AI 写作去味：机理与操作方法

来源：X @noahduck283

读者常感觉 AI 写的文章有异样，却说不出具体原因 ^[0]。这是因为 AI 写作本质上是概率选择：生成每个词时，模型根据候选词的概率分布挑选最稳妥的一个 ^[40,41]。该机制导致素材、思考、风格三方面的结构性失真：素材是编造的，思考是模仿的，风格是默认的 ^[0]。去除 AI 味不能只靠替换词语或拆分长句，需要同时处理这三方面：素材、思考、声音由人负责，AI 只承担语言组织与执行 ^[0]。

三层失真：素材、思考与风格

第一层失真出现在素材上。AI 没有实际生活体验，编故事时只能依据概率组合出一个貌似合理的场景，缺乏真实姓名、差错和现场细节 ^[0]。它能描绘场景，但不能注入真实情感，产出的是没有灵魂的仿制品 ^[40,41]。

第二层是思考上的伪装。AI 默认将每个观点陈述完整，不留反驳空间，试图照顾所有读者 ^[0]。它内容全面但缺乏深入分析，罗列要点而不展开，这类’正确的废话’来自避免错误和争议、重复主流共识的策略 ^[40,41]。措辞过于规范、情感过于收敛、逻辑过于工整、内容过于完整，都源于同一套批量生产逻辑 ^[41]。

第三层是风格上的默认。没有指定要求时，AI 自动采用礼貌、完整、正确的通用语气，对任何人都合适，却不像一个具体的人在说话 ^[0]。文中常见’此外”值得注意的是’等官方套语 ^[38,40,41]，也偏好’深刻的友谊”锦绣’这类大词——有研究显示它们在 AI 文本中的出现频率比人类高数百倍 ^[40,41]。训练语料包含大量公文、新闻和学术文本，使 AI 学会满口公文腔 ^[40,41]。

失真不仅出现在输出端。康奈尔大学让美国和印度两组参与者回答具有文化背景的写作题，使用 AI 辅助的一组作品之间变得更加相似，AI 将使用者拉向’所有用户的重心’ ^[49]。语言同质化还会抹平个体身份的词汇线索，损害文化、修辞和认识论的多样性 ^[44,47]。

因此，素材、思考、风格必须由人来把控，AI 的价值在于组织语言和执行 ^[0]。下文的方法均基于这一分工 ^[0]。

人眼与检测工具的局限

人类识别 AI 写作的能力接近随机水平 ^[2]。维拉诺瓦大学的两组实验显示，约 900 名参与者在首次盲测中识别 AI 作者的准确率仅为 39%，数月后复测升到 52%，仍然接近随机猜测 ^[2]。素材中称普通读者识别准确率’大多在 55%-65%‘，该数据与上述实测不符 ^[0,2]。

机器检测也不可靠。媒体用 DeepSeek 随机生成的一篇文章送检，知网判 AI 率为 0%，维普判为 55.71% ^[3]；同一篇论文换一个平台，AI 率可相差 20 个百分点 ^[4]。检测系统基于’语言预测’原理——归纳 AI 的语言习惯再与文本比对，而人类在学术这类高度格式化的领域本就会使用规范、重复的表达 ^[4]。因此，检测系统判断的不是’是否 AI 生成’，而是’是否像 AI 生成的文本’ ^[4]。有网友将《滕王阁序》《岳阳楼记》输入检测系统，AI 率超过 50% ^[4]；人大副教授团队耗时三年写成的论文被判 AI 率 82.54%，其中被标记为’高度疑似 AI 生成’的段落恰是他们最扎实的原创内容 ^[4]。

工具识别纯 AI 生成文本的准确率普遍在 85% 以上，但对人工修改过的内容则进入灰色地带，不同工具的判断可相差 20 个百分点 ^[1]。这导致一个结果：学术写作越规范、越严谨，越容易被判为’像 AI’，系统惩罚的正是认真写论文的人 ^[4]。学生为了降低 AI 率把论文改口语化，有商家’降 AI 率’服务累计销量突破 4000 件 ^[4]，有研究生检测 7 次共花费 780 元 ^[3]。更合理的做法是将检测结果视为线索——当某段被标记为像 AI，就检查该段是否太满、太匀、太替读者着想，而非将其作为判决 ^[0]。Wikipedia 的指南也提醒，检测软件误报频繁，人的判断重于分数 ^[30]。

高频特征：句长波动、模板词与越位感

目前整理出的 22 条 AI 写作特征命中率较高，但并不意味着每条都错误，命中后需要主动判断它们是否符合当前的体裁和意图 ^[0]。

最易量化的一条是句子长度的均匀度，即业内所称的 burstiness（句长波动度）^[0,12]。人类写作像呼吸：一个信息密集的长句后接一个短句，再展开另一段描述 ^[13]；AI 则倾向于生成结构标准化、长度相近的句子 ^[12]。在 200 个学术文本样本中，人类文本的句长标准差为 8.2 个词，GPT-4o 生成的文本为 4.1 个词，Claude 为 5.3 个词 ^[13]。用打分口径看，人类写作通常在 0.65-0.85，低于 0.30 会被多数检测器判为 AI 生成 ^[14]。Turnitin、GPTZero、Copyleaks 等检测平台已将 burstiness 纳入算法 ^[12]。不装工具也能自测：朗读文本，若节奏像节拍器一样均匀，即是信号 ^[13]。不过低 burstiness 并不必然等于 AI 生成——技术文档、法律文书等文体本身偏好统一句式 ^[13]。

