說人話 speak-human-tw

字都對，卻不像人講的話？那就是 AI 味。

🤖  AI 幫你把稿子寫好了，你自己讀一遍卻覺得哪裡怪，但又說不出來哪裡怪？ 📮  電子報資訊全對，讀起來卻像新聞稿，不像你在跟讀者講話？ 😮‍💨  每次都要一句一句抓「這句好 AI 味」，叫它重寫，改到最後比自己從頭寫還累？

✨ 這些，說人話.skill 都能解決。

一個專門校對繁體中文的 skill：抓出 35+ 種 AI 中文寫作痕跡，順手把中國用語和半形標點改成台灣的寫法，改寫成讀起來像人寫的版本，還附一份交稿前能自己打分數的檢核表。

給 Claude Code、Codex、Cursor 和任何能讀 Markdown 的 AI agent 用。

內容創作 · 行銷文案 · 日常辦公 —— 電子報 · 社群貼文 · 銷售頁 · 客服回信 · 簡報 · 公告 · Email

先保住事實 → 再清掉 AI 味 → 最後才加人味

不是把你的稿子洗成機器人，是把 AI 味洗掉、把你洗回來。

說人話，能把你的 AI 味，改成什麼樣？

社群貼文：emoji 轟炸＋勸誡收尾

改寫前

🚀 重磅消息！AI 寫作工作坊正式上線啦！💡 這不僅僅是一堂課，更是一場思維的革命。與其在原地焦慮，不如現在就出發。畢竟，機會永遠留給準備好的人，不是嗎？🔥

改寫後

AI 寫作工作坊開放報名了。三個小時，教你三件事：怎麼讓 AI 抓到你的語氣、怎麼建自己的改稿流程、怎麼把重複的產文工作自動化。上一梯 40 個名額，三天就額滿，這梯加開到 60 個，別錯過了。

電子報：價值上升詞＋解說導引句

改寫前

值得注意的是，上個月我們進行了一次意義深遠的實驗——把電子報的發送時間從週五早上改到週日晚上——這個決定標誌著我們對讀者行為的重新思考。

結果，開信率從 31% 掉到 14%。這個數據深刻地印證了內容產業瞬息萬變的本質，也提醒我們：真正的成長不是盲目嘗試，而是持續學習。

把這些數字擺在一起，你會讀到一件很重要的事：讀者的習慣比我們想像的更頑固。

改寫後

上個月我們做了一個實驗：電子報從週五早上改到週日晚上發。

結果開信率從 31% 掉到 14%。

讀者的習慣比我想像的頑固。你們就是習慣週五早上配咖啡看信是吧。好，那我下一期改回週五發，然後把「發送時間」正式排進 A/B 測試清單，用數據說話，不能在自以為我喜歡週日看就改到週日。

台灣在地化：中國用語校正改寫

改寫前

這個視頻的質量真的很高，信息量很大，博主講得特別接地氣。

改寫後

這支影片品質很高，資訊量很大，創作者把抽象概念講得很生活化。

更多場景（銷售頁、客服回信、公告）的完整 before/after 見 references/examples.md。

30 秒上手

Claude Code：

git clone https://github.com/Raymondhou0917/speak-human-tw.git ~/.claude/skills/speak-human-tw

裝好後在對話裡說「幫這段去 AI 味」「這段好 AI，說人話」就會自動觸發。

Codex（單次使用）：

git clone https://github.com/Raymondhou0917/speak-human-tw.git && cd speak-human-tw
codex exec -C . "讀取 ./SKILL.md，按規則改寫以下文字，這次直接套用不用先問我：（貼上你的文字）"

只想先看問題、不要改稿：指令加一句「先標問題不要改」，會切到 annotation mode，只列出 1 到 5 個問題點。

各平台完整安裝方式（含 Cursor、symlink 跟隨更新）見下方安裝。

第一次用會遇到的事：它不會直接改你的稿

預設行為是兩輪，不是一輪：

1. 第一輪它只給你一張編號清單，每一條寫明：在哪一行、原句是什麼、為什麼要改（對應哪一種 AI 痕跡）、建議改成什麼。列完問你一句「以上 12 處有什麼地方是你覺得需要修改的嗎？」然後停下來。
2. 第二輪你回「都改」「4 跟 8 不用，其他都改」「只改第 3 條」，它才動筆，也才會寫進你的檔案。

