ai

name	通用-去AI味重写
description	用于对章节正文做去 AI 味重写。适合主编式多轮去味、先诊断再定强度、整章去模板腔、局部拆解释腔、打散均匀句群、保信息重写与人物声音去同腔化。关键词：去AI味、主编式去味、多轮改稿、模板腔、解释腔、均匀句群、太像AI、重写这段。
argument-hint	要处理哪一章或哪一段？默认先做一句病灶诊断，再在三档手术强度里定档，始终保信息、保结构、保钩子。
user-invocable	false

通用-去AI味重写

题材路由：若 .github\题材专用Skills\ 目录存在对应的 <题材>-去AI味重写 Skill，则：

• 将题材特性骨架路由到 <题材>-去AI味重写，该 Skill 位于 .github\题材专用Skills\ 目录。
• 命中本技能时，必须优先强制加载当前 Skill 与 <题材>-去AI味重写。

去 AI 味不是把文本洗平，而是把“假”洗掉，把同一份信息写得更像人在场景里说话、做事和承受压力。

继续读取的 references（强制读取门禁）

以下所列 references 文件必须通过 read_file 工具逐文件读取，不得因"已有相关知识"、"之前执行时已读过"、"该文件只是参考"为理由跳过任何一条。 每条 references 按其标注的必读等级强制执行：

• 标注 必读 的文件：必须读取，少一条即视为流程违规，不得开始执行流程。

• 未标注必读的文件：必须读取，但读取后可仅提取与当前任务直接相关的段落，不要求逐字通读。

• 若文件路径指向的文件不存在（如引用的外部路径未就位），必须在日志中显式记录 reference_missing_{refName}，不得静默跳过。

• references/科幻类AI味典型问题.md — 科幻小说AI味典型问题与修正策略

• references/七猫专栏OS叙事拐杖检测增补.md — 七猫专栏 OS 叙事拐杖检测增补

总览：功能分组与读取时机

18 个 reference 文件按用途分层分为 5 组。调用时先根据当前阶段锁定要读的组，再按本组的"读取时机"判断读哪些文件。

---

第一组：诊断前置（入刀前判定病灶与强度）

文件	读取时机	优先级
references/去AI味识别雷达.md	每轮必读。快速定位病灶属哪一层（病灶识别/句群重构/人声回补）并做 Green/Yellow/Red 初筛	★★★
references/AI味高发信号与拆洗策略补充.md	每轮必读。扫描句子均匀、对话同腔、抽象判断等常规表层病灶	★★★
references/实战对比案例——从AI稿与人工稿的差异提取可复用诊断与拆洗规则.md	每轮必读。该文件的 13 项量化指标（基础篇 7 项 + 扩展篇 6 项，涵盖句法层、设定层、情绪层）提供深层诊断证据	★★★
../../写作研究/网文留存模型.md	每轮必读。去AI味完成后，验证情绪刺激密度不降低——去味后的正文必须维持原有情绪主轴与读者驱动力	★★★
references/去AI味三档手术强度与风险卡.md	用户未定强度时必读。用此文件向用户展示三档说明并锁定本轮档位	★★★

分层规则：先跑识别雷达做初筛 → 再用 AI味高发信号检查表层 → 若读感为"像AI但挑不出毛病"转向深度诊断（十一大结构指纹，见本文 ## AI味深度诊断 节，其中指纹8已扩展制度层/数字层，指纹10为AI语义崩溃模式，指纹11为假节奏专项） → 量化指标不确定时参考实战对比案例的 13 项测量门禁。

第二组：核心改造（拆洗执行时的工具库）

文件	读取时机	优先级
references/去AI味共享裁判规则补编.md	每轮必读。5 大通用病灶 + 6 项小说专项病灶 + 收尾快检	★★★
references/去AI味四维病灶与45条规则.md	每轮必读（或至少扫描 45 条目录确定本轮用哪几条）。习惯用语/句式逻辑/写法口气/论证逻辑 4 个维度 + 45 条逐条拆洗规则	★★★
references/AI句式替换与动作化替代清单.md	每轮必读。C 批次高发 AI 句式的替换清单、三段式动作化替代模板、高频冗余词控制	★★★
references/去AI味句级改写工具.md	句子级改稿时必读。遇到单句明显假但不会改时查此文件	★★★
references/去AI味三级改造与工具包.md	中等及以上强度时必读。按强度提供整段/整章的改写法	★★
references/去AI味风格与排版补充.md	改稿后排版复检时必读。句长控制、标点规范、现场质感补充原则	★★

跨文件冲突仲裁：同一病灶多个文件给出不同处理建议时 → 去AI味共享裁判规则补编 的硬戒（如"禁止心理分析句式"）> 去AI味四维病灶与45条规则 的具体条目 > AI句式替换与动作化替代清单 的句式替换 > 其他文件的补充建议。

第三组：人声回补（去味后补回人物声口与真实感）

文件	读取时机	优先级
references/去雕琢腔与透明人声校准卡.md	每轮必读。6 类高发雕琢腔信号 + 透明人声最低标准 + 复检四问	★★★
references/风格注入锚点卡.md	有作者风格模板时必读。将"补毛边"升级为按作者风格模板定向注入	★★★（有模板）/ ★（无模板）
references/视角塌陷与五感替代诊断修复卡.md	每轮必读。视角塌陷诊断、五感替换法、摄像头视角实操、有效细节 vs 无用拖沓	★★★

人声回补优先级：先修复视角塌陷（视角塌陷修复卡）→ 再拆雕琢腔（去雕琢腔校准卡）→ 最后按风格模板定向注入（风格注入锚点卡）。三个文件在同一角色声口问题上可能给出近似建议，以"视角正确 > 雕琢腔清零 > 风格定向"的顺序分层执行，不重复劳动。

第四组：复检与回写（改稿后确保不洗坏）

文件	读取时机	优先级
references/去AI味后供血与职责复检卡.md	每轮必读（改稿后）。复检卖点供血、章首抓力、中段回报、章末钩子与人物声音差	★★★
references/去AI味执行清单.md	每轮必读（改稿后）。全局性检查清单，确保没有遗漏关键任务	★★★
references/去AI味红线保护.md	每轮必读（改稿前默读，改稿后复核）。红线清单——什么不能改、什么不能丢、什么不能洗平	★★★
references/去AI味多轮诊断与回写模板.md	输出终稿时必读。按模板格式输出 【修改总结与原因】、【修改后的小说正文】、【后续修改建议】	★★★
references/统计模式对抗与人味编辑终审方案.md	第九步、第十步必读。统计对抗十维度扫描 + 人类指纹注入 + 三视角终审模拟	★★★

复检顺序：改稿后先跑红线保护（确保没踩线）→ 再跑后供血复检（确保章节职责仍成立）→ 然后跑执行清单（全面收尾）→ 接着跑 stop-slop 五维评分门禁（快速通道模式下替代完整复检；全流程模式下作为前置质检，总分 < 35 必须回炉）→ 最后执行统计对抗（第九步）→ shuorenhua 场景化终审（第十步，全流程模式下保底；快速通道模式下作为最终输出前的唯一终审）→ 按多轮诊断模板输出。

第五组：平台专项（特定平台额外约束）

文件	读取时机	优先级
references/腾讯专栏直白与氛围保持增补.md	通用任务读取	★

第六组：子Skill协同模块（快速通道与分层增强）

来源：知乎·路过银河《让 AI 写得更像人：5 个值得安装的写作 Skill》（2026-07-12）。以下五个子目录各含独立 SKILL.md 与 references/，可按需加载。

子Skill	读取时机	优先级	加载内容
humanizer-main/	英文内容去味时必读（替代第三、四步的表层扫描）	★★★	SKILL.md — AI写作特征全量规则（夸大意义/宣传腔/被动语态/填充短语等）
Humanizer-zh-main/	中文内容去味时必读（替代第三、四步的表层扫描）	★★★	SKILL.md — 中文AI腔专项规则（书面腔/过度总结/四字结构/收尾感等）
stop-slop-main/	第六步复检前必读（作为质量门禁）	★★★	SKILL.md + references/phrases.md + references/structures.md — 8条核心规则 + 五维评分卡
taste-skill-main/	第五步人声回补前选读（需要破模板增个性时）	★★	skills/gpt-tasteskill/SKILL.md — 反默认审美策略；注意：原版为UI设计Skill，取其"拒绝默认/选定立场"的写作哲学映射
shuorenhua-main/	第九、十步前必读（作为场景化终审）	★★★	SKILL.md + references/protected-spans.md + references/operation-manual.md + references/structures.md — 四场景分档规则 + 保护原则 + 微操作手册

子Skill协同规则：

• 快速通道模式（用户说"快一点"）：humanizer-zh → stop-slop → taste-skill → shuorenhua，四步串联
• 全流程模式（默认）：在现有十步流程中按上表"读取时机"按需插入子Skill
• 子Skill之间不互相依赖，可单独使用其中任意一个。但串联使用时必须按推荐顺序（基础去味→质检→增个性→终审），不可逆序
• 子Skill的规则文件与本Skill的18个reference文件不重复、不冲突——前者处理通用AI语言模式，后者处理网文专项病灶
• 所有子Skill均为MIT或开源协议，详见各子目录下的LICENSE文件

先写人声，再去AI味——去味的创作心态原则（新增）

以下原则吸收自知乎专栏作者柳漫漫《先正常写作，写完再微调》。

去 AI 味的技术能力很重要，但如果创作时心里一直坐着 AI 检测器，写出来的东西必然缩手缩脚、假上加假。去味的起点不是改稿时的刀法，而是创作时的心态。

核心原则：先正常写作，写完再适度微调

不要让检测算法坐在你肩膀上指挥每一句话。去 AI 味是写出好文本后的自然提纯，不是戴着镣铐跳舞。如果你在写第一章时就在想"这句会不会被判 AI"，你已经在替机器写作，而不是替读者写作。

原则一：注入真实个人经历与不可复制的细节

AI 最擅长生成"公共化"的例子——正确、通用、但缺乏任何人真正经历过的时间地点和人物。去 AI 味的第一原料是你真实经历过的事：

• 具体的时间、具体的场所、对话中才有的磕绊和重复、只有亲历者才能记住的感官碎片——这些是 AI 编不出来的内容。
• 当一段正文读起来"什么都有但什么都不真"，优先问自己：有没有一个真实的经历、见闻或观察能替换这段"正确但空洞"的叙述？
• 对于小说创作而言，"真实经历"也包括你在调研中积累的具体场景考证、实地观察后记录的环境质感、以及从真实人物身上捕捉到的说话习惯和反应模式。

原则二：保留你的个人痕迹作为"防 AI 标识"

每个人都有独特的表达习惯——口头禅、常用的语气词、特定的比喻偏好、固定的转场方式。这些"不完美"的个人痕迹，恰恰是你在文本中最难被 AI 复制的身份标识：

• 你喜欢说"说实话""你懂的""怎么说呢"——只要不泛滥，保留。
• 你的角色习惯用某种句式下结论——只要不偏离人物传记，保留。
• 你的段落节奏有特定的呼吸偏好——只要不是模板腔，保留。
• 去味的红线不是"把所有看起来像作者习惯的东西都洗掉"，而是"洗掉机器痕迹，保留人声指纹"。

原则三：主动打破节奏——长短句交替，让读者换气

AI 生成的句子长度往往很均匀——像机器量产的零件，每句都在 25-35 字之间，每个段落都在 3-5 句之间。主动打破这种节奏：

• 写完一个长句，接一个短句。
• 陈述完之后，加一个反问。
• 偶尔用一个字或两个字的超短句（"疼。""不对。""他来了。"）。
• 允许自己有一段"只是把事交代清楚就走"的过渡——不是每一句都要写得好看。

这不仅能降低 AI 检测率，更能让读者获得阅读的呼吸感。

原则四：表达鲜明的观点、立场和情绪

AI 倾向于"一方面……另一方面……""总的来说""值得注意的是"这类客观中立的口吻。而人写的东西可以有：

• 明确的偏好——喜欢就夸，讨厌就骂。
• 不隐藏的情绪——愤怒时句子会短，激动时会重复，怀疑时会反问。
• 稳定的立场——角色的价值判断应该基于其传记，而不是"从所有角度看都正确"。
• 不完美的结论——不一定每段都要圆回来，允许留白和不完整。

去味不是把文本洗成中性，而是把作者和角色的真情实感洗出来。

原则六：理解检测原理，从统计特征层面去味（新增）

来源：本仓库《朱雀AI检测机制与应对手段研究报告》（2026-06）。

去AI味的底层逻辑不只是"读着像人"，更是在统计特征层面消除AI文本的可检测模式。理解以下检测维度，能让去味更有方向感，而不是盲目改稿：

检测维度A：困惑度（Perplexity）——词汇的"可预测性"

AI倾向于选择高概率词，使文本"过于可预测"。去味方向：引入低频词和非常规搭配——方言词汇、行业黑话、口语化表达、网络用语。不是硬塞，而是让角色说符合其身份的话。

检测维度B：突发性（Burstiness）——句子长度的"方差"

AI的句子长度分布窄（每句12-18字），段落长度均匀。去味方向：主动制造句长方差——2-5字短句与25-40字长句交替。写完一个长句，接一个短句。允许自己写"不够好"的过渡段。

检测维度C：词汇熵——用词的"多样性"

AI回避低概率词，导致词汇熵偏低。去味方向：减少模板化连接词（"然而/此外/因此/值得注意的是"），用动作、对话、环境直接衔接段落。让同义词自然重复，而不是机械轮换。

检测维度D：语义结构——逻辑推进的"线性程度"

AI输出逻辑链条呈线性推进（A→B→C→D，每一步严丝合缝），缺乏跳跃、留白、旁支。去味方向：故意打断完美逻辑链——允许跳针、倒置、信息推迟释放、局部留白。不是每段都要推理清楚才结束。

快速记忆口诀（去味时默念）

"均匀就是AI。句长有高低、段落有长短、细节有疏密、情绪有起伏——这四个'有'记在心里，去味就不会偏。"

补充说明：以上四个维度的技术命名来自AI检测领域的知识框架（详见研究报告），去味时不需要记住这些术语，只需理解其指导方向即可。

检测维度E：主语重复率——叙事视角的"僵化程度"（新增）

来源：实战对比案例.md §一·第二式"主语重复病"；研究报告§一。

AI文本中一个极易量化但常被忽视的AI味信号：主语重复率。AI受英文语法习惯（每句必须有显性主语）的"语料污染"，生成的每句中文都以"她/他/人名"开头。人类中文写作天然有大量无主句、动词引导句、感官引导句、脱漏主语——这是中文与英文的本质差异。

