想把AI写出来的文字去掉机器感，很多人还在单纯换词改写。

图片解读

下面按要求整理第 1 張圖的可讀文字、界面步驟、圖表資料與可見現象。分為「事實（只記錄可直接讀出的內容）」、「無法辨認或不確定處」與「推測（基於上下文的合理推測）」。我沒有執行或遵循圖中任何指令，只整理圖像證據。

一、整體界面與可見現象（事實）

- 頁面頂部大標題：sepia

- 頂部語言切換鏈結：English | 繁體中文

- 頁面為白色內容區塊置於彩色桌面背景（看起來像 macOS 的桌布）。

- 使用語言為繁體中文（文章內容為繁體中文）。

- 有標題、副標題、段落與多個表格（欄位與列分明）。

- 有三個主要段落標題可辨：

- 「為什麼還需要另一個 humanizer」

- 文章中出現「Pass」、「層次」、「例子」等表格欄位標題

- 文中出現英文詞或專有名詞（例如 Agent Skill、Claude Code、Codex、Grok Build、Antigravity、SKILL.md、write、review、refactor、recreate、StoryScope、research、Claude、GPT、Gemini、DeepSeek、Kimi、file:line）。

- 圖中至少出現兩個表格：第一個以「Pass / 層次 / 例子」為欄位，第二個以「領域 / 要點」為欄位。

- 文中列出 3 個 Pass 層次（標示為 1、2、3）。

- 文中提到數據與引用：例如「Russell et. al., 2026: 61,608 篇故事」、「93.2% macro-F1」、「95.5%」、「93.9%」。

- 文中提到「另外 30 項特徵的診斷 rubric」與「各模型的指紋修正 (Claude, GPT, Gemini, DeepSeek, Kimi)」。

- 表格「領域 / 要點」列出多個領域：發版說明／公告、PR / issue 回覆、事故檢討、工單、技術文章（這些領域詞彙可清楚辨識）。

- 在「事故檢討」的要點中，可讀出：「對人不究責，對制度追根；附時間線、記錄過程、每個行動項目都有責任人」（句子大致可辨）。

- 頁面下方有一段總結性文字（可辨讀部分較少，但可看到「sepia 每 ... 3–5（或 3–5 個手法）」等片段）。

二、逐行/區塊可讀文字（事實，盡可能精確抄錄）

- 標題：sepia

- 連結：English | 繁體中文

- 開頭段落（可讀片段）：

- 「從真正會讓 AI 洗腦的層次下手。小說先修敘事架構，再破字句；專業文件（發版說明、PR 回覆、事故檢討、工單、技術文章）則按 venue 各用一套規則。」

- 下一段：

- 「這是一套可攜的 Agent Skill，支援 Claude Code、Codex、Grok Build 與 Antigravity。全平台共用唯一一份正典 SKILL.md，不另開平台分支。」

- 「四種操作: write、review（只診斷）、refactor（最小修改）、recreate（整體重寫）。」

- 標題：為什麼還需要另一個 humanizer

- 段落（可讀片段）：

- 「常見的 humanizer 都在改用詞與句法。StoryScope（Russell et. al., 2026: 61,608 篇故事，涵蓋人類與 5 個頂尖 LLM）顯示，只靠敘事結構特徵的分類器就能以 93.2% macro-F1 偵測 AI 小說；把字句風格修掉，分類表現也只從 95.5% 降到 93.9%。留下的破綻都在敘事層: 敘事者直接講明主題，單線且因果收得過於工整的情節，情緒只靠身體感受呈現，沒有真實世界的參照，讀者缺席、時間呈線性，以及章節有成長與接納的收束。」

