、明确要重写 |
bounded（长文默认） | 整句空话列"建议删除清单"，删多少你拍板 | public-writing 长文 |
in-place | 一句都不删，只句内降调 | 明确要求完全原样 |
三、安装与快速开始
Claude Code（一句话装完）
在 Claude Code 对话里运行：
/plugin marketplace add MrGeDiao/shuorenhua
/plugin install shuorenhua@shuorenhua
装好后，直接说"把这段去 AI 味"，自动触发。
ChatGPT（零安装先试）
直接访问 说人话 GPT，贴文本就能改，什么都不用装。
OpenClaw / Cursor / Windsurf
详见项目 install/ 目录下的对应文档：
# OpenClaw 安装示例
npx skills add MrGeDiao/shuorenhua
只想标注，不想改写
指令里加一句：按 annotation mode 只标注不改写。它会逐条标问题族，文本本身没什么可写的会标成材料不足，直说删完还剩什么——不拿换说法把篇幅填回去。
四、使用方法与实战
场景一：聊天答疑改写
改写前（AI 腔满满）：
你说的很对，这个问题一针见血。一句话总结：核心逻辑是先把流程跑通，再谈优化。我可以直接给你一版绝对没问题的最终方案，已经测试通过了，稳得很。要不要我顺手把文档也整理了？你一句话的事。
改写后（干净利落）：
对，问题就在这：先把流程跑通，再谈优化。方案我发你。文档要不要一起弄？
场景二：Release Note 改写
改写前（发布会宣言）：
v1.8.0 Release Highlights
本次版本是一次面向真实场景的系统性升级。我们不仅全面优化了改写体验，更通过全新的能力矩阵稳稳兜住了用户在 README、release note、论坛长帖和 issue 回复里的核心表达诉求。
改写后（变更清单式）：
v1.8.0
- 新增
references/scene-packs.md，覆盖 README、release note、forum post 和 issue replyevals/benchmark.md增加 8 条 scene pack 回归用例evals/real-samples.md增加 4 条整段样本这版不做 Voice Calibration；相关方向推迟到 v1.9 评估。
场景三：数字保真（反面教材 vs 正确示范）
改写前：
本次优化在性能方面取得了显著成效，有效改善了接口响应问题，p95 延迟从 480ms 降到 160ms，充分体现了团队持续优化的能力。
改坏示范（数字没了）：
这次优化明显降低了接口延迟。
正确改法（数字保留）：
这次优化把接口 p95 延迟从 480ms 降到 160ms。
五、常见问题与解决方案
Q: 这是不是用来骗 AI 检测器的？
不是。目标是减少模板感、表演感和语域漂移，让文本更自然、更可发布，不是绕过检测。检测器靠的是统计特征，风格改写靠的是语感——两者不是同一个问题。
Q: 英文能不能用？
可以，但这是中文优先项目。英文支持主要用于清理常见英文套话和中英混写里的模板感。
Q: 会不会把技术文档改坏？
正常不会按聊天口吻去改技术文档。docs、status 场景有更保守的保护策略，命令、路径、版本、报错和指标优先保真。
Q: 改完还有 AI 味怎么办？
“去掉明显套路"不等于"拥有具体作者的个人表达”。当前版本擅长清理模板感和表演感，还不负责拟合某个具体人的长期写作习惯——这是下一代的方向。
Q: 如何贡献新的评测用例？
用 bad case 模板 提交。请先脱敏，不要贴未授权私聊全文、密钥、内部链接或真实个人身份信息。
六、总结
说人话 是一款目标非常清晰的中文 AI 味清理工具：它不负责让你写得更有文采，只负责把明显是"AI 写的"那层皮剥掉，同时保证事实、数字、责任归属一个都不动。
核心优势在于：
- 有评测集保障：103 条用例覆盖 210+ 中文短语，双模型盲测，硬约束失败 0 才发布
- 保护合同明确：哪些能改、哪些不能改，有据可查，评测可验证
- 场景细分做得到位：聊天、技术状态同步、文档、公开长文各有不同策略
- 长文不缩水：通过 scope 机制控制删改力度，长文不会越改越短
如果你经常用 AI 写中文，又不想发出去被说"一眼 AI"，这个 skill 值得一试。
GitHub 仓库：https://github.com/MrGeDiao/shuorenhua