每日热门skill-sepia 深度研究报告：把 AI 味连根拔起-开发者社区

基金定投助手：为什么你的基金定投总在追涨杀跌？价值平均法定投引擎 + 综合估值模型+动态再平衡仓位管理，一个单文件 HTML 的免费定投工具-CSDN博客
https://download.csdn.net/download/weitingfu/93339607?spm=1011.2124.3001.6210

热点周期：2026.08.24 - 2026.09.06 热门 Skill 盘点排名：GitHub AI 热门 Top 1（winered-0v0 周榜 2026-08-31）/ dev.to snapshot Top 2

一、本周热门 Skill 盘点与选题说明

近一周（2026-09-01 至 2026-09-06）候选池按关注度排序，前 6 名分别为：

候选 Skill	仓库	热度特征	是否已介绍	处理
sepia	Nanako0129/sepia	8.28 创建，3 天 1129 星，8.2 天 2185 星，周榜 Top1	否	本次选题
google/skills	google/skills	Google 官方 Agent Skills 目录，大厂背书	否	预研素材足但偏云端目录，暂缓
reverify	2akouwu/reverify	MCP+CLI 验证 AI 逆向工程，5 天 866 星	否	暂缓
headcount	cbrock84/headcount	Claude Code 公司化组织，15+ 部门 125+ 技能	否	暂缓
codex-with-chatgpt	dev.to snapshot Top1	技术文章型 Skill	否	暂缓
其余候选	Wacli / archify / scientific-agent-skills 等	-	已介绍（executed_skills.json）	已排除

选题理由：sepia 是近两周增速最猛的去 AI 味写作 Skill，主题直击 AI 写作用户的最大痛点，且技术内核（叙事结构分层、论文驱动、行为 CI）足够硬核，非常适合 CSDN 技术读者。executed_skills.json 已介绍 18 个 Skill 中不含 sepia，无重复。

别让 AI 替你说话，sepia 说改词没用，要动就动叙事骨架

一个 2185 星的开源 Skill，为什么两周刷屏

事情是这样的。

我最近在改一份技术方案，开头第一句写着，在现代软件开发流程中，随着人工智能技术的快速发展。我盯着屏幕看了十秒，把它删了。

不是这句话有错。是它太对了，对到一眼就知道不是人写的。

屏幕前的你大概也干过这种事。让 AI 把初稿里的 delve 换成 explore，把 furthermore 删干净，把长句拆短，把「首先其次最后」的痕迹抹平，忙活一晚上发给朋友，对方回一句，嗯，怎么说呢，还是有点 AI 味。

问题出在哪？出在你改的是词。

而 AI 露馅的地方，根本不在词。

2026 年 8 月 28 号，GitHub 上冒出一个叫 sepia 的仓库，作者 Nanako0129。三天，1129 星。两周出头，2185 星。winered-0v0 的 GitHub AI 热门周榜（08.24-08.31）把它放在第一位，理由是五个字，爆火。

一个写字的 Skill，凭什么跑赢一堆模型项目？

它说，AI 味长在承重墙上

先讲个反直觉的结论。

sepia 背后有一篇论文叫 StoryScope，2026 年 4 月挂在 arXiv 上，编号 2604.03136。作者把 61,608 篇故事喂给分类器，这些故事来自人类写手和五个前沿大模型，Claude、GPT、Gemini、DeepSeek、Kimi，每个模型各写一批。

结果很有意思。只用叙事结构特征，就能以 93.2% 的 macro-F1 认出哪些故事是 AI 写的。而论文里还有一组对照实验，把 AI 故事的表面风格改写一遍，人类读起来顺眼多了，检测器却几乎没动摇，95.5% 掉到 93.9%。

听懂这个数据的含义没有。你天天在用的那些去 AI 味技巧，删 AI 高频词、调句式、打散段落，都是在最不重要的那一层上努力。AI 味真正藏身的地方，是叙事结构，是主题有没有被旁白讲白、剧情是不是单线又太顺、情绪是不是全靠身体感受来写、时间线是不是一路直走、结尾是不是靠主角想通了收场。

