humanize-mba-text-skill

Humanize MBA Text - 去除 AI 写作痕迹

专门针对中国 MBA 毕业论文的 AI 写作痕迹检测与去除工具

#AI-Detection #Academic-Writing #MBA-Thesis #Claude-Skill #Text-Humanization #ChatGPT-Alternative #LLM-Writing #Research-Tools #Academic-Integrity #Chinese-NLP

---

🎯 项目简介

这是一个专门为中国 MBA 毕业论文设计的 AI 写作痕迹检测与去除工具。基于 MBA 论文的学术规范和实践要求，通过多维度检测方法识别文本中的 AI 生成特征，并提供具体的修改建议，帮助你将 AI 生成的文本改写为自然、人类化的学术写作风格。

✨ 版本 1.5 新特性（段落级句长 CV + 报告可读性升级）

• 📐 段落级句长 CV 分析：参考 AI_artifact_detection 方法，以段落内句子长度的变异系数（CV）作为核心 AI 信号，中文按 CJK 字符、英文按单词计数
• 📊 中文 CV 报告：检测 Markdown 报告末尾自动附加五段式 CV 报告——整体统计 / CV 分布 / Uniform 段落详情 / 章节汇总 / 句长分布
• 🔁 改写前后对比：新增 scripts/detect_compare.py，输入改写前、改写后两个文本，输出中文 Before/After 对比 Markdown
• 🌐 可选英文检测模式：sentence_length.analyze(text, language="en") 支持英文散文的句长 CV 检测
• 🎯 内容片段带上下文：详细问题列表中的内容片段现在显示匹配处前后约 20 字，便于快速定位
• 📝 修改建议完整显示：不再截断修改建议，完整输出所有提示
• 📋 Uniform 段落完整表格：CV < 0.30 的段落全部以表格列出，不再限制 20 条
• ⏰ 真实生成时间：报告末尾显示实际生成时间（YYYY-MM-DD HH:MM:SS）

历史版本（1.4 / 1.3 / 1.2）特性已归档至 FEATURE.md。

核心功能

• ✅ 多层级 AI 检测：从规则匹配（regex）→ 散文统计（5 维 CV/指纹）→ 语义链（10 维跨段/跨章）三层叠加
• ✅ 段落级句长 CV 报告：基于 AI_artifact_detection 方法，输出 Uniform 段落、CV 分布、章节汇总、句长分布
• ✅ 改写前后对比：scripts/detect_compare.py 一键生成 Before/After 中文对比报告
• ✅ 章节特定规则：针对绪论、理论、分析、建议、结论 5 个章节的优化策略
• ✅ MBA 论文规范：符合中国高校 MBA 论文字数、结构、格式要求
• ✅ 结构化改写计划：每个 issue 都附 location + skeleton + recommended replacements + 目标字数
• ✅ 自动修复：自动处理中英文混排空格等简单问题
• ✅ 智能反馈：生成详细的修改建议和前后对比示例
• ✅ Claude Skill 集成：可作为 Claude Code 的 Skill 直接使用

技术参考

本项目在优化策略设计上参考了 thesis-optimizer 项目的三维协同优化理念：

• 🔍 降AI检测率：句式多样化、语气自然化、逻辑人性化
• 📉 降查重率：深度语义改写、引用规范化、专业术语处理
• ✨ 学术润色：表达精准化、学术规范性、可读性优化

