AI 写的文章总有一股“AI 味”？这个 5,400 星的开源 Skill 把它拆成了 100 多项指标

昨天晚上，前记者 @lieflat_3 在 X 上发了一个开源项目，叫 lieflat-less-ai-tone，专门干一件事：去掉 AI 写文章时那股“AI 味”。帖子一夜 10 万浏览，仓库到今天上午已经 5,400 多星。它跟常见的“去 AI 味 prompt”不一样，作者先花了两个月做实验，拿 1,169 篇文章、520 万字实测，筛出真正显著的指标，再做成一个先检测、你点头再改的 skill。

限制先摆前面：它只管中文写作，改的是风格不是事实。作者自己也承认，语义那层判断有 15% 到 30% 的误判。而且帖子下面已经有人指出，他这篇介绍文章本身还有地方露馅。所以别把它当成一键去味的神器，它更像一把带刻度的尺子，能告诉你问题在哪句、该怎么改。

它是怎么测的

作者的思路很直接。“AI 味”就是 AI 的写作习惯，拿优秀的人类文章当基准，跟 AI 生成的文章对照，差异的部分就是 AI 味。第一轮，他让 5 个主流模型（Claude Opus 4.6、GPT-5.6、DeepSeek、Gemini、Kimi）各写了 60 篇，跟 329 篇人类文章对照，一共 629 篇，283 万字。

跑完第一轮，他发现一个致命漏洞：两边写的根本不是同一篇东西。人类那篇写的是某家公司的财报，里面全是数字，AI 写的是行业趋势漫谈，里面没几个数字。这时候算出“人类的数字密度是 AI 的 3 倍”，能说明 AI 不爱用数字吗？不能，那是题材差出来的。

所以第二轮他换了测法：把人类文章里的数字和事件提炼成任务卡，让 AI 在同样的事实约束下写同题文章，一共 270 对，256 万字。这样测出来的差异，才是真正属于 AI 的写作习惯。

测量本身也分了三层。第一层是 Python 脚本，把能用数字算出来的 90 项指标全算一遍，标点、句长和分节都在里面。光用这些句子特征训一个分类器，区分真人和 AI 的准确率就到了 97.6%。第二层是模型做语义判断，专门对付脚本看不懂、必须理解上下文才能判断的特征，前后跑了约 50 万次判断，烧了 3.54 亿 token，结果全带着置信度存在本地 JSON 里，随时可以拉出来复查。第三层是人工盲读，连模型都搞不定的东西，比如比喻到底贴不贴切，就一条条人肉读。

四个最有意思的发现

第一，比喻的问题不是用得多，是用得不贴切。很多人以为 AI 味重是因为 AI 比喻用得太多，实测恰恰相反，人类用比喻的频率是 AI 的 2.4 倍。难受的地方在于，AI 的比喻根本不贴切。作者的解释是，比喻的基础是人的身体和空间经验，AI 没有身体，只能靠词语在语料里的统计关联去拼。比如他盲读时看到的两句，“数据难看得很平静”，“AI 写作的薄，来自经验缺席、表面规律替代理解”，那种诡异感就是这么来的。结论很直接。现在的 AI 还不会写比喻。

第二，“不是 A，而是 B”和超长前置定语。这是测下来最扎眼的两处欧化特征。“不是 A，而是 B”这种对举句式，AI 是人类的 3.4 倍。超长前置定语也一样，英文习惯把从句挂在名词后面，AI 直译成中文，就把一长串修饰全放在中心名词前面，300 篇 AI 文章里有 179 篇都有这个问题。语料里的例子是：“这是一个能够让团队在不增加人力的情况下显著提升审核速度的工具。”

第三，密集并列和枚举。AI 写东西好像特别怕别人觉得它考虑不周全，一有机会就用顿号列举。一个分句里用顿号连排三项以上，AI 是人类的 1.8 倍。放到语义层去测广义的密集并列，AI 每千字也要高出 1.45 倍。它不止爱排词，句子也爱排比出现，比如连续问三句“叫什么名字？承载什么功能？嵌入哪个生态？”，这种三句话骨架都一样的三连句，AI 出现的比例是人类的 2.75 倍。

第四，结论提示冒号。这条差点被作者自己删掉。最开始只拿脚本数冒号总数，结果人类的冒号密度居然比 AI 还高，因为真人写文章经常写“某某说：”来引原话。直到用语义理解把几万个冒号按上下文拆成 6 类，才得出准确结论：结论提示冒号，AI 是人类的 2.1 倍，固定提示语更是 4 倍左右。就是满屏的“核心是：”“关键在于：”“一句话总结：”。真人用冒号是为了引出别人的话，AI 用冒号是为了让自己下结论。把冒号前面那半句装深沉的废话直接剪掉，反而更简洁有力。

