AI 写出来的东西，别人一眼就能看出来。
问题出在三个层面：素材是它编的，思考是它装的，风格是它默认的。
去 AI 味也得三层同时下手，素材、思考、灵魂归你管，AI 只负责组织语言和执行。
这篇把识别、改写、工具、长期方案这几件事放在一起讲，中英文 skill 都为你整理了一遍。

1. 目录

1. 先搞懂：AI 味到底是什么，为什么会有
2. 写作前：5 件事不想清楚，后面全是补救
3. 核心清单：22 种最高频的 AI 写作特征
4. 最容易被忽略的越位感：反代入式表达
5. 写作后自检：5 步流程，从检测到反查
6. 格式排版：肉眼可见的 AI 味往往出在这里
7. 现成工具实测：中英文去 AI 味 Skill 怎么选
8. 一个可以直接抄的去 AI 味提示词
9. 长期方案：让 AI 记住你，从源头减少 AI 味
10. 附录：一页纸速查表

2. 先搞懂：AI 味到底是什么，为什么会有

去 AI 味，常见的做法是换几个词、把长句拆短。
改完读起来还是不对劲。
问题不在词，是结构性的三层失真。

第一层，素材是编的。
AI 没有真实经历，写"故事"只能靠概率拼出一个看起来合理的场景。
没有名字，没有差错，没有现场细节。
空的。

第二层，思考是装的。
AI 默认把每个观点讲得很满，堵住所有反驳，照顾所有读者，制造工整的转折。
真实判断不是这样，会有取舍，会偏心，有些地方就是没讲透。

第三层，风格是默认的。
没有特别要求时，AI 会自动套用一种礼貌、完整、正确的通用腔调。
谁看都行，谁看都不像具体的人在说话。

素材、思考、风格，这三件事得你来把关，AI 负责组织语言和执行。
后面的方法都是在这个分工下展开的。

Wikipedia 编辑社区维护的"Signs of AI writing"指南是目前最系统的 AI 写作特征档案，篇幅接近 1.5 万字，来自对成千上万篇 AI 生成内容的持续观察，还在不断更新。

这里有个细节容易被传歪：网上常说"人类识别 AI 写作的准确率只比瞎猜高一点"，只说对了一半。
多项研究显示，普通读者整体的识别准确率大多在 55%-65% 之间，跟瞎猜的 50% 差不太多。
但专门考察"经常用 AI 写作的人"这个群体的研究，结果完全不一样：一组研究让 5 位有经验的重度使用者用投票方式判断 300 篇文章，只判错了 1 篇。
识别能力不是天生的，是用得越多越准。
这也是"先让 AI 学会识别 AI 味的特征，再让它去改写"比直接说"写得自然一点"有效的原因。

