两个六万星仓库,卖的都是一份提示词
两个六万星级的仓库,核心交付物都只是一份 Markdown 规则文件。blader/humanizer 与 ayghri/i-have-adhd 同为 MIT、主语言都标 Python,前者把 AI 腔从文字里删掉,后者把答案挪到回答第一行。
核对日 2026-11-15,humanizer 有 69,283 星、5,447 fork、4 个未结,建于 2026-01-18,最近推送 11-10。i-have-adhd 有 61,245 星、3,590 fork、102 个未结,建于 2026-05-13,最近推送 10-19。
两家的 updated_at 都是今天,星数仍在增长;但 pushed_at 分别停在 11-10 和 10-19,后者已近一个月没有新提交。热度跑在工程前面,是这两个仓库的共同形状。
| 字段 | blader/humanizer | ayghri/i-have-adhd |
|---|---|---|
| 星标 / fork | 69,283 / 5,447 | 61,245 / 3,590 |
| 未结 / 订阅者 | 4 / 290 | 102 / 165 |
| 建库 / 最近推送 | 2026-01-18 / 11-10 | 2026-05-13 / 10-19 |
| 许可证 / 主语言 | MIT / Python | MIT / Python |
| Release / tag | 7 / 7 | 1 / 1 |
| 贡献者 / 提交合计 | 27 / 109 | 49 / 248 |
| SKILL.md 体积 | 32,394 字节 | 7,201 字节 |
所以这不是软件选型,是两套写作约定的选型。一个重 32 KB、一个只有 7 KB,星数却几乎持平,差距全在「规则之外还打包了什么」。
26 条模式做减法,10 条规则改顺序
一个改文字的措辞,一个改回答的结构,两者根本不在同一层。humanizer 依据维基百科「Signs of AI writing」,把 AI 痕迹编成 26 条模式、分 A 到 F 六组,按强度与出现频率排序,前五条一见就改。
模式从「不是 X 而是 Y」、单行收尾,到强行三连词、满篇破折号、加粗装饰,再到聊天残留和「复述读者已知的背景」。/humanizer 先标注痕迹、起草改写、核对事实,最后写定稿;文件模式下只改散文,不动代码、数据与链接。
i-have-adhd 只有 10 条规则,全部指向「读者下一步做什么」:首行给动作、多步编号、结尾只留一个两分钟内能做的动作、每轮复述状态、列表最多五项、禁开场白与「Hope this helps」。
| 维度 | humanizer | i-have-adhd |
|---|---|---|
| 处理对象 | 已成形的文字 | 每轮回答的形状 |
| 规则数量 | 26 条模式 / 6 组 | 10 条规则 / 6 条例外 |
| 自述来源 | Wikipedia 的 AI 写作痕迹指南 | 《The Adult ADHD Tool Kit》 |
| 触发方式 | /humanizer 或直接说「润色」 | /i-have-adhd,模型不自动调用 |
| 作用范围 | 本次文本或指定文件 | 整场会话,直到说 stop adhd mode |
| 附加机制 | 语气样本匹配、事实核对 | 发送前自检、破坏性操作先确认 |
后者还写了「何时破例」:调试三轮没进展就停手、规则与宿主系统提示冲突时让系统提示赢。规则集自己承认会被上游覆盖,比声称「装上就生效」诚实。
623,445 字节的仓库里,规则只占 7,201 字节
递归 git tree 显示,两个仓库的重量都不在规则本身,而在文档与适配层。两次请求的 truncated 都是 false,节点可以逐项累加。
humanizer 22 个节点 = 15 blob + 7 tree,合计 68,262 字节;i-have-adhd 98 个节点 = 74 blob + 24 tree,合计 623,445 字节,是前者的 9.1 倍。
| 口径 | humanizer | i-have-adhd |
|---|---|---|
| git tree 逐 blob 累加 | 68,262 字节 | 623,445 字节 |
| 节点(blob / tree) | 15 / 7 | 74 / 24 |
| languages 接口 | Python 5,418 字节 | 五语言合计 147,526 字节 |
| 仓库 size 字段 | 351 KB | 442 KB |
i-have-adhd 的 .github/ 有 24 个文件、291,481 字节,占全仓 46.75%:11 份 README 译文 51,650 字节、8 份 INSTALL 译文 232,536 字节。
另有一张 95,884 字节的 logo,tests、scripts、evals 三处合计 20 个文件、151,216 字节,都比规则文件大得多。
humanizer 反过来:SKILL.md 32,394 字节占全仓 47.5%,四份 Markdown 共 56,767 字节占 83.2%,唯一的 Python 脚本 5,418 字节只是包校验器。
三套体量口径互不相加,正文只采信 git tree:languages 不含 md、json、png,size 字段是 GitHub 自有算法。
- 身份:69,283 / 61,245 星,均 MIT、Python、main 分支。
- 版本:humanizer 7 Release / 7 tag、CHANGELOG 28 个版本号;i-have-adhd 1 Release / 1 tag。
- 体量:tree 68,262 / 623,445 字节,truncated 均为 false;译文 19 份共 284,186 字节。
- 验收:#229 盲测 16/16、检测率 100% → 97.8%;RESULTS.md 发布门判 FAILED。
- 边界:未安装、未运行、未复现两组自测;未结数含 PR,不等于待修缺陷。
核对时间 2026-11-15,星标与未结为实时值。
装得上不等于生效,两个 skill 都要宿主主动调用
