novel-anti-detection

name	novel-anti-detection
description	网文反AI检测与风控。当用户需要了解AIGC检测原理、降低AI文本被识别率、了解平台AI检测政策、设计混合创作模式时触发。覆盖检测技术原理、绕过策略、平台政策、混合创作模式（AI+人工改写双盲测试仅29%识别率）。
license	MIT
compatibility	opencode
metadata	{"audience":"novel-writers","version":"2.0.0"}

反AI检测与风控

Purpose

提供AIGC检测的技术原理与应对策略，帮助作者了解各平台AI检测政策，设计合规的混合创作模式，在AI辅助与原创性之间找到平衡。

When to Use

• 用户需要了解AIGC检测原理
• 用户需要降低AI文本被识别率
• 用户需要了解平台AI检测政策
• 用户需要设计AI+人工混合创作流程

Instructions

AIGC检测技术原理

核心检测指标（200+项）

1. 词汇多样性指数：AI文本词汇多样性偏低
2. 句长变异系数：AI文本句长过于均匀
3. 概念跳跃频率：AI文本概念过渡过于平滑
4. 困惑度（Perplexity）：AI文本困惑度偏低
5. 一致性分析：AI文本风格一致性过高
6. 信息密度均匀度：AI文本信息密度过于均匀
7. 连接词频率：AI文本过度使用连接词
8. 情感波动幅度：AI文本情感波动过于平缓

检测方法

1. 统计特征分析：分析文本的统计特征
2. 语言模型指纹：检测AI模型的输出特征
3. 水印技术：AI生成文本可能包含隐形水印
4. 风格一致性检测：检测文本风格是否过于一致
5. 多维度综合判定：综合多项指标进行判定

绕过策略

分层处理策略

词汇层替换：

• 将AI偏好词汇替换为同义但更自然的词汇
• 增加口语化词汇和语气词
• 使用不常见但准确的词汇

句式层变换：

• 打破AI的句式模式
• 增加句长变化
• 插入碎片句和不完整句
• 使用倒装、反问等特殊句式

段落层重组：

• 打破AI的段落结构
• 增加突兀的转折
• 调整信息密度分布
• 插入个人化的思考片段

风格层注入：

• 注入个人写作风格特征
• 增加不规则的写作习惯
• 引入独特的表达方式
• 添加"不完美"的写作痕迹

平台AI检测政策

晋江文学城

• 已发布《关于AI辅助写作使用、判定的试运行公告》
• 要求作者对AI辅助使用情况进行标注
• 对AI生成内容占比高的作品进行标记
• 检测方式：AI审核+人工审核

起点中文网

• 对AI辅助写作持谨慎态度
• 要求作者声明AI使用情况
• 对AI生成占比高的内容可能影响推荐
• 检测方式：技术检测+读者举报

番茄小说

• 对AI辅助写作相对宽松
• 但对纯AI生成内容有限制
• 检测方式：技术检测

飞卢小说

• 对AI辅助写作相对宽松
• 关注内容质量而非生成方式
• 检测方式：较少主动检测

2026年9月1日起

• 《生成式AI服务管理办法》正式施行
• 纵横中文网、七猫已要求作者对生成式AI使用情况进行标注
• 各平台逐步加强AI内容管理

混合创作模式

AI生成 + 人工改写（推荐模式）：

• AI生成初稿（占40-60%）
• 人工改写润色（占40-60%）
• 双盲测试识别率仅29%（vs 纯AI生成83%）

操作流程：

1. AI生成章节初稿
2. 人工通读，标记AI痕迹明显的段落
3. 对标记段落进行深度改写
4. 全文通读，确保风格统一
5. 添加个人化的细节和表达
6. 最终检查，确保无AIGC特征

AI痕迹检测指南

五大AI特征模式

内容模式：

• 对重要性、影响和宏大趋势的过度渲染（"标志着""奠定了""深远影响"）
• 对知名度和媒体报道的刻意渲染（罗列媒体名，无具体引用）
• 肤浅套路的"通过……展现……"式句尾分句（"折射出""体现出"）
• 宣传性与广告式口吻（"令人窒息的""充满活力的"）
• 模糊指代与含糊其辞（"专家认为""行业报告显示"）
• 模板式的"挑战与前景"段落

