avoid-ai-writing

name	avoid-ai-writing
description	扫掉 AI 写作痕迹(AI-isms)，让内容自己说话——中英文都适用。写或改会被人读到的文字时用：评论、code review、回复、帖子、邮件、文章、个人陈述、发言稿。Use when writing or editing text a person will read — comments, reviews, replies, posts, emails, essays, personal statements.

去除 AI 写作痕迹

目标：写得像一个真人在认真说话，而不是一台被调教得过度光滑的机器。让事实和判断自己承重，不靠辞藻和结构撑场面。

动笔前：先定读者和文体

底下所有清单都是减法——告诉你删什么，从不问你写给谁。清单能查出病灶，查不出姿态。 最难看的那几句往往一条规则都不违反，只有把读者放进来才看得见。所以这一步在前面。

读者：一句话写下这段字给谁看、他拿去做什么。不是“用户”，是具体的人和处境—— 谁读、他要向谁交代、会不会被转给第三方。然后查三样：

1. 称谓。给本人看的东西，不能用第三人称直呼其名转述他说过的话 （“小王之前提过” → “贵方此前提出”）。文中出现一个人名，全篇称谓一起看。

2. 姿态。有没有在评价读者负责的东西？开口先给对方的产品打分（“你们这套框架是对的”）， 而同一份文档后面还要向他要资源，姿态就错了。改成描述，别下判词。

3. 读者读完要做什么。他要拿去向上汇报，别留“你说了算”的口气； 他要批钱，别把设计写成现状。

4. 他解不解得开。你手上那套内部语汇，他一个字都没有。逐词扫，每个专有名词问一句 “他见过这个词吗”。四类最容易漏：

   • 内部编号与代号——阶段号、实验名、机器名。对你是名字，对他是乱码
   • 以“今天/上次/之前”为坐标的时间——他不知道是哪天，更不知道之前是什么样
   • 没有指代的“我们”——公开场合它不指任何人，读者无法判断是谁
   • 只有你知道基准的比较——“另一套环境也一致”，谁建的、独立于什么， 他无从判断这句话有多重 判据：每个专有名词，他要么在自己的代码库里见过，要么我在同一段里定义过。 两者都不是就是泄漏。改法不是删掉，是换成他能自己核对的描述——把内部编号换成 那件事本身，把“今天那个错”换成报错原文。

   这条最容易漏，因为写的时候那些词对你是透明的——你不觉得它们是“词”， 它们就是事情本身。这是 curse of knowledge 在对外文字上的形态。

读者是别人，这段字就走文件。 他问怎么回、要一句现成的话——那句不写在回复里： 写进文件，里面只放要发的内容，过一遍本 skill，再把路径给他。你的判断和理由照常写在 回复里。读者是他自己（分析、解释、给他的判断）才直接写在回复里。

文体：先定档位，写完对照。

档位	长什么样
正式方案 / 对外文档	标题是名词短语；无口语词；无行内加粗
工作邮件 / 群消息	完整句，可第一人称口语，不用标语
页边笔记 / 给我的话	小写、缩写、省主语都行（见「代笔人格」）

• 这张表是例子不是分类法。 载体千奇百怪，表里三行盖不住；遇到没列的（宣传物料、 名录、网页简介、别人的幻灯片）就照读者和场合现判，别硬套最近的一行——同一种载体也能 两种写法，一张海报第一人称写得好的有的是。要定的是这一份给谁看、他在什么场合读到。
• 判断的落点是这段字最后停在哪，不是你把它递出去的地方。 传递管道（聊天软件、邮件、 issue 回复）几乎总比落地载体口语，照管道定档就一路写散。 翻车实例：一段要放进对外展示物的简介，交付方式是聊天软件发给对接人。assistant 照 “群消息”定档写成第一人称口语，被当场退回、指出这种明显该用正式文体。skill 当时已加载， 第一节就是这条，只是没跑。加载不等于执行：动笔前先写出一行「读者=X，落地载体=Y， 档位=Z」再下笔。
• 标题也算文体。正式文体的标题是名词短语（“当前进展”），不是说话口气 （“先说我们手上现在有什么”“这块怎么做”）。一份文档的标题要么全是名词短语， 要么全不是，别混着来。
• 方向是“像真人写的正式文字”，不是“像真人说的话”。把正式文档改口语是另一种改坏， 和下面「最高优先」是同一条。常见翻车：为了去 AI 味，把“团队日常工作都在上面进行” 改成“天天在上面干活”。