清单中还有一类高频词。中文如’赋能”底层逻辑”长期主义’这类没有具体动作支撑的词 ^[0]；英文研究则发现’深刻的友谊”锦绣’等词在 AI 文本中的出现频率比人类高出数百倍 ^[40,41]。Wikipedia 编辑社区维护的 ‘Signs of AI writing’ 是目前最系统的特征档案，篇幅接近 1.5 万字，来自对成千上万篇 AI 生成内容的持续观察 ^[28]。它把破折号滥用 ^[29]、几乎每行加粗和过量项目符号 ^[30,34]、像旅游网站的宣传腔 ^[30] 列为线索——但指南强调这只是给编辑的参考，不是定论，人类写作同样可能像 AI ^[30,32]。

比语言层面更深的是’越位感’：作者越过陈述边界，代替读者思考 ^[0]。四种常见表现：预设读者认知（‘很多人以为……’）、预设读者误解（‘问题不在 A，而在 B’）、预设读者心理画面（‘一听到这个词，你脑子里浮现的是……’）、自问自答式裁判 ^[0]。判断一段表达是否越位，可连续问自己四个问题：是否在替读者想？这个误解是否真是读者会有的？这句话是在传递内容还是表演洞见？去掉’你以为’之后是否还成立？^[0] ‘不是 X，而是 Y’并非天然错误，前提是 X 必须是真实、普遍、可识别的旧认知，否则就是先制造靶子再打靶 ^[0]。替代写法是把’我来纠正你’换成’我来陈述我的判断’——例如’更关键的是 Y”我更认同 Y 这个解释’ ^[0]。

写作后自检：五步流程

稿子完成后，不宜直接说’帮我改得更有人味一点’——这句话与’帮我变好看’一样模糊，AI 收到这种指令只会开始模仿 ^[0]。有效的方法是固定流程：检测、删除、校准声音、改写、反查 ^[0]。

第一步，让 AI 先给出检测报告，分类标出 AI 味的来源，暂不动笔改写：意义膨胀（‘标志着”奠定基础’这类强行戴帽子的词）、宣传腔（‘充满活力的”开创性的’）、模糊归因（‘专家认为”行业报告显示’这类冒充来源的说法）、公式结构（三连词、‘这不仅是 A，更是 B’）、风格痕迹（破折号、粗体、‘本文将深入探讨’式开头）^[0]。同时标出’正确但没有信息量’的句子——语法无误、逻辑无误，但读完没有收获 ^[0]。

第二步，直接删除水分，至少删掉 20% ^[0]。很多稿子改后仍像 AI，根源不是用词不当，而是冗余过多 ^[0]。第三步，将抽象词换成具体动作：看到’表达能力’，要问是改开头、删废话还是压缩短句；看到’用户需求’，要问读者看完能做哪一步 ^[0]。第四步，校准声音：给 AI 你本人写过的 2-3 段文字，让它学习你的句长、用词、段落开头、标点和口头禅 ^[0]。许多人去味失败，是因为把’去除 AI 味’做成了’换一种通用人类腔’ ^[0]。第五步，反查：改完第一版后，让 AI 反问’这段哪里还明显像 AI’，再修改一轮 ^[0]。

修改时需遵循几条原则：针对命中问题逐项处理，不整篇重写；不编造经历、数据、人物和现场细节；不为’追求人味’故意加入语气词、错别字或脏话——‘装人味’比 AI 味更尴尬；不把所有句子都改短，真人写作也有长句；没有明显 AI 味时不作硬改 ^[0]。这些原则背后有一个实测规律：完全重写逻辑和表达的段落，检测疑似度可降至约 30%；仅调整用词、保留原有结构的段落，疑似度仍高于 70% ^[1]。结构与内容不变，只在词面修改，无法去除 AI 味 ^[0,1]。最终判断标准只有一个：改写后，读者能否更清楚地感受到这篇文章出自一个有选择、有判断、有边界的具体的人 ^[0]。

排版：最易去除的痕迹

格式是肉眼可见的 AI 味，修改成本也最低 ^[0]：每段保持 1-3 句，超过 4 句就拆分；中英文和数字之间加空格；引号使用「」；不用破折号作解释说明；标题最多不超过三级；项目符号避免一律使用’关键词：解释’这类固定模板 ^[0]。Wikipedia 指南专门有一节讨论格式：AI 偏好过量项目符号、几乎每行加粗、滥用破折号 ^[30,34]；还注意到 ChatGPT 和 DeepSeek 倾向使用弯引号，而 Gemini、Claude 倾向直引号 ^[34]。单一的格式信号不能证明什么，多个信号叠加才值得警惕 ^[34]。

