夜雨聆风本期内容摘自“超线性学院”：深度新闻
AI 写的中文有一股味儿。
每个用过的人都闻得出来。读一段话，你说不上它哪个字错了，语法也对，意思也通，就是读起来别扭。有时候甚至读两行就能认出这是 AI 写的。换模型也好，换 prompt 也好，叫模型模仿你的风格也好，这股味儿只是变淡一点，始终都在。
这篇想说一个观察：AI 味很大程度上就是翻译腔。
你闻到的那股味儿，是民国以来中国读者已经吐槽了一百年的老翻译腔，只不过现在被 AI 批量生产出来了。认出这一点以后，处理起来就简单了，因为翻译腔的套路是有限的。下面先让你对上号，然后再讲怎么改。
先看几句典型的 AI 味
这几句都是我自己和 AI 聊天时，AI 在几个小时前刚说的话。真实出处，没有挑选。
「明白了，三条反馈都很关键，我都接住。」
「迁移到我们现在的问题，就得到一个更锋利的重构：」
「你的直觉被数据验证了，而且验证得比我预期的更干净：」
「context 不崩、成本不爆、state 可恢复、cache 命中率高。」
「如果找不到，原断言可以 claim 更硬。」
读这几句的时候你大概会觉得熟悉。它们就是那个味儿。但如果问每句具体哪儿不对，你可能一时说不上来。AI 味最让人头疼的地方就在这里：错别字和病句一眼就能抓住，AI 味却是一种整体的违和感，你得通读完整段话才能感觉到。
这股味儿叫翻译腔
把这几句倒过来看它们原本长什么样，你会发现一件事：每一句都能顺顺当当翻回英文。
1、「我都接住」是 "I caught all of them"。
2、「更锋利的重构」是 "a sharper refactoring"。
3、「验证得比我预期的更干净」是 "verified cleaner than I expected"。
4、「不崩」「不爆」是 "doesn't break"、"doesn't blow up"。
5、「claim 更硬」直接一半都没翻。
反过来翻进日常中文要费劲得多。
挪到我们眼下这个问题上，能换一种更准的讲法。数据把你的感觉证出来了，而且比我想得更干净利落。上下文不会乱掉，成本压得住，状态能恢复，缓存命中得上。查不到的话，这个判断还可以说得再重一点。这些才是中文里本来的说法。
所以这股 AI 味，本质上是骨架为英文的中文句子。
每一个字都是中文，每一处语法都合规，但句子的骨架、主谓搭配、动词选择、段落节奏，全是英文的。鲁迅用过翻译腔这个词，王小波骂过，民国到现在一百年里每一代中国读者都跟它打过交道。
只是以前的翻译腔来自翻译家和留学生，数量有限，读者接触得少。现在 AI 一天生产的翻译腔文字比过去一年还多，大家天天读，读多了就给它起了个新名字叫 AI 味。
认出这一点以后，问题就从一个朦胧的语感变成了一个具体的技术活。翻译腔的套路是有限的，下面四种是我在自己的 AI 生成稿里反复遇到的，也是最常见的。
套路一：用物理动作描述思考过程
「明白了，三条反馈都很关键，我都接住。」
「接住」是个有意思的词。听起来有力量感，像一个干脆的动作。
但停下来想一下，中文里描述理解和采纳反馈，日常怎么说？「你这几条我都收到了。」「你说的几点我都记下了。」「这三条我都同意。」日常说的都是收到、记下、同意这类词。「接住」是英文 catch 的直译。
catch a point、catch the ball、catch the meaning 在英文里都自然，因为英文背后有棒球、橄榄球、接球游戏这一整套生活经验。中文里没有这套生活，这个动词就悬空了。
开头那五句里还有好几个同样悬空的词。「更锋利的重构」里的「锋利」来自英文 sharp，把描述刀刃的形容词挪来修饰论证。英文里 a sharp argument 有几百年沉淀，中文里没有。「context 不崩」、「成本不爆」里的「崩」和「爆」来自英文 break、blow up，把系统状态说成脆弱的物理物件。「claim 更硬」里的「硬」来自 hold harder，把判断变成了一个可以捏紧的东西。
把这类词列一份：锋利、击穿、拆解、收口、承担、撑不住、不崩、不爆、打穿、收紧、落地、推开、扛住。每一个都是把思考过程想象成了物理动作。
这个套路最难戒，因为它听起来最有味道。读到「这个论证被击穿了」，你会觉得作者判断鲜明。但中文里本来怎么说同一件事？「这个假设不成立。」「反例让这个结论站不住脚。」「这句话让原来的判断失效。」这些句子没有力量感，但它们准确说清了发生了什么。好写作靠的是准确，力量感只是副作用。
我自己修稿时的办法：写完一段以后把所有动词圈出来，看哪个动词在中文日常里不会这样用。不会这样用的，十有八九是从英文翻过来的物理动作。挨个换掉。
套路二：用形容词替读者先下判断
「迁移到我们现在的问题，就得到一个更锋利的重构：」
「你的直觉被数据验证了，而且验证得比我预期的更干净：」
注意「更锋利」后面带冒号，「更干净」后面也带冒号。这是 AI 写作里最常见的套路之一：形容词先下判断，冒号引出内容。同类的还有「逻辑很清晰：」「问题很直接：」「结论很明确：」「原因很简单：」。
问题出在三个地方：
第一，它抢走了读者自己评估的机会。
读完具体内容，读者本来会自己得出「确实挺清楚的」这个感受，但作者提前告诉你这很清楚，读者自己得出结论的体验就没了。
第二，这个形容词几乎总是多余的。
后面的事实本身就能让「清楚」「简单」「直接」的感觉浮出来，不需要形容词先铺垫。
第三，它的英文原型 "Quite simply, ..." 和 "The answer is clear: ..." 在英文里也被诟病多年，是公文腔的标志。
