shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 数据与分析无需 API Key

AI生成文档检测

AI生成文档检测技能。当用户需要判断文本或文档是否由大语言模型（GPT-4、Claude、Gemini、DeepSeek、GLM、Kimi、LLaMA等）生成时使用。支持.txt、.docx、.pdf、.md格式，支持中英文及多语言检测。通过困惑度、突发性、语言指纹、结构模式、语义连贯性、格式特征六大维度交叉验证，输出AI生成概率、置信度、各维度得分、段落级标注与改进建议。适用于学术诚信审查、内容原创性验证、AI文本识别等场景。本技能纯本地运行，不依赖外部API，可私有化部署。

person作者: user_48d13212hubcommunity
download下载资源包

AI 生成文档检测技能

概述（Overview）

本技能通过六维度统计特征分析，判断文本是否由大语言模型生成。采用纯本地、基于统计的检测方法，不依赖外部API或语言模型调用，保护隐私且可私有化部署。

适用对象：需要进行AI生成内容识别的场景——学术诚信审查、内容原创性验证、投稿审核、SEO内容质量评估等。 支持格式：.txt、.md、.docx、.pdf 支持语言：中文、英文、中英混合、其他语言（降级处理） 覆盖模型：GPT-4、Claude、Gemini、DeepSeek、GLM、Kimi、LLaMA 等主流大语言模型

能力边界（务必遵守）：

  • 本技能是辅助参考工具，检测结果不构成任何法律、学术或行政依据。
  • AI生成检测技术存在固有的不确定性，无法100%准确区分AI生成与人类写作。
  • 高质量的人类学术写作、公文写作可能因结构规整而产生假阳性。
  • 经过人工编辑的AI文本可能降低检测准确率（假阴性）。
  • 信息缺失或文本异常时必须如实标注不确定性，绝不编造判定结论。
  • 检测结果末尾必须附免责声明。

核心原则（Core Principles）

  1. 准确性：多维度交叉验证，任何单一维度不直接判定为AI生成；各维度加权综合得分需达到阈值才给出倾向性结论。
  2. 公平性：避免文体/语言/专业领域偏见；对专业文本、翻译文本自动折减；不因结构规整就判定学术文本为AI生成。
  3. 透明度：解释每个维度的推理过程与关键证据；列出所有命中特征；标注置信度与局限性。
  4. 实用性：给出可操作的改进建议；段落级标注具体段落；标注疑似AI段落与人类段落。
  5. 不绝对化：所有结论均为概率性判断，使用"疑似""倾向"等措辞，不使用"确定是""绝对是"。
  6. 隐私优先：纯本地运行，文本不上传任何外部服务。

检测维度（Detection Dimensions）

六大维度独立打分（0-100，100=最可能AI生成），加权综合：

| 维度 | 权重 | 核心指标 | |------|------|----------| | 困惑度分析 | 15% | 词汇多样性TTR + N-gram重复度 | | 突发性分析 | 20% | 句长变异系数CV | | 语言指纹识别 | 25% | AI高频过渡词与句式模板密度 | | 结构模式识别 | 15% | 段落规整度 + 模板特征 | | 语义连贯性检测 | 15% | 空洞表达密度 + 内容实质性 | | 格式特征分析 | 10% | 标点规范性 + 不规则特征 |

权重与评分细则详见 references/scoring_rubric.md，AI指纹库详见 references/ai_fingerprints.md。

执行链路（Execution Workflow）

严格按以下四阶段推进。

阶段 1：输入收集（Input Collection）

确认待检测内容来源：

  1. 文件输入：用户提供 .txt/.md/.docx/.pdf 文件路径 → 直接传入脚本处理。
  2. 文本输入：用户直接粘贴或描述文本 → 通过 --text 参数传入。
  3. 语言提示：用户未指定时默认 auto（自动识别）；用户明确指定语言时使用 --lang zh/en。

若用户未提供任何待检测内容，追问要求提供文件路径或文本内容。不编造文本进行检测。

阶段 2：预处理与特征提取（Preprocessing & Feature Extraction）

运行核心检测脚本，完成文档预处理与六维度分析：

# 完整检测（输出含段落分析的完整JSON结果）
python scripts/detect_ai_text.py <文件路径> --full --lang auto

# 或直接检测文本
python scripts/detect_ai_text.py --text "待检测文本内容" --full

# 简洁模式（仅输出概率、置信度、维度得分、关键发现）
python scripts/detect_ai_text.py <文件路径> --lang auto

依赖安装（首次使用时）：

pip install python-docx pdfplumber
  • .txt/.md 无需额外依赖
  • .docx 需要 python-docx
  • .pdf 需要 pdfplumber

脚本自动完成：

  1. 文本提取（按格式分派）
  2. 语言识别（中文/英文/混合/其他）
  3. 基本统计（字符数、句数、段落数、句长分布等）
  4. 特殊情况检测（短文本/混合文本/专业文本/翻译文本）
  5. 六维度独立评分
  6. 加权综合得分计算
  7. 置信度计算
  8. 段落级分析
  9. 关键发现提取与改进建议生成

