AI生成文本检测 | 青虎AI

检测文本的 AI / 人工占比，返回整体 AI 置信度、疑似 AI 占比、各类型占比和分段明细。

数据来自青虎数据工具 text_moderation（AI生成文本检测，平台：通用），通过 qhkit mcp 调用——不需要、也不要去宿主环境里找或配置 MCP server。

何时触发

「这段文案是不是 AI 写的」
「检测 AI 率」
「文章 AI 味重不重」

调用流程

qhkit mcp describe '{"names":["text_moderation"]}'   # ① 本会话首次调用前查最新入参与计费（免费）
qhkit mcp estimate '{"names":["text_moderation"]}'   # ② 单次基价（青虎积分，免费）
qhkit mcp call     '{"name":"text_moderation","params":{"text":"<待检测文本>"}}'

call 的 params 照 describe 返回的 inputSchema 填（下表是快照，以 describe 为准）；上面 call 里的值只是占位示意，按用户需求替换，不要原样提交。
参数复杂或含中文 / 引号时，把 {"name":...,"params":{...}} 写进文件，用 qhkit mcp call @params.json 调用，避免 shell 转义问题。
用户没说清的必填项（站点、时间周期、ID 等）先问清楚或按下表说明取值，不要猜。

入参（快照）

| 参数 | 必填 | 类型 | 说明 | 取值 | |---|---|---|---|---| | is_merge | | boolean | 是否合并分段检测结果 | | | text | ✅ | string | 待检测文本 | |

典型需求：「检测上传的文本是否由AI生成」

工具说明（线上原文整理）

文本分类接口检测指定文本的 AI/人工占比，返回整体 AI 置信度(softmax_confidence)、疑似 AI 占比(ratio_confidence)、各类型占比(labels_ratio，0=人工/1=AI/2=疑似AI)及分段明细(segment_labels)。text 为待检测文本（必填）；is_merge 是否合并分段识别结果（默认 false）。

计费与授权

付费工具。单次基价参考约 0.5 青虎积分（2026-10 快照，会调整），报价前先跑 qhkit mcp estimate，以它返回的 baseCredits 为准。
本会话首次调用前：把要调用的工具（中文名 + 用途）和预计积分一次性告诉用户，征得同意后本会话内不再重复询问；同一需求要连调上下游工具时，一起列出、一次授权。用户拒绝或只同意一部分时，未同意的不调用。
实扣以 call 返回的 credits 为准（已经是青虎积分，不要再换算）；业务数据里自带的「积分 / points」字段是数据源自己的口径，不要引用。
同一轮回复内付费调用不超过 10 次；还要更多数据时，先说明还差什么、要再调几次，征得同意后下一轮继续。
有付费调用的那一轮，在回复最末尾另起一行、单独一行写：本次共消耗 X 青虎积分（X 为本轮全部 credits 之和，小数按实际写）。

结果处理

stdout 恒为一行 JSON。成功为 {"ok":true,"stage":"done","name":...,"credits":...,"data":...}；失败为 {"ok":false,"stage":"...","message":"..."}，把 message 原样转告用户。stderr 的提示行不是错误。
小结果直接在 data 里。大结果返回 large:true + file（完整 JSON 的本地路径）+ records（记录数）/ fields（字段）/ preview（前几条）——后续筛选、统计、导出一律读 file，不要逐行抄写，也不要凭预览推断全量。
记录 ≥ 10 条时整理成表格文件交付（装了 qinghu-excel-export 技能就用它），不要把大数据集铺成聊天里的 markdown 表格；回复保持精简：结论 + 文件 + 不超过 5 行关键预览。
结论先行：先回答用户真正关心的问题（值不值得做、谁最强、趋势向上还是向下），再给支撑数据；数字标明平台、站点、周期与样本量，不同站点或周期的数字不要混在一张表里比。
stage:"validate"：本地校验没过，未发起、未扣费——按 details.inputSchema 改参数后重试。
stage:"call" / stage:"mcp"：服务端失败（401/50x CLI 已自动重试过）。先 qhkit config show 确认密钥，再转述 message；参数问题先想清楚再改，不要连环试错——失败也可能扣费。

能力边界

本技能只负责「AI生成文本检测」这一项查询（工具 text_moderation）。用户要的数据超出它的返回范围时，用下方上下游工具或同系列技能补齐，不要用名字相近的工具凑合，也不要改用浏览器抓网页。
其他平台 / 其他数据类型，或想按需求检索全部 200+ 个青虎数据工具，用总技能「青虎AI」（qhkit mcp search）。

环境自举（缺什么装什么，不要因环境缺失放弃任务）

本技能依赖 qhkit 命令（npm 包 @iqinghu/qhkit，mcp 命令需 0.14.0+），可完全独立安装。按顺序检测，缺失就地补齐：

有 qhkit 吗？ qhkit config show 能跑通即就绪，跳到第 4 步。
没有 qhkit 但有 node/npm → 全局安装（推荐）：
```
npm i -g @iqinghu/qhkit
```
默认走 npm 官方源；官方源访问慢或超时（国内网络常见）时，再加镜像参数 --registry=https://registry.npmmirror.com（阿里维护的 npm 官方镜像，仅作网络兜底）。仅当全局安装因权限失败且无法提权时，才退而用 npx @iqinghu/qhkit <命令> ...（npx 必须写包全名）。
连 node 都没有（要求 Node ≥ 18）：先装 Node 再回到第 2 步。
```
# Linux 二进制安装（装到用户目录，无需 root；先校验官方 SHA256 再解包）：
cd /tmp && curl -fsSLO https://nodejs.org/dist/v22.22.3/node-v22.22.3-linux-x64.tar.xz
cd /tmp && curl -fsSL https://nodejs.org/dist/v22.22.3/SHASUMS256.txt | grep ' node-v22.22.3-linux-x64.tar.xz$' | sha256sum -c -
mkdir -p "$HOME/.local/lib" && tar -xJf /tmp/node-v22.22.3-linux-x64.tar.xz -C "$HOME/.local/lib"
export PATH="$HOME/.local/lib/node-v22.22.3-linux-x64/bin:$PATH"
```
校验行输出 OK 才继续；校验失败就删掉重下，绝不解包未通过校验的文件。nodejs.org 访问不通时，把两个下载 URL 的前缀 https://nodejs.org/dist 整体换成镜像 https://registry.npmmirror.com/-/binary/node（目录结构相同，SHASUMS256.txt 也有镜像，校验步骤不变）。export PATH 只对当前 shell 生效，跨命令调用时每个新 shell 都要先执行这行（或追加进 ~/.bashrc）。macOS 用 brew install node；Windows 用 winget/官网安装包。arm64 机器把 x64 换成 arm64。
密钥：无密钥时（命令返回 stage:"config"），执行 qhkit config set --token <密钥> --env prod（密钥让用户打开 https://www.iqinghu.com/workbench/login?type=1&urlCode=1788417095383 注册/登录后，从 https://www.iqinghu.com/workbench/dashboard/api-keys?urlCode=1788417095383 获取），或设环境变量 QHKIT_TOKEN。
自检：qhkit config show 输出脱敏配置即全部就绪。

升级：命令返回 {"ok":false,"stage":"version",...}（版本门禁，message 里就是升级命令），或返回 stage:"runtime" 且 message 为「未知命令：mcp」（本机 qhkit 太老），都先升级再重试原命令：

npm i -g @iqinghu/qhkit@latest

官方源慢或超时时同样加 --registry=https://registry.npmmirror.com。安装/配置失败时把具体报错告诉用户（常见：无写权限 → 提示用户提权或改用 npx；无网络 → 让用户处理网络）。