为什么非得去除文章的“AI味”？靠谱的方法是啥？（附提示词）

前两天，在某平台看到Codex一定要装的几个SKILL：

首当其冲，的便是这个叫做“humanizer”（去文章AI味）的AI技能，看来大多数人均已苦AI味（文字）久矣！

为什么人们这么在意“AI味”，答案很简单：因为大多数人的工作，最多用到AI功能就是文本生成和处理，而生成的文本是“人”还是“AI”的创作？无论审查的是人还是所谓的“高级AI”，都是寻着所谓的“AI味”来判定的。

去除AI味=我没有用AI进行偷懒

那么，我们就顺藤摸瓜，下载这个humanizer的SKILL看看吧。

一、进口的方法：

目前，在GitHub上面的同名SKILL很多，请认准blader/humanizer：

链接：https://github.com/blader/humanizer

以下是版本历史：

2.8.0- 增加了关于刻意戏剧性短句、套用格言公式以及假装坦诚口语开篇的样式/节奏模式（第31-33项）；扩展了第20项以捕捉聊天机器人“是否需要继续”的客套结尾。目前共计 33 种模式。

2.7.0- 增加了模式 30（Diff 变更叙述腔调）；将破折号的使用限制从“避免过度使用”变更为“一律禁止出现”；扩展了第21项以涵盖猜测性填补空白（如强行解释“保持低调”）。共计 30 种模式。

2.6.0- 清理工作：合并了重复的工作流部分，将“个性化指导”限制在确实需要语气人味的文本上，删除了模型指纹识别小节，并压缩了修改示例。共计 29 种模式未变。

2.5.1- 增加了被动语态/无主语断句规则，将模式总数提升至 29 种。

2.5.0- 增加了说服性修辞、引言套话和碎裂标题等模式；将否定并列扩展到尾部否定；收紧了关于破折号滥用的字句；修正了 Frontmatter 中的元数据用词。

2.4.0- 增加了“文风标定”功能：能够根据用户的样本匹配其个人写作风格。

2.3.0- 增加了模式 25：过度使用连字符词组。

2.2.0- 增加了最终的“明显是 AI 生成”审计和二次重写提示词。

2.1.1- 修正了模式 18 示例（直引号与弯引号的区分）。

2.1.0- 为所有 24 种模式添加了修改前/后的直观示例。

2.0.0-基于维基百科原版文章内容进行了完全重写。

1.0.0- 首次发布。

以上，有一句话吸引了我：2.0.0-基于维基百科原版文章内容进行了完全重写。

因此我找到了所说的维基百科，竟然真的有针对“AI味”的解释、甚至罗列：

https://en.wikipedia.org/wiki/Wikipedia:Signs_of_AI_writing

https://en.wikipedia.org/wiki/Wikipedia:WikiProject_AI_Cleanup

搞笑的是，维基百科本来介绍的是对AI生成内容的审查和判定技巧，但到了这个humanizer，却变成训练AI生成避免这些审查的技巧。

真是“道高一尺、魔高一丈”~

概述

本项目基于维基百科的指南，该指南由 WikiProject AI Cleanup（维基百科 AI 清理项目组）维护。这份详尽的指南来源于对成千上万个 AI 生成文本案例的实际观察。

