用途：面向准备把 AI 辅助写作的文章发布到微信公众号的场景，帮助作者检查文章是否存在明显 AI 痕迹，并将草稿改写得更接近自然的人类写作风格。检测思路参考微信公众平台运营规范 3.27 条款（非真人自动化创作行为）。
主要能力：分析模板短语、过渡词密度、段落均匀度、句长均匀度、重复句首、"的"字使用等问题，输出风险评分（0-100）与风险等级（LOW / MEDIUM / HIGH），可仅给报告、给逐条修改建议，或直接输出润色后的完整文章。润色规则包括：删除或替换模板短语；把过渡词密度压到 15% 以下；制造长短句交替；打乱段落长度；加入个人经历、具体案例和数字细节；减少"的"字使用（目标 < 5%）；同时保留核心观点、专业术语和原文立场。
使用方式：按固定流程执行——先取得文章（读取用户给出的文件路径，或使用对话中粘贴的文本），再运行分析脚本：python skills/lov-anti-wechat-ai-check/scripts/analyze.py --input <path> --format json，或使用内联文本 python skills/lov-anti-wechat-ai-check/scripts/analyze.py --text "文章内容" --format json；随后展示评分、模板短语及其位置、结构与句式问题；再用 AskUserQuestion 询问仅查看报告、给出修改建议还是直接输出修改版；最后按需润色并以 markdown 输出，若输入是文件可另存为带 -humanized 后缀的文件。CLI 参数：--input/-i 输入文件路径（.md、.txt），--text/-t 内联文本，--format/-f 输出格式 text 或 json（默认 text）。无外部依赖，仅使用标准库。运行前由宿主提供 skill-runtime/v1 上下文，字段解析顺序为当前请求、项目上下文、个人 Preferences、品牌 Profile、通用默认值，只使用 Manifest 声明的字段。
适用场景：公众号发文前的 AI 痕迹自检；将 AI 生成草稿改写为更自然的风格；对已有文章做风险评估。
限制：仅覆盖文中列出的检测维度与润色规则，具体检测阈值与判定效果资料暂未提供；润色需人工复核核心信息与专业表述；不涉及发布、提交等外部写入动作。