阶段 3：结果解读（Result Interpretation）

解析脚本输出的 JSON 结果，按以下框架解读：

AI生成概率判定： | 概率范围 | 判定 | 措辞 | |----------|------|------| | ≥70% | 高度疑似AI生成 | "综合多项指标，该文本高度疑似由AI生成" | | 50-70% | 疑似AI生成/人机混合 | "部分指标显示AI生成特征，可能为人机混合或经人工编辑" | | 30-50% | 倾向人类/AI辅助润色 | "多数指标倾向于人类写作，可能使用了AI辅助润色" | | <30% | 倾向人类写作 | "综合指标倾向于人类写作" |

置信度等级： | 等级 | 说明 | |------|------| | 高 | 各维度一致性强，偏离50%远，判断可靠 | | 中 | 有一定把握，但存在不确定因素 | | 低 | 判断可靠性有限，需谨慎参考（短文本等） |

特殊情况处理：若检测到特殊情况（见 references/special_cases.md），在报告中醒目标注：

  • 短文本（<200字）：置信度强制降低
  • 人机混合文本：段落级标注不同来源
  • 专业领域文本：综合得分折减，提示假阳性风险
  • 翻译文本：标注翻译特征，降低置信度

阶段 4：报告生成（Report Generation）

根据 assets/report_template.md 模板生成结构化检测报告，报告必须包含以下部分：

  1. 检测概要：AI生成概率百分比、置信度等级、文件信息
  2. 各维度评分表：六维度得分、权重、加权得分、判定
  3. 维度详细分析：每个维度的关键指标、命中的具体特征、解读说明
  4. 段落级分析：标注疑似AI生成的段落（附判断依据）与体现人类写作特征的段落
  5. 关键发现：综合结论、最强AI信号、最强人类信号、特殊情况标注
  6. 特殊情况标注：若有，详细说明类型与处理方式
  7. 改进建议：针对高分维度给出可操作的具体建议
  8. 局限性说明：技术局限、当前文本特殊情况的影响
  9. 免责声明（固定文本）：说明结果仅供参考，不构成任何依据

段落级分析说明（Paragraph-Level Analysis）

对文本每个有效段落（≥10字符）进行轻量检测，使用三个最敏感维度：

段落AI分数 = 语言指纹(35%) + 突发性(30%) + 语义连贯性(35%)

| 段落分数 | 标签 | |----------|------| | ≥65 | 疑似AI生成 | | 35-65 | 不确定 | | ≤35 | 倾向人类写作 |

每段附关键证据，如命中的AI特征词、句长均匀度、空洞表达等。

技术原理（Technical Approach）

本技能采用纯统计特征检测方法，不依赖外部语言模型API，核心原理：

  1. 困惑度近似：用TTR（Type-Token Ratio）和N-gram重复率近似文本可预测性，替代需要语言模型的精确困惑度计算。
  2. 突发性：句长变异系数（CV）是跨模型、跨语言的稳定AI特征——AI生成的句子长度更均匀。
  3. 语言指纹：维护中英文AI高频词/句式模板库，通过密度计算直接量化AI特征。
  4. 结构模式：段落长度均匀度 + 模板化结构检测（编号、总结句、段首连接词）。
  5. 语义连贯性：空洞表达密度 vs 内容实质性（数据、实例、主观表达）。
  6. 格式特征：标点规范性逆向评分——AI标点极其规范，人类有自然的不规则性。

详细评分公式与阈值见 references/scoring_rubric.md。

资源文件索引（Resource Index）

| 文件 | 用途 | 加载时机 | |------|------|----------| | scripts/extract_text.py | 文档文本提取与预处理 | 执行检测时 | | scripts/detect_ai_text.py | 核心检测引擎（六维度分析） | 执行检测时 | | references/ai_fingerprints.md | AI特征词与句式模板指纹库 | 需要解读指纹命中时 | | references/scoring_rubric.md | 评分标准与权重方案 | 需要解读评分时 | | references/special_cases.md | 特殊情况处理指南 | 遇到特殊情况时 | | assets/report_template.md | 检测报告模板 | 生成报告时 |

常见问题（FAQ）

Q: 为什么需要安装额外库？ A: .docx 需要 python-docx 解析Word文档结构，.pdf 需要 pdfplumber 提取PDF文本。纯文本和Markdown无需额外依赖。

Q: 检测结果准确率如何？ A: 本技能基于统计特征，对未经编辑的AI生成文本检测效果较好，但对高质量人类学术写作可能有假阳性，对人工编辑过的AI文本可能有假阴性。结果仅供参考。

Q: 支持哪些语言？ A: 中文和英文检测效果最佳（有专门的指纹库）；中英混合文本可检测；其他语言降级处理（仅使用语言无关的维度如突发性、结构模式）。

Q: 会泄露我的文本吗？ A: 不会。本技能纯本地运行，所有分析在本地完成，文本不上传任何外部服务。