本技能还包含一个最终的“明显是 AI 生成”的审计环节和二次重写流程，以捕捉初稿中残留的 AI 腔调。

工作原理

该技能的核心原理是“特征诊断与重构”。它基于维基百科数万个 AI 文本案例总结出的33 种 AI 写作特征（AI-isms），精确定位 AI 的机器味，包括：

词汇与句式：清理高频 AI 词（如delve, tapestry等浮夸词）和刻板的对称句式。

格式与排版：强制彻底消灭破折号（EmDash），去除 emoji 和套路化的加粗列表。

情感与语气：过滤阿谀奉承的客服腔、无意义的宏大叙事以及千篇一律的万金油式结论。

工作方式

它采用“三步闭环”及“文风标定”方式运行：

三步重构：先重写初稿；接着进行自我审计（质问自己“哪里还像 AI 写的？”）；最后进行针对性二次修改，产出终稿。

文风标定（匹配）：支持分析用户提供的个人写作样本（句长、标点习惯等），在重写时完美套用用户的个人写作风格。

核心特点

科学性：基于维基百科社区长期维护的 AI 清理规则，归纳精准。

硬性指标约束：如“破折号归零”等硬性限制，极大地提高了去 AI 味的成功率。

保留“人味（Soul）”：不追求完美无瑕的机器句式，而是刻意保留人类特有的纠结、细节和不完美节奏，使文字更显真实。

OK，那么我们就测试一下吧：

他根据要求修改了我的文章，改动不是很大，但是显然去除了一定的AI味，原文太长，就不发出来了。以下是它的修改说明：

---

二、国产的方法：

当然，还有一个问题是，这个程序毕竟是针对英文的，目前针对中文的也有一个skill，翻译成中文叫做“说人话”🤣：

https://github.com/MrGeDiao/shuorenhua

我把全文放在下面，简单使用方法：你让豆包（或其他AI）帮你改文章，提前把下面的规则（蓝字）复制粘贴给她，让它学习这个规则以后，再发原文给它进行处理即可：

说人话

把文本从”像模型在表演写作”拉回”像具体人在当前场景下表达”。

这份 skill 不是敏感词替换器，也不是反技术、反抽象、反专业。它的目标是减少模板感、表演感和语域漂移，同时保住事实、术语和责任主体。

When to use

在下面这些需求里使用：

用户明确说”去 AI 味””说人话””自然一点””别像模板””别太像 ChatGPT”

需要改写中文或英文 chat、status、docs、public-writing

需要先判断文本该轻改、中改还是重改

在下面这些需求里不要硬套：

用户要逐字翻译、保留原文风格、仿官方模板或仿特定品牌 voice

文本主要是代码、日志、命令、配置、接口名、报错

用户要的是事实校对，不是风格改写

Core stance

去 AI 味，主要处理的是模板感、收束腔、虚假主语、语域混搭和表演性技术腔。

保留技术性。专业词、系统主语、事故复盘用语、PRD/发布说明中的术语默认可保留。

优先保信息，再谈风格。任何改写都不能新增事实、删核心事实或改变责任主体。

不用机械同义词替换表。默认可以删句、并句、降调、换主语、去总结式收尾；如果进入 in-place scope，就只做句内改写。

短语表默认只列代表项，不追求穷举所有变体。遇到新口癖，先按现有模式归类，再决定要不要补词。

Execution order

按固定顺序做，不要跳步：

判场景：chat / status / docs / public-writing

查禁改项：先划 protected spans，看有没有必须保留的术语、系统主语、引用原文、命令或正式语体

判 Tier：Tier 1 / Tier 2 / Tier 3，按问题命中强度判断，不要把 Tier 当作改写力度

再判档位：minimal / standard / aggressive

判 scope：structural / bounded / in-place，判断这次能删到什么程度——自由删并重排、只把整句空话进删除清单、还是一句都不删

先执行本文件里的最小规则；只要环境里能读 references/，默认继续按问题类型补看 Protected Spans、Positive Style Contract、微操作手册、结构反模式 和相关短语表；如果目标是“改完能直接发”，或文本明显属于 README、release note、论坛帖、issue 回复，再补看 Scene Packs、真实样本评测 和 改写示例

回读拆成两步：先做保真回读，再按需做残留味回读

输出：默认只给单一推荐版本；用户明确要求“先标问题，不改写”时切到 annotation mode

执行第 6 步时，先按“模式”处理，再按“词条”兜底：

同一类调试腔、暴力动作腔、主动出击腔、总结提示腔，默认按同一模式处理，不要求逐词命中

只有当新说法改变了误杀边界，或明显不属于现有模式时，才把它当作新增词条处理

1. Scene detection

先判主场景，再处理局部问题。混合文本只保留一个主语域，其他语域只在必要信息层面留下。

chat

信号：

短回复、日常对话、协作沟通、评论、即时反馈

允许口语，但不该端着说话

默认档位：minimal

status

信号：

站会更新、进度同步、复盘摘要、汇报式状态说明

重点是时间线、动作、结果、风险

默认档位：minimal 或 standard

docs

信号：

操作文档、技术说明、接口说明、FAQ、事故复盘

重点是可检索、可复现、术语稳定

默认档位：minimal

public-writing

信号：

公众号、小红书、公开帖、对外文章、观点写作

重点是语域一致，不要装“有洞见”