---

🎓 MBA 论文核心原则

本工具基于中国 MBA 论文的学术规范设计，遵循以下核心原则：

1. 实践导向

• 必须来源于企业管理实际，解决具体管理问题
• 避免纯理论空谈

2. 小题大做

• 选题聚焦明确，"小题深做"
• 核心概念不超过 2-3 个
• 避免选题过大、过于宽泛

3. 数据溯源

• 所有数据必须注明来源
• 确保准确性和可信度
• 删除"相关数据显示"等模糊表述

4. 理论支撑

• 运用 1-2 个相关理论作为分析框架
• 避免就事论事

5. 结构规范

• 正文字数 ≥ 3 万字
• 每章至少 4 节（含本章小结）
• 每节内容充实，避免一节不足一页

6. 学术诚信

• 复制率 < 15%
• 不编造数据，所有引用可核实

---

🚀 快速开始

安装

# 克隆仓库
git clone https://github.com/stephenlzc/humanize-mba-text-skill.git
cd humanize-mba-text-skill

# 安装依赖（如需使用 transformers 模型）
pip install transformers torch

基础使用

1. 基础检测

# 使用基础规则检测
python scripts/detect_ai_patterns.py your_text.txt --format markdown --output report.md

2. 多维度融合检测（推荐）

# 使用多维度检测
python scripts/multi_detector.py your_text.txt --format markdown --output report.md --plan plan.json

3. 生成修改建议

# 基于检测结果生成反馈
python scripts/feedback_generator.py detection_result.json --text your_text.txt --output feedback.md

4. 应用自动修复

# 自动修复空格等简单问题
python scripts/feedback_generator.py detection_result.json --text your_text.txt --apply

5. 改写前后对比（CV 报告）

# 对比改写前后的句长 CV 变化，输出中文 Markdown
python scripts/detect_compare.py before.txt after.txt --output compare.md

# 同时输出结构化 JSON
python scripts/detect_compare.py before.txt after.txt --output compare.md --json compare.json

示例文件见 examples/cv_before.txt、examples/cv_after.txt、examples/cv_compare.md。

作为 Claude Skill 使用

1. 将本仓库克隆到 Claude Code 的 skills 目录：

cd ~/.config/opencode/skills
git clone https://github.com/stephenlzc/humanize-mba-text-skill.git

2. 在 Claude Code 中触发 Skill：

去 AI 痕迹：[粘贴你的文本]

或

帮我去除这段文字的 AI 写作痕迹

---

📊 检测维度

1. 规则匹配检测

识别以下 AI 写作特征：

• AI 词汇：赋能、抓手、闭环、痛点、赛道等
• 模糊归因："有研究指出"、"专家认为"等
• 过度强调："关键"、"核心"、"至关重要"等
• 宏观叙事："时代"、"趋势"、"浪潮"等
• 表面分析："凸显了"、"反映了"等 -ing 结尾分析
• 套话结尾："综上所述"、"由此可见"等
• 连接词过多："首先...其次...最后"等
• 中英文混排空格："MBA 论文" → "MBA论文"

2. 统计分析检测

• 句子长度均匀度：AI 文本通常句子长度更均匀
• 词汇多样性：AI 文本词汇多样性较低
• 标点符号分布：分析标点使用模式
• 段落结构：检测段落长度分布

3. 语言特征检测

• 连接词密度：统计逻辑连接词使用频率
• 正式表达模式：识别过度正式的学术表达
• 句式复杂度：分析复杂句式使用情况

4. 散文结构分析器（v1.3）

每个分析器返回 AnalyzerIssue(analyzer_id / severity / confidence / location / evidence / suggestion) 和统计指标：

维度	analyzer_id	触发
6	uniform_sentence_length	段落级 + 全文级句长方差/CV 超阈值
9	uniform_paragraph_length	段间字数高度均匀（CV < 0.25）
10	paragraph_edge_template_repeat	段首/段末指纹连续 ≥ 3 段相同
8a	paragraph_structure_uniformity	跨段四元句式指纹连续 ≥ 3 段相同
8b	chapter_template_repeat	单章内 ≥ 3 节使用同一章法模板

5. 语义链分析器（v1.3）

跨段、跨章节检测 AI 在成链动作上的痕迹：

维度	analyzer_id	触发
3	chain_three_part_rule	连续 3+ 段使用「一是...二是...三是」或「首先...其次...最后」
3	chain_author_listing	单章 4+ 处「作者(年份)指出/认为」罗列
3	chain_method_name	单段堆叠 2+ 个方法/模型/理论名且无逐方法说明
3	chain_abstract_template	单段命中 3+ 个摘要模板短语
3	chain_conclusion_echo	结论章首段与绪论首段字符级 Jaccard ≥ 0.30
4	chain_vague_problem_statement	2+ 处笼统问题表述且 30 字内无数字支撑
4	chain_unsupported_quantification	2+ 个百分比/排名断言 80 字内无根据/N= 标记
4	chain_macro_narrative	1000 字窗口内 3+ 个宏观叙事短语
5	evidence_chain_completeness	跨 content+evidence 规则：2+ 个量化/调研断言无方法锚点
5	cross_section_problem_trace	问题章 ↔ 对策章关键词重叠率 < 30%

6. 结构化改写计划（v1.3）

detect_ai_patterns.AIPatternDetector.generate_report() 和 multi_detector.FusionEngine.detect() 都会暴露 modify_plan 键，每行一条 ModifyEntry：

