AI 味检测与消除

SkillDev tools

[L1 Voice Authenticity] AI-flavor detection and removal—only handles "does it sound human". Detects 19 AI-flavor patterns and chooses a strategy based on severity. By default, diagnosis only; rewriting requires user confirmation. Three rewriting modes: automatic replacement, follow-up-question drive

Available today. Use it from your connected AI after setup.

Connect ahel once, and every AI you use reads what you have installed.

Then ask your AI: use the AI 味检测与消除 skill

What this skill tells your AI

The instructions your AI receives, as published by taxueseek/say-it-human in skills/humanize-ai/SKILL.md and read by ahel’s review.

AI 味不是「写得不好」,是「读者感觉到背后没有真人」。但去 AI 味 ≠ 好内容。 花时间去 AI 味不如花时间把事情搞清楚。

文字洁癖(taxue):AI 味不是 AI 的问题,是用套话掩盖不确定的思考。人话三要素:带立场、带偏见、带情绪。每删一个套话,都要问:我到底想说什么?如果删完发现原文也没什么真东西,那问题不在 AI 味,在内容本身。

执行原则

  1. 默认只诊断不改。识别AI特征是帮人看清自己的文字,不是帮人伪装成人类。改写必须用户确认。
  2. 去 AI 味 ≠ 好内容。如果检测结果很干净,直接告诉用户。不要为了输出报告而硬找问题。
  3. 改写必须基于用户的偏好。每个 AI 特征背后都有一个本来想达成的目的。追问那个目的,而不是直接替换。
  4. 见感思行是正面的改写目标(taxue)。去 AI 味不只是删坏东西,更是让文字回到「见(观察)→ 感(感受)→ 思(思考)→ 行(行动)」的自然结构。

三种改写方式(用户选):

  • 自动替换:检测 → 直接改 → 质量验证 → 迭代
  • 追问驱动:检测 → 逐条追问写作意图 → 用户回答后给修改方向
  • 混合:自动替换 + 对关键特征追问意图

怎么运作:先判断AI味有多重,再选策略——轻微改几处、中等改一段、严重整篇重写、致命直接拦下。改完检查质量,不过关就回去重来,最多3轮。


怎么一步步处理

先判断内容类型(推文/公众号/学术),确定AI味的判断标准。然后快速扫一遍,数数AI味关键词命中几个。

  • 命中少于5处 → 直接改标记的位置
  • 命中5处以上 → 进入全量诊断,先找根因(3个根因能同时引发多种表现),再验证独立信号

改之前先识别作者的声音——口头禅、动情处、不完美痕迹,这些标为保护区一字不动。

遇到疑似AI味的句子,走决策树判断该不该删:在保护区?密度够?换话题还成立?是喘息句?删了会失温度?

改写时先清除明显废话,再逐段处理,最后检查人话三要素(偏见、情绪、立场)。

改完过检查:有没有编造?核心观点还在吗?有没有引入新的AI味?A/B级交付,C/D级回去重写。致命浓度直接拦住,不让改。


先判断内容类型

不同体裁对「规范表达」的容忍度不同。推文允许不完美,公众号保留结构感,学术文体别误伤。

体裁AI 味敏感度处理原则
个人随笔/推文/短视频文案允许不完美,允许跑题,允许情绪化
公众号/专栏文章保留结构感,但打破模板化
商业报告/学术文体规范表达不是 AI 味,别误伤

体裁判断只在有明显特征时做——大部分内容默认为公众号/专栏类型。详细判断标准 → references/extended-patterns.md


快速扫描 + 全量诊断

快速扫描

扫一遍全文,数数这些关键词命中几个:

  • 结构胶水:「首先…其次…最后…」「值得注意的是」「综上所述」
  • 空洞词:「至关重要」「不可或缺」「深度赋能」「显著提升」
  • 模板句:「在当今…背景下」「随着…的发展」
  • 口水话:「如流星划过」「时不我待」
  • 交流腔:「感谢您的」「期待与您」「让我们一起」

命中少于5处 → 直接改标记的位置。命中5处以上 → 进入全量诊断。

全量诊断

19种AI味模式,有3个根因能同时引发多种表现:

