AI Humanizer CN v5.0.0

版本： 5.0.0
更新日期： 2026-03-18
作者： pengong101
许可： MIT

🎯 核心功能

1. 多模型支持

支持的 AI 模型：

• ✅ OpenAI (GPT-4/GPT-3.5)
• ✅ Anthropic (Claude-3)
• ✅ 阿里百炼 (Qwen-Max/Qwen-Plus)
• ✅ MiniMax (ABAB 系列)

模型选择：

# 环境变量设置
export HUMANIZER_MODEL="openai/gpt-4"
# 或
export HUMANIZER_MODEL="anthropic/claude-3"
# 或
export HUMANIZER_MODEL="dashscope/qwen-max"

2. 风格调节

支持的风格：

• formal - 正式风格（技术文章、报告）
• neutral - 中性风格（新闻、说明）
• casual - 轻松风格（博客、社交媒体）
• academic - 学术风格（论文、研究）
• business - 商务风格（邮件、方案）

3. 批量处理

支持的批量操作：

• 文件夹批量处理
• 多格式混合（.md/.txt/.py/.js）
• 并行处理（多线程）
• 进度条显示

4. 代码优化

支持的编程语言：

• Python 代码注释优化
• JavaScript 代码注释优化
• SQL 查询语句优化
• Shell 脚本优化

💻 使用方式

方式 1：命令行调用

# 基础使用
humanizer-cn --input input.txt --output output.txt

# 指定风格
humanizer-cn --input input.txt --style formal

# 批量处理
humanizer-cn --batch ./docs --output ./output --style formal

# 代码优化
humanizer-cn --code input.py --output output.py

# 指定模型
humanizer-cn --input input.txt --model anthropic/claude-3

方式 2：Python 调用

from ai_humanizer import Humanizer

# 初始化
h = Humanizer(
    model="openai/gpt-4",
    style="formal",
    api_key="your_api_key"
)

# 优化文本
text = "本文旨在探讨..."
optimized = h.humanize(text)
print(optimized)

# 批量处理
results = h.batch_process(
    input_dir="./docs",
    output_dir="./output",
    style="formal"
)

# 代码优化
code = "def foo(a,b):return a+b"
optimized_code = h.optimize_code(code, language="python")
print(optimized_code)

方式 3：OpenClaw 技能调用

from skills.ai_humanizer_cn import humanize

result = humanize("AI 生成的文本", style="formal")

⚙️ 配置选项

环境变量

# API 密钥（至少配置一个）
export OPENAI_API_KEY="sk-xxx"
export ANTHROPIC_API_KEY="sk-ant-xxx"
export DASHSCOPE_API_KEY="sk-xxx"

# 默认模型
export HUMANIZER_MODEL="openai/gpt-4"

# 默认风格
export HUMANIZER_STYLE="formal"

# 批处理线程数
export HUMANIZER_THREADS="4"

# 日志级别
export HUMANIZER_LOG_LEVEL="INFO"

配置文件

位置： ~/.ai-humanizer/config.json

{
  "model": "openai/gpt-4",
  "style": "formal",
  "max_length": 2000,
  "temperature": 0.7,
  "batch_size": 10,
  "threads": 4,
  "output_format": "text"
}

📊 性能指标

🧪 测试

运行测试

# 安装测试依赖
pip install pytest pytest-cov

# 运行测试
pytest tests/ -v --cov=ai_humanizer

# 查看覆盖率
coverage html

测试覆盖

Name                    Stmts   Miss  Cover
-------------------------------------------
ai_humanizer.py           250     25    90%
humanize_v5.py            180     18    90%
tests/test_humanizer.py   150      0   100%
-------------------------------------------
TOTAL                     580     43    93%

📦 文件结构

ai-humanizer-cn/
├── SKILL.md                  # 技能文档（本文件）
├── README.md                 # 详细说明
├── LICENSE                   # MIT 许可证
├── clawhub.json              # ClawHub 配置
├── requirements.txt          # Python 依赖
├── setup.py                  # 安装脚本
├── ai_humanizer.py           # 主程序（v5.0.0）
├── humanize_v5.py            # v5.0.0 核心
├── humanize_v4.py            # v4.0.0（兼容）
├── humanize_v3.py            # v3.0.0（兼容）
├── config.py                 # 配置管理
├── utils.py                  # 工具函数
├── tests/                    # 测试目录
│   ├── test_humanizer.py
│   └── fixtures/
├── examples/                 # 示例目录
│   ├── basic_usage.py
│   └── batch_processing.py
└── docs/                     # 文档目录
    ├── installation.md
    ├── usage.md
    └── api.md

🔧 安装

方式 1：pip 安装

pip install ai-humanizer-cn

方式 2：源码安装

git clone https://github.com/pengong101/ai-humanizer-cn
cd ai-humanizer-cn
pip install -e .

方式 3：ClawHub 安装

openclaw skills install ai-humanizer-cn

📊 版本历史

🔗 相关链接

• GitHub: https://github.com/pengong101/ai-humanizer-cn
• PyPI: https://pypi.org/project/ai-humanizer-cn/
• ClawHub: 待发布
• 文档: https://ai-humanizer-cn.readthedocs.io/
• 作者: pengong101

📝 常见问题

Q: 需要 API 密钥吗？

A: 是的，至少需要配置一个 AI 模型的 API 密钥：

• OpenAI: OPENAI_API_KEY
• Anthropic: ANTHROPIC_API_KEY
• 阿里百炼：DASHSCOPE_API_KEY

Q: 支持哪些文件格式？

A: 支持：

• 文本：.txt, .md
• 代码：.py, .js, .sql, .sh
• 批量：文件夹递归处理

Q: 批量处理速度如何？

A: 默认 4 线程并行，每秒可处理 10-20 个文件（取决于文本长度）。

最后更新： 2026-03-18
版本： 5.0.0 (Latest)
许可： MIT License
测试覆盖： 93%