语言与语法模式：

• AI高频词汇与大厂黑话（赋能/闭环/打法/对齐/抓手/底层逻辑/赛道）
• 避用"是""有"等简单谓语（"作为……而存在"）
• 否定平行句式与双重对比（"不仅是X，更是Y"）
• 三项式排比与列举的滥用
• 同义词翻来覆去
• 虚假关联（"从X到Y"维度不统一）
• 被动语态与无主语句
• 虚假施动者（"决定逐渐浮现"）
• 旁观者视角（上帝腔/讲师腔）
• 戏剧化断句
• 设问句与修辞铺垫
• 公式化陈词滥调
• 应避免的句首词（疑问词开头、"所以"段落开头）

格式与排版样式：

• 滥用破折号（—）
• 滥用加粗
• 列表项"加粗+冒号"模板排版
• 多余的表情符号

沟通与废话模式：

• 交互式聊天废话（"希望这能帮到你！"）
• 知识库截止免责与猜测填充
• 谄媚与迎合的语气
• 刻意的强调语气与表演式强调
• 说教而非展示
• 删掉"金句"

填充与对冲：

• 冗余的填充性词组
• 过度对冲与和稀泥（"可能/也许/某些/潜在"堆叠）
• 空泛积极的结尾
• 滥用连字符词组
• 伪造权威感（"从根本上说""真正的问题是"）
• 指路标志与多余预告
• 零碎的过渡性单句段落

误报防护（哪些不要误判）

一个优秀的人类作家可能会很自然地写出上述某些模式。在判定前务必进行常识判断：

• 完美的语法和一致的文风：许多人类作者是专业写作人员
• 混杂了口语和书面语：在技术人员、年轻作者中非常普遍
• "平淡"或"机械"的行文：单纯的枯燥只是普通的人类干瘪写作
• 正式或学术性的词汇：AI只过度使用特定华丽辞藻，不要强行简化所有有深度的词
• 信件式的问候和落款：比ChatGPT早诞生了几个世纪
• 孤立出现的过渡词："此外""然而"等只有在被大量堆砌时才像AI
• 单独的破折号：许多编辑和记者习惯使用破折号
• 未注明来源的主张：互联网上绝大多数文本都没有注明来源

核心原则： 寻找的是"特征群"，而不是孤立的单个词。只出现一个破折号说明不了什么；但如果破折号与"三项式排比"、"历史的织锦"以及"面临挑战但前景光明"堆在一起，就是AI写作无疑。

人类写作的标志（务必保留）

遇到以下迹象时尽量不要改动——它们是活生生的人类写作证据：

• 非常具体、独特、难以凭空捏造的细节：真实的门牌号、奇怪的引言、"那个在我看牙医的地方楼上工作的律师"
• 复杂的纠结情感与未决的张力："我觉得这事儿大部分是好的，但总有些地方让我觉得别扭"
• 带有时代感和特定圈子属性的玩梗：只有特定年份、特定圈子里才懂的黑话或内部笑话
• 作者自己能给出合理解释的第一人称选择
• 句式长度错落有致：真正的写作会交替使用极短和极其绵长的句子
• 真实存在的题外话、插入语或自我纠正："（我总想在这里用'几乎'这个词……）"
• 在2022年11月30日之前创建的内容：早于ChatGPT发布日期的，几乎全是人类写的

快速检查表

在提交文本前，对照以下各项排查：

• 是否有副词？全部删掉（尤其"地"字修饰词）
• 是否有被动语态？找出动作执行者
• 是否有无生命事物做施动动作？指出具体的人
• 句子是否以疑问词（"如何""什么""为什么"）开头？重新调整句式
• 是否有"这里是/以下是……"等垫话开场？直接切入主题
• 是否有"不是X，而是Y"的对比？直接陈述Y
• 是否连续三个句子长度相同？打破其中一个句子的结构
• 文本中是否有破折号（—）？全部移除
• 是否有含糊的陈述（"其影响是深远的"）？指出具体影响
• 是否有旁观者视角？将读者带入具体场景

