AI 检测工具箱（AIGC Detector Toolkit）

中文 | English

⛔ 禁止商业使用（Noncommercial only） 本项目源码公开，但禁止任何形式的商业使用 —— 个人学习 / 研究 / 非营利组织使用免费， 采用 PolyForm Noncommercial License 1.0.0。商用请先联系作者获得书面授权。 详见 开源协议。

免费的本地 AI 率检测 —— 宿舍算力也能跑，论文不上传，结果在自己手里。

📖 从这里开始

• 👉 仓库文件说明.md —— 每个文件是干什么的、哪个能删哪个不能删、clone 下来怎么跑（English）
• 📝 更新日志.md —— 每个版本改了什么，都标了**「用户可见变化」**（English: CHANGELOG.md）
• ❓ 遇到问题？见文末 Bug 反馈，直接发邮件

只想安装使用的话，下面对应你系统的那一个文件就够了，其余文件都不用管。

📦 下载与安装

三个平台的成品都在 Releases 页面 的 Assets 里，按你的系统挑一个：

首次启动都会弹引导窗口，自动下载运行组件（约 0.2 GB，国内镜像加速，不需要 VPN）： 有 NVIDIA 显卡会问你选 CUDA 还是 CPU 版，没有则自动用 CPU 版。装好之后完全离线可用。

Windows 装完直接双击桌面图标即可。 Linux / macOS 的组件装在你的用户目录（Linux ~/.local/share/AIGC_Toolkit，macOS ~/Library/Application Support/AIGC_Toolkit）， 不写系统目录；卸载时删掉 App 本体和这个目录就行。

xattr -dr com.apple.quarantine /Applications/AIGC_Toolkit.app

💡 也可以从源码直接运行（python app/main.py），详见 仓库文件说明.md（English）。

✨ 功能介绍

简介

一款本地运行的 AIGC 检测桌面工具：拖入论文（PDF / DOCX / TXT），选择检测引擎，即可得到整篇 AI 生成占比与段落级报告。

• 全程离线推理：检测模型本地下载一次，论文内容不会上传给任何平台，保护隐私
• 模型保存路径可自定义：模型可存到任意磁盘（如 D 盘），装在 C 盘也不怕占空间；重装软件不影响已下载的模型
• 8 个检测引擎：SimpleAI 中文（默认）、AIGC 中文检测 v3、GLTR 困惑度、中文困惑度（GPT2-Chinese）、Fast-DetectGPT、DetectGPT、Binoculars、PAN ModernBERT（英文），也支持任意 HuggingFace 模型
• 模型按需下载：软件不预置模型，用哪个下哪个，下载一次后完全离线可用
• 评测基准：内置 RAID / MGTBench，用带标注样本给自己的检测结果做体检（准确率、假阳性率、按生成模型分项）
• 参数高度自定义：判定阈值、段落切分、并行数等均可调整，预设可存档、导出、导入
• 多设备算力合并：同一台机器多显卡自动并行；局域网内可把室友的电脑、Pad、手机都加入并行计算
• 检测 → 诊断 → 治疗闭环：检测出 AI 率后，本地规则引擎诊断 AI 痕迹（段落级 JSON 报告）， 再按“三轮降重协议”做保学术语体的确定性降重
• 中英双语：软件界面与安装器均支持一键切换 中文 / English
• 个人免费：预留收费接口，个人非商业用途永远免费，禁止任何形式的商业使用

检测 → 诊断 → 治疗（v1.1 新增）

检测只是第一步。本项目融合了两个 MIT 开源项目的方法论，形成完整闭环，全部本地运行、不调用任何外部 AI：

诊断（本地规则引擎）

扫描以下三类信号，输出段落级结构化 JSON 报告（可导出）：

每一段都会给出：风险等级、命中的模式与证据片段、逐句标记、建议动作。

治疗（三轮降重协议，确定性改写）

1. 第一轮（减法）：先圈出受保护片段（引用编号、图表/公式编号、数据/百分比/P 值、专业术语、引语，一字不动），再做词级替换（中文 AI 高频词，多个变体轮换）、句级重构、拆排比/编号；
2. 第二轮（加法）：节奏工程——确定性长句拆分（目标 CV ≈ 0.45），绝不编造原文没有的事实、数据或文献；
3. 第三轮（自检）：Anti-AI 审计 + 语体守门——口语化/网络用语必须改回书面学术表达，破折号每段 ≤1 个，语体优先于修改率。

四条铁律全程生效：禁止 AI 全量重写、修改率 >40% 只靠结构改写与模板去除、确定性替换、保持学术语体。

检测完成后，如果整篇 AI 率超过你设置的阈值（默认 30%，可改），软件会弹出建议进入降重；也可以随时点「开始降重」。

灵感故事

这个项目的灵感来自我的一位大学生朋友。

他的毕业论文需要反复查 AI 率——每改一版都要查一次，学校提供的官方检测入口不仅次数有限，而且相当费钱。听着他的抱怨，我冒出一个想法：宿舍里总会有人打游戏，游戏电脑基本都有独立显卡，完全跑得动本地 AI 检测；一张显卡不够，还能用数据线 / 局域网把室友的电脑连起来，甚至把 Pad、手机 也加进来合并算力。