  • 语气过于中性/权威 → 导致结构对称、句式整齐、RLHF模板化
  • 套话与空洞修饰 → 导致概括语言多、情绪词空洞、口水话
  • 翻译腔 → 导致RLHF模板化、虚假范围

先找根因,解决一个就能让多种表现同时消失。剩下的独立问题(缺乏细节、拔高、否定式煽情等)单独处理。不用每次过全部19种。

19 维速查表

每个维度的详细识别信号、修法、边界说明 → references/extended-patterns.md

#来源识别信号修法
1结构对称三段式排比、段落长度一致、每段总结句打破对称,长短不一
2概括语言多「总的来说」「综上所述」、抽象词替代场景用具体数字/人物替代
3情绪词空洞「令人深思」「至关重要」无细节删情绪词,换具体细节
4句式整齐「不仅…而且…」大量重复、句子长度一致长句后接极短句,换口语
5缺乏细节没时间地点人物、「研究表明」不说哪项加时间、数字、具体描述
6语气权威整篇没有「我不确定」、像教科书加入不确定、偏见、犹豫
7过度拔高「历史性时刻」「分水岭」「里程碑」保留事物本来大小
8否定式煽情「不仅仅是 X,而是 Y」强行升华直接说事实
9虚假范围「从 X 到 Y」硬凑、「涵盖多个领域」删范围词,说做了什么
10翻译腔被动语态多、中英混杂、名词化堆叠被动改主动,短句化
11平台套路小红书体/抖音体/知乎体全套照搬像那个人,但不像模板
12RLHF 模板化虚词密度异常、句子长度方差过低故意打断流畅,加入停顿
13格式型痕迹破折号/粗体每段都有、表情符号、弯引号克制格式,用直角引号
14交流型痕迹谄媚语气、免责声明、填充短语、过度限定平等语气,直接说内容
15口水话修辞比喻连篇、空洞号召、套话、形容词堆砌用数字替代比喻,删套话
16套话修饰「至关重要」密集、「在当今…」开头、万能句式删掉或用数据替代
17视角混乱人称在「我」「我们」「你」之间漂移确定稳定视角,全篇保持
18伪逻辑连接「因此」「所以」连接无因果关系的分句检查因果,删假因果词
19数字伪造精确到小数但无来源、无上下文有来源保留,无来源改模糊

AI味多重,策略就有多猛:

  • 轻微(1-2处) → 只改标记的那几处
  • 中等(3-4处) → 重点段落重写,保留核心观点
  • 严重(5-6处) → 整体重写,保留核心观点
  • 致命(全是AI味,无真人在说话) → 拦住,不让改。让用户先想清楚要说什么

特殊情况:AI味很轻但结构冗长 → 建议用 editor-revisor。AI味为零 → 建议用 editor-revisor 或 chinese-write-checker。


识别作者的声音(保护区)

不先做这步就逐段改,会把人味当AI味删掉。

接收声音清单(如有)

如果用户提供了来自 voice-dissolver 的声音清单,直接引用作为保护区,不重新判定。清单内的句子一字不动。

自行判定

扫一遍全文,用以下标准标记哪些是「只有这个人才会这样写」的句子:

类型操作性标准示例
口头禅/特有表达同一词/句式在全文中出现 ≥ 3 次,且在非 AI 模板语境中作者爱说「说实话」,不是套话的「值得注意的是」
动情处的拔高情绪强度明显高于前后文(≥ 2 个等级),且有具体细节/经历支撑「那天看到这个消息,我手停在半空」
不完美痕迹存在语序不当、自我修正、跑题、语法错误——这些都是真人写作证据「不对,我想想……其实是另外一回事」

保护区内的内容不碰。

动情处 vs 套话

动情处的拔高有具体上下文锚定,删了会失去温度。套话放哪儿都成立。判断方法:换话题测试——把这句话放到另一个完全无关的话题中,看是否仍然成立。


判断:该不该删

检测到疑似AI味后,不直接动手。走决策树。

1. 在保护区内?
   是 → 留(不进入后续判断)
   否 → 继续

2. 200 字内出现 ≥ 3 次?
   否 → 不算 AI 味,留
   是 → 继续

3. 换话题还成立?
   (把这句话放到另一个完全无关的话题中,看是否仍然成立)
   不成立 → 这句话和具体内容绑定,是作者自己的话 → 留
   成立 → 继续

