Réduit les taux de détection AIGC et l'aspect IA dans les articles académiques avec Claude Code et Codex. Fondé sur des détecteurs tels que 知网, 万方, PaperPass et PaperPure, il utilise le balayage et le ciblage, le remplacement déterministe, la reconstruction au niveau de la phrase et l'audit Anti-AI pour réduire les traces d'IA standardisées tout en préservant le registre académique, les faits, les données, les citations et la terminologie. À utiliser lorsque l'utilisateur demande de réduire l'aspect IA, baisser le taux AIGC, contourner la détection IA, limiter les faux positifs de similarité IA, rendre un texte plus humain, ou mentionne « supprimer l'aspect IA », « réduire la similarité » ou « détection AIGC ».
CE QUE VOUS OBTENEZ
Fichiers, tags et installation en trois étapes
Conseil : Lisez la documentation et le code avant la première utilisation pour connaître son rôle et les permissions requises.
SCRIPTS SUIVANTS
Recommandé selon les tags et la catégorie
Référence pour Claude API / Anthropic SDK couvrant les identifiants de modèles, la tarification, les paramètres, le streaming, l'utilisation d'outils, MCP, les agents, la mise en cache, le comptage de tokens et la migration de modèles. À lire avant d'ouvrir le fichier cible lorsque l'invite mentionne Claude/Anthropic, porte sur un LLM ou est une tâche de type LLM sans fournisseur précisé ; à ignorer seulement si un autre fournisseur est concerné.
Utilisez ceci lors de la configuration de claude-mem sur Cursor : worker local ou distant, observateur host-login local ou inférence distante cmem.ai.
Tableau de bord d'administration et d'analytique dans un seul fichier HTML. Barre latérale gauche fixe, barre supérieure avec utilisateur/recherche, grille principale de cartes KPI et un ou deux graphiques. À utiliser lorsque le brief demande un écran de tableau de bord, d'administration, d'analytique ou de panneau de contrôle.