于是就有了这个项目：让论文检测回归本地、免费、可控。

集成的 12 项方法（全部已实现，不是纸面引用）

本项目不是自创检测算法，而是把以下经过学术评审的方法全部落地成可运行的引擎或评测模块，分「检查 / 修复 / 评测」三类。模型不预置，用到哪个下哪个。

检查引擎（8 个 · 判断文本是否 AI 生成）

修复引擎（2 个 · 诊断 + 降重 · 内置规则，不需要下载模型）

评测基准（2 个 · 给检测器做体检）

两个基准都支持导入官方数据集子集（CSV / JSONL）跑真实评测，也能导出 Markdown 报告。 内置那 15 条只是作者手写的快速自检集，不代表官方成绩。

另外，「深度 AI 痕迹」清单源自 Wikipedia “Signs of AI writing”（WikiProject AI Cleanup 维护），经 aigc-reduce 本地化适配。

声明：检测效果受模型与文本类型影响，结果仅供自测参考，不代表任何权威机构结论；请以学校 / 期刊官方认定为准。

扩展：换模型 / 加新引擎（不用重新打包）

1. 换模型：安装目录下建 engines_catalog.json，写你要覆盖的字段即可，例如把 Binoculars 换成 Falcon 组合：

   [{"id": "binoculars", "models": [{"repo": "tiiuae/falcon-7b"}, {"repo": "tiiuae/falcon-7b-instruct"}]}]
   

2. 加新算法：往 engines_plugins/ 丢一个 .py，用 @register("my_impl") 声明并实现 predict_paragraphs()，启动时自动发现。
3. 远端清单：引擎管理 →「检查更新」→ 填 engines_manifest.json 的地址，以后有新引擎 / 新模型直接拉取，无需升级软件。

特别感谢（算力合并）

本项目"多设备并行检测"借鉴了以下两个开源项目的思路：

• exo（exo-explore/exo，GitHub 约 4.6 万 star）：把日常设备（手机、Pad、笔记本、游戏主机）组成 P2P 分布式 AI 集群，自动发现设备、动态切分模型，用普通家用设备跑大模型。
• llama.cpp（ggml-org/llama.cpp）：最受欢迎的本地 LLM 推理框架之一，其 RPC 分布式推理 可在异构设备（如 Mac Metal + NVIDIA CUDA）间切分模型层，是本项目困惑度类引擎跨设备计算的参考方案。

感谢以上项目及其社区，让"宿舍算力合并"成为可能。

特别感谢（诊断与治疗）

“检测 → 诊断 → 治疗”闭环直接融合了以下两个 MIT 开源项目的方法论：

• aigc-reduce（xiaofenggan01/aigc-reduce）：提供三轮降重协议、替换表、中文 AI 高频词清单、口语化负面清单与 9 维扫描方法论。本项目降重引擎完全按其规则实现，坚持“降重 ≠ 口语化”，保持学术书面语体为硬底线。
• cnki-aigc---skill（qingshanliuci/cnki-aigc---skill）：基于知网 AIGC 检测器“5 种语言模式”的实战方法（实测 20.6% → 10.1%）。本项目诊断引擎按其模式实现。

感谢两位作者与相关社区，让"检测、诊断、治疗"的完整流程成为可能。

支持 · Support

这个项目对个人完全免费。如果它对你有一点帮助，可以把项目分享给需要的同学、点个 ⭐ Star，同样是最好的支持。

⚠️ 本项目禁止任何形式的商业使用。 个人学习、研究、交流免费；如需商用请先联系作者获得书面授权。

💬 反馈 / 意见 / 合作都欢迎联系：[email protected]

技术架构

• 界面：Python + PySide6（自绘现代工具风 UI）
• 检测引擎：transformers —— 8 个可切换引擎（分类 / 困惑度 / 概率曲率 / 双模型），模型按需下载、全程离线推理
• 诊断：本地规则引擎（9 维扫描 + 知网 5 种语言模式 + 11 种深度 AI 痕迹，段落级 JSON）
• 治疗：三轮降重协议（确定性改写 + 受保护片段 + 语体守门，完全离线）
• 评测：RAID / MGTBench 指标（准确率 / 假阳性率 / 假阴性率 / F1，按生成模型分项）
• 扩展：引擎插件目录（engines_plugins/*.py）+ 可远端更新的引擎清单
• 多设备：同机多卡自动并行 + 局域网主从节点（UDP 自动发现 + TCP 任务分发）
• 日志：本地运行日志（可导出，不含论文内容）；不含任何遥测上报
• 打包：小体积安装器，运行时环境按需下载（先检查、缺什么装什么、带进度条）

Bug 反馈

软件内点击「导出日志」打包日志后，发送至：[email protected]。

反馈 / 意见 / 合作都欢迎联系。

开源协议

本项目的代码公开，但禁止商业使用。 采用 PolyForm Noncommercial License 1.0.0。

✅ 允许

• 个人学习、研究、实验、测试
• 个人爱好项目、私人娱乐
• 学校、非营利组织、政府机构等非商业组织内部使用
• 阅读源码、提交 Issue、提出改进建议
• 在保留协议与署名的前提下转载、分享

❌ 禁止

• 任何商业用途（含公司内部使用、为客户提供服务、SaaS 托管等）
• 转售软件或修改后的版本
• 去除或篡改作者署名、版权声明
• 将本项目的代码 / 模型用于训练商业产品

如需商业授权

请邮件联系 [email protected]，说明用途与范围。

本协议限制的是他人的商业使用，不影响作者本人对项目收费或提供商业授权。