3. 写作前：5 件事不想清楚，后面全是补救

AI 味往往不是改写阶段才出现的问题。
是写作前信息不够，AI 只能靠模板自动补全。
下笔前先想清楚这 5 件事：

体裁是短帖、长文、教程、复盘、评论，还是正式报告。
不同体裁允许的节奏和密度完全不同，拿长文的方式写短帖，AI 味会特别明显。

作者意图是解释、说服、复盘、吐槽、记录，还是建立一个判断。
意图不清楚，AI 会默认往"面面俱到的说明文"上靠。

目标读者已经知道什么、真正卡在哪里。
不要让 AI 虚构一个"低智读者"来制造纠偏感，这是第四节要讲的越位问题。

语气是冷静判断、现场复盘、亲身吐槽、轻微讽刺，还是克制说明。
语气没定，AI 会自动回到"礼貌、完整、正确"的默认档。

素材来源里，哪些是真实经历、真实数据，哪些只是推测或转述。
没有量过的数字、没有经历过的动作，不要让 AI 编。

这 5 项信息不清楚时，宁可写得窄一点、实一点。
不要为了显得完整自动扩写成宏大判断。

4. 核心清单：22 种最高频的 AI 写作特征

这 22 条是目前整理出来命中率最高的 AI 写作特征，不是每条都绝对错误，但命中后要主动判断它是否服务当前体裁和意图。

1. 不要堵住所有反驳 —— 只处理真实存在、最关键的反对意见。
2. 不要把知道的知识全部输出 —— 只留下真正推动判断的概念、例子或数据。
3. 不要匀速排比 —— 排比超过两三句后，要让其中一句变长、变短、转向或停住。
4. 不要反复使用同一个让步模板 —— 读者理解一次结构后，不需要看三遍。
5. 不要频繁给概念起名字 —— 只有真的精准、后文会反复使用的概念才命名。
6. 不要把情绪曲线修得太光滑 —— 允许出现卡顿、犹豫、没完全想通的地方。
7. 不要替读者说一句蠢话再纠正 —— 只有真实存在的误解才值得写。
8. 不要高密度使用"不是 X，而是 Y" —— 认知翻转只能少量使用，这一条第四节会重点展开。
9. 不要表现得完全没有犹豫 —— 确定性来自证据，不来自语气硬。
10. 不要写精确到不真实的情绪细节 —— 没有量过的数字、没有经历过的动作，不要编。
11. 不要让脆弱感只服务论点 —— 真实经历里常有和论点无关、但更可信的细节。
12. 不要把复杂结论包装成万能协议 —— 前文说不能简化，结尾就不要强行简化。
13. 不要每段都收束金句 —— 只让最重要的一两句话有爆发力。
14. 不要让句子长度过于均匀 —— 允许短句、长句、口语句混在一起。
15. 不要用身体感受替代论证 —— 讲不下去时，可以直接承认讲不下去。
16. 不要默认使用"钩子、痛点、承诺"开头 —— 先从真正要说的事开始。
17. 不要固定位置堆连接词 —— 删掉不必要的"然而"“事实上”“值得注意的是”。
18. 不要为了避免重复刻意替换同义词 —— 准确的词可以重复。
19. 不要写中文翻译腔 —— 少用"作为"“关于”“基于”"进行"等空转词。
20. 不要虚构"讲个故事" —— 没有名字、差错、现场细节的故事，宁可不写。
21. 不要用"你值得"式祝福强行结尾 —— 文章结束了就停。
22. 不要对"深刻"过拟合 —— 实操问题不一定需要升维到哲学命题。

英文世界里对应的高频词是 delve、landscape、pivotal、tapestry、underscore、foster；中文是"赋能"“认知升级”“长期主义”“底层逻辑”“关键抓手”“闭环”“深度链接”“价值沉淀”。
这些词没有具体动作托着，读起来就飘。

第 14 条"句子长度过于均匀"有个简单的自测方法，不用装工具。
找一段自己写的文字，数一下连续几句话的字数，忽长忽短（比如 8 字、31 字、22 字、4 字这样跳着走），节奏是活的；每句话都在 15-20 字上下浮动，几乎没有特别短或特别长的句子，这种匀速本身就是 AI 味信号。
业内把这个特征叫 burstiness，句长波动度，人类写作普遍偏高，AI 默认输出普遍偏低、偏平。
第七节有能直接打分的工具，但"念出来感受句子长短有没有变化"这个土办法，已经能解决大部分问题。

5. 最容易被忽略的越位感：反代入式表达

前面 22 条是语言层面的 AI 味。
这一节讲更深一层、也更容易被忽略的问题：站位上的越位。

AI 味最让人反感的地方往往不是平庸，是越位。
作者越过正常陈述边界，抢先替读者思考，定义读者的误解，再以更高位置去纠正读者。
说白了就是：读者在想什么，作者替你规定好了；你哪里想错了，作者替你宣布；正确答案是什么，作者负责发放。
读完会觉得不舒服，但常常说不清楚为什么，原因就在这里。

