chinese-de-aigc

面向中文学术稿件系统性降低 AIGC 检测率的闭环改写工具。

面向中文学术稿件，通过“定位→诊断→改写→自评→复查”五步闭环，系统性降低 AIGC 检测率，按摘要/引言/方法等章节采取差异化策略。适合投稿前自查或对付知网、万方、维普、Turnitin 中文版检测时使用，目标是在保持学术严谨的前提下减少 AI 生成痕迹。方法不是简单换词，而是重构写作的统计学特征，让文本更像真实研究者写的。

# 中文学术降 AIGC Skill

> 中文学术实证论文的 AI 痕迹消除器。不是"改同义词"，不是"打乱语序"，而是**系统性地重构中文 AI 文本的统计学特征**，让它回归到真实研究者写作的语言分布上。

## 适用场景

- 中文期刊投稿前的 AIGC 率自查与修改
- 学位论文（本/硕/博）应对知网 AMLC 检测
- 基金申请书、开题报告、研究报告去 AI 化
- 已完成英文投稿、需要中文摘要/中文版本的场景
- CoPaper.AI 等工具生成初稿后的人工化处理

## 核心理念

**三个错误的做法**（很多教程都在做但无效）：

1. ❌ **同义词替换**：把"关键"改成"核心"，把"重要"改成"显著"——检测器看的是 n-gram 统计分布，不是单词替换
2. ❌ **句式倒装**：简单把"由于 A，所以 B"改成"B，这是因为 A"——句法模板没变
3. ❌ **全文重写交给 AI**：换另一个 AI 改写，只是从一种 AI 痕迹换成另一种

**本 Skill 的正确路径**：针对**中文 AI 的五大结构性特征**做定点破坏，而非字词层面的表面修改。

## 中文 AI 文本的五大结构性特征

与英文 AI 不同，中文大模型的痕迹主要表现在：

1. **四字套话密度过高**：每 200 字出现 3+ 个"综上所述/不可否认/毋庸置疑/显而易见"之类
2. **虚词与关联词冗余**：过度使用"然而/因此/此外/而且/并且/以及/等等"
3. **主语回避与隐藏被动**：大量"本文认为/本研究发现/相关研究表明"式的模糊主语
4. **句长方差低**