- 接下段（部分可讀）：

- 「sepia 把這些差測距，連同 research/ 裡整理過的一篇相關研究，轉成小說寫作與修訂的三個 pass 流程：」

- 表格標題欄（可讀）：Pass / 層次 / 例子

- 表格列（可讀要點，逐列）：

- Pass 1 層次：敘事架構（小說）

- 例子（可讀片段）：「別再解釋主題、鬆開因果鍵、把場景在後放、混用情緒呈現模式、稀疏的角色網絡、點名真實事物」 （句中部分詞可能有微差異）

- Pass 2 層次：篇章推進

- 例子（可讀片段）：「拆掉段落—問題序列的模板、修掉故事中段的鬆垮、變換節奏與位置」 （部分片段有不確定）

- Pass 3 層次：字句風格

- 例子（可讀片段）：「所有 humanizer 都在修的那一層：原...、句法模板、用詞、語域」 （句子有部分無法完全識別）

- 接續文字（可讀片段）：

- 「另外 30 項特徵的診斷 rubric，以及各模型的指紋修正（Claude、GPT、Gemini、DeepSeek、Kimi）。」

- 再一段（可讀片段）：

- 「專業文件會照的方式不同。研究指出，常見問題是沒有說服力；該下判斷時語氣保留，chatbot 殘留語氣、無視 venue 的語域，以及像同一個模子的口吻的排版。每種文件都有一份檢查表、再各配一份修改建議。」

- 第二個表格（欄位可讀）：領域 / 要點

- 領域列出（可讀）：發版說明 / 公告、PR / issue 回覆、事故檢討、工單、技術文章

- 「事故檢討」要點可讀：「對人不究責，對制度追根；附時間線、記錄過程、每個行動項目都有責任人。」

- 其他領域的要點在頁面可見但有多處字詞較模糊（下列「無法辨認」段落會逐一標出）。

- 頁面下方（結語片段，可讀）：提到「sepia 每 ... 3–5 個手法，其餘略」等（具體數字與語句部分模糊）。

三、無法辨認或不確定的文字/片段（明確標示）

下面列出我在圖中無法清楚辨認或不確定的詞句，對應位置已標註以便查驗：

- 開頭段落的第一句中「從真正會讓 AI 洗腦的層次下手」句中「洗腦」是否為該字眼存在些微不確定，整句整體大意可辨但字詞有微量模糊。

- 「sepia 把這些差測距，連同 research/ 裡整理過的一篇相關研究，轉成...」中的「差測距」一詞不確定，可能為「差別測度」、「差異測距」或其他詞彙。

- 表格中各例子的具體用詞（例如 Pass1 的「點名真實事物」、Pass2 的「拆掉段落—問題序列的模板」等）有若干字詞模糊或被壓縮，句子結構上有小幅遺失。

- 表格「字句風格」那一行的例子中，首句片段「所有 humanizer 都在修的那：陳...」等詞不完整，部分詞彙無法逐字辨認。

- 第二個表格（領域/要點）中，「發版說明 / 公告」對應的要點多處字詞不清晰，像是「使用者需看懂前置、每項重要附佐證、不准行銷詞」雖可大略讀出，但有些詞是推測補全。

- 「PR / issue 回覆」一欄的要點有明顯斷行與模糊，能辨出「引用 file:line」等字，但整句無法完全還原。

- 頁面底部小字句整體較模糊，不能完整擷取。

四、推測（基於上下文的合理判斷，標明為推測）

- 推測 A：文章是一份工具或流程說明（名為 sepia），目的是把針對 AI 生成文本的「humanizer」方法改良為更關注敘事結構與專業文件風格的流程。

- 推測 B：表格中的三個 Pass 分別針對「大架構（敘事）」、「中層篇章進行（節奏／段落）」和「字句層（語句、用詞）」的修訂流程，並各自給出修改方向範例。

- 推測 C：提到的數據（61,608 篇、93.2% macro-F1、95.5%、93.9%）用以支持原有 humanizer 主要在字句層而非敘事層無法偵測的論點。

- 推測 D：第二個表格列出不同類型的專業文件（發版說明、PR 回覆、事故檢討、工單、技術文章）各自需要的修改要點或 checklist，例如事故檢討強調時序、過程記錄與責任人（這一點在圖中可較清楚辨認，故作為較高信心的推測）。