打个比方。AI 生成的文本像一栋楼，市面上大部分 humanizer 在刷墙、换窗帘、重新摆家具。楼层隔间没动，承重墙没动，户型没动。读者走进去，说不出哪里不对，但就是感觉这房子不是住人的，是样板间。

sepia 不刷墙。它一上来就砸承重墙。

三层协议，四个操作，一份 SKILL.md

sepia 的实体形态很轻，一份符合 Agent Skills 标准的 SKILL.md，加上一堆 references 规则文件。没有厚重的代码工程，全是 Markdown，属于典型的方法大于工程。

它的核心是一套三遍式写作协议，顺序不能颠倒。

第一遍动叙事架构。停止解释主题，别再替读者把中心思想说出来。松开因果链，允许剧情留白和跳跃。把关键揭示往后放，别一上来就剧透。混合情绪模式，别让角色只会用身体感受表达内心。做稀疏的人物网络，点名真实世界的事物。这层对应小说的命根子。

第二遍动语篇流。拆掉段落一问一答的模板节奏，修复长文中段的塌陷，主动打乱句长分布，变换信息落点，别让重点永远蹲在段首。

第三遍才是表层风格。清理陈词滥调、句式模板、词汇和语域。也就是你以前在做的那些事，现在被降级成了收尾工序。

对应这四个层面，它给了四个操作入口。write 从头新写，review 只诊断不动笔，refactor 最小改动就地修，recreate 提取原意整篇重写。四个操作里我最欣赏 review，它读完只输出一份 30 项特征的诊断报告，然后停手。在一个人人都想让 AI 全自动代劳的时代，一个工具主动选择只诊断不改写，这种克制很少见。

它连「不同模型的 AI 味不同」都考虑到了

sepia 另一个让我眼前一亮的点，是模型指纹修正。

Claude 写出来的 AI 味和 DeepSeek 写出来的 AI 味，不是同一种味。不同模型有各自的惯性表达、各自的叙事癖好。sepia 针对 Claude、GPT、Gemini、DeepSeek、Kimi 五个模型分别做了指纹修正，诊断和改写时会先认模型，再对症下药。

专业文档也单独处理。发布说明、PR 回复、事故复盘、工单、技术文章，每类文档配一份场景规则文件，共用一张检查表。事故复盘那条规则我特别喜欢，八个字，对人无责，对机制无情。就这一句，比市面上绝大多数复盘模板都专业。

更关键的是它的总原则，校准到人类的分布，而不是把 AI 的分布倒过来。人类写作处于中间值，如果一篇稿子把每一条规则都套满，它本身就会变成一个全新的指纹，比 AI 味还假。所以 sepia 规定每篇只选 3 到 5 个动作下手，其余留白。修改比例也有硬约束，替换占 74%，删除占 18%，新增只占 8%。能删就删，能换就换，少发明新句子。

这个设计哲学很高级。它没有把去 AI 味当成一道判断题，而是当成一道分布对齐题。

一条命令装到 77 个 Agent 里

sepia 的跨平台能力是它爆火的直接推手。

遵循 Agent Skills 标准意味着，一份 SKILL.md，装一次，就能在 Skills CLI 支持的所有 agent 里跑。Vercel 的 vercel-labs/skills 项目维护着一个 agent 注册表，有人真的去逐行数过，一共 77 个具名 agent 加一个通用目标，Cursor、Cline、Windsurf、Copilot、OpenCode、goose 全在里面。

安装命令一条搞定。

npx skills add Nanako0129/sepia -g

-g 表示装到用户级，一次安装，所有项目通用。装的时候会弹出勾选，选你在用的 agent 就行。

如果你用的是四大主流平台，还有原生插件命令。

# Claude Code claude plugin marketplace add Nanako0129/sepia claude plugin install sepia@sepia --scope user # Codex codex plugin marketplace add Nanako0129/sepia codex plugin add sepia@sepia # Grok Build grok plugin install Nanako0129/sepia --trust # Antigravity agy plugin install https://github.com/Nanako0129/sepia

