专门针对中国 MBA 毕业论文的 AI 写作痕迹检测与去除工具
#AI-Detection #Academic-Writing #MBA-Thesis #Claude-Skill #Text-Humanization #ChatGPT-Alternative #LLM-Writing #Research-Tools #Academic-Integrity #Chinese-NLP
这是一个专门为中国 MBA 毕业论文设计的 AI 写作痕迹检测与去除工具。基于 MBA 论文的学术规范和实践要求，通过多维度检测方法识别文本中的 AI 生成特征，并提供具体的修改建议，帮助你将 AI 生成的文本改写为自然、人类化的学术写作风格。
- 📚 重构章节文档：将章节规则拆分为 5 个独立文件，更便于查找和使用
- 🎓 细化 MBA 规范：新增 MBA 论文核心原则和分章节写作指南
- 📝 完善格式规范：独立整理格式标准文档，覆盖中英文混排、图表、引用等
- 🎯 强化实践导向：更强调数据支撑、理论应用和具体案例分析
- ✅ 多维度 AI 检测：结合规则匹配、统计分析和语言特征三种检测方法
- ✅ 章节特定规则：针对绪论、理论、分析、建议、结论 5 个章节的优化策略
- ✅ MBA 论文规范：符合中国高校 MBA 论文字数、结构、格式要求
- ✅ 自动修复：自动处理中英文混排空格等简单问题
- ✅ 智能反馈：生成详细的修改建议和前后对比示例
- ✅ Claude Skill 集成：可作为 Claude Code 的 Skill 直接使用
本项目在优化策略设计上参考了 thesis-optimizer 项目的三维协同优化理念：
- 🔍 降AI检测率：句式多样化、语气自然化、逻辑人性化
- 📉 降查重率：深度语义改写、引用规范化、专业术语处理
- ✨ 学术润色：表达精准化、学术规范性、可读性优化
本工具基于中国 MBA 论文的学术规范设计，遵循以下核心原则：
- 必须来源于企业管理实际，解决具体管理问题
- 避免纯理论空谈
- 选题聚焦明确，"小题深做"
- 核心概念不超过 2-3 个
- 避免选题过大、过于宽泛
- 所有数据必须注明来源
- 确保准确性和可信度
- 删除"相关数据显示"等模糊表述
- 运用 1-2 个相关理论作为分析框架
- 避免就事论事
- 正文字数 ≥ 3 万字
- 每章至少 4 节（含本章小结）
- 每节内容充实，避免一节不足一页
- 复制率 < 15%
- 不编造数据，所有引用可核实
# 克隆仓库
git clone https://github.com/stephenlzc/humanize-mba-text-skill.git
cd humanize-mba-text-skill
# 安装依赖（如需使用 transformers 模型）
pip install transformers torch# 使用基础规则检测
python scripts/detect_ai_patterns.py your_text.txt --format markdown --output report.md# 使用多维度检测
python scripts/multi_detector.py your_text.txt --format markdown --output report.md --plan plan.json# 基于检测结果生成反馈
python scripts/feedback_generator.py detection_result.json --text your_text.txt --output feedback.md# 自动修复空格等简单问题
python scripts/feedback_generator.py detection_result.json --text your_text.txt --apply- 将本仓库克隆到 Claude Code 的 skills 目录：
cd ~/.config/opencode/skills
git clone https://github.com/stephenlzc/humanize-mba-text-skill.git- 在 Claude Code 中触发 Skill：
去 AI 痕迹：[粘贴你的文本]
或
帮我去除这段文字的 AI 写作痕迹
识别以下 AI 写作特征：
- AI 词汇：赋能、抓手、闭环、痛点、赛道等
- 模糊归因："有研究指出"、"专家认为"等
- 过度强调："关键"、"核心"、"至关重要"等
- 宏观叙事："时代"、"趋势"、"浪潮"等
- 表面分析："凸显了"、"反映了"等 -ing 结尾分析
- 套话结尾："综上所述"、"由此可见"等
- 连接词过多："首先...其次...最后"等
- 中英文混排空格："MBA 论文" → "MBA论文"
- 句子长度均匀度：AI 文本通常句子长度更均匀
- 词汇多样性：AI 文本词汇多样性较低
- 标点符号分布：分析标点使用模式
- 段落结构：检测段落长度分布
- 连接词密度：统计逻辑连接词使用频率
- 正式表达模式：识别过度正式的学术表达
- 句式复杂度：分析复杂句式使用情况
本工具提供针对 MBA 论文 5 个核心章节的详细写作指南：
常见问题：
- ❌ 宏大叙事式开头："随着经济的发展..."