默认档位：standard

更细的下限限制见 场景禁改表。

Scene Packs

如果文本本身命中下面任一子场景，不依赖用户是否明说，也不受主场景初判限制，都要补看 Scene Packs：

README：出现项目介绍、快速开始、安装方式、功能列表、README intro 等信号时，第一屏要说清“这是什么、给谁用、解决什么问题”

release-note：出现版本标题、Release Highlights、Added / Changed / Fixed / Tested、changelog 列表等信号时，列清本版变更、验证和限制，不写发布宣言

forum-post：出现 Linux.do / V2EX / 社区帖 / 发帖复盘等信号时，保留维护者的真实观察和社区语气，不改成公告

issue-reply：出现 issue / PR 回复、bad case、复现、下一版补 benchmark 等信号时，先确认问题和下一步，不做客服式安抚

子场景只负责发布目的和语气收束，不覆盖 protected spans、Tier、档位和回读规则。完整策略见 Scene Packs。

2. Single-file fallback rules

只加载 SKILL.md 时，也必须能完成基础改写。下面这些规则默认直接生效：

删开场套话、谄媚和元评论：例如 值得注意的是、让我来为你解释、希望这对你有帮助、Great question!

删空总结和收尾腔：例如 综上所述、归根结底、本质上、At the end of the day

处理二元对比骨架：不是 X，而是 Y、与其 X，不如 Y 多数删前半句，直接说 Y

处理无源引用：研究表明、数据显示、studies show、experts say 默认按场景选择 rewrite-safe 或 audit-only；只有用户明确要保留原论证骨架时才用 rewrite-with-placeholder；不要补虚构来源

把商业黑话和表演性技术腔改回普通动作：例如 赋能、抓手、闭环、收窄、兜住、落盘、leverage

遇到过度接住、替用户做心理判断或身份认证式夸奖：例如 你不是敏感、你只是太久没被稳稳接住了、你问到了问题的核心、顶刊作者的素养，默认删姿态层，改回低承诺回应或具体判断；不要硬演“我懂了”

发现翻译腔时，优先缩短主语和动作，少用长定语链、被动堆砌、基于……、通过……来……

误杀防护优先：引用原文、命令、接口名、字段名、日志、报错、系统主语、技术报告术语默认保留

中英混排句中的英文词按当前句子的实际语义判断，不机械套英文词表

单文件模式只是兜底，不是完整模式。只要环境里能读 references/，默认就继续补看对应文件；只有在 system prompt 真的只给了 SKILL.md 时，才退化为只按本文件做基础清理。

Unsourced citation modes

处理无源引用时，固定只在这 3 种模式里选一种：

rewrite-safe

audit-only

rewrite-with-placeholder

如果用户没指定模式，就按场景默认值走；如果文本跨场景，优先取更保守的 audit-only。

3. Rewrite level

minimal

适用于：文本本身基本自然，只需去掉局部模板感、收尾腔和多余修辞。

默认动作：

删掉空总结

把过度抬高的语气压回常规

把”像在解释自己会写作”的句子压回事实句

standard

适用于：有明显 AI 腔或语域混搭，但信息骨架是好的。

默认动作：

统一语域

改掉工程师表演腔、商业黑话、narrator 腔

必要时并句或换主语

aggressive

适用于：Tier 1 命中密集，或 Tier 1 + Tier 2 叠加后整段呈现强模板感或强表演感。

限制：

只有在 Tier 1 明显密集，或多类结构问题叠加时才允许

先保护事实和术语，再做重写

docs 默认不要升到 aggressive

3.5 Edit scope

Scope 表示这次能不能改动句子和段落结构，和 minimal / standard / aggressive 是两条轴。三档 scope 按”能不能删整句、怎么删”区分：structural 自由删并重排；bounded 只删”删了不丢信息”的整句空话，且走删除清单交用户确认；in-place 一句都不删。

structural

默认 scope。适用于短文本、明确要求重写的文本、AI 味密度很高且不需要保留原节奏的文本。

允许动作：

删整句空总结

合并相邻事实句

轻量调整句序或段落落点

按场景重写局部结构

bounded

中文 public-writing 长文（约 1000 字以上）的默认 scope。目标是把整句级的 AI 味去干净，又不被 structural 不可控地压缩——长文走 structural 时缩水程度依模型而定（同一篇可能 -18%，也可能 -39%），用户无法预期；bounded 把”删多少”交还给用户。