這是刻意的。改稿工具最危險的不是漏改，關鍵在於你還沒看清楚它想幹嘛之前就把你的原稿蓋掉了。你沒勾的它不會「順便」一起改。

不想要這關的話，在指令裡明講「不用列清單，直接幫我改」就會跳過。非互動情境（codex exec、CI、排程）它會自動偵測沒有人能回答問句，直接套用並在跑完後給你一份「原句／為什麼要改／改成了什麼」的事後摘要，方便你用 git diff 回溯。

它怎麼改

一句話原則：先保事實，再去 AI 味，最後才加人味。

固定六步：

1. 判情境：社群貼文／電子報／銷售頁／客服回信／辦公文書，五種情境力度不同。社群改輕保留口語感，銷售頁改重但 CTA 力道不能弱
2. 鎖保護清單：價格、優惠碼、專有名詞、連結、真名與引號原話、退費承諾先圈起來，改寫全程不動
3. 判範圍：長文（約 1000 字以上）不擅自縮水，建議盡量逐句對應；整句空話也是清單裡的一條，說明「為什麼刪了不丟資訊」，由你拍板
4. 逐類改寫：35+ 種痕跡逐類處理，模式優先、詞表兜底；台灣用語檢查同步跑
5. 保真回讀：保護清單逐項核對，每個資訊點可追溯，不新增原文沒有的事實
6. 交稿前自評：長文用 5 維 50 分制打分，低於 35 分不交稿

檢測的 35+ 種 AI 痕跡

完整清單與範例句見 references/patterns.md。台灣在地化層（60+ 組中國用語對照、全形標點、引號規則）見 references/taiwan-localization.md。

在你的寫作流程中，適合在哪個位置？

用 AI 寫作可以拆成兩件事：

問題出在中間那道縫：AI 起草的時候，會順手把兩欄一起交給你。你只想要它幫忙搭骨架，它連「這不僅是一場技術革命，更是一次認知的重塑」都幫你寫好了。

這個 skill 做的就是把右欄從稿子裡刮掉，讓左欄留下來。

但刮乾淨只是及格線。無菌、沒有觀點、每句都正確的文字，跟 AI 生成的一樣容易被認出來。所以 references/humanize.md 定義了改完之後往哪裡拉：允許不收尾、允許立場隨時間改變、允許岔題。這些是 AI 寫不出來的東西，因為它沒有過去，也不敢承認自己不確定。

硬界線只有一條：人味是作者的，不是工具的。 作者沒說過的故事、立場、轉折，它不准替你發明，只能留下「（需作者補充）」的標註。編出來的「我以前錯了」比原本那句空話糟糕得多：空話只是無聊，假故事是說謊。

至於為什麼要在乎：Google 看的從來就是讀者行為，有沒有讀完、有沒有立刻關掉。讀者關掉一篇文章，通常跟資訊對不對無關，是讀了三行覺得「這人好像不在」。

為什麼不是又一個「去 AI 味」工具

中文圈已經有做得很好的方案，我們補的是不同的一塊：

• 知識源：主要整理自中文維基百科「AI生成文的特徵」（WikiProject AI Cleanup 社群為了清理 AI 條目持續更新的第一手觀察）與朱宥勳的「AI腔」句型分析
• 場景：不是工程師的 README 和 release note，專注在電子報、社群貼文、銷售頁、客服回信、辦公文書。
• 語言：從頭以繁體中文與台灣用語校準，內建中國用語檢查。不是單純簡轉繁
• 實戰驗證：核心規則來自 3 年多的真實改稿紀錄：哪些 AI 習慣被人類編輯反覆抓出來（破折號密度、「不是 A 而是 B」上限、粗體上限），全部進了規則和評測集

評測

evals/benchmark.md 目前 40 條用例：26 條 SF（該改必中）＋ 14 條 SNF（不可誤殺）。SNF 專門保護容易被誤殺的情況：有事實撐著的排比、有來源的數據、金流制式條款、長文節奏句、被討論的 AI 味詞、有選擇條件的「用 A 或用 B」。

判分含「不換湯」規則：刪掉「標誌著」卻補上「象徵著」，記失敗。跑法見 evals/run-eval.md。

評測保證什麼、不保證什麼：這 40 條驗的是「該改的有改到、不該動的沒被動、沒有換湯不換藥、事實一字沒漂」。沒有任何一條在測「改完更有人味」——人味沒辦法自動判分，硬要打分數就會變成另一種公式。那部分靠 humanize.md 的正向目標和你自己的判斷，這個專案不宣稱它可量化。