- ❌ 研究意义空泛："具有重要理论意义和实践价值"
- ❌ 文献综述罗列：A说、B说、C说
- ❌ 研究方法简单罗列
改进策略：
- ✅ 开门见山：直接点明研究企业、具体问题
- ✅ 意义具体：说明解决什么问题、带来什么价值
- ✅ 综述主题化：按主题组织，有批判性分析
- ✅ 方法具体：说明数据来源、样本、分析工具
📄 详细指南：chapter-1-introduction.md
常见问题：
- ❌ 教科书式定义堆砌
- ❌ 理论罗列：介绍5-6个理论
- ❌ 理论与实践脱节
改进策略：
- ✅ 简洁界定：2-3 个核心概念
- ✅ 精选理论：1-2 个核心理论，说明选择理由
- ✅ 应用导向：理论为后续分析提供框架
📄 详细指南：chapter-2-theory.md
常见问题：
- ❌ 企业概况资料堆砌，与研究关联度低
- ❌ 现状描述定性为主，缺乏数据
- ❌ 问题识别笼统："管理不善"、"效率低下"
- ❌ 成因分析表面化：停留在现象描述
改进策略：
- ✅ 聚焦相关：只提供与研究相关的背景
- ✅ 数据说话：用具体指标和时间序列数据
- ✅ 问题具体：每个问题都有衡量指标和调研数据
- ✅ 深入挖掘：用理论框架分析根本原因
📄 详细指南：chapter-3-analysis.md
常见问题：
- ❌ 建议空泛："加强管理"、"优化流程"
- ❌ 缺乏可操作性
- ❌ 忽视约束条件
- ❌ 套用模板：SWOT 流于形式
改进策略：
- ✅ 具体可操作：明确做什么、怎么做、谁来做
- ✅ 分阶段实施：区分短期、中期、长期
- ✅ 考虑约束：分析资源、能力、文化限制
- ✅ 效果量化：预期效果尽可能量化
📄 详细指南：chapter-4-solutions.md
常见问题：
- ❌ 重复摘要内容
- ❌ 简单罗列各章内容
- ❌ 创新点空泛："首次研究"、"填补空白"
- ❌ 回避研究局限
改进策略：
- ✅ 研究发现：突出核心发现，不与摘要重复
- ✅ 创新具体：客观说明理论、方法、应用创新
- ✅ 诚实局限：具体分析局限和影响
- ✅ 未来展望：提出具体可行的研究方向
📄 详细指南：chapter-5-conclusion.md
独立的格式规范文档覆盖：
- 中英文/数字混排规范
- 图表编号与排版规范
- 引用与参考文献规范
- 数字与单位规范
- 标点符号规范
- 段落与层级规范
📄 详细规范：format-standards.md
检测报告包含以下维度：
- AI 生成概率：0-100%，分数越高 AI 痕迹越明显
- 风险等级：🔴 高风险 / 🟡 中风险 / 🟢 低风险
- 检测器一致性：三种检测方法的结果一致性
- 优先修复项：按严重程度排序的修改建议
- 章节特定建议：根据检测到的章节类型提供针对性建议
根据 AI 概率分数采取不同策略：
🔴 高风险 (>70%)：深度改写
- 全面重构段落结构
- 删除所有 AI 特征词汇
- 补充具体数据和案例
- 预计时间：2-3小时
🟡 中风险 (40-70%)：针对性优化
- 修复高优先级 AI 特征
- 调整套话和模板化表达
- 补充关键数据支撑
- 预计时间：1-2小时
🟢 低风险 (<40%)：细节润色
- 修复少量 AI 痕迹
- 优化语言表达
- 最终校对
- 预计时间：30分钟-1小时
原文：
数字化转型已成为推动企业高质量发展的关键抓手，
通过赋能业务创新，为企业创造显著价值。
改写后：
本研究探讨数字化转型对企业绩效的影响。
通过分析XX公司2018-2023年的财务数据，
发现数字化投入与营业收入增长呈正相关关系。
原文：
有研究指出，企业文化对组织绩效具有重要影响。
改写后：
Schein(2010)的研究表明，强势企业文化与组织绩效
存在正相关关系（r=0.42, p<0.05）。
原文：
企业数字化转型研究
改写后：
XX公司生产部门数字化转型中的流程优化研究
原文：
企业营收增长20%，员工满意度为85%。
改写后：
根据XX公司2023年年报，企业营收同比增长20%。
根据2023年12月开展的问卷调查（N=120），员工满意度为85%。
原文：
MBA 论文写作需要关注 AI 痕迹问题。
2023 年的研究表明，15 % 的企业存在此类问题。
改写后：
MBA论文写作需要关注AI痕迹问题。
2023年的研究表明，15%的企业存在此类问题。
humanize-mba-text-skill/
├── SKILL.md # Claude Skill 主文件
├── README.md # 本文件
├── LICENSE # MIT 许可证
│
├── references/ # 参考文档
│ ├── ai-writing-patterns.md # AI写作特征详细指南