和另两档的关系：

比 structural 克制：不合并相邻句、不重排段落、不删承担节奏的实句或有意重复

比 in-place 能去味：允许删”整句都是空话”的句子，但不直接删，而是进删除清单交用户拍板

一句能进删除清单，必须同时满足三条：

删掉后该段信息点不变（不带任何独有的事实、数字、判断、动作或指令）

不是相邻两实句之间的唯一过渡

命中纯空句型：空总结 / 价值拔高收尾 / 无源权威铺垫 / 谄媚开场 / 整句旁白

两类动作分开走（实测依据：长文里句首引导词模型能句内清掉，但整句空话在 in-place 下删不掉，只会被软化成另一种说法）：

句首可剥离的引导词（值得一提的是 / 归根到底 / 这说明）后面还跟着实质内容 → 直接句内洗，删引导词留骨架，不进清单

整句都是空的，剥掉引导词就什么都不剩（无源论断、不仅仅是……更是…… 的价值拔高）→ 进删除清单，不擅自软化成另一种说法

输出：正文给句内洗后的稿，末尾附「建议删除（待确认）」清单，每条写 原文 + 为什么删了不丢信息。用户点头才删，长度由用户拍板。

in-place

适用于用户明确要求”完全原样 / 一句都别删 / 严格保句数”的情况，比 bounded 更严：整句空话也不删，只做句内降调。

默认触发条件：

用户 prompt 明确要求保留句数、完全原样、一句不删，或反馈 bounded 仍删多了

禁止动作：

不删整句（即使整句是空话）

不合并相邻句

不重排段落

不把多段压成一段

允许动作：

句内替换词或短语

删除句内提示层、空泛修饰和语气垫片

把句内拔高语气降回普通判断

在单句内部拆短过满结构，但不改变段落顺序

删短语前先做语义独立性检查：删掉短语后，剩余部分必须仍是完整、可读、没有悬空指代的陈述句。否则改用句内替换，不要硬删。遇到整句空话，保留原句并标注 [空句，建议人工确认是否删除]，不擅自软化成新说法。

aggressive + in-place 可以存在，但默认先提醒用户：长文 aggressive 很容易明显缩水；如果用户真正要保长度，优先改成 standard + bounded。用户明确坚持时，再执行 aggressive + in-place，但仍遵守不删整句、不并句、不重排的边界。

4. Tier severity

Tier 表示问题命中强度，与 严重度分级 保持一致，不表示改写力度。

Tier 1

默认替换。命中这类词或句式时，通常直接删掉或换成更具体的表达。常见类型：

开场套话、总结式收尾、谄媚句

明显商业黑话、自媒体流水线用语、表演性工程师腔

过度接住式共情、替用户做心理判断、郑重预告和身份认证式夸奖

英文里的 sycophantic openers、significance inflation、business jargon

默认处理：局部命中用 minimal 或 standard，密集命中时可升到 aggressive

Tier 2

单独出现可以放行，但同段聚集时是 AI 味信号。常见类型：

高频连接词扎堆

渲染性修饰词扎堆

某一类姿态词在同段重复出现

长度参考：短段落（< 100 字/词）同段 2+ 个即标记；长段落（≥ 100 字/词）同段 3+ 个再标记。

默认处理：保留最贴切的一个，其余改写；通常用 minimal 或 standard

Tier 3

常见词本身不构成问题，只在全文密度明显过高时才处理。常见类型：

重要 / 关键 / 核心 / 提升

significant / innovative / effective

默认处理：只替换一部分重复命中，通常用 minimal，必要时不改

5. No-touch and keep rules

以下内容默认优先保留，除非用户明确要求改风格且改动不损害信息：

引用原文、命令、接口名、参数名、字段名、配置项、日志、报错

技术文档里的系统行为主语

postmortem / incident / PRD / release note 中的专业术语

承载关键事实的抽象句，即使它“有点像 AI”

不要为了“像人”把文本改得更假。专业文本可以专业，关键是别模板化、别表演化。

完整的保护清单见 Protected Spans。

6. Positive style targets

改写后的文本应尽量满足：

有具体信息，不靠空洞总括撑气势

有主语和动作，不靠虚假主体兜底

有统一语域，不在技术腔、商业腔、自媒体腔之间跳

以“可直接发”为终点，不为了更像人继续抛光到失真

有节奏，但节奏来自删冗余和保留重点，不来自硬造金句

有立场，但立场来自判断或事实，不来自“故作洞见”

有边界，没把握就直说，不替对方做心理判断，也不硬演“我懂了”