安裝

核心只需要 SKILL.md 一個檔案（lite）；要完整的 35+ 種痕跡、台灣用語表和誤殺防護，帶上 references/ 完整包（full）。

常見問題

為什麼它不直接改，要先問我？

這是刻意的，因為你的原稿比它的建議值錢。完整流程見上面的〈它不會直接改你的稿〉。不想要這關就說「不用列清單，直接幫我改」；非互動情境（codex exec、CI、排程）它會自動跳過確認、改完給事後摘要。

這是拿來騙 AI 偵測器的嗎？

不是。目標是讓文字真正讀起來更好：更具體、更誠實、更像一個具體的人在說話。最好的「去 AI 味」是文字裡有真實的思考。

改完會變成某個人的風格嗎？

不會。這個 skill 把稿子洗乾淨，不會替你注入人設。「去 AI 味」和「有個人風格」是兩件事：前者是及格線，後者要你自己（或你專屬的風格 skill）來加。

簡體中文能用嗎？

規則大多通用，但台灣在地化層（用語對照、全形標點慣例）是為繁體中文台灣讀者設計的。簡中場景建議用 MrGeDiao/shuorenhua。

會不會把我的銷售頁改到沒有轉換力？

不會。銷售頁情境明文規定：CTA 力道與急迫感是功能不是 AI 味，價格、優惠碼、期限、退費條款在保護清單裡一字不動。評測集有專門的誤殺防護用例（SNF-01 到 03）盯著這件事。

為什麼改完有時還是有點 AI 味？

「清掉明顯套路」不等於「擁有你的個人聲音」。遇到改完仍不自然的案例，用 bad case 模板回報，這比 star 更有用。

貢獻

歡迎提 Issue 和 PR：新的 AI 味模式、更貼切的範例句、中國用語對照的補充、評測用例。提交前請先讀 CONTRIBUTING.md，核心判斷只有一個：

這是一個「新模式」，還是「現有模式的變體」？

參考資源

• 中文維基百科：AI生成文的特徵：主要知識來源，收錄真實的繁中案例
• 朱宥勳〈對「AI腔」厭煩了嗎？分析AI生成文字的經典句型〉：否定平行結構一節的靈感來源。他的論點比「別用這個句型」更深一層——句型本身是正規的寫作動作（定義＋區分），問題出在濫用造成的審美疲勞，以及讀者容易把「形式正確」誤判成「內容正確」
• Wikipedia: Signs of AI writing：英文版原始指南
• SEO研究院〈什麼是 AI 味？〉：「AI 起草、人工注魂」的分工框架，以及「公式化開場」這個痕跡的來源
• MrGeDiao/shuorenhua：簡體中文去 AI 味的先行者，鎖定工程師與技術文件場景。保護片段、情境分級、SF/SNF 評測的方法論給了很好的參考，本專案把這套方法論帶到繁體中文與內容行銷場景重新設計
• blader/humanizer、hardikpandya/stop-slop：英文先行專案

所有範例句、詞表、保護清單、情境策略皆針對繁體中文場景原創撰寫，不翻譯、不移植上述任何專案的內容。

關於作者

這個 skill 來自雷蒙（侯智薰） 這 3 年多的真實 AI 協作紀錄、寫作模式萃取。我經營「雷蒙三十」，寫數位工作術、AI 應用、一人公司和超級個體的經營模式，這個 skill 本來只是自己用，後來想公開給其他人，花了我好幾個晚上去重新打磨、潤飾和呈現，希望對需要的人有幫助。

► 想認識更多關於我？

• 生活黑客研究院：雷蒙三十的課程站，AI 與數位工作術
• AI Agent 學習資源：Claude Code、Codex 的教學與設定包，非工程師也能上手
• 免費訂閱雷蒙週報：每週一封，寫 AI Agent 怎麼真的用在工作裡
• 雷蒙的個人使用說明書：我做了什麼，快速一頁式認識我

也可以在 Facebook、Instagram、Threads 上找到我，但最近備課、寫書比較忙，比較少回訊息。

這個 skill 永遠免費。如果它幫你省下改稿的時間，點顆星我會很開心；但真正讓它變好的是回報一個 bad case，告訴我哪一段改完還是像 AI。

授權

MIT License。歡迎 fork、修改、提 PR。