下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/org-p703q4d5--qu-ai-wei-gai-gao.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md，安装 @org-p703q4d5/qu-ai-wei-gai-gao。给 AI 写的中文稿子去掉 AI 腔。按 283 万字人机对照实测筛出的 11 条规则逐句清理，只改命中规则的地方，数字、引语、观点和文章结构原样保留。可以只出“AI 味体检单”，也可以直接改好全文并附改动清单。适用于公众号长文、知乎回答、小红书笔记、口播稿、工作汇报、产品文案、个人博客。用户说“去 AI 味”“太像 AI 写的”“改得像人写的”“AI 腔太重”“帮我润一下这篇 AI 写的稿子”时使用。
阅读全文 （展开查看完整说明）
概述
把 AI 写的中文稿改得不像 AI 写的。依据是一项人机对照实测：629 篇文章、283 万汉字，300 篇由 5 个主流模型生成，329 篇是人类作者的文章。26 个常被说成“AI 味”的特征里，只有 11 个真有区分度，本技能只处理这 11 个。
本技能不帮助规避学校、考试、期刊或平台的 AIGC 检测，不承诺任何检测工具的通过率。它做的是文风清理：让稿子读起来顺、少套路。
第一步：确认模式
用户没说时默认用「改稿」模式。
| 模式 | 用户怎么说 | 输出 |
|---|---|---|
| 体检 | “先看看 AI 味重不重”“只检查不要改” | AI 味体检单，不改原文 |
| 改稿 | “去 AI 味”“帮我改” | 体检单摘要 + 改好的全文 |
| 改稿+清单 | “告诉我改了哪些”“要改动说明” | 体检单摘要 + 改好的全文 + 改动清单 |
第二步：认体裁
先判断体裁，再决定哪些规则暂停。体裁豁免优先于改写规则。
| 体裁 | 暂停或放宽的规则 | 原因 |
|---|---|---|
| 公众号、知乎、博客 | 无，全部适用 | 非虚构长文，是规则的主要来源 |
| 小红书笔记 | 第 2 条放宽到四项以上才改；emoji、话题标签、短行不动 | 平台惯例就是短句加清单 |
| 口播稿、视频脚本 | 第 3 条暂停；口语重复不动 | 念出来需要节奏和重复 |
| 工作汇报、方案、公文 | 第 2、6 条暂停；“一、二、三”编号和条目罗列保留 | 格式本身是要求 |
| 论文、研究报告 | 第 10 条“句首连接词”暂停；术语和固定译法不动 | 学术写作需要显式逻辑路标 |
| 小说、散文、诗歌 | 第 3、7 条暂停；修辞按原风格 | 排比和比喻是文学手段 |
| 产品文案、广告语 | 第 1 条只改长句，不改 15 字以内的口号 | 口号本身常用对举 |
用户给了个人写作风格说明（例如“我就爱用破折号”）或附了本人的旧文章时，以作者本人的写法为准，冲突的规则暂停。
硬性边界（最高优先级）
白名单改写。 只处理下面“改写规则”里列出的 11 条。没命中任何规则的句子逐字保留。一句话命中了规则，也只改解决问题所必需的部分，不顺手润色，不换没问题的词，不调语气、详略和信息密度。拿不准是否命中时，保留原文。
结构不动。 标题层级、章节顺序、段落数量与顺序、列表、表格、引用、代码块、链接、图片位置全部保留。不概括，不扩写，不删观点，不重组论证。
信息守恒。 下面这些不许新增，也不许删减：
- 姓名、机构、职务、地名
- 数字、比例、金额、时长、次数、日期
- 引语、对话、别人的说法、出处、链接
- 因果、动机、心理活动
- 限定词和让步：“可能”“通常”“据说”“在某些情况下”。把“可能提升”改成“提升”是篡改语气，不是去 AI 味
判断办法：改写后每个实词都能在原文里指出出处。指不出来就是新增，撤销。
原文抽象就让它抽象。“把抽象写具体”不是本技能的职责，第 8 条只允许挪用原文已有的数据。
不作为改写理由
以下特征看着像 AI 味，实测站不住。这张表是硬约束。
| 特征 | 为什么不改 |
|---|---|
| 句长、段长不够参差 | 实测人机无差别（0.87 倍）。不为制造节奏拆句拆段 |
| 虚词偏少（就、很、了） | AI 确实偏少，但补虚词无法验收，会把正式文章改成口语 |
| 反复写全称、少用代词 | 人类反而更常重复同一名词 |
| 被动句、名词化、长句 | 现代汉语书面语的正常写法 |
| 正文里的“首先……其次” | 人机无差别。第 6 条只管小标题编号 |
| 句内排比（“提升效率，降低成本，优化体验”） | 人类用得不比 AI 少。只处理句间重复 |
| 问句、设问、问句小标题 | 正文问句人类是 AI 的 17 倍，删了更不像人写 |
| 比喻本身、比喻独立成段 | 人类用比喻是 AI 的 2.4 倍。只处理理想化职业人格喻体 |