工具链：找痕迹、清套路、学声音

手动流程之外，可将部分工作交给 Skill，但不同’去除 AI 味’的 Skill 功能各异 ^[0]。有的寻找痕迹，有的清理套路，有的校准声音，有的做审美判断，有的提供整套写作流水线 ^[0]。根据 Skill 在写作链路中解决的具体环节来选择，比按’十大榜单’的顺序挑选更可靠 ^[0]。一个中文稿件常见的组合是：先用 Humanizer-zh 做检测和基础改写，再用 shuorenhua 清理中文互联网黑话，最后用 nuwa-skill 这类风格蒸馏工具确保稳定地写出自己的风格 ^[0]。

英文工具中，blader/humanizer 是这一类别的早期项目之一 ^[0]，受 Wikipedia 的 ‘Signs of AI writing’ 指南启发 ^[25]。其核心包括两个动作：先进行声音校准（阅读你的写作样本，记录句长、用词、段落开头、标点习惯、口头禅），再做最终反查（改写后让模型反问’这段哪里还明显像 AI’）^[0]。素材称其关注度为 24.8k+，GitHub 上实际星标约 3.2 万至 3.4 万 ^[21,23,24]。stop-slop 的定位更集中，专门清理英文 slop：填充词、公式化转折、被动句、空洞形容词 ^[0]；它的做法不是让模型’更像人’，而是提供可直接核对的规则清单 ^[24]。

需要量化反馈时，可使用带统计指标的版本：burstiness、type-token ratio（词汇重复率）、可读性是否过于均匀 ^[0,12]。中文工具中，Humanizer-zh 负责覆盖面最大的基础检测，shuorenhua 专攻互联网黑话、翻译腔、语域混搭等中文常见问题 ^[0]。这些中文工具的规则数量、基准规模等细节来自素材自述，使用前应以项目主页为准 ^[0]。

检测类项目只能辅助建立感觉，不能作为裁决标准 ^[0]——检测工具会误判，真人写得规整也可能被判为 AI ^[4,30]。选择工具时留意两点：README 中是否有明确的处理流程，以及项目最近是否仍在维护 ^[0]。

长期方案：让 AI 记住你

前面解决’这一篇怎么改’的问题，还有一条更省力的途径：让 AI 提前了解你，从源头减少 AI 味 ^[0]。AI 没有真正的记忆，每次回答前临时查看你提供的资料，资料未写明的内容只能编造 ^[0]；其’上下文窗口’只是工作记忆，塞满后更倾向于重复已有内容 ^[49]。所谓’让 AI 记住你’，就是提前撰写一份’我是谁’的说明书，10 分钟即可完成 ^[0]。

不必自己组织内容，让 AI 来提问：将一段话完整粘贴，让 AI 一次只问一个问题，直到了解你为止，再将结果导出为 Markdown，保存为’个人说明书.md’ ^[0]。然后分场景配置：在聊天软件中放入记忆设置（ChatGPT 的’你的详情’和自定义指令、Claude 的 Instructions、豆包的智能体设定）；使用 Claude Code、Codex 等 Coding Agent 写长文时，将其放在工作文件夹的 CLAUDE.md 或 AGENTS.md 中 ^[0]。两处的记忆不互通，若都使用则各自放置一份 ^[0]。

撰写说明书有几点注意：只覆盖长期稳定的特征，不要一次写入过多内容 ^[0]；‘我不要什么’比’我喜欢什么’更重要——若不明确告诉 AI 不要使用’赋能”底层逻辑’、不要每段末尾加金句，它会一直沿用 ^[0]；说明书需要持续更新，发现 AI 误解某件事或自己增加新偏好，就补充一条并重新粘贴 ^[0]。这条线与五步流程互补：五步流程处理当前篇目的修改，长期方案使以后的每篇都减少修改量 ^[0]。

可直接使用的提示词

不安装任何 Skill 也可：将一套整合前述方法的提示词粘贴给任意 AI，也能取得接近的效果 ^[0]。该提示词先确认体裁和意图，再用 22 条约束规避高频特征，用反代入式表达过滤越位感，最后按检测—删减—改写—反查的顺序执行 ^[0]。将待改写的内容和 2-3 段你本人写过的文字一并粘贴——声音校准必须依赖样本 ^[0]。

英文场景中可直接将高频词黑名单加入提示词：delve、tapestry、vibrant、crucial、robust、seamless、groundbreaking、leverage、synergy、paramount、multifaceted、myriad 一律不用；避免用’In today’s…’开头，不用’the future looks bright’等套话收尾，不写’Great question!”I hope this helps!’等聊天用语 ^[0]。该清单经英文 Humanizer 工具社区反复验证，命中率较高 ^[0]；tapestry 等词的高频使用也有研究数据支撑 ^[40,41]。

数据更正：素材称普通读者识别 AI 写作的准确率多为 55%-65%，但维拉诺瓦大学约 900 人的盲测实验测得首次识别准确率为 39%，复测为 52%，接近随机水平。 ^[2]