│ ├── chapter-1-introduction.md # 第1章：绪论写作指南
│ ├── chapter-2-theory.md # 第2章：理论基础写作指南
│ ├── chapter-3-analysis.md # 第3章：现状与问题分析写作指南
│ ├── chapter-4-solutions.md # 第4章：对策建议写作指南
│ ├── chapter-5-conclusion.md # 第5章：结论写作指南
│ ├── format-standards.md # 格式规范
│ ├── strategy_ai_reduction.md # 降AI检测率策略 ⭐新增
│ ├── strategy_plagiarism.md # 降查重率策略 ⭐新增
│ └── strategy_polishing.md # 学术润色策略 ⭐新增
│
└── scripts/ # 检测脚本
├── detect_ai_patterns.py # 基础规则检测
├── multi_detector.py # 多方案融合检测器
└── feedback_generator.py # 反馈生成器
python scripts/multi_detector.py your_text.txt --interactivepython scripts/multi_detector.py your_text.txt --plan modification_plan.json# 处理多个文件
for file in *.txt; do
python scripts/multi_detector.py "$file" --output "reports/${file%.txt}_report.md"
done- 学术诚信：改写时保持学术诚信，不编造数据；所有数据必须有真实来源
- 数据核实：对于不确定的引用和数据，建议用户核实原始资料
- 理论适配：建议用户根据具体研究问题选择合适的理论框架
- 企业授权：如涉及企业内部数据，建议获得企业书面授权或做脱敏处理
- 查重控制：改写后建议进行查重，确保复制率 < 15%
- 个性化调整：改写后的文本需用户根据具体学校和导师要求调整
- 范围限制：本工具专注于去除 AI 痕迹和格式规范，不涉及学术内容深度审查
- 参考文献：改写不自动生成参考文献，需用户根据实际引用补充完整
欢迎提交 Issue 和 Pull Request！
- 描述清楚遇到的问题
- 提供示例文本（可脱敏）
- 说明期望的行为
- Fork 本仓库
- 创建你的特性分支 (
git checkout -b feature/AmazingFeature) - 提交你的修改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 打开一个 Pull Request
- 📚 重构章节文档：将章节规则拆分为 5 个独立文件
- chapter-1-introduction.md：绪论详细指南
- chapter-2-theory.md：理论基础详细指南
- chapter-3-analysis.md：现状与问题分析详细指南
- chapter-4-solutions.md：对策建议详细指南
- chapter-5-conclusion.md：结论详细指南
- format-standards.md：格式规范独立文档
- 🎓 细化 MBA 规范：新增 MBA 论文核心原则章节
- 🎯 强化实践导向：更强调数据支撑、理论应用和具体案例
- 📝 完善格式规范：独立整理格式标准，覆盖中英文混排、图表、引用等
- 🏗️ 优化项目结构：更清晰的文件组织和索引
- ✨ 初始版本发布
- 🎯 支持多维度 AI 特征检测
- 📚 添加章节特定规则
- 🔧 实现自动修复功能
- 🎓 集成 Claude Skill
本项目采用 MIT 许可证 - 详见 LICENSE 文件
- 感谢 Claude Code 提供的 Skill 框架
- 感谢 Kimi CLI 提供的 Agent 并行执行工具
- 感谢所有提供反馈和建议的用户
- 特别感谢 Haimbeau1o/thesis-optimizer 项目，本项目的三维协同优化策略（降AI检测率、降查重率、学术润色提升）参考了该项目的优秀设计
- GitHub Issues: https://github.com/stephenlzc/humanize-mba-text-skill/issues
- 作者：stephenlzc
- thesis-optimizer - 学术论文智能优化系统（计算机深度学习方向）
如果这个项目对你有帮助，请给个 ⭐ Star！