翻进中文更是双重别扭。
改法就是直接把形容词那一节删掉，只留后半句事实。「迁移到我们现在的问题，可以这样换一种讲法：」把「更锋利的重构」这六个字直接拿掉。「数据把你的感觉证出来了：」「更干净」直接删。读者照样理解，而且读得更顺。
如果你发现自己非常想保留那个形容词，那多半说明后面的内容没讲清楚，你在用一个评价词遮掩。这时候应该回头补内容，靠内容本身说服读者。
套路三：用抽象名词做主语，用形容词当结论
开头那五句跳过了这个套路，但它在 AI 写作里极其常见。举一句我同一段对话里写的：「工程上的现实比这些数字难看。」
这一句有两处问题。
一是用「工程上的现实」这种抽象名词堆做主语。
中文口语里自然的说法是「实际跑起来」「真要用的时候」「落到工程里」。
二是用「难看」这种评价词去概括一整片复杂情况。
读完你其实不知道到底哪儿难看，难看在哪个环节。
英文原型太熟了。"The reality is uglier than...", "The evidence is more direct...", "The complexity is open-ended..." 抽象名词开头，评价词收尾，中间用系动词连起来。英文读者对这种句式有长期默契，会自动预期后面跟展开说明。
中文读者的阅读习惯不同，读完「难看」就停在那了。
改的时候让人、动作、或者具体对象做主语，让事实自己说话。「这些数字只反映了采用面；真往下看各家怎么接，早就对不齐了。」主语从「现实」换成了「数字」和「各家」，谓语从「难看」换成了具体动作「对不齐」。读者读完知道了到底是什么在错位。
凡是碰到「X 的 Y 比 Z 更 W」这种骨架，都应该重写。
套路四：有中文译法的英文词直接混入句子
最后一个套路，开头五句里也给了最干脆的例子：
「context 不崩、成本不爆、state 可恢复、cache 命中率高。」
「如果找不到，原断言可以 claim 更硬。」
这种句子读起来有一种半翻译的生硬感。
context、state、cache、claim 这些词都有现成的中文对译：上下文、状态、缓存、断言。AI 在生成过程中有时候懒得翻，有时候判断读者自己会翻，结果就让英文单词原样留下了。
问题在于这让读者分心。读到 context 你要在脑子里切换一下：哦，上下文。读到 claim 更硬你要切两次：claim 是断言，更硬是说更强。每一次切换都消耗一点注意力。一段话里切七八次，读完就累了。
这个套路在圈内技术讨论里影响小一些，因为技术词汇本来就有英文版本，大家读起来都快。但一旦进入面向更广读者的文章，夹英文就变成障碍。正式写作里有一条可以执行的规矩：
除非这个英文词在中文里没有稳定译法（比如 prompt、embedding、tokenizer 在中文技术圈还在抢术语），否则全部换成中文。上下文、状态、缓存、断言、运行时、协议层、契约层，这些都已经有稳定译法，直接用。
开头五句里的 harness 是一个例外。这个词在 2026 年的 agent 讨论里还没有收敛到一个通用中文词，运行时、框架、客户端、载体都在用但都不精确。这种情况下保留英文是合理的。
怎么判断？中文圈里讨论这个概念还没统一术语，就保留英文；已经统一了，就换中文。
为什么 AI 写中文必然带翻译腔
这四个套路看着是四种毛病，其实是同一个问题的四个侧面。问题就是翻译腔。
AI 写中文为什么会有翻译腔，可以有很多种回答：
训练语料的中英文比例、模型内部表征、后训练的风格偏好。这些解释都有道理，但我觉得不用走那么远。一个更简单的观察是，AI 写中文的时候，看起来像是先在英文的句法里把意思想清楚，再一个字一个字换成中文。
这是行为上的表现，至于底层是不是真的这样只有训练它的人知道。但从读者这端看，效果就是这样。句子的骨架留在了英文里，只有皮被换成了中文词汇。
翻译家这个行当过去一直知道这个问题。好的译者花一辈子练的，就是从英文原文出发，不经过英文句法，直接写出中文读者日常习惯的表达。这一步在翻译学里叫归化。钱钟书、许渊冲、傅雷都谈过这件事。他们的经验说穿了就是一条：读完原文，把原文盖上，用中文重新说一遍。
这个方法对 AI 生成的中文也管用。当你发现一段 AI 写的中文读着别扭，别在原句上修修补补，改成重写。先把意思理清楚，然后用中文里本来会怎么说这件事，重新说一遍。
最后一个小练习
下次让 AI 起草超过三段的中文内容，读完第一遍先不改字，只做一件事，把下面四类东西圈出来：
一，思考过程里用的物理动作动词。接住、击穿、拆解、锋利、不崩、撑不住这些。
二，段落开头或句首的「X 很 Y：」起手式，尤其是形容词后面跟着冒号的。
三，抽象名词做主语、形容词收尾的句子，比如「X 的 Y 比 Z 更 W」这种骨架。
四，有现成中文译法却还留着的英文单词。
圈完你会发现这四类的密度大得出乎意料。一段两百字的 AI 中文，常常能圈出五到八处。然后一处一处改。改完再通读一遍，通常会发现语气回到了中文里该有的样子。
翻译腔消耗读者的注意力，这才是它真正的代价。读者一部分注意力花在解析句式本身上，剩下的才够用来理解内容。一段中文如果干净，读者感觉自己在直接接触内容，句式完全隐形。做到这一点，AI 味自然就消失了。
你闻到的 AI 味，很大程度上就是翻译腔。
👉更多关于AI的信息差和入门课程，欢迎进入社区了解：www.superlinear.academy ｜ 下载App：Superlinear Academy