不同模型的“味”差很大：破折号 DeepSeek 每千字 5.16 次、Claude 4.25 次，GPT 只有 0.11 次。不要猜是哪个模型写的，只按触发标记逐句认。
改写规则（按优先级）
1. 翻案腔
先立一个读者并没有的误解，再推翻它。常见写法：“不是……而是……”“并非……而是……”“不在于……而在于……”“与其说……不如说……”“看似……实则……”“你以为……其实……”“A 不重要，重要的是 B”“说到底”“答案恰恰相反”。换了字面、动作一样的也算。实测 AI 0.73 次/千字，人类 0.22，3.4 倍。
改法：直接从正面下判断。只有文章确实用材料走过“误解到修正”的过程时才保留，并且不用固定句式。
❌ 真正的壁垒不是技术，而是认知。
✅ 真正的壁垒是认知。
❌ 你以为用户在乎功能多少，其实他们只在乎能不能马上用。
✅ 用户首先在乎能不能马上用。
2. 顿号罗列过密
一个分句里用两个以上顿号串起三项以上的并列。实测 AI 3.21 次/千字，人类 1.78。
改法：能概括就概括；必须保留全部项目时，改变其中一项的句法，让它们不排成同一结构。
❌ 无论是初创公司、中型企业，还是大型集团，都能从中受益。
✅ 各种规模的公司都能用。
不改：材料必须完整列出（法规条目、配置项、财务科目）；Markdown 列表内部；句内排比。
3. 相邻句结构同款
连着两句以上用同一个句法骨架：逗号数量相同，成分顺序相同，长度接近。单看每句都通顺，连起来像在填表。实测每百段 AI 9.41 处，人类 4.81，2 倍。
改法：打散其中一句。合并、拆分、换语序都可以。只改句子内部，不动段落顺序，不删信息。
❌ 这个功能上线后用户反馈很好。团队的开发效率提升明显。下一步的优化方向已经确定。
✅ 这个功能上线后用户反馈很好，团队开发效率也提升了。下一步优化什么，已经定了。
一段里并排三个以上平级案例、明显在凑数时，可以合并同类项或把次要案例压成半句。信息不删，只调主次。叙事推进（先发生什么、怎么做、结果如何）不算。
不改：操作步骤、并列条款；对话和引语；文学作品里的有意排比。
4. 破折号滥用
用破折号制造“揭晓”，或插入没必要的补充。实测 AI 2.38 次/千字，人类 0.80。
改法：写成完整句子，或换逗号、句号。
❌ 答案其实很简单——专注。
✅ 答案是专注。
不改：作者本人习惯用破折号时；表示起止范围（“北京——上海”）；引文里的破折号。
5. 冒号滥用
提示语引出内容。 冒号前是“一句话总结”“核心是”“关键在于”“原因如下”“本质上”“换句话说”这类提示语。实测 AI 0.29 次/千字，人类 0.08。
改法：提示语不承载信息时删掉，直接写内容；提示语在承接上文时保留，只把冒号换成逗号或句号。
❌ 核心是：先解决支付失败的问题。
✅ 先解决支付失败的问题。
空转句引出列表。 一行话什么都没说，只为宣布下面有列表，以冒号结尾。实测 AI 0.29，人类 0.03，9 倍。
改法：把这句写成有内容的判断，或删掉让列表直接接上文。列表项不能删。
❌ 我见过的几种典型场景：
✅ 这几种场景我都见过。
不改：引出人物原话；小标题里的冒号；列表项内部；“人擅长的是：判断业务逻辑”这类总说分说；网址、代码。
6. 序数词当小标题
小标题（# 开头或独立成行的加粗文本）用“一、二、三”或“第一、第二”连续编号三个以上。实测 AI 0.19，人类 0.06。
改法：删掉编号，小标题原文字、顺序、层级都不变。
❌ ## 一、先找出模糊在哪里 / ## 二、把需求写成六个模块
✅ ## 先找出模糊在哪里 / ## 把需求写成六个模块
不改：正文里的“首先……其次”；按步骤、法规条目组织且编号有指代作用（“见第三条”）；Markdown 有序列表；工作汇报和公文体裁。
7. 拟人化喻体
把工具、系统或流程比作理想化的人：“像一位智慧的导师”“一个永不疲倦的初级审查员”“贴身的数字秘书”，后面常跟一串褒义修饰或“不仅……更……”。实测 AI 是人类的 7.3 倍，带“永不、智慧的、全能的”修饰时是 12.6 倍。
改法：写这东西实际做了什么，或换成具体的人当喻体。
❌ 它就像一位智慧的导师，不仅传授结论，更传授看待世界的多元视角。
✅ 它不只给结论，也讲看待问题的不同角度。
不改：具体的人当喻体（“像一个老师傅”）；比喻带来了正文没给的理解；文学体裁。
8. 用概括说法盖掉已有的具体数据
句子里用“显著提升”“大幅增长”“明显改善”“大量”“众多”，而同段或相邻段已经写了对应的具体数字、时间或对象。实测人类文章的数字密度是 AI 的 2.8 倍。
改法：把原文已有的具体值提到概括词的位置。原文没有数据时，只把“完成了对……的优化”“实现了……的提升”这类名词化结构恢复成动词，不许自己编数字。