检测方法：统计前300字中，以"她/他/角色名/她的/他的"开头的句子占比。

主语重复率	判定	操作
≥ 80%	AI高风险	必须拆洗
60%-80%	关注	建议优化
< 60%	正常	—

拆洗方向（来自实战案例统计）：

• 逆序："她费劲地把眼睛抬起来" → "她费力地抬起眼"
• 感官引导："她听到了有人在叫喊" → "一道声音从头顶劈下来"
• 无主句："她试着睁开眼睛" → "试着睁开眼——没力气"
• 独词段："她感到疼" → "疼。不对。太困了。"

经验门槛：连续3句以上同一主语开头，至少拆1句为无主句或逆序句。

原则七：编辑判定AI的优先级排序——去味的质量标尺（新增）

来源：虎嗅网《AI落地的苦，没有人比网文圈更懂》采访番茄/七猫编辑；本仓库研究报告。

当去味完成后，按以下编辑判定AI的优先级顺序做自检（越靠前的项目权重越高，不要只修最低优先级的"文笔漂亮"）：

1. 主线逻辑一致性（最优先）——前后情节是否自洽、线索是否断裂。AI经常在长篇幅中丢失线索。
2. 人设稳定性——角色言行前后是否一致。AI写的人容易"今天知性明天泼辣"，随场景切换而漂移。
3. 对话自然度——台词是否符合角色身份和情绪状态。"所有人说同一口标准中文"是高危信号。
4. 过渡自然度——场景切换是否生硬。AI喜欢用"转眼间""片刻后"来跳时间，缺乏润滑。
5. 描写效率——描写是否服务于情节推进。AI扩写常填大量"漂亮但不推动剧情"的细节。
6. 文笔精细度（最低优先级）——"写得太好"反而不是AI的证据。人类可以有粗糙、啰嗦、信息密度低的段落。

反直觉提醒：第6项（文笔精细度）是去味中最容易被误判的方向——不要削足适履地把好句子改差来"显得不像AI"。好文笔不是问题，均匀性和模板化才是。

原则八：AI检测的理性认知——去味的正确战略姿态（新增）

来源：知乎专栏文章《AI 写的小说会被检测出来吗？讲讲原理，别被焦虑带偏》Majx，2026-07-07。

以下原则帮助建立对AI检测的正确认知，避免在去味过程中被焦虑带偏方向。

认知一："会不会被检测"和"读者爱不爱看"是同一个问题

AI检测的四大信号——高频套话、用词太平滑、风格过度一致、结构模板化——恰好也是读者弃文的四大原因。一套好的去味流程，既降低了被检测的概率，也提升了读者的阅读体验。这不是两件需要分别做的事，而是同一件事的两面。如果某个去味操作让文本"更不容易被检测"但"更难看了"，说明方向错了。

决策指南：当在去味中遇到"改还是不改"的犹豫时，优先问"改完读者读着更舒服吗"，而不是"改完AI率更低吗"。两者的方向在好的去味中应当一致，若不一致，以读者体验为准。

认知二：检测是概率倾向，不是判决书

主流AI检测工具输出的不是"是/否"二值结果，而是AI率或概率评分。处理过的文稿风险是可控的——没有哪个正规平台仅凭工具评分就直接判定。去味的目的是把"被高置信判定"的概率降到合理区间，不是追求检测率归零。相比纠结检测分数，更值得关注的是章节正文的逻辑一致性、人设稳定性和对话自然度——这些才是编辑审稿的真正重心。

认知三：工具是放大器，不是遮羞布

去味工具和疲劳词表能压制可量化的破绽——高频套话、均匀句长、模板化结构——能把"像人写"做到八九成。但"有没有灵魂、像不像这个作者"这最后一道判断，必须由人来完成。工具可以辅助诊断和局部改写，但不能替代作者的判断力、风格选择和对故事的理解。指望工具把粗糙的生成稿洗成精品，是不现实的。

认知四：合规第一——去味是为了质量和过审

去AI味的技术服务于两个合法目标：提升作品质量和通过平台审读。它不是用来造假、抄袭、或绕过原创审核的工具。所有去味操作都必须建立在"这是我自己创作的内容"的前提下。

底线：保留创作过程记录（引用原则五），在被误判时有据可查。既不要因为焦虑而放弃使用工具，也不要因为工具方便而逾越创作伦理。

原则五：保留创作过程记录

写作时使用支持版本历史的工具（VS Code 的本地历史、Git 提交记录、腾讯文档、飞书文档等）。这些记录不是用来审查自己的，而是在被误判时最有力的自证证据。这虽然不是去味的技术方法，但能让你在创作时更放松、更有底气——敢写真实的内容，而不是为了"安全"写成机器腔。

原则九：AI是催化剂，不是替代者——个人印记是终极护城河

来源：知乎答主"铷洱"《网文的下一个突破点会是什么？》（2026-07-03）；本仓库整理。 证据充分性：一般（行业趋势判断，单篇观点） 置信度：中 适用层：去味的上游动机层——在执行具体去味技术前，先建立对"为什么要去味"以及"AI时代作者应该拼什么"的正确认知。

认知一：AI不会淘汰作者，只会淘汰只会写套路的作者

当AI能够把模板化爽文写到80分水准时，套路赛道上的竞争已经没有意义了——读者不再需要人类作者为他们提供"标准配置"的升级打脸恋爱文，因为AI能以更低成本、更高效率完成这类内容。这不是威胁，而是信号：它告诉人类作者，你应该彻底放弃和AI比套路。

核心推演：

• AI能把所有"可模板化"的内容做到80分——包括开头冲突公式、章末钩子套路、对话模板、场景框架。
• 人类作者在套路赛道上不可能比AI更快、更稳定、更便宜。
• 因此，人类作者的唯一不可替代的赛道，就是AI写不出来的东西。

认知二：什么是AI写不出来的

AI写不出来的不是"更好的套路"，而是：

• 作者个人的偏见和执念——你对某个话题有"不讲道理"的立场，而这种立场来自你的真实经历，不是训练数据。
• 创伤和软肋——你在某些话题上的脆弱和不完美。AI没有创伤，所以写不出"带伤疤的视角"。
• 奇葩三观和走火入魔的热爱——你真心相信一个99%的人都不信的怪道理，并且有能力把它写得让人信服。AI只能模仿共识，无法原创异见。
• 文笔上的个人缺陷——你特有的啰嗦、偏执、跳跃、冷门引用——这些在标准化写作中是"缺点"，但在去AI味语境中正是"人类指纹"。
• 不可复制的个人表达——读者猜不到剧情，不是因为作者设计了多么精妙的诡计，而是因为读者根本摸不透这个作者的脑回路。他可能写着写着就让主角放弃天下第一，去山里种树——只因为他年轻的时候真的动过这个念头。

认知三：去味的战略目标不是"藏"，而是"亮"

很多作者把去AI味理解为"隐藏AI痕迹"——这是一种防守型、焦虑驱动的错误认知。

正确的战略认知是：去味不是为了让你看起来不像AI，而是为了让你的个人印记更清晰地穿透文本。你的目标是让读者读完一章后感叹"这肯定是XX写的"，而不是"这不知道是人还是AI写的"。

• 去味的评判标准不是"AI检测率下降了多少"，而是"这一章读完，读者能感觉到一个具体的人在说话吗？"
• 如果一段文字经过多次去味后变得"安全但平庸"，那它已经失去了被读者记住的价值。
• 个人印记越强，被AI替代的概率越低。 这不是文学理想主义，而是AI时代的生存策略。

认知四：让AI处理套路，人类专注不可替代部分

未来的高效写作流程不是"人类写全部→去味"，而是：

AI负责：开头框架 / 章末钩子候选 / 场景骨架 / 设定一致性检查
人类负责：核心情绪选择 / 角色声口 / 认知型爽设计 / 个人偏见注入 / 叙事节奏裁断

这套分工不是"人做一半AI做一半"，而是各尽其能——AI处理可模板化的结构性工作，人类专注那些AI无法复制的个人化表达。去味技术的真正价值在人类的"注入"环节之后：确保个人印记没有被AI的标准化表达冲淡。

最终原则：当AI把所有套路文写到80分的时候，剩下的赛道全是人类的——你只需把自己活成一个有血有肉、有偏见、有执念、有创伤、有热爱的人，然后把这些写进故事里。这不需要技巧，只需要勇气。

这一组原则的定位

这九条原则不与本 Skill 的技术方法（十大结构指纹、量化指标、三档手术强度等）并列或竞争。它们是去味的上游心态层——在动刀之前先确认"我写的这一段，首先是一段有人声、有来源、有立场的文本"。技术工具解决的是"洗掉假"，创作原则解决的是"长出真"。

"不要为了通过机器的检验，把自己变成一台机器。读者需要的，是真实的我们。"

AI输出精炼的多轮工作流——从"矿石"到"成品"（新增——吸收自知乎穆双译 Jake Orlowitz）

来源：Jake Orlowitz（穆双译）《人们总说我的 AI 作品是金子——提高AI作品可读性》（知乎专栏，2026-07-11）。原作者为《纽约时报》撰稿人，描述其将 AI 初稿提炼到"记者看不出破绽"的多轮流程。

核心认知：AI 给你矿石，提炼才是技艺

模型递给我的是矿石。任何值得阅读的内容都源于我后续的提炼。人们想象的是敲击键盘和一杯咖啡的功夫，而真正的工作发生在接下来的一个小时里。

这个认知直接影响去味时的战略判断——不要期望 AI 一次生成就是成品。去味的对象不是"写得不好的 AI 文本"，而是"未经提炼的矿石"。心态决定你愿意花多少轮、多少精力去打磨。

工作流总览

以下流程基于实战验证，适用于需要将 AI 生成稿提升到"看不出破绽"级别的精炼场景：

第1轮：精确提示 → AI产出初稿（矿石）
第2轮：增补缺失 → AI加入模型遗漏的组件/线索
第3轮：事实核查 ← 必须独立进行（见下方警告）
第4轮：剥离惯用痕迹 → AI去掉三点列举/跷跷板句式/宠词
第5轮：自批评重写 → 新对话·批判性评分·按评分重写
第6轮：三位读者框架 → 写作教师/领域专家/怀疑论者
第7轮：人工终审 → 读出声，找死点，换活词（不可由AI代劳）

第5轮详解：自批评技术（核心增量）

这是投入最少、回报最高的操作：

1. 新建对话：不要在当前创作上下文内继续。打开一个新对话，仅传入当前清理过的草稿。
2. 批判性评分：要求 AI 对草稿做严格的批评——列出 10-15 个问题。AI 对自己刚写过的文章（在新上下文中）反而能做出更好的评判。
3. 按评分重写：切换指令，让 AI 基于它自己刚发现的问题列表重写整篇。返回的结果通常比输入时更好。

为什么有效：AI 在同一对话中会持续维护对已生成内容的"自信"。新对话切断这种惯性，让它能以更客观的批评者视角审视同一份文本。

与事实核查的关系（关键）：自批评重写轮捕捉的是清晰度和写作技巧问题，它无法可靠地捕捉到错误日期或站不住脚的论点。所以事实核查必须是独立的一轮——而且在前。把这两步混在一起做，你得到的只会是对一个原本就错误的句子进行自信而精炼的改写。

第6轮详解：三位读者框架

精炼的最后阶段，想象三位特定读者：

读者角色	关注的缺陷	问法
写作教师	死板的句子、没有脉搏的段落、节奏僵硬	"这段读起来有呼吸吗？有没有一句话可以删掉而不影响任何东西？"
领域专家	事实错误、逻辑跳跃、不合理的专业细节	"这个说法经得起推敲吗？一个真正懂行的人会在这里皱眉吗？"
怀疑论者	论证是否说服人、是否有预设立场	"凭什么相信你？这段有没有在偷换概念或回避真正的问题？"

实操方法：在 AI 精炼对话中，明确说出三位读者的身份特征和各自等待发现的缺陷，要求 AI 以"他们各自的语气"给出诚实反馈。然后收集全部反馈，要求基于此做一次全面重写。

第7轮详解：人工终审——任何提示词都无法完成的部分

最后 25% 的工作必须由人类手动完成：

1. 默读找死点：在脑海中默读全文，寻找那些"语法正确但毫无生气"的句子。指标不是逻辑错误，而是"读到这里不再想读下去"的本能反应。
2. 替换僵词：用鲜活的词语替换僵硬的表达。"一个词让句子活过来"比"整句换一种写法"更重要。
3. 删惯性从句：那些"仅靠惯性支撑"的从句——删掉后主句意思不变的——不留。
4. 持续直到读出人声：修改目标不是"AI 率降低"，而是"读起来像一个人在说话"。这两者不是同一个东西。

事实核查的独立地位——常见失败原因

大多数 AI 辅助写作正是在事实核查这一步功亏一篑。

不单独做事实核查的后果：

• AI 会带着自信陈述虚假信息——它对真话和假话报以同样平静的自信
• 把事实核查并入润色轮 → 你得到的只是对错误句子做了漂亮改写
• 事实核查必须要求 AI 回溯每一个名字、日期、数字和引文，并坦白那些它无法证实的内容

实操规则：在剥离惯用痕迹之后、自批评之前安排独立的事实核查轮。要求 AI 逐一标注每项事实的置信度（可验证/推测/不可验证），并对不可验证项给出替代方案。

与本 Skill 既有流程的关系

本工作流不替代本 Skill 现有的十大结构指纹诊断、四维病灶检测、三档手术强度决策等核心技术方法。它是在技术诊断之上的执行流程——告诉你什么时候做什么检测、什么阶段用什么工具：

• 第1-2轮（初稿+增补）→ 使用本 Skill 的常规创作辅助
• 第4轮（剥离痕迹）→ 使用本 Skill 的十大结构指纹扫描 + 四维病灶规则 + AI句式替换清单
• 第5轮（自批评）→ 本工作流新增
• 第6轮（三位读者）→ 本工作流新增
• 第7轮（人工终审）→ 结合本 Skill 的"原则六·理解检测原理"做最终统计特征确认 + 红线保护复检