这类越位常见的四种表现：

预设读者认知，比如"很多人以为……"“你可能会觉得……”。
作者还没证明就先规定了读者怎么想。

预设读者误解，比如"问题不在 A，而在 B"。
如果 A 根本不是读者真实持有的认知，这种写法就是先造一个靶子，再打掉它。

预设读者心理画面，比如"一听到这个词，你脑子里浮现的是……"。
这比普通预设更进一步，直接替读者想了一遍他的内心活动。

自问自答式裁判，比如"能不能自己做一个？能，而且比你想的简单得多。"
表面像在对话，实质还是作者一人包办提问、判断和结论，读者只是被安排好的学生角色。

判断一段表达是否越位，可以连续问自己四个问题：

• 我是不是在替读者想？
• 我说的这个误解，真的是读者会有的吗？
• 这句话是在传递内容，还是在表演洞见？
• 这句话去掉"你以为"之后还能成立吗？

去掉"你以为""很多人觉得"之后内容依然成立，通常直接写结论会更好。

“不是 X，而是 Y"这类句式不是天然错误，但有严格的适用条件：X 必须是真实、普遍、可识别的旧认知，这个句式才是在做有效纠偏。
比如"做内容，不是先拼表达，而是先拼判断”，目标读者真的长期高估表达、低估判断，这句话就成立；X 只是作者为了制造洞见感硬编出来的，那就是伪纠偏，先造靶子再打靶子。

替代写法是把"我来纠正你"改成"我来陈述我的判断"。

少写：

• 你以为 X，其实是 Y。
• 很多人觉得……实际上……
• 你可能会认为……但真正的关键是……

多写：

• 更关键的是 Y。
• 真正起作用的是 Y。
• 这里的核心变量是 Y。
• 我更认同 Y 这个解释。

“多写"这类句式传递的是"我看到的是 Y”，是平等分享；“少写"这类句式传递的是"你原来以为 X，但我告诉你是 Y”，是被人居高临下纠正。
信息量可能差不多，但读者读到的感觉完全不一样。

6. 写作后自检：5 步流程，从检测到反查

稿子写完了，不要直接说"帮我改得更有人味一点"。
这句话跟"帮我变好看"一样模糊，AI 接到这种指令只会开始表演，改完味道更怪。
有效的是一套固定流程：先检测，再删，再校准声音，再改写，最后反查。

先做检测报告，不要直接改。
让 AI 先标出原文里的 AI 味、空泛句、抽象词、爆款腔、PPT 腔，分类列出来，先不动笔。
常见的检测分类包括：

• 意义膨胀：“标志着”“反映了”“奠定基础”“关键转折点”，把一个很普通的事实强行戴帽子。
• 宣传腔：“充满活力的”“丰富的”“深刻的”“开创性的”“令人叹为观止的”，像旅游宣传册和融资新闻稿杂交出来的词。
• 模糊归因：“专家认为”“行业报告显示”“一些观察者指出”，本质是在冒充有来源。要么说清楚是哪个专家、哪份报告，要么直接删。
• 公式结构："创新、效率和增长"这类三连词，或者"这不仅是 A，更是 B"这类否定式排比，偶尔用一次没问题，天天用就像同一个模具倒出来的。
• 风格痕迹：破折号用太多，粗体用太多，开头写"本文将深入探讨"，结尾写"希望这对你有帮助"，这是聊天记录没擦干净的痕迹，不是文章。

标出"正确但没有信息量"的句子。
很多句子语法没错、逻辑没错，读完等于没读，因为没有提供任何新信息，只是在正确地复述常识。

直接删，至少删 20%。
能删就删，删不掉再改。
这一步性价比最高，很多稿子改了半天还是有 AI 味，根源不是词不对，是水分太多。

把抽象词换成具体动作。
看到"表达能力"，问到底是改开头、删废话、换例子，还是把一句话压短；看到"用户需求"，问读者看完能做哪一步；看到"内容价值"，问有没有人愿意截图、反驳、转发、收藏，或者干脆为它付钱。
抽象词没有动作托着，就会飘。