它怎么用

仓库里有 SKILL.md、DETECT.md 和完整的实测记录，安装只要一行命令：

npx skills add larashero3-dotcom/lieflat-less-ai-tone

用起来分四步。先拿脚本对成稿做检测，再抽语义候选让会话里的模型按封闭判据逐条判读，然后出一份检测报告给你看：本篇命中了哪些指标，研究里的显著性是多少，原文例句在哪，具体怎么改。等你回复按建议改，它才真正动手改写，改完再跑一遍复测，生成前后对比报告，默认是 Markdown，改动处用删除线和插入标记标出来。

这个流程里最值得借鉴的，是防过度改写那套设计。检测报告是分级的。A 级是机械改，删提示语换标点，零语义风险。B 级是建议改，需要句式重组。C 级是整篇结构问题，只报告默认不改。H 级是比喻贴切度这类机器判不准的，只列出来等人审。X 级是已经被配对复测推翻的指标，永不改。F 级是分模型的指纹，带方向解读。改写本身也有六条原则：最小改动，信息守恒，不制造参差，结构不动，有风格参考时以参考为准，改完自查。作者说得很明白，直接照着规则让模型改整篇，很容易把正常句子改得零碎，上一版 skill 就是这么翻车的。

它顺手推翻的几个土办法

这部分可能是整个项目最有用的副产品。市面上流传的“AI 味清单”基本来自个案观察和个人语感，从来没经过系统检验。配对复测之后，好几条直接进了 X 级清单，永不改：

“赋能”“闭环”“抓手”这类黑名单词，配对之后毫无差异。作者的原话是，很多文章完全避开了这些词，标点也很克制，读完三段依然一眼能看出是 AI 写的。黑名单词管不住真正的 AI 味。

“首先”“其次”“总之”这些连接词，对当代模型彻底失效。精确数字堆砌也是假象，第一轮看着 AI 多 3 倍，配对之后差异直接消失。“这意味着”式复述更夸张，人类用得反而更多。还有“概括替代具体信息”，对称口径复查后净差接近零，也被撤销了。

换句话说，靠背一份禁用词清单去味，约等于在错误的方向上努力。真正显著的都是句法和篇章层面的习惯，不是词表能盖住的。

我拿它跑了一遍这篇稿子

写完初稿，我按它的流程跑了一次检测。脚本那层报了这些：翻案腔 3 处，其中 2 处是文章里引用的模式例句，留着，1 处是我自己的句子，改了。提示语冒号 4 处，全是引用的例句，留着。顿号并列 7 处，改了 5 处，模型名单那处是完整名单，留着。过长前置定语 2 处，1 处是引用的例句，1 处改了。分号那句拆成了短句。

语义层抽了 56 条候选，我按它的判据逐条判了。同义重命名只找到 1 组，“黑名单词”和“禁用词表”来回换，已经统一了说法。衔接最长 9 连环，超了它 6 连环的线，原因是这篇的结构就是导语加方法加四条发现，拆开会动结构，按它的规矩只报告不改。结论冒号 2 处，改了。高度同构三连 2 组，都是 A 到 F 那串分级定义，清单体，留着。

改完复测，我自己句子里的 A 级和 B 级命中都已清零。剩下的全是引用、名单和 X 级保留项。

几个常见问题

能直接拿来给公众号或者博客文章改稿吗？可以，但流程是先出报告、你点头再改。比喻那块它不判，得人自己审。成稿清理是它的定位，写初稿的时候用不上。

跟朱雀这类 AI 检测器有什么区别？朱雀给的是一个分，告诉你像不像 AI。这个给的是定位和改法，哪句命中了、按哪条规则改，改完还能复测看效果。一个是判卷，一个是改卷。

英文文章能用吗？不能。所有指标都是中文语料上测出来的，顿号、“的”字和欧化句式这些在英文里都不存在。

商用行不行？仓库的许可协议是 CC BY-NC 4.0，署名、非商业使用。个人博客改稿一般没问题，但如果要集成进收费产品，最好先联系作者。

写在最后

这个项目有意思的地方，是它把“AI 味”从一种玄学抱怨，变成了可以复算的指标。语料因为版权没有入库，数字没法第三方直接核验，但方法、判定阈值和算子定义全在脚本里公开了，换成自己的语料就能重算。作者还预告了一个中文写作自然度的 Benchmark，最近会发布。

仓库地址：github.com/larashero3-dotcom/lieflat-less-ai-tone