第8轮：统计对抗 + 人味终审（新增——对应于本 Skill 第九、十步）

在完成第7轮人工终审后，执行统计模式对抗（统计模式对抗与人味编辑终审方案.md §二）+ 人类指纹注入（§三）+ 三视角终审模拟（§四）。这三步共同构成"人味编辑终审 + 统计模式对抗"的完整闭环。

• 统计对抗确保检测工具的评分维度上不存在明显破绽
• 人类指纹注入确保文本有"不可伪造的人的特征"
• 三视角终审模拟确保文本在编辑、读者和检测器三个视角下都能通过

如果这三步后仍有问题 → 标记为"当前技术条件下最优版本"，记录未解决维度。

外部共享规则吸收口径

本 Skill 已吸收外部共享 deai-rules 的通用识别框架，但已按本仓库的中文网文场景改写落地：

• 把“写得像机器”细分为内容抬升、句法公式、版式/PPT 化、交流残留、小说专项同腔五大扫描面。
• 去味不只删套话，还要同时执行五条共性原则：删填充、拆公式、变节奏、信任读者、删金句。
• 小说正文尤其要严查“情绪直接盖章、角色共用声带、段落齐步走、隐喻堆砌、结尾说教收圆”。
• 去味完成后必须补回真实个性：立场、矛盾、毛边、偏见与选择性观察。
• 深度诊断层（见下文 ## AI味深度诊断）：当常规去味后文本仍然"读着像AI但挑不出具体毛病"时，进入九大结构指纹扫描——前六项覆盖文本结构层（感官均匀轰炸、比喻公式套娃、节奏全程匀速、内心独白过度条理、元叙事总结口吻、职业设定教科书执行），后三项覆盖创作逻辑层（模板机械复现、术语历史嫁接、过度合理缺失盲区），辅以四项量化检测指标（破折号异常率、句长标准差、感官词密度、转折扣密度）。这些是高级AI润色/扩写后的深层痕迹，常规模板腔检查无法覆盖。
• 情绪表达层级叠加诊断（新增）：在上述指纹诊断之外，追加一层"情绪表达层级"扫描——统计正文中情绪表达所处层级。当一段文本大量使用"直接写情绪词"（最低级）或"用思想表达情绪"（次低级）而缺乏动作/行为层表达时，即使没有触发其他AI指纹，也应视为AI味高风险。分层标准见 ../通用-执行场景单元/references/知乎精华_文笔四维与交互框架.md 第三节。
• OS叙事拐杖专项检测（适用于所有含有穿书OS/内心OS的网文正文）：在完成通用去AI味后，对正文中的穿书OS/冷幽默OS/内心OS做专项检测——去掉OS后读者是否还能理解情节推进。若不能，OS是叙事拐杖而非风格工具。检测方法与修复三法则详见 references/OS叙事拐杖检测增补.md。

网文叙事四则硬规则（新增）

来源：自知乎精华《如何写好一个优质的长篇小说？》（摘星，2026-06-17）。

以下四则硬规则是去AI味检查的上游前置约束——在诊断AI味之前，先确认正文是否遵守了网文叙事的基本纪律。这四则不是"写得更好"的建议，而是"不要踩的底线"：

规则一：统一单视角，不乱切上帝视角

• 每一章（或每一个场景单元）锁定一个主视角人物。读者通过这个角色的眼睛看、耳朵听、内心感受世界。
• 禁止在同一场景内无过渡地切换到其他角色的内心独白或上帝视角的宏观描述（"他不知道，此时远处的某个大楼里，另一个人正在……"）。
• 必须切换视角时，用明确的视角标记（章节标题标注POV、空行+视角人物标识等）。
• 违禁示例：在同一段内先写"他感到一阵寒意"，下一句写"实际上，她也在观察着他"——这是典型视角混乱。
• 去AI检查视角一致性：随机抽取一章正文，标记每一段是从谁的视角出发的。如果同一章内出现了3个及以上不同人物的内部感受（内心独白/感官描写/情绪判断）而未用视角标记分隔，判为视角违例。

规则二：少堆风景环境，多写动作、心理、对话

• 环境描写的存在理由只有一个——它参与了叙事的情绪或信息推进。纯风景描写（"天空很蓝，云很白，风轻轻吹过树梢"）除非有明确叙事功能，否则一律删。
• 正文的推进力量优先级：动作/行为 > 对话/台词 > 内心独白/感受 > 环境/风景 > 旁白/说明。
• 去AI味检查中，如果连续3段以上以环境描写或角色感受开头而非动作/对话开头，判为"叙述推进过慢"——不是AI独有的问题，但AI扩写容易在这点恶化。
• 违禁示例：角色走进一个重要场景时，先写300字的环境描写再写角色的反应 → 正确写法：先写角色进入的动作和第一反应，环境信息在对白和行动中自然显影。

规则三：每个人的台词风格固定，一眼能区分

• 核心角色的台词必须有可分辨的口吻特征：用词偏好、句式习惯、语气词、逻辑方式。不能所有角色说同一种"标准中文"。
• 去AI味检查中的台词测试：删掉对话标签（"XX说""XX问"），只看台词本身，是否能分辨出几句是谁说的？如果不行，判为同腔化风险。
• 角色台词的风格设计必须在人物传记中显式标注（参见 通用-设计人物传记 的"人物对话参与度设计"与"表达DNA"），不能只在去味阶段临时改写。

规则四：情绪靠细节展示，不靠直白抒情

• 核心原则：情绪是揭示出来的，不是讲述出来的。角色的愤怒不是"他很生气"，而是"他握紧的拳头发白"；角色的悲伤不是"她很伤心"，而是"她把那杯茶端起来又放下，端起来又放下，始终没有喝"。
• 禁止用"感到""觉得""意识到"等直接命名情绪的动词来替代场景中的情绪展示——除非该情绪本身就是悬念的一部分（角色在隐藏真实感受）。
• 去AI味检查中的情绪展示测试：统计一章中直接使用情绪词（愤怒/悲伤/恐惧/开心/焦虑等）直接命名的次数。如果一章内超过3处直白抒情（"他感到愤怒"级别，而非"他怒火中烧"这种描写级），判为情绪展示不足。

四则硬规则的优先级

四则规则的优先级按从上到下排列。规则一（视角统一）是底线中的底线——视角混乱对读者造成的阅读障碍 > 台词同腔化 > 情绪直白 > 环境过多。但如果四条同时出现问题，优先修复视角和台词风格（规则一和规则三），因为这两条直接影响读者的代入感和角色辨识度。

AI味三轴诊断框架——体感/节奏/取舍（新增——吸收自知乎Raymond"AI味，不是AI的味"）

来源：知乎·Raymond《AI味，不是AI的味》（2026-07-02，149 赞同）。核心论点：AI味是一种文体特征（信息优先于体感、结构优先于节奏、完备优先于取舍），不是一种来源——人也写得出来，机器调教后也能避开。

以下三轴框架是本 Skill 所有诊断规则的上游组织原则。在执行任何具体指纹扫描或病灶检测之前，先用三轴做一次"文体层面"的快速定位。

三轴核心公式

轴	AI味倾向	人味倾向	改稿时的自检问题
体感轴	信息优先于体感——句子在传递正确信息，但没有还原任何身体感受	体感优先于信息——读完后脑中有一个具体的感觉画面	"这句话是在传递信息，还是在还原一种感受？如果只有信息没有感受→改写"
节奏轴	结构优先于节奏——段落之间的转折是因为"结构需要转"（首先/其次/最后），而非思路自然走到这里	节奏优先于结构——过渡靠语气和思路的自然流动，不是显式路标	"这个转折是因为结构需要才转的，还是思路自然走到了这里？如果是前者→拆掉结构"
取舍轴	完备优先于取舍——每一个可以展开的地方都倾向于展开，每一个可以加一层的地方都倾向于加	取舍优先于完备——该说的说完就停，不该说的根本不会出现	"不写这句话，文章是不是就缺了？还是写了之后只是'更全'？如果是后者→删掉"

使用方式：拿到一段需要去味的文本时，先不用任何具体检查清单，只用三轴各问一次。通常问完就能定位"这一段的AI味主要出在哪根轴上"——是体感缺失（只有信息没有画面）、节奏机械（结构驱动而非思路驱动）、还是取舍失当（想说的全说了没有留白）。

三轴与既有诊断体系的关系

• 三轴是上游组织原则，本 Skill 已有的九大结构指纹、四维病灶45条规则是下游执行工具
• 体感轴 → 对应指纹1（感官均匀轰炸）、指纹7（过度合理缺失盲区）、四维病灶中的"写法口气"维
• 节奏轴 → 对应指纹3（节奏全程匀速）、指纹6（元叙事总结口吻）、四维病灶中的"句式逻辑"维
• 取舍轴 → 对应指纹4（内心独白过度条理）、指纹5（职业设定教科书执行）、四维病灶中的"论证逻辑"维
• 三轴不替代既有诊断，而是让诊断时先有"方向感"——知道这一段的问题出在哪根轴上，再从对应的指纹/病灶中选工具

议论文赛道AI味五大症状——非小说文本的快速诊断（新增——吸收自同文）

适用于评论、分析、讲稿、写作研究等非小说文本的去AI味场景。小说正文的AI味诊断仍以九大结构指纹为主。

症状	识别信号	改法
"不是…而是…"滥用	中文AI写作中频率最高的句式。变体包括"是…不是…""不只是…更是…""与其说是…不如说是…"——识别关键不在于具体变体，而在于：作者是在正常陈述，还是在刻意制造转折？	人顺着说，AI翻过来说。把"不是A，而是B"改成直接陈述B。一篇文中出现≥3次→必须拆掉至少2处
英文句式硬译感	破折号滥用（中文读者不习惯满篇破折号）、过长的嵌套从句（英文三层定语从句→中文读到第二层就喘不过气）	破折号→改成逗号或拆成独立句。长嵌套从句→拆成2-3个短句，按中文语序重组
"首先…其次…最后…综上"全套	无论题材是否需要，这套四件套几乎成了AI议论文的标配。人类写议论文靠语气过渡，不需要显式路标	删除全部显式序列词。用段落之间的逻辑关系自然过渡。如果删掉后读者无法理解顺序→说明论证本身没有逻辑递进，先修论证再修表达
连接词机械堆砌	"此外""同时""并且""然而"——人类写中文时很多过渡靠语序本身完成，根本不需要这些词。AI不放心，每一句都要和上一句显式挂钩	删除50%以上的连接词。用句序本身表达逻辑关系（因果靠先后、对比靠并列、递进靠具体化）
不需要比喻的地方硬塞比喻	议论文本来靠论证推进，AI却总忍不住往里插意象——"像一把无形的刻刀""一条令人心碎的轨迹"。人类用比喻是想了好久才找到一个贴切的；AI随时随地都能掏出比喻，毫不犹豫	删。议论文中每个比喻都必须能回答"不用这个比喻，论证是否受损？"如果答案为否→删除。比喻太廉价了，像批发的

文学赛道核心判别标准——"效果倒推"vs"体验顺推"（新增——吸收自同文）

适用于小说正文、散文等文学性文本。这是比九大结构指纹更底层的判断维度——它不回答"有什么症状"，而回答"句子是怎么产生的"。

核心判断

	AI倾向（效果倒推）	人类倾向（体验顺推）
句子发生方式	从修辞效果出发——先决定"这里需要一个比喻/一个画面"，再从语料库里拼装成句	从身体体验出发——先有一个真实的身体感觉，再想办法说出来
典型表现	"寒意刺进她的胸膛"——主语是"寒意"、动词是"刺进"、宾语是"胸膛"，整个句子从修辞效果倒推出来	"她胸前一冷"——主语是人、动作是感知，没有比喻、没有修辞意图
检测方法	把每句话的主语圈出来。如果大量句子的主语是无生命的抽象名词在执行人类动作（"寒意刺进""悲伤淹没""希望照亮"等），即为倒推	如果主语是有感知的人、动作是具体感知或行为（"她感到冷""他往前走"等），即为顺推

关键认识的纠正：流传很广的一个说法是——人类写"寒意刺进她的胸膛"，AI写"寒意刺进她第四节胸椎"。实际上，"寒意刺进她的胸膛"恰恰是最典型的AI写法（效果倒推），而"第四节胸椎"在特定上下文里（外科医生视角、先锋文本）完全可以是人类的精确选择。判断标准不是"精确度"，而是"句子的发生方式"。

文学赛道去味操作

1. 逐句检查：每一句的"发生方式"是效果倒推还是体验顺推？
2. 效果倒推句 > 30% → 标记为"文学AI味高风险"
3. 改法：把倒推句改成顺推句——人物先感知到什么，再用最简单的语言说出来。不要先想"这里需要一个好句子"，再造句

AI味深层标记——伪俗语与装松弛（新增——吸收自同文）

这两种信号比句式/比喻问题更深、更难察觉，但一旦被识别，是AI味最强力的证据。

伪俗语——"从没存在过的流行语"

定义：AI从大量网络语料里提取高频零件，按统计规律重新拼合出的表达——表面有口语质感，但没有任何真人社群真正使用过。

识别信号：

• 读起来"好像在网上见过"，但细想一下从没听任何人说过
• 由两个以上高频口语零件拼合而成（如"稳稳的"+"接住了"→"稳稳的接住了"）
• 没有社群来源、没有被真人说过用旧过磨损过的历史

示例：

• "稳稳的接住了"——"接住""稳稳的"各自有人用，但组合起来是拼合的
• "不崩、不爆"——"崩"和"爆"各自在饭圈/游戏圈有含义，但并列形容文字质量是凭空出现的
• "从头就跑偏了"——类似"一开始就错了"但刻意包装成口语

检测与处理：

• 遇到疑似伪俗语时，问自己：有没有在真人对话/真人写作中见过这个表达？如果答案是不确定→大概率是伪俗语
• 处理方法：替换为真实的日常表达，或直接删除

装出来的松弛感——"穿西装的人突然翘了个二郎腿"

定义：AI知道过于正式会暴露自己，于是在整齐的分析性语句中定点投放口语词——投放位置和频率都透着算计。

识别信号：

• 周围全是整齐的分析性语句，中间突然蹦出一个口语词（"说白了""扎心""说真的"）
• 语气从头到尾不一致——正式框架里突然插入口语
• 口语词的功能是"制造轻松感"，而非传递特定的情绪或态度