校准声音，再反查一次。
这一步最容易被跳过，效果也最明显：给 AI 你自己 2-3 段真实写过的文字，让它学你的句长、用词、段落开头方式、标点习惯、口头禅和转场方式。
你本来就爱说"这玩意儿"，别让它升级成"该现象"；你本来句子有长有短，别让它全切成短句。
很多人去 AI 味失败，是因为把"去 AI 味"做成了"换一种通用人类腔"，结果还是不像自己，只是换了一种模板。

改完第一版后，再让 AI 反问自己："这段哪里还明显像 AI？"再改一次。
第一遍修明显错误，第二遍专门找残留味。
很多稿子第一遍看着挺顺，隔五分钟再看，“此外”“值得注意的是”"真正重要的是"又从字缝里冒出来了。

修改时的几条硬规矩：

• 命中哪个问题就处理哪个问题，不要整篇重写。
• 不编造经历、数据、人物和现场细节。
• 不为了"人味"故意加语气词、错别字、脏话或随意跑题，这种"装人味"比 AI 味更让人尴尬。
• 不把所有句子都改短，真人写作也有长句。
• 不把所有判断都改成不确定，真实作者也会有明确立场。
• 整体没有明显 AI 味，就不要硬改，过度修改也会制造另一种模板感。

最终的判断标准只有一个：改完以后，读者能不能更清楚地感到这篇文章由一个具体的人在说话。
这个人靠选择、判断、边界和真实素材出现，不是靠表演生活感。

7. 格式排版：肉眼可见的 AI 味往往出在这里

除了语言本身，排版格式也是一眼能看出来的信号，而且这一类问题改起来成本最低：

• 每段 1-3 句，超过 4 句就拆。
• 中英文、数字之间加空格，比如"AI 临界点"“5 年”，不加空格的中英混排是中文 AI 写作最明显的信号之一。
• 引号用「」，不要用英文引号 “”。
• 不用破折号 —— 做解释说明。
• 段落与段落之间不要堆分隔符。
• 章节标题最多用到三级标题，不要无限细分。
• 项目符号里不要全是"关键词：解释"这种固定模具，整篇文章读起来会像培训课件。

8. 现成工具实测：中英文去 AI 味 Skill 怎么选

不想每次都手动走一遍上面的流程，可以把一部分工作交给 Skill。
但要先分清楚：去 AI 味的 Skill 并不是同一种东西。

有的负责找痕迹，有的负责删套路，有的负责校准声音，有的负责审美判断，有的干脆是一整套写作流水线。
把它们放在同一个榜单里，会误导人以为装一个最强 Skill 就够了。

更实用的分法是看它在写作链路里解决哪一环。

所以我不建议只看"十大 Skill 榜"的顺序。
一个中文稿件最常见的组合是：先用 Humanizer-zh 做检测和基础改写，再用 shuorenhua 或 stop-slop 清理中文互联网黑话和套路句。
要稳定写得像自己，再补 nuwa-skill 这类风格蒸馏工具。

8.1. 英文工具

blader/humanizer —— 这个赛道最早、关注度最高的项目

GitHub 上 24.8k+ star，是"AI 写作痕迹检测+改写"这个品类的开创者，目前仍然保持活跃更新。
基于 Wikipedia 的"Signs of AI writing"指南，核心是两个动作：先做声音校准（读你的写作样本，记下句长、用词、段落开头、标点习惯、口头禅），再做最终反查（改完后让模型自己反问"这段哪里还明显像 AI"，再改一轮）。
很多后来的工具是在它的基础上做的延伸或翻译。