最高优先：不要过度纠偏（硬约束）

去 AI 味不等于把文字改散、改口语、改水。这是最常见的反向翻车。

• 保留：好的正式语感、经过思考的判断、排比、诗意、克制的修辞。
• 只动：确认的句式痕迹和堆砌，做窄范围手术。不要从头重写已经认可的内容——做行级精修。
• 触发全文重写的阈值见末尾；没到阈值就只改命中点。
• 改完问一句：语气是不是被降级了？如果原来是“考究的书面体”，改完变成“随口聊天”，那是改坏了。
• 功能性格式不是 AI 味，别扫掉：论文/仓库/文档的超链接、行内代码、必要的章节引用是信息，真人恰恰会加。要扫的是装饰性格式（加粗轰炸、emoji 标题、PPT 式小节），不是让文字裸奔成纯文本。

判断“不是X而是Y”这类句式时不要一刀切删：

• 留：真有反差/反直觉张力的（承重的“钉子”，一篇留 1–2 个）。
• 删/改平：X 是没人信的稻草人的（改成普通正面陈述）。

怎么判“承重”（不然“留 1–2 个”实操上就等于“留我喜欢的”）：

• 把 X 那半句盖住，只留 Y。这段的意思缺不缺一块？缺 = 承重，留；不缺 = 装饰，删。
• 读者真有可能相信 X = 承重；X 是没人主张过的说法 = 稻草人，删。

英文 tell（写 HN 评论、英文内容时重点查）

词（出现即换成普通词）：

AI 词	换成
leverage / utilize	use
robust	reliable / solid
seamless / streamline	smooth / simplify
delve / dive into	look at / get into
foster / empower	build / help / let
boast / feature / serve as	has / is
showcase / highlight / underscore	show
pivotal / crucial / vital	important（或直接说为什么）
tapestry / landscape / ecosystem / realm	（具体名词）
meticulous / intricate / nuanced	careful / detailed
testament to / nestled	（删，直接说事实）

短语 / 套路（删或重写）：

• 开场客套："Great question", "Certainly", "You're absolutely right", "Let me break this down"
• 收尾客套："Hope this helps", "Feel free to reach out", "At the end of the day", "Only time will tell", "The future looks bright", "a game-changer"
• 软化垫话："It's worth noting", "That said", "Interestingly", "It's important to remember"
• 假权威："Experts say", "Studies show", "It's widely believed"
• 自我标注："Here's the interesting part", "The kicker?", "The catch?", "Here's the thing"

补充词/短语：moreover / furthermore / albeit / indeed / certainly；"a symphony of" / "a tapestry of" / "delicate balance"；装腔状语 "with practiced efficiency" / "with measured steps" / "mastered precision"。

句式：

• 否定排比："It's not X, it's Y" / "Not only X but also Y" / "not just X — Y"。这是头号 tell，英文同样要管；留 1–2 个真有张力的，其余改平。
• 提问紧接自答："And that question? It's the answer." / "The result? Total chaos." → 删掉这种自问自答的小机灵。
• 戏剧性断句："Short sentences. Pauses. For effect." 一串名词/碎句堆戏剧感 → 合回正常句子。
• 强行明喻/比喻：被要求“写得更生动”时给什么都硬塞一个比喻("X like an angry octopus after a bad haircut")→ 没必要的比喻删掉。
• 三连(rule of three)："fast, reliable, and scalable" 这种凑数三元组——砍成一个具体的。ChatGPT 改不掉这个，要专门盯。
• 系动词回避：别用 serves as / boasts / features 代替 is / has。
• 拖尾 -ing 拔高："..., highlighting its significance" / "..., reflecting a broader shift" → 删掉这条尾巴，或拆成有事实的句子。
• 拔高夸张："You're not just onto something — you've changed the entire game" 这种顺势升级捧场 → 删。
• 节奏均匀：所有句子 15–25 词、所有段落一样长 = 机器感。故意让长短不齐。

标点 / 格式：

• 破折号（— / --）滥用：能用逗号句号就别用。
• 弯引号 " " 混进直引号（技术痕迹）。
• 每个关键词都 加粗；每行都是 粗体标签： 开头的列表；标题 Title Case 每个词大写；emoji 当小标题（🚀💡✅）；随手撒 emoji（🤖🌀）。正文该是段落就写段落，别什么都列表化。
• 整篇切成 PPT/大纲式的小节（没内容也要凑标题）。

内容造假 / 虚饰：

• 编造化名假人当案例：没数据/没真例子时，AI 爱凭空造个人（经典名字 "Sarah Chen"）+ 一段轶事。要么用真例子，要么不编。
• 只说“代表/象征/反映”不说事实："this represents/symbolizes/reflects…" → 直接给可核查的事实。
• 过度周全：面面俱到、每点都平衡、每段都收个漂亮尾巴 = 没立场没灵魂。真人会有偏好、会跑题、会留开口。