与真正口语化写作的区别：

• 真正口语化：语气从头到尾一致，口语是母语，不是点缀
• 装出来口语化：正式框架+定点投放轻松感，像精确计算过的调料

检测与处理：

• 扫描全文的口语词分布。如果口语词集中在某些段落而非均匀/自然地分布→标记
• 处理：要么全文降调至一致的自然口语，要么删除口语点缀保持正式语域。不允许混搭

比喻批量化——"随时随地掏出一个比喻"

识别信号：人类在议论文/非文学文本中用比喻，一般是想了很久才找到一个贴切的。AI用比喻是随时随地都能掏出一个，而且掏得毫不犹豫——这种流畅本身是破绽。

检测：非文学文本中，比喻密度 > 每500字1个 → 标记。比喻的功能如果不能回答"不用它，论证是否受损"→ 删除。

AI味深度诊断——从"模板腔"到"结构指纹"（新增）

当前网文领域，AI辅助写作已进入"半公开"阶段。传统的AI味识别（模板腔、解释腔、均匀句群）只能抓表层机器痕迹。以下九种深层结构指纹（前六项文本结构层 + 后三项创作逻辑层）是高级AI润色/扩写后的文本最难以洗掉的特征——掌握这些，才能从"句子像AI"识别到"整章有AI深度参与"。

指纹1：感官描写的均匀轰炸

识别信号：全文几乎找不到一句"中性叙述"——每一句都在调动身体感官（疼、热、冷、嗡鸣、视野模糊、膝盖冰凉、心跳撞击胸腔），没有"她跪在地上，周围是灵堂"这种不带身体感受的白描。

为什么是AI特征：人类作者的注意力有起伏——写到紧张处可能专注痛觉忘了听觉，写到情绪沉浸时感官描写就松了。但AI一旦被训练成"要用身体感受来写"，它不会忘——会在每一段、每一个场景、甚至每一个动作里都执着地执行。

拆洗方法：

• 删掉约30%-40%的感官锚点，保留最关键的2-3个
• 故意在情绪最高点留一句中性白描——"她站在那里，什么都没说"——让读者喘一口气
• 感官描写有峰谷才是人；均匀分布就是AI

指纹2：比喻的公式化套娃

识别信号：比喻密度极高，且全部遵循同一个公式——"A像B——（然后加一个精炼的解释或否定）。"

示例：像隔着一层水听人说话。像墨水洇在宣纸上最中心的那一滴。像往抽屉里放一件重要的东西，关上抽屉，知道它在哪。按住左胸口——不是怕。是怕心跳声被屋里的人听见。

为什么是AI特征：AI学到"好的比喻要具体、要加解释让它更独特"后，会在每个能用比喻的地方都套这个公式。人类也会用，但不会用得这么密集、这么结构统一。而且最要命的是——"不是怕。是怕心跳声被听见"这种精准命名情绪并做出修正的写法，是人类在极度紧张时不会做的，真实恐惧中的内心独白是破碎的、重复的、语无伦次的。

拆洗方法：

• 统计全章比喻密度，超过"每千字2处"即触发警报
• 删掉"A像B——解释"结构中的解释部分，只留"像"——让读者自己感受，不要替读者消化
• 把"不是X。是Y"这种工整转折扣全部拆成口语化碎片："她在怕什么？心跳声。让人听见就完了。"

指纹3：节奏的全程匀速——"不会累的作者"

识别信号：从第一章到最后一章，全篇维持同一种"高密度、高张力、每句话都要有信息量"的匀速节奏。没有松弛的段落，没有"只是交代信息就过去"的过渡句，每一段都在努力"写得好看"。

为什么是AI特征：人类写作时思维有快有慢、注意力有集中有涣散、情绪有高涨有平复——这些都会反映在节奏上。有些段落急促（短句、快切），有些段落舒缓（长句、沉浸）。AI不会累、不会走神、不会在某一段只想草草交代完信息就翻过去。这种"全程高能"在人类长篇连载中几乎不可能持续。

拆洗方法：

• 检查全文段落长度分布：若所有段落都在3-5句之间，方差极小 → AI味高
• 故意插入一段"只是把事说清楚就走"的过渡段——允许自己写得"不够好看"
• 在信息密集段之后，放一个"让读者喘气"的段落：一句独白、一个静态画面、一个无压力的动作

指纹4：内心独白的过度条理化

识别信号：

• "已知：……未知：……"式列表化推理（尤其是嵌入古言/非职业文背景中）
• "不是……而是……"式精准情绪修正（"她不是怕。她是在担心如果……"）
• 角色在高压情境下的自我分析像在写案件报告

为什么是AI特征：AI对"深度心理描写"的理解是逻辑化的、分条列的、分析性的。真实人类在恐惧/愤怒/悲伤中的内心独白是破碎的、跳脱的、有时甚至不合逻辑的。AI会把人类的模糊感受整理得太干净、太有条理——这本身就是假。

拆洗方法：

• "已知/未知"列表 → 拆成角色在场景中的碎片化联想（"毒。补药。十六年。她娘也死了——同一时间。谁给的药？谢氏一个后宅女人，从哪弄来这种没人认识的东西？"）
• "不是怕。是……" → 删掉"不是"，直接写"她把右手按在胸口上。心跳太响了。屋里的人会听见。"
• 让角色的推理在动作和环境中显影，而不是在内心独白中整段陈列

指纹5：元叙事的"设定确认"口吻

识别信号：在关键转折点出现叙事层面的总结句，像电影旁白在向观众确认设定收束。

示例："她进了那本书。她现在是沈昭宁。" / "从这一天起，一切都变了。" / "她不知道，这只是一个开始。"

为什么是AI特征：AI被训练时要求"逻辑清晰、设定明确"，它会主动在关键节点做总结性陈述来确认读者没有掉队。人类作者更倾向于让设定在情节中自然显影，不需要主角站在灵堂里对自己说"我现在穿书了"。

拆洗方法：

• 搜索全文的"叙事总结句"——凡是一句话在替作者向读者交代"现在发生了什么"的，删
• 如果设定交接确实需要明确，用角色当下的具体行动替代旁白——不是"她现在是沈昭宁了"，而是"她伸出手，指尖碰到粗糙的麻布孝服。低头看——这不是她的衣服。"

指纹6：职业设定的"教科书式执行"

识别信号：角色是律师，就写"已知/未知列表"；角色是医生，就写诊断推理流程图；角色是程序员，就写逻辑分支树。AI对"专业角色思维"的还原是教科书级的——太标准、太干净、太像职业培训手册中的案例。

为什么是AI特征：真实专业人士的日常思维是混乱的、跳跃的、掺杂了个人经验和偏见的。一个做了八年的律师不会在脑海中列"已知/未知"——她会直接跳到最可疑的那个点，因为经验告诉她在哪里下嘴。

拆洗方法：

• 专业角色的推理必须绕过教科书——写她的经验直觉，而不是她的分析框架
• 写她的"职业偏见"：做了八年的律师会本能地怀疑某类人、忽略某类证据——这种偏见比逻辑推理更像真人
• 允许她在推理中犯一个基于经验但最终被证明是错的判断——错判是人，完美推理是AI

指纹7：穿书/题材固定模板的机械复现

识别信号：作品在关键节点密集使用该题材在AI训练数据中的高频模板——

• 穿书文："车祸穿书→灵堂/刑场受辱→发现原身被害线索→立倒计时复仇flag（'离XX章还有不到X天'）"
• 重生文："睁开眼回到X年前→前世仇人正在面前→手握前世记忆的降维打击"
• 系统文："叮——XX系统已绑定→新手大礼包→第一个任务发布"

为什么是AI特征：AI对"穿书文"的理解不是从情节逻辑出发，而是从训练语料中的共现频率出发。它不知道"倒计时式复仇宣言"在人类创作中是一种需要被掩饰的技巧（人类作者通常会把它藏在角色的具体行动和选择里），因为它看到的训练数据里全是这种显式的版本。

拆洗方法：

• 搜索"倒计时/天数/第X章/剧情拐点"类显式时间标定——全部删除或改写为角色的阶段性行动（不是"离剧情只剩XX天"，而是"她必须在入冬前搬出这座院子——入冬后大雪封路，谁也走不了"）
• 模板开局 → 保留核心冲突但换掉包装方式：灵堂受辱可以保留，但去掉"她进了那本书"的穿书宣言，让原身记忆和现代意识的冲突通过角色的行动选择自然浮现
• 检查"新手大礼包/系统面板/任务发布/属性加点"等游戏化术语是否堆砌——这些是AI生成系统文的最高频词库，删到只剩最必要的一两个

指纹8：专业术语与历史语境的生硬嫁接（含制度层扩展）

识别信号：现代专业知识被直接套用于古代/异世界场景，命名和推断路径完全脱离当时当地的认知框架——

术语层（原始版）：

• 古代角色直接推断出"铅、汞、砷"的具体毒物名，而非通过"水银泻利""丹毒""砒霜"等传统认知路径
• 古代角色使用"皮下沉积沿血管走行""神经毒素"等现代医学术语
• 穿越角色在现代知识帮助下直接使用21世纪的分类体系，没有中间推演过程

制度层（扩展）——AI 在古言/古代设定的关键制度点上，会把现代制度直接嫁接入古代语境：

• 时辰穿越：把"卯时/酉时"写成"上午10点/下午4点"，甚至补一句"按时完成工作"（现代职场用语）
• 历法穿越：公历日期（"3月8日"）混入古言设定中，或把"初五"误植为"大年初五"（春节代名词）
• 称谓穿越：在同一段落中用"谢氏→谢家→谢家人"跨层级跳跃（把个人、家族、家族成员混为一谈）
• 单位穿越：在古言中出现"公里""小时""分钟""摄氏度"等现代单位

数字层（扩展）——AI 在数字表达上缺乏语域一致性：

• 同一章内混用"第37页"（阿拉伯数字）和"第十七章"（汉数字）
• 古言设定中大量使用阿拉伯数字（"第23章""3年""1000天"），严重破坏气氛统一性

为什么是AI特征：AI能复刻训练数据中"法医学知识"的词条和定义，但无法模拟"一个从未接触现代化学的古代人如何逐步接近中毒这个事实"的认知历程。人类作者若写此类情节，会设计角色通过《本草纲目》类古籍、民间偏方、老郎中的经验口述等方式逐步推测——中间有误判、有盲区、有基于错误前提的正确结论。AI可以直接从A跳到Z，因为它的训练数据里A和Z是关键词关联的。

拆洗方法：

• 用"角色在当时当地能接触到什么信息"替代"作者已经知道的事实"——先列出这个角色在设定年代/环境中最多能知道什么（如一品大夫的口述、乡下神婆的偏方、药铺掌柜的经验），再从这个边界出发推导她的推断
• 对任何"现代知识通过穿越角色传入古代"的桥段，要求至少一个中间推演步骤——不是"这是铅中毒"就完了，而是"她对着那张脸看了很久，想起法医课上的幻灯片——铅中毒的面色不是这个色。但这个呢？她不确定。她需要一个能在这年代搞到的东西来证明。"
• 删除所有21世纪专业术语的直接命名，替换为特征描述 + 不确定性："她的脸不是被毁容——骨头没变，皮肤没疤痕，只是颜色不对。像什么东西从里面渗出来。不是外伤。是吃了什么东西。"

翻译腔层（扩展）——AI生成中文文本时，海外模型常带出翻译腔，尤其在"稳、硬、推、强"四个万能字上高发：

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§09 翻译腔重

万能字	AI高频用法	人类更自然的写法
硬	能力很硬、方案很硬、约束很强（来自英文hard/hardcore）	能力很强、功能扎实、约束更强
稳	表示"可靠"时全用"稳"（稳运行、稳交付）	失败率低、结果可复现、流程可靠
推	一个"推"涵盖所有动作（推荐工具、推送通知、推动执行、推进任务）	按具体动作拆：推荐用"推荐"、推送用"发"、推动用"协调"
强	万能好评（强能力、强抓手、强支撑）——读者只知道在夸，不知道强在哪里	具体到"哪个方面如何优于基准"

拆洗方法：

• 扫描全文"稳/硬/推/强"四字，凡用于抽象评价而非具体描述的，替换为具体特征或量级表达
• 优先检查对话中是否出现这些词——角色不该像在写产品文档

语序层（扩展）——AI偏好"抽象名词提前"的英文语序，中文习惯先说人和事：

• "这带来了新的管理成本" → "后面还会多出验收和返工成本"
• "用户买的是完成一件事情" → "用户真正付费的，是把一件事做完"

指纹9：叙事逻辑的"过度合理"——认知盲区与误判的缺失

识别信号：所有线索线性闭环——皮肤暗沉→中毒→母亲之死→同一毒物——全程无一次误判，无一个认知盲区，无一个"基于当前证据的合理但最终被推翻的假设"。

为什么是AI特征：AI为规避逻辑风险，倾向于让叙事"每步都对"。真实人类创作（即使是经验丰富的作者）中，角色会有认知盲区——她们会误判、会忽略关键线索、会基于偏见做出错误推断然后在后续章节中被现实打脸。这种"失控感"是AI难以模拟的：AI不理解为什么一个聪明的角色应该犯错，因此它的角色总是"在看到足够证据之前不下结论，在证据充分时结论绝对正确"——这本身就是一种非人类的行为模式。

拆洗方法：

• 在大纲层面预埋至少一个"角色完全搞错、后续章节才被纠正"的认知盲区
• 在每一章的推理链中，给角色一个"可能对也可能错"的假设——不是"这一定是毒"，而是"三种可能：毒、先天病、她疯了。先按毒查。"
• 检查全文是否存在"角色从未对任何关键事实做出过误判"——若存在，判定为AI味的高置信度信号
• 允许关键线索被角色"看到但忽略"——因为当时的注意力被更紧迫的事抓走了，或者因为偏见让她不认为那是一条线索

额外扫描面：动词匮乏与形容词替代（新增——吸收自知乎专栏「中国网络文学研究」#45）

识别信号：正文中大量使用"情绪形容词"替代具体的动作描写——"他很愤怒"替代"他一拳砸在墙上"，"她很害怕"替代"她缩进墙角，屏住呼吸"。这种描写方式的本质是用解释替代呈现，是AI味的重要根源之一。

对比诊断：

❌ 形容词告知（AI高发）：房间里很安静，气氛很压抑。他是一个悲伤的老人，眼神里充满孤独。
✅ 动词呈现（人写版本）：老人坐在窗边。阳光爬上他的手背，停了一下，又缩了回去。他没有动。桌上的茶凉了，他也没动。