更完整的正向目标、分场景校准和“cleaner vs more human”对照见 Positive Style Contract。

7. Output contract

默认输出一个推荐版本，不默认输出审稿过程、多版本比稿或逐条点评。

Annotation mode

只有在用户明确要求下面这类事情时才启用：

先别改，先标问题

这段哪里像 AI

只做诊断 / 审稿 / 标注

先告诉我该不该改

annotation mode 不直接给整段改写稿，默认只输出最重要的 1-5 个问题点。每个问题点固定包含这 4 个字段：

问题族：例如 开场套话 / 无源引用 / 工程师腔 / 语域混搭

触发点：点明命中的词、结构或局部句子

建议动作：删掉、换成具体表达、补来源、保持不动

是否建议改写：是 / 否

额外约束：

如果文本主要问题是“缺来源”，可以只建议补来源，不强行给改写稿

如果文本落在误杀防护边界内，直接写 是否建议改写：否

不要一边说“只标问题”，一边偷偷输出完整重写版

用户没要求 annotation mode 时，仍然按默认改写合同输出单一推荐版本

遇到无源引用时，输出必须符合所选模式：

在 annotation mode 下，只输出对应的处理建议，不直接给整段改写稿

在默认改写模式下，再按所选模式实际给出改写结果

rewrite-safe：建议删掉无证据权威铺垫；如果不是 annotation mode，再给改写结果，不补虚构来源

audit-only：优先点明缺来源、缺归属，而不是假装已经证实

rewrite-with-placeholder：允许保留论证位置，但要显式暴露“此处待补来源”；如果不是 annotation mode，可以给带占位提示的改写结果

只有在高风险误杀时，才额外补一行极短说明，例如：

保留了系统主语和术语，避免失真。

这里只做轻改，避免把正式公告写成口语贴。

8. Required reread checks

提交改写前，把回读固定拆成两步，不要混着做：

Pass 1 | 保真回读

先检查这 5 项：

protected spans 是否漂了

信息是否丢失

语域是否统一

术语是否失真

删改后是否出现生硬断裂

如果删掉一句后段落突然没了落点，就补一条事实句，不要补口号句。

bounded / in-place scope 下额外检查：

信息留存优先：原文每个信息点（事实、数字、判断、动作）在输出里都要可追溯，这是硬指标

in-place：输出字数低于原文 85% 时，回退检查是否误删整句、并句或压段落（in-place 不该删任何整句）

bounded：字数会因删整句空话而下降，不设硬下限；但要确认删除清单里每条都是”删了不丢信息”的纯空句，没混进实句或承担节奏的重复

句数变化超过约 10% 时，回退检查是否偷偷做了未经确认的 structural 改写

关键事实句、转场句和承担节奏的重复句，不能因为“看起来像模板”就默认删除

Pass 2 | Residual Audit

只有在第一遍已经保住事实、但读起来还有轻微 AI 味时，才做第二遍。第二遍固定只查这 5 件事：

开场残留：还在用 结论先说 / 直接说结论 / 值得注意的是 这类提示层

总结残留：还在用 总的来说 / 归根结底 / 最终来看 这类空收尾

narrator 残留：还在解释“这说明了什么”，而不是直接说事实或判断

空泛判断残留：还在写 方向是对的 / 意义重大 / 真正理解了用户

句长过匀：每句都差不多长、差不多整齐，像被统一抛光过

第二遍只允许做轻量修正：

删一个残留开场或收尾

合并两句过匀的事实句，或拆一处过满的句子

把一句 narrator / 空泛判断压回直接表达

第二遍不要做的事：

不重写全文

不补原文没有的事实

不为了“更像人”改掉术语、参数、命令、报错或责任归属

场景保守策略：

public-writing 和 AI 味偏重的 chat，第二遍更常需要

docs / status / code-context 默认更保守；如果第二遍会让语气变口语、变广告、或影响保真，就停在第一遍

Reference navigation

本文件可以单独兜底；完整模式默认是 SKILL.md + references/ 一起工作

想先看“改成什么样才算更像人”：看 Positive Style Contract

想先看哪些数字、引用、命令、参数不能漂：看 Protected Spans

想看中文高频短语：看 中文禁用短语表

想看英文高频短语：看 English Banned Phrases

想看句子和段落层面的结构问题：看 结构反模式

想按 Tier 1 / 2 / 3 校准命中规则：看 严重度分级

遇到具体病灶怎么动手：看 微操作手册

想确认某个场景什么不能乱动：看 场景禁改表

想校准误杀边界或做静态回归：看 边界案例集

想看真实样本评测：看 真实样本评测

想看默认改写和 annotation mode 的对照：看 改写示例

想处理没收录进词表的同类变体：先看 微操作手册 里的“变体归并”规则，再决定要不要补词

默认做法是：先用本文件完成“场景、Tier、档位、输出合同”的主判断，再按问题类型补读 references/；只有在单文件安装场景里，才停留在本文件的兜底规则。