ARTICLE · 1324048
AI 写文章总有一股“机器味”?我发现了一个有意思的开源项目
现在用 AI 写文章已经不是什么新鲜事了。
写公众号、做方案、整理资料，很多事情都可以交给 AI。
但不知道你有没有发现一个问题：
AI 写出来的东西，明明语法通顺，结构也完整，可读起来就是有点别扭。
尤其是一些常见表达：
「真正重要的不是……而是……」
「这背后反映出一个值得思考的问题。」
「核心在于……」
「从某种意义上来说……」
偶尔出现一两次没什么，但如果整篇文章都是这种表达，就很容易让人觉得：这是不是 AI 写的？
我最近在找海外 AI 工具时，发现了一个挺有意思的 GitHub 开源项目。
它叫lieflat-less-ai-tone。
简单来说，就是研究 AI 写作和人类写作之间的差异，再通过一套检测规则，帮助文章减少明显的 AI 写作痕迹。
我觉得这个方向挺值得研究，所以今天把它整理出来，和大家聊聊。
01 这个项目到底研究了什么？
先说说它背后的实验。
根据作者公开的项目介绍，这项研究前后进行了两轮实验：
- 第一轮：629篇文章，约283万字。
- 第二轮：540篇配对文章，约256万字。
- 两轮合计：1169篇文章，约520万汉字。
作者还将100多项写作特征纳入分析，结合 Python 脚本、大模型语义判断和人工盲读进行验证。
这里有一个细节值得注意。
第一轮实验结束后，作者发现了一个问题：人类文章和 AI 文章并没有做到完全同题。
比如，人类写的是一家公司财报，AI 写的却是行业趋势。
这时候直接比较两篇文章的数字密度，结果自然可能出现偏差。
于是第二轮实验调整了方法，尽量让人类文章和 AI 文章保持同题、同事实、相近篇幅。
这样才能更好地观察两者在表达习惯上的区别。
这也是这个项目比较有意思的地方：它不只是让 AI 自己判断什么叫 AI 味，而是尝试通过实验找出具体的语言特征。
02 AI 写作有哪些容易被发现的习惯？
我看了项目介绍，其中有几个发现比较有代表性。
第一，特别喜欢使用「不是A，而是B」。
例如：
「真正的问题不是工具不够好，而是我们没有找到正确的使用方式。」
这种句式本身没有错。
但 AI 很喜欢用它来制造转折和强调。如果一篇文章里反复出现，就会显得有些刻意。
项目作者在自己的语料中发现，这类对举句式在 AI 文章里的出现频率约为人类的3.4倍。
第二，喜欢把简单的话写得很复杂。
比如：
「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。」
其实可以直接写成：
「这个工具不用增加人手，也能提高团队的审核速度。」
表达的意思差不多，但后者更直接。
AI 有时会在一个名词前面堆叠很多修饰词，导致一句简单的话变得很长。
第三，喜欢列举。
「从技术、产品、运营、商业模式、用户体验等多个维度进行分析。」
这种表达大家应该都不陌生。
AI 很喜欢把观点整理成一串并列内容，好像不多列举几个方面，就显得不够全面。
根据作者的实验，一个分句中连续列举三项以上的情况，AI 语料中的出现频率约为人类的1.8倍。
第四，喜欢用冒号总结。
比如：
「核心是：提高效率。」
「关键在于：找到真正的问题。」
「一句话总结：我们需要改变。」
偶尔使用没有问题，但如果每段都采用这种结构，文章就容易出现明显的模板感。
作者通过语义分析发现，这类结论提示冒号在 AI 语料中的出现频率约为人类的2.1倍。
当然，这些数据反映的是作者特定实验语料中的差异，并不是判断一篇文章是否由 AI 创作的绝对标准。
03 它和普通的润色工具有什么区别？
平时我们让 AI 帮忙去掉文章里的机器味，通常会直接说：
「帮我把这篇文章改得自然一点，不要有 AI 味。」
然后 AI 就开始从头到尾改写。
有时候确实会变得自然一些，但也可能出现另一个问题：原本写得不错的句子也被改掉了。
这个开源项目采用了另一种思路。
它把整个过程拆成了几个步骤：
先检测，再分析，确认后才修改，最后重新检测。
具体来说：
- 先检查文章中的标点、句长、段落结构等特征。
- 再结合上下文判断哪些表达确实存在问题。
- 用户确认后，只针对需要修改的地方进行调整。
- 修改完成后，再运行检测，观察前后变化。
它还考虑到了个人写作习惯。
比如，有的人本来就喜欢使用破折号，如果只是因为检测规则认为破折号使用频繁，就把它全部删掉，反而会破坏原来的表达风格。
所以作者强调尽量保留个人习惯，避免为了去 AI 味而过度修改。
04 普通人可以怎么找到这个工具？
项目已经公开在 GitHub 上。
项目名称： lieflat-less-ai-tone
项目地址：https://github.com/larashero3-dotcom/lieflat-less-ai-tone
打开之后，可以先查看 README.md，了解项目的功能、研究方法和安装要求。
这里需要说明一下，它不是一个直接在线使用的网站，而是包含 Skill 文件和 Python 检测脚本的开源项目。
想真正运行它，需要具备相应的 Python 环境，以及支持 Skill 调用和脚本执行的 AI Agent。
如果你平时使用 Claude Code 等工具，可以进一步研究它的安装方式。
没有编程基础也不用着急，可以先看看项目里的研究规则和案例，了解它是怎么判断文章写作特征的。
我也会继续关注这类工具，后面有机会再整理实际安装和使用教程。
05 一点个人想法
我觉得这个项目最值得关注的，不只是它能不能把文章里的 AI 痕迹减少多少。
而是它让我们重新注意到一个问题：
当 AI 可以轻松生成几千字内容时，什么才是写作中真正重要的东西？
我觉得是自己的判断。
同样一个主题，不同的人会有不同的经历、观点和表达方式。
AI 可以帮我们整理资料、搭建文章结构，也可以提供一些表达思路。
但如果从开头到结尾都依赖它生成，自己不去判断、不去修改，最后写出来的东西很容易变成千篇一律的模板。
所以，与其一味追求所谓的「去 AI 味」，不如先学会判断什么内容值得写，什么表达真正适合自己。
这个开源项目提供了一种有意思的研究思路。
感兴趣的朋友可以自己去 GitHub 看看。
这里是实践派小lin。
一个还在不断学习 AI、研究 AI 的普通大学生。
平时喜欢寻找海外有意思的 AI 工具和开源项目，也会把一些复杂的技术整理成容易理解的中文内容。
如果你也喜欢研究 AI，欢迎关注。
我们一起发现好工具，也一起把它们真正用起来。