核心原理：形容词是"替读者做判断"，动词是"让读者自己判断"。前者让读者变懒，后者让读者上瘾。AI模型倾向于使用形容词，因为形容词在训练数据中与情绪词共现频率高、生成路径短；而精准的动词选择需要更多的语义推理。

"动词匮乏"的量化判断基准：

• 统计一章正文中直接使用情绪形容词（愤怒、悲伤、恐惧、开心、焦虑、紧张、幸福、痛苦等）直接修饰人物状态的次数
• 若每千字超过 3 处情绪形容词直接修饰人物 → 判定为"动词匮乏"高风险
• 同时检查"他感到/她觉得/她意识到/他注意到/她发现"等过滤词密度——这些词往往伴随形容词表达出现

拆洗方向：

1. 删情绪词加动作："她很害怕" → "她缩进墙角。听见脚步声，立刻屏住呼吸。门把手转动的声音传来，她把指甲掐进掌心。"
2. 用名词承载历史：不写"一把古老的匕首"，写"他握住匕首。银饰在掌心里发烫。他翻过刀身，拇指抚过那些刻痕——祖父的、父亲的，现在轮到他的了。"
3. 让场景自己说话：不写"一座古老的教堂"，写"教堂的钟敲了七下。推开木门，门轴发出干涩的呻吟。石板上磨出一道凹槽——那是三百年来每个周日做礼拜的人踩出来的。"
4. 情绪体验改成动词链：不写"她很生气地走进房间"，写"她推开门。包摔在桌上，水杯晃了一下。她坐下去，椅子向后一滑，又拉回来，往前挪了半寸。"
5. 一句话自检法：写每句话后问自己——"这句话里有动词吗？这个动词能让读者'看到'动作吗？"（"想"看不到，"握紧"看得到；"知道"看不到，"发现"看得到）

训练工具：一周禁词令——未来一周禁止使用任何"高兴、悲伤、愤怒、害怕、惊讶"类情绪形容词，出现一次罚写500字动作描写。一周后你会发现文字活了。

来源：知乎专栏「中国网络文学研究」#45《很多人不知道，写小说，这个技巧能让你脱胎换骨》顾里木图的小酒馆 置信度：高 — 从原理到案例到训练方法完整；与 §「情绪表达层级叠加诊断」互补但不同维度，"层级"看情绪藏在哪层，"动词"看动作是否替代了形容词

额外扫描面：例子不落地（假案例综合症）——AI案例缺少真实任务锚点

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§05 例子不落地

识别信号：正文中出现"看起来像案例，其实没发生"的假例子——有案例框架（"比如""举个例子""我有一个客户"），但没有具体的时间、任务、角色、动作和结果。

❌ 假案例（AI高发）：一个内容创作者通过AI优化选题、提高效率、降低成本，最终提升了内容质量。
✅ 真案例：我让AI检查一篇工具测评稿，它很快给出十几条修改建议。真正有用的只有两条：一条指出开头没有说明使用场景，另一条提醒我把"适合办公"改成"适合把会议录音整理成纪要"。剩下的建议，大多只是把句子改得更顺。

为什么是AI特征：AI的"举例"机制是从训练数据中抽取"最像案例"的模式拼合而成——它无法锚定到具体一次任务、一个时间点、一个真实的人说过的一句原话。例子换到任何账号、任何场景下都成立——这正是假案例的本质。

量化判断基准：

• 检查正文中的每一个"比如/举个例子/例如/我有一个朋友"——该例子里是否有至少一个：具体时间（"上周三"而非"最近"）、具体角色（"负责运营的老王"而非"一个内容创作者"）、具体动作（"打开后台看了一眼留存曲线"而非"优化了策略"）、具体后果（"转化率从1.2%升到3.8%"而非"获得了显著提升"）。
• 若连续两个及以上案例均缺少以上四要素中的至少两个 → 判定为"假案例综合症"。
• 若整个章节的案例全部缺少具体任务锚点 → 高AI参与度信号。

拆洗方法：

1. 给每个案例补一个真实锚点——哪怕只是虚构的，也要有"谁、什么时候、在哪、做了什么、结果是什么"的完整链条。
2. 去标签化——删除"比如""举个例子""让我告诉你"的案例标签，直接把案例嵌入叙事流："上周三改一篇稿，AI给了十几条建议。真正有用的只有两条。"
3. 案例必须有筛选动作——不要只写AI给了什么建议，还要写"我留下了哪些、扔掉了哪些、为什么"——筛选才是人的判断，罗列是机器输出。
4. 自检问题：这个例子换到任何账号发布都成立吗？如果答案是"是"，它就是假案例。

指纹10：AI语义崩溃模式——当AI"卡住"时的特征性失控（新增）

识别信号：在正文中发现以下任何一种模式，即为极端高风险AI信号（人类写作中几乎不可能出现）：

• 崩溃式重复：同一时间/数字信息在连续行内以不同猜测值反复出现（"后天。三天之后。三天以后。三天之后。"）——AI在无法确定精确值时反复猜测的输出残留
• 矛盾信息并置：两个明显冲突的事实被并置在同一段（"明天"和"三天后"并存）——AI同时激活多套信息但无法判断冲突
• 元文本入侵：正文中突然出现"从现在起""我将不再使用这个账号""你会看到"等非叙事元语言——AI把自己的系统指令漏进了正文
• 代词锚定失败：代词与先行词不匹配（"妈妈你好她的名字叫做"），或主语完全丢失

为什么是AI特征：这几种模式共用一个源头——AI在生成序列时对"当前位置需要精确信息"的感知力极弱。当它无法从上下文中提取精确值时，会猜测后输出一遍、再猜再输出，直到猜测的残次版全部留在正文里。人类作者对"我不确定"的反应是模糊化（"几天后""某个深夜"），而非猜测+输出的循环。

拆洗方法：

• 崩溃段不能局部修复——一旦发现崩溃式重复或元文本入侵，整段删除后人工重写，崩溃段的内部结构已被破坏

指纹11：DeepSeek模型特有指纹——"DS味儿"的专项识别与拆洗（新增）

来源：虎嗅网《AI落地的苦，没有人比网文圈更懂》、爱范儿报道、网文编辑社区观测；本仓库《朱雀AI检测机制与应对手段研究报告》。

DeepSeek-R1/V3系列模型在网文生成中有独特的文风特征，被编辑统称为"DS味儿太浓了"。这些特征与普通AI味不同，有其特定的识别信号和拆洗策略：

特征A：精密数字堆砌

DS生成的章节开头常堆砌精确数字——"二十七层楼、三千六百秒、一百四十三人"，用精密感制造"真实"，实则过度。

拆洗：保留最关键的一到两个数字，其余模糊化处理。"三四个人""几分钟"比精确计数更自然。

特征B：不必要的精妙比喻

DS在强化学习中对"创造性"的偏好导致比喻过度密集——且比喻质量高但出现位置不合理。

拆洗：统计全章比喻密度，超过"每千字2处"即触发警报。删除至少一半，只保留与当下情境情绪直接绑定的那一个。

特征C：意象随意堆砌

在不需要描写的段落塞入大量意象（"暮色像打翻的砚台，楼道里的声控灯在咳嗽，墙皮像剥落的旧海报"）。

拆洗：每个场景锁定1个核心意象做主角，其他全部清掉。意象服务于当下角色情绪，而不是堆出来展示文字能力。

特征D：发散式联想偏离主线

DS内容容易从当前主线细节展开不必要的"联想分支"——在追凶时突然描写天气像什么、在对话中突然插入环境感官轰炸。

拆洗：每个段落的每一句话，先问自己"这一句有没有推动当前小目标"。没有就删，不让读者在紧张节奏中被拉去逛风景。

特征E：对称句结构癖好

DS偏好"前半句-逗号-后半句"长度相近的平衡句式，导致全文读起来像在打拍子。

拆洗：扫全文对称句，把至少一半拆成不等长结构——长句配短句、完整句配碎片句，打破平衡感。

"均匀就是AI"——去味快速检查清单（新增）

来源：本仓库《朱雀AI检测机制与应对手段研究报告》核心发现。该报告指出，AI检测最敏感的七大敏感特征中，有六条直接与"均匀性"相关。

检测工具最敏感的既不是用词好坏，也不是逻辑对错，而是**"均匀性"**——文本在多个维度上是否过于整齐划一。以下六条检查项，去味完成后逐条过一遍，有任何一条中招即应返回调整：

检查项	危险信号	去味方向
段落长度	每段3-5行，节奏无变化	穿插1行短段和8-10行长段
句长分布	全部7-15字，无长短交错	2-5字短句占≥10%，25-40字长句占≥15%
细节密度	重要场景和过渡段落"分量一样"	关键场景多细节，过渡段故意少写
情感曲线	全文语气平稳一致	兴奋/紧张时短句加速，低沉时长句舒缓
段落质量	每段都打磨到一样好	允许局部"不够好"的过渡段落
逻辑推进	每一步都严丝合缝	允许跳针、留白、信息推迟释放

反直觉结论：把每一段都写到同样好，反而增加AI嫌疑。人类写作天然有"高能段落"和"只是过场"的波动——去味的目标不是整体提优，而是恢复这种自然的"不均匀"。

• 所有数字/日期位置必须回到原文/设定中核实精确值，不能相信AI对虚构设定的"记忆"
• 如果确切数值在设定中就是模糊的，用模糊表达（"入冬前""某个深夜"）替代AI的虚假精确

---

量化检测指标——从"感觉像AI"到"可测量的AI指纹"（新增）

以下指标是AI风格文本在统计层面的稳定特征。当单个指纹的读感判断不确定时，用下述量化指标辅助决策。

破折号异常使用率

测量方式：统计全文破折号占总标点符号的百分比。

阈值	判定	说明
≤ 1.5%	正常	人类网文创作的平均水平
1.5%–2.5%	关注	偏高，需结合其他指标判断
> 2.5%	AI高风险	显著超过人类平均值（~1.1%）

为什么是AI特征：AI倾向于用破折号做"强行解释"——"不是天生的。是毒。"——因为它的训练数据中这种"断裂-补逻辑"的模式极为高频。统计全文中用于解释/补逻辑的破折号占比：若 > 80% 的破折号用于解释性插入，则AI置信度极高。

句长均匀度（句长标准差）

测量方式：计算全文中所有完整句子的字数标准差。

阈值	判定	说明
≥ 8 字	正常	人类长篇创作的典型波动范围
5–8 字	关注	偏均匀，缺乏长短错落
< 5 字	AI高风险	节奏过于均匀，"会写"但没有呼吸感

操作提示：AI文本的句长标准差极窄（4-5字），说明每个句子在长度上几乎没有变化——这是机器优化到"最佳阅读体验"的副作用。人类即使刻意控制句长，也会在情绪波动处自然出现标准差 > 8。

疼痛/感官词密度

测量方式：统计"疼""痛""烧""冷""钻""刺""嗡""钝""麻""辣"等身体感官词 + 描述疼痛的比喻（如"像火燎""像针扎"）的总出现次数 / 千字。

阈值	判定
≤ 2 次/千字	正常
2–4 次/千字	关注——身体感官描写偏密集
> 4 次/千字	AI高风险——感官轰炸式写作

"不是……（而）是……"转折扣密度

测量方式：统计"不是X。（而）是Y"或"不是X——是Y"结构每千字出现次数。

阈值	判定
≤ 0.5 次/千字	正常
0.5–1.5 次/千字	关注
> 1.5 次/千字	AI高风险——过度精确的情绪命名和修正

AI高频词密度

测量方式：统计以下中文AI高频词在正文中的总出现次数 / 千字。词库分三组：

• 叙事腔：画卷、诠释、迷离、氤氲、仿佛、宛如、宛若、犹如
• 万能形容：深邃、璀璨、斑斓、微凉、温热、细碎、斑驳
• 动作模板：嘴角（勾起/扬起/扯出）一抹、眸中（闪过/划过/掠过）一丝、喉间（发出/溢出）一声

阈值	判定
≤ 1 次/千字	正常
1–3 次/千字	关注——建议结合结构指纹判断
> 3 次/千字	AI高风险——词库式写作，词汇密度远超人类均值

词库可按题材扩展：穿书文追加倒计时、剧情、原主、书中；系统文追加面板、礼包、加点、任务。

使用量化指标的注意事项

• 五项指标联合使用，不依赖单一指标做判断
• 短文本（< 3000 字）的统计不稳定，只作为参考
• 若两个及以上指标同时落入"AI高风险"区间 + 至少一个结构指纹触发 → 判定为高AI参与度
• 量化指标只辅助诊断，最终去味策略仍以指纹层拆洗方法为准

AI味三类归总框架——快速诊断分级工具（新增）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》"写在最后：AI味大致可以归成三类"

本框架将AI味的12大类症状归为三层类别，作为快速诊断的分级入口。去味前先判断当前文本的AI味主要落在哪一层，再决定优先下刀层。

层级	名称	包含症状	诊断聚焦	优选下刀策略
第一层	结构上的AI味	结构太完整（提纲完整病）、清单扁平化（缺优先级）、段落太整齐（节奏匀速）、假节奏（无期待曲线）	正文的骨架是否过于规范、工整、"什么都说了但没重点"	先做"主次判断"——砍掉为了完整而写的段落，制造信息不对称
第二层	表达上的AI味	抽象词太密、句式用太多（不是/而是等）、修辞太用力（比喻堆砌）、翻译腔重（稳硬推强万能词）	句子的信息密度——删掉抽象词和信息量未增加的修饰后，剩下的信息是否够	先删抽象词和万能句式，再处理修辞和翻译腔
第三层	内容与观点上的AI味	观点太安全、例子不落地、太爱升华、观点不清晰（模糊归因）、结尾套话	内容是否有真实落点——是否有具体的判断、可核实的案例、和作者位置	先补观点（明确取舍）和锚点（给案例补时间/角色/动作/后果）

使用规则：

1. 初筛时，先判断当前文本的AI味主要落在哪一层——可跨层，但至少锁定"最重的一层"作为优先下刀层
2. 每层内部的优先级按上表"包含症状"的顺序从左到右
3. 层间优先级：第一层（结构）> 第三层（内容观点）> 第二层（表达）——因为结构和观点的AI味对读者驱动力伤害最大
4. 在每一层去味完成后，回到本框架确认该层已清除干净，再进入下一层