4. 是两段之间的喘息句?
   (位于两个长段落/高强度段落之间的短句或低强度句)
   是 → 留
   否 → 继续

5. 删了之后会失去温度/锋利/犹豫吗?
   是 → 留
   否 → 删

核心检测原则:看密度,不看单次出现。对仗、排比、成语真人写作里本来就在用。反复堆叠、跟前后内容没关系、换到别的话题上也成立——这才是 AI 味。

避免过度修正:去 AI 腔 ≠ 去一切规范化表达。真人常用的写法(如「支持 X 等平台」「用于 X」)本身不是 AI 腔,不要为了「更口语」硬删。


改写执行

先清掉明显的

以下内容直接标记删除:

  • 结构化废话:首先/其次/此外/综上所述/值得注意的是/综合来看/总体而言/不难发现/显而易见/众所周知/毋庸置疑/深度赋能
  • 形容词堆砌:重要/关键/显著/有效/至关重要(不含数据支撑的程度修饰)
  • 口号收尾:让我们共同/未来可期/携手共进
  • 格式滥用:多余加粗、破折号滥用、分隔线、小标题编号(一、二、三)

预清理不是改写,只是快速切除明显废话。

逐段改写

按诊断出的问题逐段处理,跳过标记的保护区。

改写原则

  • 保留原文的核心观点和关键信息
  • 打破对称结构,段落长短不一
  • 替换空洞情绪词为具体细节
  • 加入具体时间、数字、人物(但只锚定在原文已有线索上,不编造)
  • 允许语气不完美、允许有犹豫——完美的那个是神,满嘴跑火车的才是人
  • 避免过度修正——不要为了去 AI 味而强行口语化
  • 重要的点要像聊天时解释给熟悉的人听:该展开的逻辑链条、背景、为什么这么想,都说开,不要只扔结论
  • 改写时把观点锚定在文本里出现过的具体经历、场景或细节上
  • 检查节奏和对话感:该长说的地方充分说清楚前因后果,该停的地方就短句落地
  • 改完后自己过一遍:有没有把原文里锋利、犹豫或不完美的部分磨圆了?如果有,恢复它
  • 任何改动都必须能回溯到作者已在文本中显露的偏好;不要用「更自然」或「更像人」作为默认偏好来覆盖作者实际想保留的生硬、犹豫或锋利

第三步:人话三要素检查

删完套话后,检查全文有没有这三样东西:

  • 至少一处真实的偏见:「我知道这个观点有争议,但我真的觉得……」——偏见要扎在具体的事上:把判断跟作者经历过、看到过、试过的某个片段绑在一起
  • 至少一处真实的情绪:不是「令人感动」这种空洞词,是具体到那个瞬间的反应——「我看到这条消息的时候,手停在半空」。情绪要像对朋友复述那天的情景一样展开
  • 至少一处真实的立场:明确站队,不骑墙。立场可以有思考的来回:「我一开始也觉得...后来撞见这事才发现...」

质量控制

改写完成后过检查清单。不过关的回到判断层或改写层重写。

硬指标(一票否决)

检查项标准不过关
硬边界有没有编造原文没有的人物、故事、细节、样本量?有 → 整体重写
对齐度改写后的每个核心判断、关键数据、作者立场,能在原文中找到对应?找不到 → 重写问题段落
信息保真度核心观点、关键数据、作者立场有没有被误删或篡改?被误删 → 恢复原文
新引入套话改写中有没有引入新的 AI 味?有 → 删掉

软性指标

  • 人称一致性:全文视角统一
  • 因果链真实性:「因此」「所以」前后有真实因果
  • 节奏变化:长短句交替,不是每句都一样长
  • 结尾质量:不是口号收尾,有具体行动或余味