Aboudjem/humanizer-skill —— 模式库最大、带量化打分的版本

把检测模式扩到 43 个，是目前同类工具里覆盖最全的，还加了 5 种命名声音档案（casual、professional、technical、warm、blunt）和检测/改写/编辑三种操作模式。
它有一个挺有意思的量化指标，burstiness（句长波动度）：AI 生成文本的 burstiness 普遍接近 0，人类写作普遍在 +0.70 左右，工具会把改写前后的分数都打出来，直接给你看差距，比单凭感觉判断"是不是更像人话"更有说服力。

brandonwise/humanizer —— 偏统计分析，自带英文高频词黑名单

9. 一个可以直接抄的去 AI 味提示词

如果不想装任何 Skill，直接把下面这套提示词贴给任意一个 AI，也能跑出接近的效果。
这套提示词整合了前面几节的核心方法：先确认体裁和意图，再用 22 条约束规避高频特征，再用反代入式表达过滤越位感，最后按检测-删-改写-反查的顺序走一遍。

你是资深的中文内容编辑，能精准识别并消除 AI 写作痕迹。
你的目标不是把 AI 伪装成人，而是让内容保留真实的判断、体感和风格边界。

写作前先确认这 5 项，信息不足时宁窄不宽：
1. 体裁：短帖、长文、教程、复盘、评论，还是正式报告
2. 作者意图：解释、说服、复盘、吐槽、记录，还是建立一个判断
3. 目标读者：读者已经知道什么，真正卡在哪里，不要虚构一个低智读者
4. 语气：冷静判断、现场复盘、亲身吐槽、轻微讽刺，还是克制说明
5. 素材来源：哪些是真实经历/数据，哪些只是推测或转述

写作时主动避开这些高频 AI 写作特征：
- 不要堵住所有反驳，只处理真实存在、最关键的反对意见
- 不要匀速排比，超过两三句要变长、变短、转向或停住
- 不要高密度使用"不是 X 而是 Y"，认知翻转只能少量使用，且 X 必须是读者真实持有的认知
- 不要替读者说一句蠢话再纠正，只有真实存在的误解才值得写
- 不要每段都收束金句，只让最重要的一两句话有爆发力
- 不要让句子长度过于均匀，允许短句长句口语句混在一起
- 不要默认用"钩子、痛点、承诺"开头，先从真正要说的事开始
- 不要写中文翻译腔，少用"作为""关于""基于""进行"这类空转词
- 删掉这些 AI 高频词：赋能、底层逻辑、认知升级、闭环、长期主义、关键抓手
- 不编造没有量过的数字、没有经历过的动作、没有名字的"讲故事"

如果给了我的写作样本，请做声音校准：
学我的句长，不要全改短句；学我的开头方式；学我的口头禅，不要升级替换成更"正确"的词。

处理流程：
1. 先做检测报告，不要改：按意义膨胀、宣传腔、模糊归因、公式句、AI 高频词、风格痕迹分类列出来
2. 标出哪些句子正确但没有信息量
3. 直接删掉能删的内容，至少删 20%
4. 把抽象词换成具体动作、数字、场景或一句人话
5. 检查句子长度：如果连续几句字数都差不多，主动改出长短交替的节奏，不要匀速
6. 输出第一版改写
7. 反查一次："这版哪里还明显像 AI？"列出残留问题后再改一次

如果整体没有明显 AI 味，不要硬改。过度修改也会制造另一种模板感。

把你想改写的内容、以及 2-3 段你自己写过的文字一起贴在后面，效果会比单独贴一段要好得多。
声音校准这一步，没有样本就没法做。

如果是英文写作场景，可以直接把这份高频词黑名单加进提示词里：

永远不用 delve、tapestry、vibrant、crucial、robust、seamless、groundbreaking、leverage、synergy、paramount、multifaceted、myriad。