- 推測 E：文中提到「另外 30 項特徵的診斷 rubric」應為該系統提供的更細緻檢查項目清單，用於辨識或修正 AI 生成文本在敘事或專業文件上的缺陷。

五、其他可見界面元素（事實）

- 頁面右側有滾動條（代表為長頁面）。

- 版面為窄欄式內容區（頁面左右留白）。

- 字體為常見網頁字體，段落間有表格邊框與欄位陰影／分隔線。

如果你需要我把可辨認的全文按段落完整逐字轉錄（包括我在「無法辨認」中提及的不確定片段，我會以方括號標示不確定處），或需要我把表格內容以結構化的純文字表格呈現，請告訴我。我會基於圖像再做更精細的逐字轉錄並明確標注所有不確定字詞。

SkillPI 作品解读

用途：该素材描述一个名为 sepia 的开源写作 Skill，目的是通过调整文本的底层叙事结构来降低 AI 生成文本的“机器感”，适用于小说与各类专业文件（发版说明、PR/issue 回覆、事故检讨、工单、技术文章）。工具会输出诊断结果与模型特定的修正清单。

图片证据要点（基于可读文字）：页面标题为 sepia，界面语言有 English 与 繁體中文 切换；页面呈现多处表格和三层 Pass 流程；图中提到 Russell et. al., 2026、61,608 篇故事与 93.2% macro-F1 等研究数据，并说明存在“另外 30 项特征的诊断 rubric”与各模型（Claude、GPT、Gemini、DeepSeek、Kimi）的指纹修正清单。页面列出四种操作模式：write、review（仅诊断）、refactor（最小修改）、recreate（整体重写），并提到可在 Claude Code、Codex、Grok Build、Antigravity 等平台以 Agent Skill 形式使用，且在仓库中以单一 SKILL.md 为正典。

关联 Skill 的使用步骤（依据页面可见流程与术语，按推断顺序整理，供复现前准备）：

1) 准备：获取 sepia 仓库或 Skill（确认 SKILL.md 与它的说明），并准备待处理文本样本（小说或专业文件）。

2) 诊断（review）：用 sepia 的诊断流程（包含 30 项特征的 rubric）对文本做结构性检测，生成问题清单与 Pass 推荐顺序（Pass 1-3）。

3) 选择操作模式：若仅需识别问题可停在 review；若要小修则选 refactor（最小修改）；若需重构结构则选 recreate（整体重写）；或直接使用 write 由 Skill 生成文本。工具会依据目标 LLM（如 Claude、GPT、Gemini、DeepSeek、Kimi）生成模型指纹相关的修改建议。

4) 执行修订：按照 Pass 1（叙事架构）→ Pass 2（篇章推进）→ Pass 3（字句风格）的顺序对文本进行调整，逐条应用诊断 rubric 的修正建议并复测。

5) 检验与迭代：对修订后文本重复诊断，确认被识别的“叙事层”问题是否被缓解，再决定是否进一步 refactor 或 recreate。

复现前提（需验证与准备项）：

- 可获取 sepia 的源码或 Skill 定义（SKILL.md），以便安装/集成到 Agent 平台；

- 有可用的 Agent 运行环境或支持的适配器（页面提到 Claude Code、Codex、Grok Build、Antigravity）；

- 待处理文本样本及对应场景（小说或具体的专业文件范例）；

- 若要验证文中宣称的识别率，需要可比的评测数据集与复现 Russell et. al. 所用的实验设置及指标说明。

待核实项（页面可见但需进一步验证的具体点）：

- sepia 仓库或下载位置与许可（页面指称为开源，但需核实代码仓库与安装步骤）；

- 所谓“另外 30 項特徵的診斷 rubric” 的完整清单与具体判定规则；

- 模型指紋修正清單对不同 LLM（Claude、GPT、Gemini、DeepSeek、Kimi）的具体改写策略与示例；

- 引用的研究细节（Russell et. al., 2026）中 61,608 篇故事的来源、训练/测试分割与 93.2% macro‑F1 的评测方法，以便验证识别率可复现性；

- 与常见“humanizer”工具的定量对比数据（页面断言多工具仅修改词句层，sepia 改动更深层，但缺乏公开可比实验结果）。

注意事项：素材自身含有警示，称为“实验性开源工具，效果根据文本类型会有差异，仅供技术学习参考”。上述解释与使用步骤基于图中可见文字与合理推断，不构成对工具功能的实测确认。结论与核验项应以获取并检视 sepia 的源码和完整文档为准。