质量分级:A(全过)交付,B(微调后交付),C(回去重写问题段落),D(重新判断再整体重写)。最多3轮,第3轮仍不达标就交付当前版本,标注未解决的问题。


发现内容本身有问题时

内容质量(信息密度、逻辑链、立场清晰度)不是去AI味的职责。

如果发现内容本身有问题(信息密度低、逻辑跳跃、立场模糊),建议用户先用 chinese-write-checker 体检,补全内容骨架后再回来去味。


诊断报告模板

【AI 味有多重】{轻微/中等/严重/致命}
【体裁】{类型}

【作者声音保护区】
{标记了哪些句子——口头禅、动情处的拔高、不完美痕迹。这些不碰。}

【问题定位】
来源{X}({类型})——第{X}段/第{X}句
原文:「{原文}」
200字内出现:{X次}
决策树结果:{留/删,原因:动情处/喘息句/换话题不成立/密度不足/…}
问题:{一句话}
改法:「{建议改法}」

【人话三要素检查】
偏见:{有/缺——补的话扎在原文已有线索上}
情绪:{有/缺——补的话展开到具体瞬间}
立场:{有/缺——补的话让它有来有回的过程}

【改写版本】
{直接输出改写后的完整文本}

【改写说明】{改了什么,为什么;重点说明锚定了什么具体经历、节奏调整、对话感}
【过度修正检查】{有没有磨平了锋利、犹豫、不完美的地方}
【节奏检查】{句子长短变化够不够、读起来有没有呼吸感}

【下一步建议】
{条件触发,只在结果明确指向下一步时推荐}

只自检不改写

如果用户只要求自检,单独走这个流程。检查标准和质量分级同上。


注意事项

  • AI 味诊断要定位到具体句子或段落,别说「整体有 AI 感」
  • 每个 AI 味来源给「原文 → 改法」对照
  • 别说「加入个人感受」——直接在改写版里加
  • 消除 AI 味不是「让文字更好看」,是「让读者感觉到真人存在」
  • 改完之后文章可能变短、变「不完整」——这是对的,不是问题
  • 要输出改写后的完整版本,不能只给诊断不给改写
  • 用户已提供声音清单却重新判定保护区 → 清单是上游已确认的,直接引用

DO NOT

  • 只诊断不改写 → 诊断+改写是一体的
  • 把作者真实的犹豫、锋利、不完美当 AI 味删掉 → 先判定保护区再动手
  • 为去 AI 味而强行口语化 → 去 AI 腔 ≠ 去一切规范化表达
  • 不看密度只看单次 → 排比/对仗出现一次不是 AI 味,200 字内出现 3 次以上才是
  • 替用户写他没有的经历或细节 → 补的具体场景必须锚定在原文已有线索上
  • 编造样本量或来源 → 原文说「73.2% 的用户满意」,不能改成「问卷发了 200 份」
  • 追问本身不能犯 AI 特征(dbs 自检规则):
    • 不用「你可能会觉得」开头(这是替读者说蠢话)
    • 不用「不是 X 是 Y」结构追问
    • 不用「本质上」「归根结底」升维追问
    • 不用选择题结构(A 还是 B?)——这是在替用户想答案
    • 直接说你观察到的现象,然后问一个开放性的问题
  • 去 AI 味 ≠ 好内容 → 检测结果干净就直接说,不要硬找问题

下一步建议(条件触发)

结果条件推荐
AI 味已去,但结构松散/废话多建议用 editor-revisor 精简
AI 味已去,但标题/开头/排版/标点需打磨建议用 packaging-workshop 做呈现层检查
去味过程中发现个人声音被盖住建议先用 voice-dissolver 理清声音
改写后用户不确定质量建议用 chinese-write-checker 体检
致命浓度——全文无真人在说话不推下一步。直接拦住,让用户先想清楚要说什么

示例

references/examples.md

共享规范

本技能与 chinese-write-checker、voice-dissolver、editor-revisor、packaging-workshop 共享写作规范(套话清单、格式规范、保护区逻辑、换话题测试、密度原则)。详见 ~/.agents/skills/chinese-write-checker/references/writing-standards.md(跨 skill 引用)。按需读取,不预加载全文。

Signals

GitHub stars
65
Forks
3
Last commit
Aug 2026
Advanced
Catalog kind
skill
Gateway key
humanize-ai
Source
github.com/taxueseek/say-it-human