shield_lock
JinDaGe
Contact
← Back to skills
extension
Category: OtherNo API key required

Paper Polisher Pro

论文AI痕迹检测与润色降重工具。唯一支持中文大模型指纹识别（DeepSeek V4、GLM-5/5.1、Qwen 3.5、Kimi K2.6、MiniMax等），9层检测引擎，1002条AI特征模式，2026旗舰模型实测F1=98.3%。纯本地运行，数据不出本机。

personAuthor: user_481397b5hubcommunity
downloadDownload package

paper-polisher-pro — 论文润色降重一站式工具

🎯 AI痕迹检测 · 去AI味改写 · 智能降重 · 术语标准化 · 综合质量报告 中英双语 · 纯本地运行 · 数据不出本机 · 零配置

核心亮点

大多数AI检测器只能识别ChatGPT。这是唯一能指纹识别中文大模型的开源工具——DeepSeek V4、GLM-5/5.1、Qwen 3.5/3.6、Kimi K2.5/K2.6、MiniMax M2.5、Step，以及GPT、Claude、Gemini。

2026旗舰模型实测（长文本学术论文）：

  • 准确率 98.0% · 精确率 96.7% · 召回率 100% · F1 98.3%
  • 10个模型测试：GLM-5、GLM-5.1、GLM-4.7、Kimi-K2.6、Kimi-K2.5、MiniMax-M2.5、DeepSeek-V3.2、DeepSeek-R1——全部100%检出
  • 100字以上文本零漏检

触发词

"润色论文", "降AI检测", "查AI写作", "论文润色", "改写论文", "去AI味", "AI论文检测", "学术写作助手", "AI写作检测", "去除AI痕迹", "人化AI文本", "毕业论文润色", "学位论文降重", "SCI论文编辑", "手稿润色", "AI写作评分"

快速开始

检测AI痕迹

python3 {{SKILL_DIR}}/scripts/ai_detector.py your_paper.txt --lang auto

输出示例：

📄 your_paper.txt
AI Risk Score: 68.5 / 100 🔴 高风险
分析段落数: 12
主要特征: "值得注意的是" (×3), "具有重要作用" (×2)
建议: 改写第2、5、8段

术语标准化检查

python3 {{SKILL_DIR}}/scripts/term_check.py your_paper.txt

综合质量报告

python3 {{SKILL_DIR}}/scripts/quality_report.py your_paper.txt --format json

AI检测引擎（v1.1.0）

九层评分系统

| 层级 | 权重 | 检测内容 | |------|------|----------| | 模式匹配 | 50 | 1,002条模型专属AI特征（中文663 + 英文339） | | 突变性 | 20 | 三组件方差分析（人类写作不均匀） | | TTR词汇丰富度 | 15 | 词汇多样性 | | 困惑度 | 15 | 统计可预测性 | | 信息密度 | 15 | 内容密度 vs 填充词比例 | | 句式模板 | 10 | 公式化句式结构 | | 开头模式 | 10 | 可预测的段落起始词 | | 长度分布 | 5 | 不自然的均匀性 | | RLHF对齐 | +加分 | 讨好型/对齐化表达 |

支持的AI模型（2026实测）

中文大模型（独家指纹识别）： DeepSeek V4 · V3.2 · R1 · GLM-5 · GLM-5.1 · GLM-4.7 · Qwen 3.5-397B · Qwen 3.6 · Kimi K2.5 · K2.6 · MiniMax M2.5 · Step

国际模型： ChatGPT · Claude · Gemini

模式库

| 语言 | 模式数 | 分类数 | |------|--------|--------| | 中文 | 663 | 18类（过渡词、结构标记、医学模板、RLHF对齐、Kimi/DeepSeek/GLM指纹等） | | 英文 | 339 | 9类（学术正式语、填充短语、Markdown痕迹、RLHF对齐等） |

另有：501组同义词库、25条中文句式模板。

完整工作流

第1步：AI检测 → 评分 + 特征分析

python3 {{SKILL_DIR}}/scripts/ai_detector.py <文件> --lang auto --format json --output report.json

返回0–100分AI风险评分、风险等级、每段匹配特征。

第2步：去AI改写（评分≥35的段落）

中文： 删除填充词（"值得注意的是"、"综上所述"），打破对称结构，用数据替换模糊评价，变化句长，使用内容驱动的过渡。

英文： 禁用AI标志词（plays a crucial role, has gained significant attention, delve into, myriad, plethora），使用主动语态，混合5–30词句长。

第3步：智能降重（5层策略）

  1. 同义词替换（501组，跳过受保护术语）
  2. 语态转换（主动 ↔ 被动）
  3. 语序调整
  4. 抽象 ↔ 展开
  5. 视角转换

第4步：术语标准化

2,255条权威术语（全国名词委 + MeSH 2026 + 药物术语），标记非标准用法并建议修正。

第5步：质量报告

改写前后对比：AI分数变化、段落级改善明细、术语规范率、可读性指标。

学科适配

  • 医学/生物学：保护临床术语、药名、剂量、统计数据
  • 工程/计算机：保护算法名称、公式、性能指标
  • 人文/社科：允许个性化表达，避免AI式总结
  • 商业/经济学：保护数据和模型名称，替换泛泛评论

使用约束

  1. 绝不修改数据——数字、统计、引用保持原样
  2. 2,255个专业术语在降重时自动保护
  3. 语义保真——不增减信息
  4. 逐段处理保持逻辑连贯
  5. 所有修改需用户确认后生效

文件结构

paper-polisher/
├── SKILL.md                    ← 英文文档（ClawHub）
├── SKILL_ZH.md                 ← 本文件（中文，SkillHub）
├── scripts/
│   ├── ai_detector.py          ← AI检测引擎（v1.1.0，9层，1002条模式）
│   ├── perplexity.py           ← 困惑度评分模块
│   ├── term_check.py           ← 术语标准化（2,255条）
│   ├── ngram_similarity.py     ← N-gram重复分析
│   └── quality_report.py       ← 综合质量报告
├── references/
│   ├── ai_patterns_zh.json     ← 中文AI特征（663条，18类）
│   ├── ai_patterns_en.json     ← 英文AI特征（339条，9类）
│   ├── synonyms_general.json   ← 同义词词典（501组）
│   └── sentence_patterns_zh.json ← 中文句式模板（25条）
├── data/
│   └── terminology.json        ← 标准术语库（2,255条）
└── templates/                  ← 改写提示模板

版本历史

  • v1.1.0 — 重大升级：9层检测引擎（+困惑度、三组件突变性、句式模板、RLHF对齐），模式库扩展至1,002条（中文663 + 英文339），同义词库501组，10个2026旗舰模型实测F1=98.3%
  • v1.0.1 — 英文SKILL.md，SEO关键词优化
  • v1.0.0 — 初始发布