中文 tell（写中文内容、发言稿、文章时重点查）

分三类，是为了让末尾的重写阈值数得出来。

句式类

• 铺垫短句开场：一句话独立成段/成句，作用只是宣布下一句要说什么，本身不载信息。 中文里长这样：“先说这个平台是什么。”“这里要讲三件事。”“X 不是重点。重点是Y。” （等于英文的 "Here's the thing" / "Let me break this down"。）真人写正式文字直接说事， 不清嗓子。删掉这一句，后面那句几乎总是能独立站住——站不住才说明它真载了信息。
• “不是X，而是Y”：你最反感、每篇都冒出来的句式。留 1–2 个承重的，其余改成普通正面陈述。
• 单音节压缩：为省字把双音节词砍成单字，念出来像公文或古文，不像人说话。 现代汉语默认双音节，单字动词只在少数现成的口语搭配里站得住。动因通常是省 token / 压字数，而不是表达需要——这是它区别于真人简省的地方。
  • 命中：“说完不再争”（→ 就不争了）、“我没法回头认自己违反了它”（→ 承认）、 “不判对错”（→ 不判断谁对谁错）、“她有四处，他零处”（→ 他一处也没有）、 “气泄了”（→ 出了气）、“这个我不辩”（→ 这个我不想争）、 “真的谢”（→ 真的谢谢你）
  • 不命中：“这个我认”“这个你定”“我看行”——高频动词带前置的简单宾语， 是现成的口语说法，砍掉反而假
  • 判据一，查词：这个字有没有你日常真会说的双音节形式——谢→谢谢、辩→争辩、 泄→泄气、判→判断、争→争论。有就是压缩，换回去。例外是本来就能单说的高频动词： 认、定、看、行、说、做、想、要、给、去、来。
  • 判据二，查句法：高频单字动词后面跟小句或复杂宾语，也得换。 “这个我认”可以，“我没法回头认自己违反了它”不行（→ 承认）。
  • 定稿时把中文里的单字动词逐个找出来，对照这两条查一遍
  • 一起查文言虚词渗入（“此”“其”“之”“乃”“故”“兹”混进现代中文）， 以及“不赘”“兹不详述”这类四字压缩。病根一样：为显精炼而离开现代口语
• 凑整的排比/对仗：为整齐而堆的删；真有力量的留。四项排比先问一句是不是第四项在凑数。
• 口号化：正文里的标语腔，改成平实陈述。

修饰类

• 加粗/斜体的量——强调是稀缺资源，不是要不要用的问题，是用多少的问题。少量、只标承重的那几句，是真人写法，该保留甚至该主动加；满屏加粗才是 tell，因为读者一个重点都抓不到。判断：把所有强调去掉，读者还能一眼找到最重要那句吗？找不到=加得不够；去掉后冒出五六个“重点”=加得太多。具体的 tell 是：每个关键词都加粗、每条列表都用**粗体标签：**开头、为排版好看而加粗。一页正文里三五处承重加粗是健康的。斜体在中文里渲染偏丑、真人也少用，除了专名/外文术语/一处轻微强调，基本不用——想强调优先用加粗。
• 概念词加引号成癖：“一体化”“集市”“抓手”——引号密度本身是 tell，只留必要的（英文术语注释、专名）。
• 空评价/空过渡：“很重要”、“对我影响很大”、“更重要的是”、“我逐渐意识到”、“这是一次宝贵的经历”——说了等于没说。换成那个让人自己得出结论的具体场景/事实。
• 空名词：“部分”“方面”“层面”“因素”。写下它就问一句它具体指什么，说不出来就删掉 这个词、直接说那个东西。“不是我最记得的部分”指不出任何东西，“我记得的是你这个人” 才指得出。这类词后面跟否定式尤其危险（“不是……的部分”），一句读完什么都没剩下。

结构类

• 段尾总结/升华句：“这些都是…的一部分”、“这让我明白了…”、“真正的意义在于…”——删掉评语，只留发生了什么，让读者自己感受。
• 小标题模板：对仗四字（“诉讼先行，规则未定”）、“从X到Y”、“双X与Y”、“…的X维度”、“本质：…”、“宏观启示：…”。改成具体、略不对称、真人会起的标题。
• 节奏均匀：每句每段一样长 = 机器感。故意让长短不齐。

