去 AI 味先用数据揪出像 AI 写的句子
用户写完(或让 AI 写完)一篇中文稿子,想去掉"一看就是 AI 写的"那股味道时,你用这个 Skill:先跑脚本和语义判读出一份检测报告,列出命中的句子和改法,等用户回复后才改写,改完复测并给出前后对比。底层是开源的 lieflat-less-ai-tone(CC BY-NC 4.0,非商业使用免费,商用需联系作者)。它的规则来自对上千篇人类和 AI 文章的对照统计,只改实测证明 AI 明显更多的写法,人类同样常用的表达一律不动。
触发
用户说"去 AI 味""这篇读着像 AI 写的""帮我改得像人写的""检查一下 AI 痕迹",并给出一篇已经写完的中文稿子。
硬性规则
- 先报告,后改写。 第一轮只交检测报告,用户回复"按建议改"或调整范围之前,不动正文。
- 最小改动。 一处命中只改必需的部分,不顺手润色、不换没问题的词。
- 信息守恒。 事实、数字、姓名、引语、限定词("可能"不能改成"一定")全部保留;改后的每个实词都要能在原文找到出处。
- 结构不动。 标题层级、段落顺序、列表、表格、引文、代码块原样保留,小标题编号也不改。
- 不制造参差。 不为了"像人"把句子改得忽长忽短、把段落拆碎。
- 有风格参考先读参考。 用户的风格文档和本 Skill 冲突时,以风格文档为准(比如作者本来就爱用破折号)。
- 不能据检测结果断言作者用了 AI。 报告只说"这些写法在 AI 文里明显更多"。
安装
npx skills add larashero3-dotcom/lieflat-less-ai-tone
需要 Python 3。装完重启 Agent。以下命令在 Skill 目录里运行,详细判据以仓库里的 SKILL.md、DETECT.md 和 references/semantic-criteria.md 为准。
流程
-
脚本检测(改前务必存 JSON,第 4 步要用):
python3 scripts/detect.py 原文.md --json > /tmp/before.json -
语义判读:抽出脚本数不出来的候选(同义词轮换、段段紧扣、结论式冒号、三句同构),按
references/semantic-criteria.md的判据逐条判,写回 JSON:python3 scripts/detect.py 原文.md --candidates --out /tmp/candidates.json -
交检测报告,然后停下。 报告要有:本篇命中了哪些指标、各多少处、拟改和保留各多少;每类摘 1 到 2 句原文、说清为什么值得改、怎么改;保留的写明理由。不要把原始脚本输出直接贴给用户。
-
用户回复后改写,再复测出对比报告:
python3 scripts/detect.py 改后.md --json > /tmp/after.json python3 scripts/report.py 原文.md 改后.md /tmp/before.json /tmp/after.json --semantic /tmp/candidates_labeled.json --out 去AI味报告.md默认出 Markdown,改动处用删除线和插入标记;用户要网页版加
--format html。
要改的写法(按优先级)
| 写法 | 例子 | 改法 |
|---|---|---|
| 翻案腔 | "壁垒不是技术,而是认知" | 直接下判断:"壁垒是认知" |
| 提示语冒号 | "一句话总结:成本太高" | 删掉提示语直接写;前半句承接上文时只换标点 |
| 起手式、翻译腔 | 长长的前置定语、欧化句式 | 拆开或换成中文语序 |
| 顿号罗列过密 | 一句里排五六个并列项 | 能概括就概括,或改其中一项的句法 |
| 相邻句同一个骨架 | 连续三句"A 做了 X,B 做了 Y,C 做了 Z" | 打散其中一句:合并、换语序或改短 |
| 同义词轮换 | 同一段里"提升 / 优化 / 增强"轮着用 | 统一回原词 |
| 段段紧扣 | 每段都用"这也解释了为什么"承上 | 选一两处直接切换话题 |
| 破折号(因模型而异) | Claude 类文本破折号特别多 | 按密度处理;作者本人习惯就保留 |
不改的
- 问句、设问、问句小标题(人类用得比 AI 多)
- 序数词小标题、"这意味着"式复述、概括性句子(实测人类用得一样多甚至更多)
- 对话体、口语体、文学性的排比和比喻
- 引文、代码、外语段落
- 比喻是否贴切:模型判不准,只列给用户自己看,不自动改
输出格式
第一轮:检测报告(指标表 + 例句 + 改法 + 保留理由),末尾一句"回复'按建议改'或告诉我要调整的范围"。
第二轮:改后全文 + 前后对比报告的路径,并说明复测结果:需要处理的命中是否已清零,保留了哪些、为什么。
一句话
先用数据指出哪些句子像 AI,等用户点头,再只改那几处,其他一个字不动。

评论(0)
还没有评论,来说第一句。