诊断输出模板

做文本风险诊断时必须按以下格式输出，避免只给泛泛清单。

字段	写法
置信度	高/中/低，只在出现3个以上互相支撑的特征时给高
特征群证据	列出具体原句和对应特征，不引用不存在的检测结果
误报检查	标出应保留的人类痕迹，如具体细节、个人口吻、真实瑕疵
改写优先级	先改模板升华和空泛表达，再改句式节奏，最后调词
政策提示	区分平台已知规则、经验判断和需要复核的部分
输出动作	给出3条以内最高收益改法，必要时附一段改写示例

示例结论：中置信度。文本同时出现“不是X而是Y”、空泛未来展望和无具体证据的宏大判断，但没有足够样本判断全文风格。先删除升华句，再把抽象判断改成角色动作或具体事件。

Execution Protocol

1. 先判断用户要做的是原理解释、平台政策查询、文本风险诊断，还是混合创作流程设计。
2. 做文本诊断时只按“特征群”判断，不因单个词、单个破折号或单句整齐就下结论。
3. 给出建议时优先使用合规的混合创作、人工改写、标注与质量控制流程。
4. 涉及平台政策时，区分已知规则、经验判断和需要用户自行核对的最新政策。

Workflow Branches

用户目标	先做什么	输出重点
原理解释	解释统计特征、模型指纹、风格一致性	不把检测说成单一关键词匹配
文本诊断	使用诊断输出模板，先判置信度	证据、误报检查、改写优先级
平台政策	区分已知规则和需复核信息	给保守写法和标注建议
混合创作	设计AI初稿、人工改写、风格统一、复查	每一步产物和质量标准
改写请求	联动 novel-polishing 的39条规则	输出最终稿，不承诺检测结果

如果用户同时问多个目标，先处理文本诊断，再给流程建议；不要在没有文本的情况下判断风险高低。

Specificity Boundaries

场景	必须具体到	不要做
平台政策	平台名、已知规则、需复核点、保守写法	不要说“平台都差不多”
文本诊断	原句、特征群、置信度、误报点	不要只列AI特征清单
混合创作	AI负责什么、人工改什么、复查什么	不要只说“AI加人工”
改写建议	改写优先级和一段示例	不要承诺检测通过
原理解释	统计特征、风格一致性、模型指纹的区别	不要把检测简化成敏感词

政策类回答固定结尾：平台规则会变，发布前复核作者后台、签约编辑通知或平台公告。这个结尾不是免责声明，而是执行步骤。

Failure Handling

触发条件	处理动作
用户未提供文本	先询问文本或平台，不直接给泛泛清单
平台政策可能过期	明确标注“需复核”，不要伪造确定结论
文本只有单个AI特征	判为低置信度，要求更多上下文
诊断与人类写作特征冲突	优先保护具体细节、个人口吻和真实瑕疵

CHECKPOINT

最终输出前确认：是否选择了正确流程分支、是否说明判断依据、是否避免单点误判、是否写明置信度、是否做误报检查、是否给出可执行修改方向、是否保留作者个人痕迹。

Anti-Patterns

• 不要承诺“保证过检测”或“百分百安全”。
• 不要把平台政策说成不可变化的固定规则。
• 不要把所有正式、流畅、语法正确的文本都判成AI。
• 不要为了降低风险而抹掉作者的具体经历和独特表达。

Bundled Resources

• references/index.md — 反检测索引
• references/detection-principles.md — 检测技术原理与39条AI特征模式
• references/bypass-strategies.md — 绕过策略详解
• references/platform-policies.md — 平台政策汇总
• references/mixed-creation-mode.md — 混合创作模式

Checklist

• 了解目标平台AI检测政策
• AI文本经过分层处理
• 个人风格已注入
• 混合创作比例合理
• AIGC特征指标低于阈值
• 按五大模式逐类排查AI痕迹
• 确认无"特征群"误判人类写作