01 · 这件事

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/humanizerayghri/i-have-adhd
星标 / fork69,283 / 5,44761,245 / 3,590
未结 / 订阅者4 / 290102 / 165
建库 / 最近推送2026-01-18 / 11-102026-05-13 / 10-19
许可证 / 主语言MIT / PythonMIT / Python
Release / tag7 / 71 / 1
贡献者 / 提交合计27 / 10949 / 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」。

02 · 核心机制

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humanizeri-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。

03 · 关键细节与数据

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humanizeri-have-adhd
git tree 逐 blob 累加68,262 字节623,445 字节
节点(blob / tree)15 / 774 / 24
languages 接口Python 5,418 字节五语言合计 147,526 字节
仓库 size 字段351 KB442 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。

数据核对:身份、体量、版本与验收数字来自 api.github.com 各接口及仓库内文件原文。

核对时间 2026-11-15,星标与未结为实时值。

04 · 怎么用

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humanizeri-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。

05 · 冷思考

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4.0454.473(+0.427)
简洁 / 可执行性3.429 / 3.9054.571 / 4.619
阻断项73
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。

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

相关平台

#Skill #开源 #AI 写作 #横评