{
  "analyzer_id": "chain_unsupported_quantification",
  "severity": "high",
  "location": "global",
  "evidence": "出现 7 个百分比/排名类断言，其中 5 个 80 字内没有根据/来源",
  "suggestion": "为每个量化断言补齐来源",
  "rewrite_template": "为每个量化断言补齐来源：样本、时间、统计口径。",
  "recommended_replacements": [
    "根据 2023 年 12 月客户问卷（N=120），...",
    "样本说明：'问卷采用 5 分制李克特量表'",
    "无法核实时标注：'该指标需要进一步核实'"
  ],
  "target_word_count_range": [60, 140],
  "before_after_example": {
    "before": "客户满意度提升20%。",
    "after": "根据2023年12月客户问卷（N=120），客户满意度从3.8分升至4.5分。"
  }
}

7. 按句聚合的高风险标注（v1.4）

report["high_risk_annotations"] 是新增的第三数组——一句话一条，把正则命中和结构/链 issue 合并到同一个句子，避免 matches[]（540 条但每条只有笼统建议）与 modify_plan[]（4 条聚合但无具体行号）的信息断层。

{
  "sentence_index": 17,
  "char_offset_start": 1287,
  "char_offset_end": 1335,
  "sentence_text": "数字化转型赋能业务创新，形成从生产到服务的完整闭环。",
  "line_number": 24,
  "severity": "high",
  "triggered_rules": [
    {
      "rule_id": "ai_buzzwords",
      "pattern_name": "AI词汇/互联网黑话",
      "pattern_type": "regex",
      "evidence": "赋能",
      "confidence": 1.0,
      "severity": "high",
      "phrase_replacements": [
        "赋能 → 促进/支持",
        "闭环 → 闭合回路/完整流程",
        "抓手 → 切入点/措施"
      ],
      "before_after_example": {
        "before": "数字化转型赋能业务创新，形成从生产到服务的完整闭环。",
        "after": "数字化改造使生产到售后的流程数据打通，订单处理时长从5天缩短至2天。"
      }
    }
  ],
  "rewrite_template": "把互联网黑话替换为传统管理学术语。",
  "recommended_replacements": [
    "赋能 → 促进/支持",
    "闭环 → 闭合回路/完整流程"
  ]
}

字段含义：

字段	说明
sentence_text	原始句子原文
char_offset_start/end	在原文中的字符偏移（含终止符）
line_number	原文 1-based 行号
severity	该句所有规则中的最高严重度
triggered_rules[].rule_id	ai_buzzwords / empty_solution_verbs / chain_three_part_rule 等
triggered_rules[].phrase_replacements	来自 TOML phrase_replacements：可直接复制的短语替换（如 "赋能 → 促进/支持"）
triggered_rules[].before_after_example	来自 TOML [[categories.examples]]：真实改写对
rewrite_template	来自 rewrite_planner._SKELETONS：该句最高优先级规则的改写骨架
recommended_replacements	同句所有规则替换短语的去重并集

保证：

• 数组按 severity 高→低、再按 char_offset_start 升序排序，可直接对接 LLM humanizer agent 逐句处理
• 同句多条规则 → 一条 annotation，triggered_rules[] 聚合
• 现有 matches / modify_plan / summary / metrics 字段完全不变

---

🎓 分章节写作指南

本工具提供针对 MBA 论文 5 个核心章节的详细写作指南：

第1章 绪论

常见问题：

• ❌ 宏大叙事式开头："随着经济的发展..."
• ❌ 研究意义空泛："具有重要理论意义和实践价值"
• ❌ 文献综述罗列：A说、B说、C说
• ❌ 研究方法简单罗列

改进策略：

• ✅ 开门见山：直接点明研究企业、具体问题
• ✅ 意义具体：说明解决什么问题、带来什么价值
• ✅ 综述主题化：按主题组织，有批判性分析
• ✅ 方法具体：说明数据来源、样本、分析工具