安装路径铺到 15 个宿主,规则能不能落地却取决于 agent 会不会去读那份文件。humanizer 在 Claude Code 里要求 2.1.142 以上,用两条 /plugin 命令装。
旧版本、Codex、pi、Copilot 走 npx skills 或 pi install,装完用 /humanizer 调用。两个仓库都没有可执行主程序,全靠宿主把 SKILL.md 塞进上下文。
i-have-adhd 的 SKILL.md frontmatter 写着 disable-model-invocation: true,即模型不会自动触发,必须由人输入 /i-have-adhd。一旦开启,规则持续到整场会话结束,读者说「stop adhd mode」才关掉。
| 环节 | humanizer | i-have-adhd |
|---|---|---|
| 入口 | 根 SKILL.md(32,394 字节) | skills/i-have-adhd/SKILL.md(7,201 字节) |
| 宿主门槛 | Claude Code 2.1.142+ | 15 个宿主各有安装段 |
| 文档语言 | 英文 README 一份 | 12 种 README、8 份 INSTALL 译文 |
| 验收命令 | validate-package.py 一个脚本 | unittest、run_evals、context_compat 等四条 |
| 关闭方式 | 不调用即可 | 需显式说 stop adhd mode |
把体积摊开看更直观:i-have-adhd 的 INSTALL.md 单份 27,516 字节,是规则文件的 3.8 倍;.github/ 是规则文件的 40 倍。让十几种宿主都认同一份规则,比写出这十条规则贵得多。
- 两个仓库都不含可执行主程序,规则靠宿主把 SKILL.md 塞进上下文
- humanizer 的文件模式只改散文,代码、frontmatter、链接目标保持原样
- i-have-adhd 另配 hooks 与 tests,是唯一带自动校验的一方
- README 顶部由 cfo.ai 赞助,humanizer 在 skills.sh 上另有安装量入口
两份自测,一份没过检测器,一份没过发布门
最该打折读的是两份自述里的「已验证」:数字都成立,结论却被同一份文件否定。humanizer README 写「盲测 16 次全胜」,指向已关闭的 #229;原文同时给出检测率从 100% 到 98.6% 再到 97.8%,Pangram 4.0 对四个变体仍判 100% AI。
| #229 的实测项 | 结果 |
|---|---|
| 盲评偏好改写(对比原始输出) | 16 / 16 |
| 检测率:原始 / 改写 / 加检查器 | 100% → 98.6% → 97.8% |
| 真人文本被判为人类 | 143 / 143 |
| 「写得更像人」提示词骗过评委 | 0 / 17 |
| 计划 144 场配对,实际完成 | 77 场 |
更值得注意的是反向发现:改写后 AI 词汇与排版痕迹从 70、60 降到 0,节奏整齐度却从 60 升到 101,格言式收尾从 38 升到 61。减法式改写把词汇痕迹换成了节奏痕迹,报告者据此说「整齐本身就是一种痕迹」。
版本口径也在动。CHANGELOG 列了 28 个版本号,tag 与 Release 各只有 7 个;模式数先从 33 涨到 35,3.0.0 合并成 25,3.1.0 又添回第 26 条。v4.0.0 更反转了 2.9.0 的「不许加事实」,允许补一个已知为真的细节。
而 README 首句仍是「不改它说什么」。「保持原意」的边界被版本悄悄挪过一次;对要放进合同、文档或财报的文字,这不是措辞问题,是要先确认装的是哪一版。
| evals/RESULTS.md | 基线 | 候选 |
|---|---|---|
| 加权总分 | 4.045 | 4.473(+0.427) |
| 简洁 / 可执行性 | 3.429 / 3.905 | 4.571 / 4.619 |
| 阻断项 | 7 | 3 |
| 14 例胜负 | 10 胜 2 平 2 负 | |
| 发布门结论 | FAILED(要求零阻断项) | |
i-have-adhd 把结果写得更直白:文件里有一节标题就是 Release gate: FAILED。它承认一个用例因 runner 传 --tools "",任何回答都过不了。
另一例 partial-success 是唯一持续回归(−0.63)。报告猜是第 8 条「先报原因再报修法」逼模型在没证据时编了一个原因。
- 三次试验、评委与生成同属一个模型家族,两者都写进了限制说明
- 84 行结果里有 3 行把工具调用语法写成纯文本,基线与候选都受影响
- humanizer 的盲测评委也全是同一家族语言模型,人类对照未匹配主题
- 102 个未结里 69 个是 PR,v0.4.1 发布说明一次致谢 50 位新贡献者
AGENTS.md 还规定 agent 只能在带 AI Agora 标签的 issue 下评论,且不得评论别人的 PR。一个规范 AI 输出的仓库,连 AI 的发言权都写成了规则——这比评测分数更能说明它对「模型会自作主张」的预期。
| 你的缺口 | 选哪个 / 怎么选 |
|---|---|
| 要交出去的稿子、README、发布说明 | humanizer:26 条模式过一遍措辞,先确认版本 |
| 长会话里 agent 总把结论埋在结尾 | i-have-adhd:10 条规则定形状,手动开启 |
| 两种毛病都有 | 先用 i-have-adhd 定骨架,再用 humanizer 改文字 |
| 想绕过 AI 检测 | 都别选:改写前后检测率只从 100% 降到 97.8% |
| 需要「已被验证有效」的凭据 | 都别当凭据:一份 77/144 场,一份发布门 FAILED |
判断落到用法上:这两个仓库值得抄的是把「什么算坏输出」写成可逐条检查的清单,不是 16/16 或 +0.427。它们各自把验收的漏洞一并留在仓库里,反倒比一个漂亮分数更可信。
去看两个原始仓库
blader/humanizer 与 ayghri/i-have-adhd:同为 MIT 的输出风格 skill,一个 26 条模式做减法,一个 10 条规则改顺序
前往 GitHub