装完怎么知道它真的在跑？把一段草稿丢给它，叫它跑 /sepia-review。如果它吐出一份逐项诊断报告，说明 Skill 正常触发。如果它只是客客气气帮你改写了，那说明 Skill 根本没被加载，你装了个寂寞。

这个验证步骤不是官方文档里的，但很值得做。sepia 的 README 自己也写了免责声明，Verified 只代表安装完成、菜单里出现了条目，装完之后行为符不符合文档，官方没有逐个平台检查过。能把边界讲到这么细的开源项目，不多。

把「装好了但没跑」变成测试用例

sepia 仓库里最值得抄的，其实不是那些写作规则，是一个 CI 文件。

做 Agent Skill 的人都知道一个沉默的失败模式，Skill 装好了、列表里看得见、零报错，但模型压根没调用过它。输出和没装的时候一模一样，没人发现。

sepia 直接把这件事写成了测试。它的行为评估工作流里有一个评分器，文件名就叫 skill-fired.md，内容是一段正则，要求这一轮对话里 Skill 工具至少被调用一次，而且调用的必须是 sepia。没触发就算失败，不管输出多漂亮。

整个工作流还有三个细节很讲究。每个案例跑两条臂，加载插件的和完全不加载的基线，比的是差值而不是绝对分。锁死模型版本，防止模型升级被误判成插件退步。阈值设在 0.7，注释写着，容得下一票噪声，但挡得住坏掉的 Skill。

你可以被数到的宣称，就一定会有人去数。有评测作者真的把 sepia 的规则逐条核过，发现它引用的论文里有一句描述不准确，把「Gemini 自己改写的实验」写成了「人类编辑改写」。但它自己的研究摘要里，又诚实地写下了 README 没写的限制，StoryScope 并没有测试先改叙事架构再改表面风格这个顺序，而那个顺序恰好是 sepia 整套设计的地基。它把自己最大的未验证假设，写在自己的文件里。

这种较真，在浮躁的 AI 工具圈子里，是一股清流。

说点泼冷水的

sepia 不是万能的，而且它自己从不这么宣称。

第一，别指望它能骗过检测器。同一篇 StoryScope 论文里，一个最朴素的 ModernBERT 文本分类器对未编辑故事的识别率是 99.9%。叙事结构特征的价值从来不是最准，而是抗改写。sepia 的目标是让文字读起来像人写的，不是让机器认不出来。这两个目标在数据上根本不是一回事。

第二，中文支持还比较初步。sepia 会为中文自动加载 references/languages/zh.md，但那套校准只建立在 HC3 一个 2023 年的中文语料上，文件自己把限制写得很清楚。当参考可以，当定论不行。中文用户目前更适合把它当方法论教材，而不是全自动中文润色器。

第三，用途有红线。把 AI 生成的内容改得不像 AI，用来提升自己的表达和内容质量，没问题。拿去伪造学术成果、规避检测交作业，那是价值观问题，工具解决不了。

最后说点我的感受

顺着 sepia 聊到最后，我想起一个更大的事。

我们这代人被 AI 惯坏了，习惯了让模型替我们说话。可当所有人都在用 AI 产出文字，文字本身就开始贬值，值钱的反而是两样东西，读起来像人写的，以及你能证明它是你写的。

sepia 教给我的，不只是一套去 AI 味的操作流程。它把一件事讲透了，AI 味从来不是词汇问题，是结构问题，再往深了说，是思考方式问题。AI 的故事为什么一眼能认出来，因为它太顺了，太完整了，太知道该怎么收尾了。而人的写作是乱的、跳的、有留白的，甚至经常答非所问，恰恰是这些不完美，构成了活人感。

这个道理，放在写作之外也成立。

所以我的建议很具体。去把 sepia 装起来，不用急着让它改写，先跑一次 review，拿一份你自己的旧稿，看它那 30 项诊断里，有几条是你从来没意识到的。光这一下，就值回安装时间了。

然后你就会明白，为什么我说，别让 AI 替你说话。

以上，既然看到这里了，如果觉得这篇拆解有用，随手点个赞、在看、转发三连吧。我们下次见。