企业官网建设流程全解析

text-humanizer 是一款完全免费的开源 AI 文本拟人化工具，能通过多语言大模型重写流程，让 AI 生成的文本绕过 Turnitin、GPTZero 等 AI 检测器。本文带你用 Docker Compose 在 10 分钟内完成 text-humanizer 部署，并接入 Ollama 本地大模型，全程无需注册任何 API。

一、text-humanizer 是什么？工作原理速览

text-humanizer 的核心思路是「多引擎接力改写」：用大语言模型改写文本，再经过 Google 翻译、DeepL 等多次跨语言转换，打乱 AI 文本的特征模式，最后再翻译回原语言并重建自然句式。整个流程分 4 步（详见 README-zh.md）：

它支持 8 种语言（en、ja、zh、ko、de、fr、es），在保持原意的前提下显著提升文本自然度。

二、部署前提与克隆 text-humanizer 仓库

环境要求（只需 2 项，新手友好 ✅）：

• 已安装 Docker 与 Docker Compose
• 已安装 Git

执行以下命令克隆仓库并进入目录：

git clone https://gitcode.com/gh_mirrors/te/text-humanizer cd text-humanizer

项目里与部署相关的文件一目了然：

• docker-compose.yml：一键编排「拟人化服务 + Ollama」两个容器
• docker/Dockerfile：基于python:3.12的镜像定义
• config/config.example.toml：配置模板
• requirements.txt：Python 依赖清单
• main.py：命令行入口（Docker 内执行python main.py）

三、30 秒读懂 docker-compose.yml

docker-compose.yml 定义了 2 个服务，这是「10 分钟部署」的关键：

注意两点挂载逻辑（来自 docker-compose.yml）：

volumes: - .:/app # 整个项目目录挂载进容器 - ./config.toml:/app/config.toml # 配置文件单独挂载，改配置即生效

四、10 分钟部署：最快 Docker Compose 配置步骤

第 1 步：创建配置文件

cp config/config.example.toml config.toml

第 2 步：编辑 config.toml

最小可用配置示例（暂用 DeepSeek API，稍后切换到 Ollama）：

[general] target_language = "en" deepseek_api_key = "你的API-KEY" [llm] base_url = "" model = "" temperature = 1.3

核心配置项速查：

第 3 步：一键构建并启动

docker compose up -d --build

第 4 步：验证部署状态

docker compose ps # 查看容器状态 docker compose logs -f humanize-text # 查看运行日志

💡 小贴士：如果构建时提示找不到 Dockerfile，可将 docker/Dockerfile 复制到项目根目录，或在 docker-compose.yml 的build中显式指定 Dockerfile 路径。

五、Ollama 本地大模型接入指南（免 API 费用 🎉）

不想依赖云端 API？text-humanizer 的 LLM 重写模块 src/standard/llm_rewriter.py 支持任何 OpenAI 兼容接口，因此可以无缝对接 Ollama 本地大模型。

第 1 步：启动 Ollama 容器并拉取模型

docker compose up -d ollama docker compose exec ollama ollama pull qwen2.5:7b

第 2 步：修改 config.toml 的 [llm] 段

由于两个容器通过 Docker 内部网络通信，base_url直接使用服务名ollama：

[llm] base_url = "http://ollama:11434/v1" model = "qwen2.5:7b" temperature = 1.3

第 3 步：重启主服务使配置生效

docker compose restart humanize-text docker compose logs -f humanize-text

补充说明：

• Ollama 的http://<地址>:11434/v1端点完全兼容 OpenAI Chat Completions 协议，model填任意已拉取的模型名即可（如qwen2.5:7b、llama3.1:8b）。
• 如果你在宿主机已原生安装 Ollama，Docker Desktop 环境下可将base_url设为http://host.docker.internal:11434/v1，并删除 compose 中的ollama服务。
• 翻译环节依赖 Google/DeepL 接口，src/standard/translators.py 已内置超长文本自动分块（约 4500 字符/块），无需额外处理。

六、部署后常见坑与排查清单

七、总结

通过本文，你已经掌握了 text-humanizer 的完整本地化部署方案：

1. ✅ 用docker compose up -d --build一条命令完成容器化部署
2. ✅ 通过base_url+model两个配置项即可接入 Ollama 本地大模型，零 API 成本
3. ✅ 支持 8 种语言输出，多语言重写流水线让 AI 痕迹大幅降低

整个流程不到 10 分钟，适合对 AI 检测、文本改写、Docker Compose 多服务编排感兴趣的新手动手实践。

更多配置细节可参考 config/config.example.toml，流水线与转换逻辑可查看 src/conversion/translation_chain.py 与 src/standard/routes.py。