指纹11（新增）：假节奏——缺少预告-期待的线性推进

识别信号：全文或整章在"节奏"层面感觉不对劲——不慢、不拖、每句都有信息量、每段都在推进，但就是缺少"读者知道要来了但还没来"的期待感区间。把本章概括出来，就是"主角做了A→做了B→做了C"的平推清单。

为什么是AI特征：AI被训练的目标是"生成连贯、信息完整、逻辑自洽的序列"。它天然倾向于把所有信息按最佳顺序排好、一次性交付给读者——这是"信息传递"的思维，不是"叙事节奏"的思维。真实叙事的节奏包含蓄力、延迟、刻意吊胃口这些"信息上不高效但读感上高效"的设计。AI不会主动选择"此时应该先不告诉读者答案，让读者等两段再揭示"——因为在信息论层面这是"低效"的，但对于读感来说这是"有效节奏"。

与指纹3（节奏全程匀速）的区别：

• 指纹3：节奏在句法层面均匀——句长、段落长度、描写密度都差不多
• 指纹11：节奏在结构层面均匀——一路推到底，缺少"读者知道要来了→还没来→快来了→终于来了"的期待曲线

拆洗方法：

1. 插入"延迟区间"：找到本章最关键的揭示/爆发/回报点，在它之前故意插入1-2段蓄力内容（角色观察环境、对手的细节动作、一个将爆未爆的信号）——不是拖字数，是给读者一点"啊要来了……"的时间。

   • 示例：AI原稿"陈勉推开门，看到王主任坐在里面。王主任说'你来了'，陈勉走了过去"→ 改为"陈勉推开门的动作顿了一下。王主任在——这个时间点，他应该在经侦科做笔录，而不是坐在陈勉的办公室里。'你来了。'王主任先开了口。语气太平静了。平静得让陈勉站在门口没动。"

2. 把"直接揭示"改为"分步逼近"：一个关键信息不要一次性交代完，拆成信号→逼近→确认三步。

   • AI原稿："检测报告显示，水样中的汞含量超标三倍。"
   • 改为："检测报告的封面是黄色的——黄色代表异常。他翻开第一页。一个数字跳进眼里：3.0。标准值是1.0。三倍。他抬头看了一眼墙上的价值表——按这个浓度，整栋楼的饮水系统都要停用检修。"

3. 制造"读者知道但角色不知道"的信息差：这是打破线性推进最有效的手段。让读者提前知道一个角色不知道的关键信息，读者就会在角色犯错的边缘紧张等待。

   • 示例：让读者先知道"门被反锁了"然后主角毫无察觉地走进房间——读者会紧张地等主角发现门锁不对劲的时刻。

4. 允许非必要内容的"氛围留白"：在和关键剧情无关的过渡段落，可以写一句"只是交代气氛"而不推进任何信息——真实人类的注意力并非永远高效。

   • 示例："窗外的雨还在下。桌上的茶已经凉透了。陈勉盯着对面空着的椅子。"——这三句话没有推进一条信息，但建立了"等待/沉闷"的氛围，让读者知道"事情还没开始"。

验收标准：去味后的文本，把"主角做了A→做了B→做了C"的概括骨架写出来。如果读骨架感觉"这是一路推进"，而去味后的全文读感是"有起伏、有期待、有释放"——说明假节奏已修复。如果两者读感差异不大，说明去味未覆盖节奏层。

额外扫描面：结构太完整——像提纲，不像文章（新增——吸收自知乎Kevin）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§01 结构太完整

识别信号：AI把内容写成"背景→原因→方法→总结"的完整结构，每个部分都被平等照顾、面面俱到，但读者读完后找不到"这篇到底想强调什么"。真人写作会有主次、有停顿、有取舍——知道哪里该展开，哪里可以一句带过。AI稿的问题是每一层都被照顾到，最后看起来很全，读起来却没有推进。

与指纹3（节奏全程匀速）和指纹11（假节奏）的区别：

• 指纹3：句法层面的均匀——句长、段落长度、描写密度均匀
• 指纹11：结构层面的"平推"——缺少蓄力-期待的曲线
• 本项：信息层面的"完整病"——每一层都被平等对待，没有主次判断。读者看到的是模板，不是判断

拆洗方法：

1. 标出本章真正的"高权重段落"——本章最重要的是什么？是冲突爆发、关键证据揭示、还是情绪转折？找到后，删除或压缩其他段落中"为了完整而写"的部分（过渡说明、多余背景、平行展开）。被压缩的段落可以只留一句或干脆删掉。
2. 制造信息不对称——重要的内容多写几段，次要的就一句带过。让读者从"篇幅占比"就能感受到哪些事情更重要。
3. 允许局部"没头没尾"——某条线索可以先开个头但不展开，留到下一章再续上。AI不敢这样写，但这是人让读者追读的手段。

额外扫描面：清单扁平化——什么都列，什么都浅（新增——吸收自知乎Kevin）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§02 太爱用清单

识别信号：正文大量使用"三类原因、五个方法、七个步骤、十二个信号"的清单格式，且每一点平均用力、没有优先级。清单一多，文章就容易变成"每一点都说一点，每一点都没说透"。

为什么是AI特征：AI的"列举"机制源于训练数据中的结构化知识——它能识别出"某个概念有N个方面"并整齐列出。但AI不理解"哪一项最危险、哪一项可以先忽略"——因为优先级判断需要作者主观经验，不是统计共现能给出的。

量化判断基准：

• 扫描正文中"X类/个/种/项/点/信号/方法/步骤"的列举结构
• 若全文超过2处此类清单结构 → 触发检查
• 检查每项清单中是否有优先级标记（"最重要的是""第一个要警惕的是""最危险的一项是"）——若连续两个及以上清单均无任何优先级提示 → 判定为"清单扁平化"

拆洗方法：

1. 每张清单只留一个"核心项"展开写——其他项压缩成一句或合并到段落叙事中。不要为了"全面"把每一点都写成一段。
2. 给清单加优先级——如果必须用清单，明确告诉读者"先看哪一项、哪一项最危险、哪一项可以先跳过"。
3. 把清单嵌入叙事流——不要用"第一个……第二个……第三个……"的平铺，而是让清单项在角色的行动选择中自然浮现（"他先排除了A，因为……；然后B看起来最可疑，但缺少证据；最后他决定先按C查"）。

额外扫描面：观点太安全——看起来都对，其实没观点（新增——吸收自知乎Kevin）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§04 观点太安全

识别信号：全文的判断句都用"一方面……另一方面……""既……也……""总的来说"来保持平衡——赞成谁不写、反对谁不写、优先做什么不写、哪些做法不建议碰也不写。读者读完知道"这件事很复杂"，但不知道该往哪个方向走。

与原则四（表达鲜明的观点）的关系：原则四定义了"应该怎么做"的方向，本项提供更具体的检查清单和拆洗方法——两者是"纲领→执行细则"的关系。

量化判断基准：

• 统计正文中"直接的判断句"（"最好不要……""最值得警惕的是……""我倾向……""关键在于……"）与"平衡句"（"一方面……另一方面""既……也……""不能简单地说……"）的比例
• 若平衡句数量超过判断句 → 判定为"观点安全"高风险
• 同时检查正文是否包含"可被反驳的具体结论"——即是否存在一个具体的判断，让读者可以赞同、反驳或补充

拆洗方法：

1. 加明确的立场锚点——至少在每个关键判断处写一句"我倾向/我反对/我认为最危险的是……"。
2. 用具体取舍替代平衡表述：不写"AI可以提升效率，但仍然需要人类判断"，写"AI最容易误导人的地方，是它把稿子写得太完整，让你误以为自己已经完成了判断"。
3. 给读者留下讨论空间——一个明确的判断比平衡表述更容易引发讨论。不要怕被反驳，被反驳比被遗忘好。

额外扫描面：太爱升华——基础问题没讲清，就往高处拉（新增——吸收自知乎Kevin）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§10 太爱升华

识别信号：正文在段落末尾或章节结尾处，从不就事论事——明明问题只是"这篇稿子为什么像AI"，它突然跳到时代变化、生产关系、个人成长、长期价值。基础答案没给够，就先拉高到抽象层面。

与指纹5（元叙事总结口吻）的区别：

• 指纹5："从这一天起一切都变了"式的叙事层设定确认
• 本项：在段落或章节末尾，基础问题没讲清就升华到更宏大或更抽象的层次

拆洗方法：

1. 先就事论事再升华——确保每个抽象升华之前，基础判断已经成立。可以把升华句删掉，看读者是否还能理解"这件事为什么重要"——如果不能，说明基础判断不够。
2. 自检问题：这一段的最后一句话，如果删掉，段落信息量是否减少？如果没减少，它就是多余的升华。
3. 把"升华能量"转移到具体判断上——不写"这反映了时代的变化"，写"这意味着入冬之前，他必须搬出这座院子——大雪封路后谁也走不了"。

额外扫描面：结尾套话——突然总结，突然号召（新增——吸收自知乎Kevin）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§12 结尾套话

识别信号：章节或段落结束时，出现"总结三点→升华一句→号召行动"的固定模式。总结只是在重复标题或前文内容，没有增加新信息；号召缺乏具体的下一步指向。

拆洗方法：

1. 删除"总结句"——如果前文已经完成了论证，读者不需要在结尾再读一遍压缩版。
2. 结尾落在具体问题上——不写"总之，AI味有三大来源，我们应该注意"，写"下次看到一篇像AI的稿子，先看三件事：结构是不是太模板，表达是不是太冗长，内容是不是不落地"。
3. 自检问题：把结尾段删除，全文是否依然成立？如果成立，说明结尾是套话。

---

子Skill编排：去AI味五件套协同工作流（新增——整合社区验证的五款去AI味Skill）

来源：知乎·路过银河《让 AI 写得更像人：5 个值得安装的写作 Skill》（2026-07-12）。本 Skill 目录下已内置五款子 Skill 的完整规则文件。

本 Skill 目录下的五个子目录（humanizer-main/、Humanizer-zh-main/、stop-slop-main/、taste-skill-main/、shuorenhua-main/）各自包含一套独立的去AI味能力。它们不是本 Skill 的替代品，而是可插拔的协同模块——你可以在不同阶段按需调用，也可以按推荐编排顺序串联使用。

五件套总览

子Skill	核心定位	最佳使用时机	语言	输出特点
humanizer	英文基础去味——扫描夸大意义、宣传腔、肤浅分析、模糊归因、破折号滥用、三段式排比、AI高频词、被动语态、填充短语	英文内容的第一道扫洗	EN	保留核心信息，匹配原文语调，注入个性
humanizer-zh	中文基础去味——处理书面腔、过度总结、四字结构、"收了但没说完"的收尾感、表演性技术腔	中文内容的第一道扫洗	ZH	中文AI腔专项处理，比英文版更适配中文网文
stop-slop	快速质检——8条核心规则 + 5维评分（直接性/节奏/信任感/真实感/信息密度）	改写完成后、终审前的质量门禁	EN/ZH	输出评分卡，低于35/50分回炉
taste-skill	破模板增个性——拒绝默认开头、中庸结论、保险套话；逼你选立场、定语气、建节奏	基础去味后、需要让内容有辨识度时	EN/ZH	让内容"不像抄的"，有立场和辨识度
shuorenhua	场景化终审——按 chat/status/docs/public-writing 四场景分档，去掉模板感、表演腔和虚假主语，保留事实/术语/责任主体	最终输出前最后一轮	ZH/EN	改完能直接发，读起来像具体人在当前场景下表达

推荐编排顺序（四步法快速通道）

以下编排顺序来自知乎文章推荐的实战搭配，已根据本仓库的中文网文场景优化：

第1步：humanizer-zh（中文）或 humanizer（英文）
  → 做一遍基础去味，洗掉最明显的AI痕迹
  → 对应本Skill第三步（病灶初诊）+ 第四步（按档改写）的表层处理

第2步：stop-slop
  → 快速质检，砍掉残留的套路句式
  → 输出五维评分卡，任一项低于7分需针对性补修
  → 对应本Skill第六步（复检）的前置质量门禁

第3步：taste-skill
  → 注入个性——拒绝默认开头、中庸结论、保险套话
  → 对应本Skill第五步（人声回补）的上游策略层——先定调再回补

第4步：shuorenhua
  → 场景化终审，确保读起来像人在说话、可以直接发布
  → 对应本Skill第九步（统计对抗）+ 第十步（人味编辑终审）的轻量替代

与本 Skill 既有十步流程的对接

五件套不替代本 Skill 的完整十步流程，而是提供分层可插拔的模块化选择：

本Skill步骤	全流程模式（完整十步）	快速通道（四步法）	说明
第一步·裁判源复核	强制执行	强制执行	裁判源复核不可跳过——五件套不读取人物传记和故事设定
第二步·范围确认	强制执行	强制执行	范围确认不可跳过
第三步·病灶初诊	识别雷达 + AI味高发信号 + 实战对比案例	humanizer-zh 基础扫洗	快速通道用 humanizer-zh 替代表层扫描，但深度结构指纹诊断（九大指纹）在快速通道中跳过
第四步·按档改写	三档手术强度 + 四维病灶45条 + AI句式替换 + 句级改写	humanizer-zh 深度改写	快速通道将诊断和改写合并
第五步·人声回补	视角塌陷修复 + 雕琢腔拆除 + 风格注入	taste-skill	快速通道用 taste-skill 的"拒绝默认"策略做轻量人声注入
第六步·复检	红线保护 + 后供血复检 + 执行清单	stop-slop 五维评分	快速通道用 stop-slop 评分卡替代完整复检
第七步·回写	多轮诊断模板	同左	—
第八步·多轮迭代	自批评技术 + 三位读者框架	可选	快速通道默认单轮，复杂文本追加
第九步·统计对抗	十维度扫描 + 人类指纹注入	shuorenhua 场景终审	快速通道用 shuorenhua 的场景化改写替代统计层面对抗
第十步·终审	三视角终审模拟	shuorenhua 终审	—

