一、Claude"不说人话"的现状与缘由
现象普遍：大量用户反映 Claude Code 及对话模型经常使用"Cogitating（反刍式思考）""Transmuting（嬗变）"等高深词汇描述工作状态，"hardgate"这类生僻词频繁出现，让中文用户直呼"看不懂"。
官方研究佐证：Anthropic 分析了约 30.9 万段匿名对话后发现，Claude 的表达会沿"服从↔谨慎、温暖↔严谨、深入↔简洁、坦率↔执行"四条轴线变化，英文环境下偏向严谨、深入和坦率，更容易挑战前提、纠正细节。
社区共识：不少开发者认为 Claude 的措辞带有"AI 味"，存在大量填充词和隐晦比喻，降低了沟通效率。
二、已有的"翻译器"与"说人话"工具盘点
开源翻译器：博主 @Yuntian Deng 开源了一款"Claudish ↔ English"翻译器，支持中英互转，用户在试用后反馈"效果一般，会丢失中文原文最核心的命令要求"，体验更像"白话转公文"。
Hooks 实时翻译插件：开源项目
claudish-to-english
利用 Claude Code 的 Hooks 机制，在输出时自动调用本地 Ollama 或云端 API，同步生成"人话版"改写，支持"替换"模式和"5 岁孩子都能懂"风格切换，还能强制将英文技术回复转为简洁中文摘要。
系统性"人话"指令：开发者 Zihan "Zenus" Wang 编写了一份让 Claude Code"说人话"的 instruction，包含 8 条规则，如使用标准术语、不发明比喻、不使用对比句式、不使用口语词等，实测对比效果明显，用户可自行配置到工作流中。
借助其他 AI 辅助解读：有用户采用"GPT 分析 + Claude 自我说明"的方式，让 GPT 解读 Claude 输出的语义，或把 Codex 与 Claude Code 的答案互相发送，在两者的共识中得出更易懂的结论。
三、方向建议与展望
提示词工程仍是基础：Anthropic 官方工作坊强调，明确任务角色、设定语气、结构化输出格式（XML/JSON）等方法，能显著提升回复质量与可读性。
工具自身持续演进：Anthropic 计划为企业客户推出数据私有云存储方案，提升安全性的同时或将带来更适配企业场景的表达优化。
社区共创是主要路径：目前没有"官方翻译按钮"，所有翻译工具都来自社区开源贡献，且开源项目持续迭代中，"说人话"的指令也可随团队风格不断调优。