Humanizer 拿下 28,551 顆星：專門教 AI 別寫得像 AI 的 Claude Code Skill

2026 年 1 月 18 日，開發者 blader 在 GitHub 建了一個新 repo。裡面只有一個檔案：SKILL.md，600 多行純文字規則，沒有一行可以執行的程式碼。半年後，這個檔案累積了 28,551 顆星，比同期九成的開發工具都紅。

它要解決的問題聽起來像個笑話：教 AI 怎麼寫字，才不會被看出是 AI 寫的。但這半年，「AI 味」已經從一句網路吐槽，變成連維基百科都要立專門條目對付的現象。這篇拆三件事：humanizer 到底改了什麼、它為什麼會紅，以及它自己都承認做不到的地方。

一份規則檔，不是一個新模型

humanizer 目前版本 2.8.2，MIT 授權，官方描述就一句話：移除 AI 生成文字裡的特徵。它不是新演算法，是把維基百科「AI Cleanup」志工小組花好幾年整理出的《Signs of AI writing》指南，翻譯成 Claude Code 能照著執行的檢查清單。

清單列了三十幾種具體毛病，讀起來會讓人有點尷尬，因為很眼熟。比如強行把每件事寫成「具有關鍵意義」「標誌著轉捩點」；比如句尾硬加一串「-ing」子句假裝有深度分析；比如把任何三個東西都湊成一組排比，讓內容看起來很完整；比如用「業界人士認為」這種查無此人的模糊歸因。最狠的一條是連字號：規則要求整篇重寫完，一個 em dash 都不能留，因為這是目前最穩定的 AI 破綻，連挑剔的程度都寫成硬規定，不是「盡量少用」。

它還有兩個比較少見的設計。一個是「聲音校準」：你丟一段自己以前寫的文字進去，它會先分析你的句長習慣、用詞層級、怎麼開段，再照你的風格改，而不是套一個統一的「自然語氣」模板。另一個是專門一節叫「人格與靈魂」：作者直接寫，光是去掉 AI 腔還不夠，句子長度整齊劃一、沒有立場、沒有情緒起伏，本身就是另一種機器味，得刻意留一點參差和沒收乾淨的地方，文字才像真的有人在寫。

為什麼是這份文件紅，不是別的

「AI 味」不是這半年才出現，但它變成一個被正式命名、被拿去做學術研究的現象，時間點差不多。今年一月，一篇由多名學者合寫的論文承認「AI slop」至今沒有嚴謹定義，但點出三個共通特徵：表面上看起來能用、產出者花的力氣跟讀者理解的落差很大、可以無限量複製。同一時間，YouTube 執行長公開把「減少 AI 垃圾內容」列為年度優先事項。

humanizer 依據的維基百科《Signs of AI writing》也不是小眾文件，它有自己的條目、自己的討論頁，編輯們還在為新出現的 AI 破綻吵架吵到今年六月。humanizer 建立才過三天，Ars Technica、The Verge、Wired 幾乎同時各發了一篇報導，講的是同一件事：維基百科志工花好幾年整理的 AI 寫作特徵清單，被人做成了可以直接套用的工具。日本的 GIGAZINE 五月底也跟進介紹。這不是一份文件孤軍紅起來，是一個已經被主流科技媒體點名的現象，剛好被打包成一個好用的形狀。

跟坊間付費的去偵測工具，差在哪

「讓 AI 文字讀起來像人寫的」這門生意，其實早就很擠。2026 年評比這類工具的排行榜文章快十篇，Undetectable AI、QuillBot、WriteHuman 這幾個名字反覆出現，訂閱費多半每月 500 到 700 元台幣，賣點清一色是「偵測通過率從 92% 降到 7%」這種數字，行銷語言直接鎖定「騙過偵測器」。

humanizer 站的位置正好相反：完全免費，規則是一份任何人都能整份讀完的 markdown，不是關在黑盒子裡的模型。它的訴求也刻意不是繞過偵測器，是把三十幾種具體、可指認的寫作毛病改掉。連付費工具圈自己都開始承認這個邏輯：有篇比較六款去偵測工具的實測文章寫得很直白，這類作法有效，是因為真的提升了文字品質，不是單純騙過了偵測器。這裡談的是部落客、行銷寫手、技術文件作者想解決的問題，AI 草稿讀起來像模板，不是拿去騙偵測器交作業或造假評論那種用法。

比起事後補救，更根本的做法是讓第一版草稿一開始就不那麼像 AI 寫的。如果稿子本來就是你自己講出來的，而不是丟一句 prompt 讓 AI 整段生成，需要「去 AI 味」的地方本來就會少很多。像 Typeless 這類語音轉文字工具抓的正是這一段：按下、說話，想法直接變成文字草稿，句子長短跟著講話的節奏走，比丟給 AI 一次生成再回頭一句句改，更接近前面說的「留一點參差」。通勤時口述、回家再潤稿，是我自己實際在用的流程。

2026 年 Claude Code 的 skill 生態本來就很熱鬧：花叔把 Claude Design 逆向出來、免費開源的 Huashu Design，或是 midudev 一行指令讀懂整個 tech stack 的 autoskills，走的都是同一種模式，一個人發現某種能力值得抽出來共用，做成一份可分享的規則檔，而不是一整套產品。官方也在補平行的路，像是讓規劃過程留在瀏覽器裡審查的 /ultraplan。

它自己也承認做不到的地方

清單裡有一整節專門講「不該被當成證據」的訊號：文法完美、用詞正式、單獨一個彎引號、單獨一個 em dash，都不能證明是 AI 寫的。文件自己提醒，過度矯正會連正常的人類寫作習慣一起殺掉，技術背景寫作者常見的正式與口語混用，很容易被誤判。

也不是所有人都買單。Reddit 上有一串討論質疑得很直接：用 Claude 去修 Claude 味太重的文字，本質上有天花板，AI 沒辦法真的理解人腦裡在想什麼。這個質疑不算沒道理，規則清單再細，終究是一套可以被列舉的模式，讀者一旦摸清套路，照樣看得出破綻。它能做的是把最明顯的三十幾種特徵過濾掉，不是把文字變成真的有靈魂。

AI 寫作最大的破綻，不是寫錯，是寫得太乾淨。

利益揭露：本文部分連結為聯盟連結，點擊購買我會獲得回饋，不影響你的價格。我只推薦自己用過 3 個月以上的工具。

值得想的不是這份規則檔做得多細，是 28,551 個人為什麼需要它。三年前，AI 幫忙寫東西還只是省時間的手段；現在多到需要一份專門的工具去抹掉它的痕跡，這件事本身就是個訊號。你最近發出去的文字裡，換一個人來寫，會不會寫出一模一樣的句子？