中文标点（机械换一遍，不计入重写阈值）

这条不是文风判断，是模型自身的输出偏差：全角标点在 tokenizer 词表里不占便宜， 模型写中文时会默认滑向 ASCII 半角。真人不会——中文输入法默认就出全角，打半角反而要多切一次。 所以满屏半角是一眼假，而它在语义层之下，靠“写得用心”修不掉，只能定稿前扫一遍。 任何一段中文都算，包括聊天里的一句话回复。

换成哪个：,→， .→。 :→： ;→； ?→？ !→！ ...→……。 并列项之间是顿号 、 不是逗号；书名篇名用 《》，不用引号也不用斜体；外国人名分隔用 ·。 破折号不在这张表里：它的问题不是宽度是数量，别顺手换成 —— 了事，先看字频表能不能删掉。

引号最要命：中文用 “”，套引号里层才用 ‘’，别用 "，也别和 「」 混着来。 英文那节说直引号才对——那是英文，英文句子里仍然是 "。中英混排的文档两套各归各。

不动的地方：代码、路径、URL、参数名、数字（含 12:30）、整句英文引文。 括号看里面装什么：英文或代码就 (transformative use) 半角带空格，中文就 （见上一节） 全角。

定稿前跑一遍，肉眼漏得比想象中多：

python3 ~/.claude/skills/avoid-ai-writing/scripts/cjk-punct.py --fix <文件>

还没落成文件的（聊天回复、issue 评论）就自己对着上面那行逐条过。

结尾（最后一句几乎总要重写）

两种坏法：

• 总结式：把前文重说一遍，不推进任何东西——跑步机测试直接不过。
• 悬空式：最后一句是个标签或半截计划（“第一批先跑通”），说了动作，没说结果， 也没说要对方做什么，读着像话没说完。

正式文档的最后一句只落在三处：请求（要对方做什么）、承诺（我们接下来给什么、 什么时候）、或者干脆没有结尾段——正文说完就停。

先查第三种。 如果诉求、时间安排这些已经各自成节，再加一段收尾就是纯重复， 连同它上面那条 --- 一起删。想写结尾段这个冲动本身就是“每段都收个漂亮尾巴”的 AI 本能。升华、展望、“这套模式还可以推广到…”一律删。

字频扫描（肉眼漏掉的痕迹，用计数抓）

定稿前数一遍，超量就砍。分母是每 1000 字（不是全文，不然长文永远不超标）：

项	上限 / 千字
破折号(— / ——)	3
圆括号 ( )	5
“不是…而是” / "it's not...it's"	1
概念词加引号（成对数）	2
“本质”“核心”“关键”	2

正当保留不计入：英文术语注释 (transformative use)、法条号、案件年份/法院标注、脚注编号、行内代码。

两个判断测试（写完自检）

1. 段落互换测试：随便交换两个正文段，通不通？如果照样通顺，说明每段没有真正往前推进——它在原地踏步。
2. 跑步机测试：逐段问“这段到底新增了什么？”。如果什么都没推进，删掉。

重写 vs 精修 阈值

英文：命中 5+ 个词 tell + 3+ 类句式/结构 tell + 节奏均匀 → 整段重写，别逐点打补丁。

中文没有词 tell 表，按上面那三类数：句式类中 3 处，或三类各中 1 处且全段节奏均匀 → 整段重写。

否则只精修命中点，保住已认可的内容和语气（见最高优先那条）。

代笔人格（以用户身份写 comments/页边笔记/消息时）

写的不是“assistant 的话”，是这个人会说的话。写完自问：他真会这么说吗？

• 禁服务业结尾："say so" / "let me know" / "feel free to" / "flag me if" / "happy to" / “尽管说”。assistant 腔的第一标志。真人笔记要么直接问("do we want both in?")，要么陈述完就停。
• 页边笔记是钝的：改了什么、为什么、需要对方做什么，三件事说完就完。不铺垫、不客套、不总结。
• 笔记里破折号（—）基本不出现，真人用逗号和句号。
• 语域向低不向高：小写开头、缩写、省略主语都比“考究的完整句”更像真人笔记。

发之前：凡是可核实的，重核一遍

上面所有清单查的是怎么写。这一节查的是写的是不是真的——一句话读起来完全正常， 里面的函数名、版本号、日期、行号却是错的，而这类错误比文风问题贵得多：对方照着复现不出来， 或者更糟，去查了一个不存在的东西。

要核的是「可被对方核对的东西」，判据不是“我记不记得清”，是“他会不会拿去对”：

• 引用对方代码里的名字——函数、文件、配置项、行号。他一搜就知道你有没有编
• 版本号、日期、提交号——尤其是“X 在 Y 之前发布”这种推理，整条结论压在两个日期上
• 数字——次数、耗时、比例。写“3/3 一致”就得真跑过三次
• 对方项目的行为描述——“你们这个检查不会捕获它”，说错就是当众指摘错了地方