不要用 “In today’s…” 开头，不要用 “the future looks bright” 这类话收尾。

不要写 “Great question!” 或 “I hope this helps!” 这类聊天软件残留语气。

这份清单是英文 Humanizer 工具社区反复验证过的高频词，命中率很高，直接搬进提示词比自己现造更省事。

10. 长期方案：让 AI 记住你，从源头减少 AI 味

前面八节讲的是怎么改一篇已经写出来的稿子。
还有一条更省力的路：让 AI 提前知道你是谁，从源头上减少跑出 AI 味的概率。

AI 没有真正的"记得"，每次回答之前，它是临时翻一下你给它的资料，资料里写了什么就按什么演，没写的事就只能瞎编。
让 AI 记住你，说白了就是提前写一份"我是谁"的资料，让它每次回答前都先翻一遍。
这件事不难，10 分钟能做完。
做完之后会感觉到三个变化：不用每次重新解释自己，写东西的时候自带你的风格，关键时刻给的建议也更贴合你这个人，而不是放之四海皆准的官话。

不用自己憋稿子，让 AI 来问你。
打开常用的 AI，把这段话整段贴进去：

我想构建一版我的个人信息，把我的经历梳理成文档，方便任何一个 AI 通过这个文档了解我。你来帮我完成这个文档。你一次问我一个问题，直到你完全了解我为止。

接下来 AI 会陆续问到基本信息、当前在做的事、长期偏好、价值观和判断习惯、协作规则这几块。
回答的时候不用端着，越像平时跟朋友聊天那样回答，最后出来的说明书就越像你自己。
聊完之后，让它把内容一次性输出成 Markdown，存成一份"个人说明书.md"。

接下来分场景配置。
主要用聊天软件（ChatGPT / Claude / 豆包），操作很简单：打开记忆相关的开关，把说明书贴进对应的设置项里。
ChatGPT 是"你的详情"+“自定义指令”，Claude 是 Instructions for Claude，豆包是创建一个 AI 智能体把说明书写进设定描述。
新开一个对话问它"你知道我是谁吗"，验证一下就行。

也用 Claude Code、Codex 这类 Coding Agent 写长文、做内容的话，记忆方式不一样，它不在账号里，在你电脑上的文件夹里。
每次干活前，Claude Code 会先翻一遍当前文件夹的 CLAUDE.md，Codex 翻的是 AGENTS.md。
做法是：建一个专门的工作文件夹，把"个人说明书.md"放进去，再让 Coding Agent 读取这份说明书，自己生成一份 CLAUDE.md（或 AGENTS.md），里面除了核心信息，再补上协作规则，比如不确定先问、不要编经历和数据、写完告诉你哪里不确定。

两边的记忆不互通。
在 ChatGPT 里告诉它的事，Claude Code 不知道；在 Codex 文件里配好的那一套，豆包也读不到。
两边都用，就两边都贴一份，说明书本身是通用的，复制粘贴而已。

别一次塞太多。
说明书写到能覆盖你"长期不变"的那部分就够，今天心情不好这种不需要记，长期偏好什么调子才需要记。
塞太多了 AI 反而抓不住重点。

"我不要什么"也要写清楚，这条比"我喜欢什么"更重要。
AI 默认状态下会写得很光滑、很套路，不主动告诉它别赋能、别底层逻辑、别每段都收金句，它就会一直这样写。
把你看到就反感的表达列一个清单贴进去，这份清单其实就是把第三节那 22 条约束，落到你自己身上。

说明书是养出来的，不是一次写完。
用一阵之后会发现 AI 还是误解你某件事，或者发现自己还有一个偏好之前没写进去，回去把这一条加上重新贴一遍就行。

前八节解决的是"这一篇怎么改"，这一节解决的是"以后每一篇都能少改一点"。
两条线一起用，效果会比只用一条线明显得多。

11. 附录：一页纸速查表

本文整理自多份网络流传的去 AI 味方法论、Wikipedia “Signs of AI writing” 指南、以及多个开源 Humanizer 工具的官方文档，所有工具链接、星标数据和功能描述均已逐一上网核实更新至 2026 年 6 月。
涉及"人类识别 AI 写作准确率"的相关研究数据已对照多篇文献交叉核实，避免单一来源的以偏概全。
工具的关注度数据会随时间持续变化，使用前建议以各项目主页实时显示为准。