❌ 新系统实现了效率的提升。处理时间从两小时缩短到四十分钟。
✅ 新系统把处理时间从两小时缩短到四十分钟。
❌ 团队完成了对流程的优化。
✅ 团队把流程改顺了。（原文没给数据，只恢复动词）
原文只有概括、没有材料时不能补，可以在体检单里提示“此处材料稀薄”，由作者决定。
9. 禁用起手式
“说白了”“说穿了”“先说结论”。删掉，直接给判断。实测 AI 是人类的 3.2 倍。
❌ 说白了，这个项目没有足够的预算。
✅ 这个项目预算不足。
10. 翻译腔（只处理五种）
被动句、名词化、长句、“扮演……角色”“使得……能够”“以一种……的方式”实测都不是 AI 特征，不改。只处理下面五种。
| 结构 | 触发标记 | 改法 |
|---|---|---|
| 过长前置定语 | 名词前修饰超过 15 字，或“的”连用两个以上 | 在原段内拆成两个分句 |
| “当……时”从句 | “当”开头、“时，”收尾，中间是完整主谓 | 删“当”和“时” |
| 前置话题壳 | 句首“对于……来说”“对……而言”“就……而言”，后面本来就以该对象为主语 | 对象直接放主语位 |
| 句首连接词 | 段首或句首“然而”“因此”“此外”“与此同时”“换言之”“总而言之”，尤其相邻段连续出现 | 挪到主语后，或换“不过”“也” |
| 复述句 | “这意味着”“这表明”“这说明”开头，内容与前一句同义 | 并入前句 |
❌ 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。
✅ 这个工具能显著提升审核速度，不需要增加人力。
❌ 对于早期团队来说，招人是最难的事。
✅ 早期团队最难的事是招人。
❌ 留存率涨到了 72%。这意味着产品找到了 PMF。
✅ 留存率涨到 72%，产品找到了 PMF。
不改：删掉后时间关系或讨论范围会变模糊；复述句后面确实给出了新结论；论文体裁的句首连接词。同一句命中多种时只改一次。
11. 段首零主语评论
非首段直接以评论语开头，却不交代评论的是什么，读者得翻回上一段。触发词：“听起来”“看起来”“值得注意的是”“更重要的是”“关键在于”“问题在于”“不难看出”，且整句没有“这、那、其、此、上面”等回指词。实测 AI 是人类的 4.4 倍，是 11 条里区分度最高的。
改法：补一个回指词，多数情况加一个“这”字就够。
❌ 听起来像一条功能描述，其实底下换掉了一样更根本的东西。
✅ 这听起来像一条功能描述，其实底下换掉了一样更根本的东西。
不改：首段；已有回指词；对话和引语内部。
长文处理
原文超过 3000 字时，按原有小标题或自然段分块处理，每块不超过 2000 字，按原顺序拼回全文。输出前核对：块数、段落总数与原文一致，没有漏段、重复段。
输出格式
AI 味体检单（三种模式都输出；体检模式只输出这部分）
【AI 味体检单】
体裁：公众号长文 字数：约 2,300 字
命中合计：17 处（约 7.4 处/千字）
主要问题：翻案腔 5 处、破折号 4 处、段首零主语评论 3 处、提示性冒号 2 处……
暂停的规则：无
材料稀薄提示：第 3 段“效果显著”没有对应数据，是否补充由你决定只列命中数大于 0 的规则，按命中数从多到少排。不打“AI 概率”分数，不说“有 XX% 可能是 AI 写的”。
改好的全文
直接给全文，不加解释，不加前言后语，格式与原文一致（Markdown 进 Markdown 出）。
改动清单（改稿+清单模式）
| # | 规则 | 原文 | 改为 |
|---|---|---|---|
| 1 | 1 翻案腔 | 真正的壁垒不是技术，而是认知。 | 真正的壁垒是认知。 |每条改动都要能对上一条规则编号。对不上的改动不许出现。
输出前自检
逐项复查，任何一项不通过就撤回对应改动：
- 每一处改动都能对应一条规则编号，体裁豁免里暂停的规则没被用上
- 没命中规则的句子逐字保留，没有顺手润色
- 小标题数量、段落数量、列表、表格、代码块与原文一致
- 原文所有数字、日期、人名、引语都还在，也没有多出原文没有的数字、人名和细节
- 限定词（可能、通常、据说、约）数量没有减少，判断强度没有加重
- 没有为“像人写”去拆段、调句长、补虚词、加“我/你”
- 没有删问句、删比喻、改句内排比、改正文里的“首先……其次”
- 翻案腔、破折号揭晓、提示性冒号、空转句、序数词小标题、拟人化喻体、“说白了”、段首零主语评论，按体裁该清的已经清掉
致谢与许可
改写规则与实测数据改编自开源项目 lieflat-less-ai-tone（MIT License，Copyright (c) 2026 shiujan），部分规范参考 KKKKhazix/human-writing（MIT License）。本技能在其基础上增加了三种输出模式、体裁豁免、长文分块、体检单和改动清单。