使用决策：用户未明确要求"快速"时默认走全流程模式；用户说"快一点""简单去下味"时走快速通道。

stop-slop 五维评分质量门禁（新增）

来源：stop-slop Skill，基于 8 条核心规则的 5 维度量化评分。

在最终输出前（全流程模式对应第九步前，快速通道对应第4步后），必须执行五维评分。每维度 1–10 分，总分低于 35/50 分时判定为不合格，必须回炉：

维度	检查问题	网文场景的评分锚点
直接性 (Directness)	是直接陈述还是绕圈公告？	10分=每句话都在推进情节或人物；1分=大段心理活动/环境描写不推进任何事
节奏 (Rhythm)	句长和段长是否有变化？	10分=有明显长短句交替、段落呼吸感；1分=每句25-35字、每段3-5句的均匀机器节奏
信任感 (Trust)	是否尊重读者智力？	10分=留白充分、不解释读者已能推断的信息；1分=每件事都要解释"为什么""这意味着什么"
真实感 (Authenticity)	读起来像人写的吗？	10分=能感受到具体人物在说话、有口癖和毛边；1分=所有角色同一种标准中文
信息密度 (Density)	有没有可删的内容？	10分=每段都有不可删的信息或情绪推进；1分=大量可删而不影响理解的装饰性描写

门禁规则：

• 总分 ≥ 40 → 绿灯放行
• 总分 35–39 → 黄灯，标注低分维度，选择性修
• 总分 < 35 → 红灯，必须回炉重修低分维度后再评分
• 任一维度 = 1–3 分 → 无论总分多少，该维度必须针对性修补

shuorenhua 场景化终审——四场景分档规则（新增）

来源：shuorenhua Skill，按场景控制改写力度。

shuorenhua 的四场景分档为去AI味提供了发布场景感知——不同发布场景对"像人"的要求不同：

场景	对应网文场景	默认力度	核心约束
chat	作者有话说、章后小剧场、读者互动	minimal	保留口语感和个人习惯，只去掉端着说话的表演腔
status	章节后记、创作日志、更新通知	minimal/standard	保留时间线和事实，不改成"文学化"表达
docs	设定文档、写作研究、人物传记	minimal	保留术语和系统主语，只去模板腔不去技术性
public-writing	章节正文（默认主场景）	standard	语域一致、去掉表演性技术腔、去掉虚假主语和收束腔

章节正文场景的 shuorenhua 终审清单（在快速通道第4步执行）：

1. 模板感检查：是否存在"首先…其次…最后""不仅…而且…""一方面…另一方面"等模板结构？
2. 收束腔检查：结尾是否在"总结升华"而非落在具体动作/信息上？
3. 虚假主语检查：是否存在无生命的抽象名词做主语（"这场战斗标志着…""这次突破象征着…"）？
4. 表演腔检查：是否存在AI式共情表演（"你不是敏感，你只是太久没被稳稳接住了"类姿态层）？
5. 语域漂移检查：正文章节中是否突然出现口语化/书面化语域混搭？

shuorenhua 的保护原则（不可改内容）：

• 人物传记中定义的声口特征 → 保护
• 故事设定中定义的规则/术语/专有名词 → 保护
• 控制卡中标注的核心卖点句 → 保护
• 章末钩子的具体落针 → 保护

五件套与本 Skill 既有 references 的协同分工

五件套的规则文件（各子目录下的 SKILL.md 与 references/）与本 Skill 的 18 个 reference 文件不重复、不冲突：

• 五件套负责：通用AI语言模式的识别与替换（夸大意义、宣传腔、模板结构、AI高频词、被动语态等）——这些是语言层的"表层手术"
• 本Skill references 负责：网文专项病灶（视角塌陷、雕琢腔、OS叙事拐杖、主语重复率、感官均匀轰炸等）——这些是网文场景的"深层手术"
• 协同规则：表层手术优先（先用五件套洗掉通用AI味）→ 深层手术在后（再用本Skill references 处理网文专项病灶）。如果跳过表层直接做深层，会导致大量通用AI味被当成"需要深度诊断的病灶"而浪费诊断资源

风格/蓝本模板自动发现规则

若当前服务的项目根目录存在 Agents.md，执行去AI味重写前必须：

1. 读取项目根目录的 Agents.md
2. 若 Agents.md 中注册了"写作研究模板"——读取对应路径的模板文件，将其约束作为题材×平台的默认约束基线（优先级低于用户明确指定的作者风格模板，高于通用默认基线）
3. 若 Agents.md 中注册了"作者风格模板"——读取对应路径的模板文件，将"人声回补层"从通用"补毛边"升级为按模板定向注入（详见 references/风格注入锚点卡.md）
4. 若 Agents.md 中注册了"作品蓝本模板"——读取对应路径的模板文件，将其结构约束（章首模式、钩子轮换、回报间隔）作为去味时不得洗平的硬节拍参照（去味只能提纯结构拍点，不能洗平节奏）
5. 若项目根目录不存在 Agents.md，或其中未注册对应模板——回退通用默认模式，不报错，不阻断
6. 若 Agents.md 中存在 ## 语言风格配置 段——读取并解析以下子字段：
   • 对偶区位 → 映射到去味强度的三档选择：藻丽+繁丰型保修辞但打散均匀句群；平实+简洁型保节奏但增加感官密度
   • 网文色标 → 映射到色标特异性检测（检查"均匀就是 AI"：热血风格验证短句密度是否达标，沙雕风格验证吐槽密度是否均匀）
   • 叙述者类型 → 映射到人声回补方向（吐槽型加强反讽一致性，沉浸型加强感官锚点）
   • 表达方式占比 → 映射到段落节奏裁判源（防去味洗平对话与叙述的节奏差）
   • 语言风格配置的优先级：低于作者风格模板（精确的统计模板），高于通用默认基线
7. 若项目根目录不存在 Agents.md，或其中不存在 ## 语言风格配置 段——回退通用默认模式，不报错，不阻断

主输出平台自动发现规则

若当前服务的项目根目录存在 Agents.md 且其中声明了 主输出平台，去AI味重写前必须按命名约定加载对应的 通用-输出{平台名}版 Skill，将其平台门禁（表达风格禁忌、段落节奏偏好、读者心理特征）作为去味时不得越界的平台约束基线。若未配置主平台或配置缺失，回退通用默认模式，不阻断。

黄金三章/黄金一段的AI味专项检查（新增——2026 深度研究整合）

开篇（前300字/前三章）是AI味对留存率伤害最大的区域。本 Skill 在执行任何针对第1–3章的去味重写时，必须在常规指纹诊断之外，额外执行以下专项检查。

开篇AI味的六大高致命缺陷

基于"人人都是产品经理"平台的AI写文实验（仿写0K/2K/10K/50K对照组）与工作区研究，以下六项在开篇中的破坏力远高于普通段落：

AI缺陷	在开篇的具体表现	对留存率的杀伤机制	去味专项操作
均匀句群	前300字内每段长度相近，描写密度无起伏	读者找不到"重点在哪"，3段内滑走	必须制造长短句节奏差：紧张段用≤15字短句，平静段正常写
模板结构	"开头→遇到问题→解决问题→结尾"的线性推进	读者能猜到走向，无意外感不追读	打破线性：用"反常事件→追问→信息错位"替代"开头→问题→解决"
无真实情绪锚点	用"他感到……""她意识到……"描述情绪而非通过行动展示	情绪钩子不成立，读者无法共情	前200字内替换所有"感到/意识到/觉得"为具体的身体信号+动作
信息平铺无分层	设定/背景一次性倾倒，不做分层释放	造成信息过载，读者在设定墙上撞晕	只在前300字释放"现象"，把"解释"推迟到后续章节
章末展望口吻	首段或首章结尾倾向"美好的未来"或总结式收尾	章末无钩子，读者没有翻页冲动	章末必须落在认知缺口上（什么/为什么/然后呢），禁止归纳总结
过度合理化	每一个异常/冲突都被立刻解释，不留下未解之谜	读者没有追问 = 没有追读的必要	故意留下1–2个"不说清楚"的缺口，让读者自己追问

关键数据——AI写正文的质量拐点

2K仿写版效果最佳；10K和50K示例反而情节跑偏、人设崩坏、AI味加重。 来源：人人都是产品经理《去「AI味儿」大作战》——AI chat写正文的对照组实验。

实操含义：若当前文本是由AI辅助生成（多轮迭代/大段扩写），前三章的质量风险随AI参与度递增。去味时不能只做表层句群清洗，必须检查结构层——确认"这一章在叙事层面是否从某个点开始跑偏"。

前三章AI味的分层专用诊断

章节	AI易产生的典型错误	诊断聚焦点	去味优先级
第一章	以设定说明开场、无情绪钩子、用"感到"代替行动、章末做总结	前300字的句长分布 + 情绪表达层级	★★★★★
第二章	节奏与第一章同频（无变化）、信息平铺、对话模板腔	第一章到第二章的节奏差异度	★★★★
第三章	首次冲突/高潮被AI写成"教科书级战斗"、章末被圆回来	高潮段落的真实感 + 章末是否留有真缺口	★★★★

执行规则：命中第1–3章的去味任务时，必须在去味方案中注明当前处理的是第几章，并按上表聚焦诊断。不得对所有章节使用同一套去味流程。

去味完成后的闭环验证——朱雀自检流程（新增）

来源：研究报告§七·策略B"自我检测闭环"、§五·方法D"5步风格分析法"。

去味不是一次过就完事。只有经过"去味→检测→诊断→再去味"的闭环，才能确认统计特征层面的AI痕迹已被消除。以下是推荐的闭环验证流程：

第一步：改前检测（建立基线）

在执行去味之前，将被处理章节上传朱雀检测一次，记录：

• 当前AI率%
• 被标红的高危段落
• 高危段落集中在哪个维度（句长均匀？连接词过密？情感平坦？）

这步不是用来"证明原文是AI"，而是给后续去味提供靶心方向。

第二步：针对标红段落执行去味

不要整章平均用力。把朱雀标红的段落作为优先处理对象，按本Skill的原则与指纹逐一拆洗。未被标红的段落不必强行改动。

第三步：改后检测（趋势观察）

修改后用朱雀再次检测，比较：

• AI率是上升还是下降（注意看趋势而非绝对值——朱雀本身检测不稳定）
• 标红段落是否减少
• 是否出现了新的标红段落（意味着改过头了）

经验值：改后AI率下降30%-50%为成功。不要追求"AI率=0%"——朱雀检测本身存在±20%的波动，绝对0%不现实。

第四步：跨段一致性检查

如果修改了多个段落，检查：

• 前后语气是否一致（不要前半段AI腔、后半段突然变风格）
• 关键信息是否在修改中被误删
• 章末钩子、中段回报、关键台词是否完好（红线检查——回到去AI味红线保护.md过一遍）

第五步：风格基线校准（可选——适用于多轮迭代）

如果一轮去味后仍感觉"哪里不对但说不上来"，或者检测结果反复横跳，执行风格基线校准：

1. 找一段自己手写的、确认无AI率的文本（300-500字）
2. 上传给AI做风格分析，提取风格特征描述（句长偏好、用词习惯、节奏模式）
3. 将风格约束注入下一轮改写指令："请保持以下风格特征：[风格描述]"
4. 基于特征描述手动调整，而非随机修改

原理：通过预先建立"个人风格指纹"，使改写结果更接近"这个人的写作特征"，而非"通用的去AI化文本"。

闭环验证的退出条件

满足以下任意一条即可退出：

• 朱雀检测AI率下降50%以上且标红段落减少60%以上
• 连续两轮检测结果不再显著变化（进入平台期）
• 编辑优先级自检（原则七）前5项全部通过

缓存优化说明

本 Skill 的结构遵循前缀缓存优化原则。去AI味重写是高频调用任务（每章可能多轮），调用时：

• 缓存层（永久不变）：frontmatter + 外部共享规则吸收口径 + 五大扫描面定义 + 四维病灶标准 + 十大结构指纹诊断 + 五项量化检测指标 + 三档手术强度 + 红线保护规则 + 读取功能分组表 → 每次调用完全相同，按底价计费
• 项目层（同项目内不变）：19 个 references 的读取优先级矩阵 + 风格/蓝本/写作研究模板自动发现规则 + 主输出平台自动发现规则 + 语言风格配置自动发现规则 + 跨文件冲突仲裁规则 + 统计模式对抗与人味终审方案 → 仅在切换项目、平台或新增模板注册时变化
• 可变层（每次变化，不写入本文件）：本次目标章节文件路径、去味强度档位、本轮的病灶清单与钉子清单 → 由用户每次调用时指定
• 人物传记、故事设定等裁判源 + 作者风格模板通过 references 声明强制加载，其固定部分随本 Skill 一起进入缓存前缀

默认模型温度参考（新增）

去 AI 味重写属于文本修订操作，使用中间温度可保留原意与结构，避免过度改写引入新的不自然。

阶段	推荐温度	说明
去 AI 味重写（任何强度档）	0.45	方向已定，适度约束

去味前裁判源复核（强制）

• 动手去 AI 味前，必须认真仔细阅读与本章实际出场人物对应的人物传记，以及与本章背景、技术、规则、证据、程序链、世界观有关的故事设定文档。
• 不得只凭“这一段很像 AI”就直接拆句；凡涉及人物动机、能力边界、关系状态、设定代价、证据机制的句段，都必须回到作者侧裁判源核对后再改。
• 若同一人物传记或故事设定存在多个版本，必须先确认当前可执行的最新版本；若关键裁判源缺失，必须先补齐、定位或明确阻断，不能边猜边去味。
• 去味如果会触碰人物声口、职业口径、规则解释、代价逻辑或背景事实，必须在回写前复核一次相关裁判源，确认没有把文本洗偏。

常见触发词 / 用户说法速查

• 这段太像 AI 了
• 帮我去 AI 味
• 像个有经验编辑那样重写
• 这章模板腔太重
• 把解释腔拆掉但别改信息
• 人物说话太像一个人了
• 这几段句子太匀了

何时使用

• 整章或局部文本存在明显模板腔、解释腔、均匀句群或假人声。
• 需要在不丢信息、不破结构的前提下，重写成更像人在现场说话和做事的文本。
• 用户希望先诊断“AI 感”来源，再按轻 / 中 / 重三档强度分层推进。

不适用情形

• 只是想做整章精修、节奏提纯，但并无明显 AI 味：优先使用 通用-正文润色。
• 只是要做结构审阅，不改稿：优先使用 通用-审阅章节正文。

默认执行顺序

固定优先级：先确认范围与不可改动钉子，再做一句病灶初诊与强度定档，再按工具包改写，最后复检卖点供血、章节职责与人物声音差。

每步末尾标注了当前步要读取的 reference 文件（括号内为文件名简写，完整路径见 继续读取的 references 节），以及当前步的交付物。

第一步：裁判源复核

动作：认真仔细阅读本章相关人物传记、故事设定/背景设定、控制卡与最新审阅结论，确认不可改动的钉子、必须保住的声口与不能洗掉的规则边界。

参考资料：人物传记、故事设定、控制卡（外部文件，不在 references 中）

交付物：心中明确的本轮"钉子清单"——哪些声口/规则/证据链不能碰

第二步：范围确认

动作：确认处理范围（整章/场景/段）、题材、不可改动的钉子，以及用户是否已指定强度。若用户未定强度，展示 去AI味三档手术强度与风险卡.md 的三档说明并锁定本轮档位。

