li-human 是 jakeschincariol/linkedin-agent-skill 中的一个技能文件夹，内含 humanize.py 与 detect.py 两个可运行工具，配套词典文件 slop.json。其用途是清理并评估文稿中的机器写作特征，工具完全在用户本机运行，不上传内容。
主要能力：humanize.py 自动处理三类问题——不可见字符（零宽空格与连接符、词连接符、软连字符、BOM、Unicode 标签字符、不换行及窄空格等，并删除未命名的残留 Unicode 格式字符）；排版符号（长破折号转逗号、短破折号转连字符、弯引号转直引号、省略号转三点、项目符号转连字符）；套话词典替换（delve、leverage、robust、seamless、crucial、tapestry、testament to、moreover 等 100 余个词与短语，替换时保留大小写且不动 URL）。slop.json 含 100+ 词条、17 类不可见字符、11 项排版替换和 11 类结构特征，可自行编辑。
使用方式：运行 python3 humanize.py draft.txt --report 清理并显示改动；python3 detect.py draft.txt 进行五项评分；python3 detect.py before.txt after.txt 对比前后差异。detect.py 从 BURSTINESS（句长变化）、SPECIFICITY（每百词数字、名称等具体标记）、SLOP DENSITY（每百词套话命中）、FINGERPRINT（每千字符不可见字符、长破折号、弯引号）、VOICE（缩写、人称、结构特征）五方面打 0-100 分，越高越像人类；总分按均值 60% 与最低单项 40% 加权，PASS 需总分 70+ 且各单项不低于 55。
限制：结构性问题只标记不自动改写，包括“It's not just X, it's Y”“not only X but also Y”、三段式排比、单句设问、火箭/火焰/灯泡/闪光/飞镖表情、话题标签墙、诱导性互动句（Thoughts?、Agree?、Who else?）、句长与项目长度过于均一，需人工重写后再运行检测，通常两轮。这些只是模型化公开检测器信号的本地启发式规则，并非 GPTZero、Originality、Copyleaks、Winston 或 Turnitin，也不调用其 API，无法承诺那些工具的判定结果。资料未提供收费方式、支持平台、官方文档及其他功能信息。