Deai Academic Zh

ai_detect_for_sanqian

中文学术论文 AIGC 检测与去 AI 化改写 Skill，适用于 Claude Code / Cline / Cursor 等 AI 编程助手。

实战效果

在一篇 29000 字的本科毕设论文上，经过 4 轮迭代：

平台	改前	改后
维普 AIGC	53.34%	16.32%
知网 AIGC	—	0%

各章节降幅：

章节类型	改前	改后	关键手段
实验分析	26%	0%	突发度 + 实操细节
方法研究	34%	6%	突发度 + 段落重组
技术基础	68%	10%	措辞替换
系统设计	50%	10%	注入模块名/接口路径
绪论	71%	24%	措辞替换 + 突发度

核心方法：三轮递进降 AI 法

第1轮：措辞替换（全文，预期 -20pts）
  → 把字句、条件句口语化、高危词消灭、括号整合
  ↓ 送检
第2轮：突发度注入（仅紫色段落，预期 -8pts）
  → 长短句交替、设问句、段落长度不对称
  ↓ 送检
第3轮：结构重组（仅剩余紫色段落，预期 -5pts）
  → 段落合并/拆分、语序调换、插入实操细节、不确定表达
  ↓ 送检

**关键原则：每轮只改紫色段落，不动已过关的白色段落。**

维普检测原理

维普不是看你说了什么，而是看你**怎么说的**：

维度	AI 文本	人类文本
困惑度	低且稳定	高且波动大
突发度	句长均匀（25-40字/句）	长短交替（8字~50字）
结构模式	段落对称、总分总	长短不一、有跳跃

**最有效的单一手段是突发度注入**——制造句长的剧烈波动，让文本的统计指纹从"AI分布"偏移到"人类分布"。

五问检测法

对每个疑似段落问 5 个问题：

1. 有没有你系统独有的名词、参数、接口、表名？
2. 有没有至少一个实测数值或实验条件？
3. 有没有写清楚为什么是这个机制带来了这个结果？
4. 有没有边界条件、例外情况或适用范围？
5. 这段如果贴到别人的论文里，是否也几乎成立？

如果第 5 个问题答案是"是"，那这段就还不够好。

高危 AI 指纹词清单

以下词汇/句式在全文中出现超过 3 次即高危：

必须消灭	替换方式
需要强调/指出/说明的是	直接删除
也就是说	"因此""可见"或删除
并不是…而是…	每处用不同改法（详见 SKILL.md）
由此可见 / 综上所述	删除或换具体推导
共同构成 / 形成闭环	"合在一起""保持联动"
首先…其次…最后	打散为自然段落
在X层面…在Y层面…	去掉排比结构

实战经验

有效的做法

• 突发度（长短句交替）是降 AI 率最有效的单一手段
• 段落合并对总结类章节有明显效果（6段→3段）
• 注入具体表名/模块名/参数值能让段落变得"只有作者能写"
• 实验分析章天然容易降，数字和表格多
• 分轮迭代比一次性全改效果好

无效的做法

• 对总结与展望章反复改措辞（实测 4 轮仍 99%）
• 对英文 Abstract 改措辞（实测维持 95%）
• 全局替换某个词——会制造新的统一模式，反而更像 AI
• 零宽字符 / Unicode 替换——检测器已能识别，被发现后果严重

性价比排序

1. 方法研究章（效果最好，字数大）
2. 实验分析章（突发度 + 实操细节可直接到 0%）
3. 系统设计章（注入模块名和接口路径）
4. 技术基础章（术语密集，措辞替换就够）
5. 绪论章（文献综述较难，但字数占比不大）
6. 摘要（字数太少，影响有限）
7. 总结与展望（几乎改不动，但字数小可放弃）
8. 英文 Abstract（放弃，对总分影响 <1%）

安装

Claude Code

# 方法 1: 克隆到项目 .claude/commands/
git clone