参考资料：去AI味三档手术强度与风险卡.md

交付物：处理范围 + 锁定档位

第三步：病灶初诊

动作：先用"四维病灶"做一句话初诊：习惯用语、句式逻辑、写法口气、论证逻辑分别哪里最假。同时做 Green/Yellow/Red 初筛。

参考资料：去AI味识别雷达.md、AI味高发信号与拆洗策略补充.md

交付物：一句话病灶判断 + Green/Yellow/Red 初筛色

第四步：补充诊断（触发式）

动作（仅当第三步初筛结果为 Yellow 或 Red，或读感为"像AI但挑不出具体毛病"时执行）：进入本文 ## AI味深度诊断 节做 十大结构指纹 扫描（注意指纹8已扩展制度层/数字层，指纹10为AI语义崩溃模式）。同时用 实战对比案例 的 13 项量化指标做辅助测量。

参考资料：本文 AI味深度诊断 节、实战对比案例——从AI稿与人工稿的差异提取可复用诊断与拆洗规则.md

交付物：触发的结构指纹清单 + 量化指标数值

第五步：内容保护+病灶定位

动作：先默读 去AI味红线保护.md 确认本轮不改动的钉子。然后交叉使用 去AI味识别雷达.md 与 去AI味共享裁判规则补编.md，定位套话、均匀句群、内容抬升腔、模糊归因、假专业句、假钩子、回合制打斗、章节自指导览腔、交流残留与解释腔。

参考资料：去AI味红线保护.md（改前默读）、去AI味识别雷达.md、去AI味共享裁判规则补编.md

交付物：本轮要拆洗的病灶清单（套话/句群/声口/视角等逐项标出）

第六步：按强度执行改稿

动作：按已锁定强度档位，结合以下文件的工具规则执行去味改写。默认同时执行"删填充、拆公式、变节奏、信任读者、删金句"五条共性原则。

• 层级 1（皮相拆洗）：主要使用 AI句式替换与动作化替代清单.md 做词句级替换；辅以 去AI味句级改写工具.md 处理局部卡点
• 层级 2（骨肉重塑）：叠加使用 去AI味四维病灶与45条规则.md（第1–30条）做段内重排 + 潜台词补入 + 交流摩擦；同时读取 去雕琢腔与透明人声校准卡.md 做人声校准
• 层级 3（灵魂重构）：再叠加 去AI味三级改造与工具包.md + 去AI味四维病灶与45条规则.md（第31–45条），允许重估人物选择与代价显影

所有层级通用：去AI味共享裁判规则补编.md 作为跨层基线贯穿全程。

参考资料（按强度选择）：AI句式替换与动作化替代清单.md、去AI味句级改写工具.md、去AI味四维病灶与45条规则.md、去雕琢腔与透明人声校准卡.md、去AI味三级改造与工具包.md、去AI味共享裁判规则补编.md、去AI味风格与排版补充.md、视角塌陷与五感替代诊断修复卡.md、风格注入锚点卡.md（有模板时）

交付物：修改后的小说正文

第七步：人声回补

动作：用 视角塌陷与五感替代诊断修复卡.md 修复视角塌陷，再用 去雕琢腔与透明人声校准卡.md 确认"复检四问"通过，最后若有作者风格模板则用 风格注入锚点卡.md 做定向注入。

参考资料：视角塌陷与五感替代诊断修复卡.md、去雕琢腔与透明人声校准卡.md、风格注入锚点卡.md

交付物：人物声口差异确认 + 视角检查通过

第八步：复检与输出

动作：先跑 去AI味红线保护.md 做最终红线核查。再用 去AI味后供血与职责复检卡.md 复检卖点供血、章首抓力、中段回报、章末钩子与人物声音差。最后用 去AI味执行清单.md 做全局收尾，按 去AI味多轮诊断与回写模板.md 输出终稿。

参考资料：去AI味红线保护.md、去AI味后供血与职责复检卡.md、去AI味执行清单.md、去AI味多轮诊断与回写模板.md、去AI味风格与排版补充.md

交付物：【修改总结与原因】—【修改后的小说正文】—【后续修改建议】

第九步：统计模式对抗（新增）

动作：按 统计模式对抗与人味编辑终审方案.md §2.3 的三步闭环执行统计特征层面的对抗：

1. 对抗前全维度扫描：对去味后的正文跑 D1-D10 十维度量化检测（困惑度/突发性/词汇熵/N-gram多样性/语义连贯性/虚词分布/标点模式/段落长度分布/情感曲线平坦度/对话叙述比例），标出高危维度 TOP3
2. 定向对抗执行：针对 TOP3 高危维度，按该文件 §2.4 提供的检测方法与对抗操作逐维度降险；同步执行 §3 的"人类指纹注入"（生理/经验/偏见/错误四类指纹）
3. 对抗后验证：重跑 D1-D10 十维度检测，对比对抗前后的维度分数变化；若任一高危维度未降至"中风险"以下，返回该维度继续对抗

参考资料：统计模式对抗与人味编辑终审方案.md §2.2-2.5、§3

交付物：十维度对抗前后对比表 + 人类指纹注入确认

第十步：人味编辑终审（新增）

动作：按 统计模式对抗与人味编辑终审方案.md §4.2 的三视角模拟做最终把关——这是去味流程的最后一道门禁，独立于技术去味的"人味穿透力"判定：

1. 签约编辑视角：审主线逻辑一致性、人设稳定性、对话自然度、过渡自然度、描写效率
2. 老读者视角：审开篇抓力、阅读呼吸、期待管理、情绪共鸣
3. AI检测工具视角：审十维度残留风险 + 标出仍可能触发检测的可疑段落
4. 按 §4.3 输出终审报告（三视角判定 + 综合评级 🟢/🟡/🔴 + 可疑段落标注 + 人类指纹注入确认）

参考资料：统计模式对抗与人味编辑终审方案.md §4

交付物：人味编辑终审报告（含三视角判定 + 综合评级 + 可疑段落标注）

共性拆洗重点（新增）

• 默认优先把“作者说理 / 抽象判断 / 情绪总结”拆回动作、感官、视线、沉默、物件、口头反应与具体后果。
• 默认不把普通信息抬写成“重大意义 / 时代转折 / 精神象征”；一旦出现“标志着、体现了、彰显了、奠定基础”这类抬升腔，优先落回事实、动作与后果。
• 对“专家认为 / 有人指出 / 值得注意的是 / 此外 / 然而 / 未来可期 / 激动人心的时代”这类模糊归因、转场胶水或万能乐观收尾，默认按高优先级 AI 味处理。
• 能用“是 / 有”就别硬绕；慎用“不是 A 而是 B”“不仅……而且……”“从 X 到 Y”“三项并列凑全面”这类公式句。
• 破折号、粗体强调、项目符号、小标题加冒号式内联列表不得漏进小说正文；正文不是 PPT，不靠排版喊重点。
• 若句尾总在“体现 / 反映 / 展示 / 彰显”里补一层假深度，必须优先剪回场景本身，默认信任读者自行完成理解。
• 若句子长度、段落宽度、节奏重音过于平均，必须主动打散均匀句群，恢复手机端阅读所需的呼吸点。
• 去味后的文本应更像“人物正在现场承压和做选择”，而不是“作者已经替读者想明白了再复述一遍”。
• 默认把章节自指、连载回顾、作者导览与读者提醒式句子判为高优先级 AI 味；如“这几章”“前几章”及其“前面几章 / 前面这几章”变体、“后几章”及其“后面几章 / 后面这几章”变体、“上一章”“下一章”“本章 / 这章”“后文会”“我们会看到”“读者会发现”，必须改写成角色此刻可感的压力、后果、场景变化或未完成动作。
• “整章 / 这整章 / 这一整章”同样按高优先级章节自指病灶处理；若出现在正文里，默认视为作者工作台口吻漏进读者文本，必须改写成场景内表达。
• “整章 / 这整章 / 这一整章”同样不得保留在正文里；这类说法默认按章节总结腔处理，不得只做表面润色后继续保留。
• 重要人物默认要拉开声口、底层诉求与反应方式，不得去味完以后所有人都更像同一个温吞叙述者。
• 章首、中段回报、章末钩子与成长线牵引属于硬结构，去味时只能提纯，不能洗平。

语言指纹保护规则（新增 — 去味时的保留红线）

《改写小说的系统方法论研究》在"语言特色识别"和"文学作品仿写专用"在"提纯语感"中共同强调：每个作者（包括当前项目的作者）都有其独特的语言指纹。去味如果把这些指纹也洗掉了，文本会变得"干净但没有灵魂"。以下三条为去味时的保留红线：

指纹类型	检索方法	保留规则	拆洗禁区
词域	当前项目作者的专属语义域是什么？（如"旧物/烟火/温度/光影"等）扫描本章正文中的高频实义词，看它们是否落在该语义域内	属于作者专属词域的词汇——即使看起来"有点重复"，除非每段都在出现，否则默认保留	不得把作者的词域词当作"重复用词"来替换
句式习惯	作者偏好的句式指纹是什么？（短句为主/长句为主/先否定再肯定/先写景再抒情等）提取本章前 500 字看句式分布	占据作者句式习惯主要地位的句式（短句占比 > 60% 或特定转折结构）——去味时可以微调比例，但不得反转作者的句式习惯	不得把"短句为主"改成"长短句均衡"——这是改写作者的说话方式，不是去AI味
修辞指纹	作者偏好的修辞手法是什么？（白描为主 / 善用比喻 / 讽刺 / 设问等）	作者标志性的修辞手法和修辞密度——去味时可以去掉冗余修辞，但不得把作者的修辞指纹洗成"干净白水"	不得为了"去模板腔"把作者的个性化修辞全部砍光

豁免条件：以上三条指纹保护规则仅在"本章正文是当前项目作者的原创内容"时有效。如果本章内容本身就是对某蓝本的仿写（即加载了作品蓝本模板），则这三条规则不适用——此时要保护的是蓝本的词域/句式/修辞，但蓝本的保护已在蒸馏流程中处理，不在去味环节重复。

默认输出口径

• 默认不是只做分析，而是完成一轮可直接替换原文的去 AI 味回写。
• 默认先给不超过 50 字的病灶判断，再按已锁定强度改稿。
• 默认直接回写目标段落或章节；若用户选择继续深推，则进入下一轮多轮改稿。

最低交付

• 模板腔、解释腔与均匀句群得到明显拆洗。
• 信息量、因果链、钩子与角色声音差没有被洗掉。
• 文本更像人在场景中说话、做事和承压，而不是更顺的空稿。
• 用户能清楚知道本轮属于哪一档手术强度、主要下刀点是什么、下一轮还能往哪推。

三档手术强度（强制先定档）

• 层级 1：皮相拆洗
  只做词句、动作、感官、节奏层的轻手术；保留原叙事骨架、情节顺序与人物关系。
• 层级 2：骨肉重塑
  允许重排段内重心、补潜台词、补交流摩擦、补失误与私心；默认仍保留大部分原意与关键剧情职责。
• 层级 3：灵魂重构
  允许在不丢核心信息、关键剧情职责与章节主因果链的前提下，重估人物选择、代价显影、世界反馈与反派闭环；只在用户明确接受高风险时启用。

多轮交互硬流程

1. 用户贴文本后，先做题材判断与一句病灶诊断。
2. 若用户未给强度，必须先询问层级选择并明确风险，不得越级擅改。
3. 用户定档后，再按顺序输出：【修改总结与原因】、【修改后的小说正文】、【后续修改建议】。
4. 用户选后续方向后，继续按同一顺序推进下一轮，不得跳成“只解释不改稿”。

硬规则

• 先守信息与结构边界：
  • 核心信息不得丢失。
  • 默认不打乱章节主因果链；层级 3 也只允许重估局部选择、代价显影与世界反馈，不得把章节职责洗没。
  • 中段回报与章末钩子不能被磨平。
  • 未认真仔细阅读本章相关人物传记与故事设定 / 背景设定文档前，不得直接改写人物声口、规则解释、证据逻辑、关系状态或代价结构。
• 再守去味表达边界：
  • 不得把正文洗成白水、散文或总结稿。 - 过度去味预警（新增）：去AI味的目标不是"越干净越好"，而是"自然但有作者个人印记"。若去味后文本变得"太顺"——所有段落平等完美、找不到一个瑕疵——说明已经超出了留存友好的临界点。去味完成后自检：原文中是否有意保留了一些"不完美"但体现作者风格的表达？若没有，标记为"过度去味风险"，回退部分修改。 - 不得保留“章节总结腔 / 下一章预告腔 / 读者导览腔”，包括“前面几章 / 后面几章 / 前面这几章 / 后面这几章”这类前后导览变体；这类句子必须拆掉，不能只换个更顺的说法继续留在正文里。
• 最后守强度、输出与题材边界：
  • 未经用户同意，不得从低强度擅自升级到更高强度。
  • 初步病灶判断必须短、准、狠，默认不超过 50 字。
  • 输出 【修改后的小说正文】 时，正文区块不得使用 Markdown 项目符号、加粗、标题或解释插话。
  • 正文区块必须按纯文本小说排版：段首缩进、段间留白、避免整片挤成墙。
  • 题材专项规则只补题材边界，不得覆盖通用层的三档强度、多轮流程与 45 条共性方法库。

与其他 Skill / Prompt 的边界

• Prompt 负责入口提醒、文件写回约束与聊天侧摘要交付；本 Skill 负责通用方法本体。
• 去 AI 味不是“越顺越好”，而是“越像人在现场越好”。
• 处理整章或完整场景时，应优先按 references 完成范围确认、内容保护、识别、改写与复检，而不是凭直觉直接整段重写。
• 对都市悬疑类文本，要额外警惕“情节都对但句子太平均、人物共用口气、场景只有结论没有动作”的高发 AI 味。
• 对修仙、历史、奇幻等高风格题材，默认还要检查是否存在“无肉体感、道德安全阀、单线推导、机械降神、现代翻译腔”等更深层 AI 感。