📄 详细指南：chapter-1-introduction.md

第2章 理论基础

常见问题：

• ❌ 教科书式定义堆砌
• ❌ 理论罗列：介绍5-6个理论
• ❌ 理论与实践脱节

改进策略：

• ✅ 简洁界定：2-3 个核心概念
• ✅ 精选理论：1-2 个核心理论，说明选择理由
• ✅ 应用导向：理论为后续分析提供框架

📄 详细指南：chapter-2-theory.md

第3章 现状与问题分析

常见问题：

• ❌ 企业概况资料堆砌，与研究关联度低
• ❌ 现状描述定性为主，缺乏数据
• ❌ 问题识别笼统："管理不善"、"效率低下"
• ❌ 成因分析表面化：停留在现象描述

改进策略：

• ✅ 聚焦相关：只提供与研究相关的背景
• ✅ 数据说话：用具体指标和时间序列数据
• ✅ 问题具体：每个问题都有衡量指标和调研数据
• ✅ 深入挖掘：用理论框架分析根本原因

📄 详细指南：chapter-3-analysis.md

第4章 对策建议

常见问题：

• ❌ 建议空泛："加强管理"、"优化流程"
• ❌ 缺乏可操作性
• ❌ 忽视约束条件
• ❌ 套用模板：SWOT 流于形式

改进策略：

• ✅ 具体可操作：明确做什么、怎么做、谁来做
• ✅ 分阶段实施：区分短期、中期、长期
• ✅ 考虑约束：分析资源、能力、文化限制
• ✅ 效果量化：预期效果尽可能量化

📄 详细指南：chapter-4-solutions.md

第5章 结论

常见问题：

• ❌ 重复摘要内容
• ❌ 简单罗列各章内容
• ❌ 创新点空泛："首次研究"、"填补空白"
• ❌ 回避研究局限

改进策略：

• ✅ 研究发现：突出核心发现，不与摘要重复
• ✅ 创新具体：客观说明理论、方法、应用创新
• ✅ 诚实局限：具体分析局限和影响
• ✅ 未来展望：提出具体可行的研究方向

📄 详细指南：chapter-5-conclusion.md

---

📝 格式规范

独立的格式规范文档覆盖：

• 中英文/数字混排规范
• 图表编号与排版规范
• 引用与参考文献规范
• 数字与单位规范
• 标点符号规范
• 段落与层级规范

📄 详细规范：format-standards.md

---

📈 检测结果解读

检测报告包含以下维度：

• AI 生成概率：0-100%，分数越高 AI 痕迹越明显
• 风险等级：🔴 高风险 / 🟡 中风险 / 🟢 低风险
• 检测器一致性：三种检测方法的结果一致性
• 优先修复项：按严重程度排序的修改建议
• 章节特定建议：根据检测到的章节类型提供针对性建议

修改策略

根据 AI 概率分数采取不同策略：

🔴 高风险 (>70%)：深度改写

• 全面重构段落结构
• 删除所有 AI 特征词汇
• 补充具体数据和案例
• 预计时间：2-3小时

🟡 中风险 (40-70%)：针对性优化

• 修复高优先级 AI 特征
• 调整套话和模板化表达
• 补充关键数据支撑
• 预计时间：1-2小时

🟢 低风险 (<40%)：细节润色

• 修复少量 AI 痕迹
• 优化语言表达
• 最终校对
• 预计时间：30分钟-1小时

---

💡 使用示例

示例 1：去除 AI 词汇

原文：

数字化转型已成为推动企业高质量发展的关键抓手，
通过赋能业务创新，为企业创造显著价值。

改写后：

本研究探讨数字化转型对企业绩效的影响。
通过分析XX公司2018-2023年的财务数据，
发现数字化投入与营业收入增长呈正相关关系。

示例 2：去除模糊归因

原文：

有研究指出，企业文化对组织绩效具有重要影响。

改写后：

Schein(2010)的研究表明，强势企业文化与组织绩效
存在正相关关系（r=0.42, p<0.05）。

示例 3：MBA 论文小题大做

原文：

企业数字化转型研究

改写后：

XX公司生产部门数字化转型中的流程优化研究

示例 4：数据溯源

原文：

企业营收增长20%，员工满意度为85%。

改写后：

根据XX公司2023年年报，企业营收同比增长20%。
根据2023年12月开展的问卷调查（N=120），员工满意度为85%。

示例 5：修复中英文混排空格

原文：

MBA 论文写作需要关注 AI 痕迹问题。
2023 年的研究表明，15 % 的企业存在此类问题。

改写后：

MBA论文写作需要关注AI痕迹问题。
2023年的研究表明，15%的企业存在此类问题。

---

📁 项目结构