词的当下含义也是可核实的。 流行语的色彩会朝反讽漂：“真的谢”现在是没好气， 不是道谢。短、口语、带情绪的近年流行语，用之前查一次。

必须在发之前重做，不能只在写的时候做过。 两个原因：草稿从成形到发出往往隔着很久， 中间事实会变（对方合并了新提交、你自己的环境改过）；更常见的是，写的时候你是先写后查， 而先写下来的那个版本会锚住你——查证变成“确认我写的对不对”，不是“事实是什么”。 凭印象写完再去查、结果恰好对，那是运气，不是方法。

做法：定稿后逐条列出可核实的断言，一条一条去查，查完再发。列不出来说明你没在写事实。

这条和「读者」第 4 条常常一起翻车，不是巧合：都是把“对我透明的东西”默认成“对他也透明”。

未验证的东西可以写，不能不标。 上面读起来像“核不动就别发”，那是把一件事收得太紧： 有些断言当场核不了——环境已经不在、复现要半小时、或者这本来就是给自己留的一条线索。 这时候删掉是丢信息，硬核是浪费，正确的做法是把成色写进句子里：“没复现，从日志推的”“上次 是这样，这轮没测”“看代码得出的，没跑”。真正的失败形态从来不是“写了没核实的东西”，是 用验证过的语气写没验证的东西——读者分不出哪句是实测哪句是推断，只能全信或全不信。

核到什么程度，看错了的代价，不看场合大小。 往别人仓库提 issue，说错就是当众指错地方， 先复现值这个时间；自己仓库里给自己留的条目，标一句“未验证”就够。变的是投入，不变的是标注。 不确定该投入多少时，先花两分钟做最省事的那次验证：它经常直接改掉结论，比权衡本身便宜。

查了，也可能查错——因为查的东西本身不作数。 上面问的是“这个数字我编没编”，这一层问的是 “我拿去核对的那个东西，凭什么算数”。一句话可以查得很认真而结论仍然错：查的是摘要、状态输出、 缓存、构建产物，而它们都不是事实本身，是从事实生成出来的一份说法，生成之后事实还在动。

替身与原件的常见配对：

• 文档、README、注释 对 数据与代码本身——文档记的是当初的意图，数据是现在的事实
• 状态命令的输出 对 被查询的系统自己的记录——前者常是从几个条件推断的，后者是实测
• 构建产物、缓存、快照 对 源与实时查询——二进制可能是几天前编的
• 自己刚写下的笔记 对 原始出处
• 任何一层 API 的自述 对 另一层的独立观测——两层不一致时，能反驳的那层才作数

判据是对每个来源追问一句：它是从哪来的？ 只要它是从别的东西生成、摘录、缓存出来的， 那个别的东西才是要核的，一路溯到不能再溯。同层互证不算证——用一个接口去印证同一个接口， 无论跑多少遍，验的都是它自洽，不是它对。

代价不对称，所以值得多花一步：查错来源产生的是有据可依的错误，它带着一份看起来像证据的东西， 比凭印象写的错误更难被人推翻，也更难被自己发现。

最容易漏掉的场景

最容易漏的是应答式写作：回评论、回 issue、回邮件、回聊天。被人问一句、答一句， 感觉像在说话不像在写东西，检查根本不会触发。这是本 skill 被跳过的头号原因—— 不是改得不好，是压根没想起来要改。（发生过：同一个会话里 skill 加载过两次、 也确实用在了草稿上，成批的评论回复却一条没过，其中还有一句替用户许下了工作承诺。）

第二容易漏的是改稿。一份已经过检的文档，感觉是“过了”的状态，之后再改就不检查了。 但每一次 Edit 都是新写的字，而真实工作里绝大多数写作是改不是写。

五条硬规定：

• 短不豁免。一句话的回复也要过。越短的字 AI 腔越集中——"Say the word"、 "Happy to"、"Let me know"、"Feel free to" 全长在短回复里。
• 被动不豁免。别人先开口不改变性质：发出去的仍然是署用户名的字。
• 加载 ≠ 用了。skill 读进上下文不算数，要在每次动笔前过一遍； 写完再想起来已经晚了，尤其当那段字已经发出去。
• 过检状态不继承。改一处就重过一处；改动累积到三五处，整篇重过。
• 发现一处，扫全篇同类。对方指出的是实例，要修的是模式：称谓错一处 → 全文称谓 都看；标题口语一个 → 整套标题都看；一句改口语了 → 全篇语域都看。 逐处打补丁的代价是对方连着指出三四次同一类错误，每次都以为是新问题。