夜雨聆风精神股东们，大家好！这是波仔第 36 篇关于 AI 的原创文章，你的关注和分享是我持续分享 AI 干货的动力。
AI 生成的文章、产品文案、演讲稿等等，读者常常一眼就能识别出来，毛病通常出在三处：
素材是它虚构的
思考是它演出来的
腔调是它自带的通用款。
所以，去 AI 味不是简单换几个词，也不是把长句切短。真正要接手的，是素材、思考和腔调。AI 可以帮你把句子组织顺，把指令跑完，但不能替你拥有真实经历，也不能替你做判断。下面把 AI 味识别、怎么改写、用什么工具去 AI 味，给你用一篇文章讲清楚，中英文的 Skill 也一起给你整理好了。
一、AI 味是怎么来的
很多人一提到去 AI 味，第一反应是「换词」「缩句」「口语化」。这些能改一点表面问题，但解决不了根源。
AI 味的根源是三层失真。
第一层，素材是编的。
AI 没有真实经历。它写故事，很多时候是靠概率拼出一个看起来合理的场景。读着顺，但经不起追问：里面没名字，没意外，没现场感。底子是空的。
第二层，思考是装的。
AI 默认会把观点讲得滴水不漏。它会堵住所有可能的反驳，照顾每一类读者，再配上工整的转折。可真人下判断不是这样。真人会取舍，会偏心，有些地方就是没想透，也没必要装成全都想透。
第三层，腔调是默认的。
没有特别指令时，AI 很容易回到那种「礼貌、完整、正确」的通用腔。谁读都行，但谁也读不出是一个具体的人在说话。
所以后面所有方法，都立在一句话上：素材、思考、腔调由你把关，AI 只负责组织语言。
动笔前，还有 5 件事要先想清楚。不然信息一缺，AI 就会自动拿模板补。
第一，体裁是什么？
短帖、长文、教程、复盘、评论，还是正式报告？不同体裁能用的节奏和密度差很多。拿长文套路写短帖，AI 味会特别明显。
第二，你到底想干什么？
解释、说服、复盘、吐槽，还是下一个判断？意图一模糊，AI 就会往「面面俱到的说明文」上滑。
第三，读者是谁？
他们已经知道什么，又卡在哪里？别让 AI 凭空造出一个「什么都不懂的读者」，然后开始制造纠偏感。
第四，语气是什么？
冷静判断、现场复盘、亲身吐槽、轻微讽刺，还是克制说明？不定下来，AI 就会回到「礼貌、完整、正确」那一档。
第五，素材从哪来？
哪些是真实经历，哪些是真实数据，哪些只是你的推测或转述？没量过的数字、没经历过的动作，别让 AI 编。
这几件事没想清楚的时候，宁可写窄一点、实一点，也别为了显得完整，让 AI 扩出一堆宏大判断。
二、AI 味具体有哪些特征
AI 味的特征很多，但可以分成四类看：语言特征、站位越位、排版痕迹。
语言特征
AI 味的文章有特定的语言特征，先看最常见的 22 条。
别把所有反驳都堵死。只处理真实存在、最关键的那一两条反对意见。 别把知道的知识一股脑倒出来。只留真正推动判断的概念、例子或数据。 别匀速排比。排比超过两三句，就让其中一句变长、变短、转向或停住。 别反复套同一个让步模板。读者理解一次结构就够了。 别频繁给概念起名字。只有真的精准、后文还会反复用到的概念才命名。 别把情绪曲线修得太光滑。允许卡顿、犹豫、没完全想通。 别替读者说一句蠢话再纠正。只有真实存在的误解才值得写。 别高密度用「不是 X，而是 Y」。认知翻转只能少量用。 别表现得毫无犹豫。确定性应该来自证据，不是语气够硬。 别写精确到失真的情绪细节。没量过的数字、没经历过的动作，不要编。 别让脆弱感只为论点服务。真实经历里常有跟论点无关、却更可信的细节。 别把复杂结论包装成万能协议。前文刚说不能简化，结尾就别强行简化。 别每段都收一句金句。只让最重要的一两句话有爆发力。 别让句子长度太均匀。短句、长句、口语句可以混在一起。 别用身体感受替代论证。讲不下去，可以直接承认讲不下去。 别默认用「钩子、痛点、承诺」开头。先从真正要说的事讲起。 别固定位置堆连接词。删掉不必要的「然而」「事实上」「值得注意的是」。 别为了回避重复刻意换同义词。准确的词可以重复。 别写中文翻译腔。少用「作为」「关于」「基于」「进行」这类空转词。 别虚构「讲个故事」。没有名字、差错、现场细节的故事，宁可不写。 别用「你值得」式祝福强行收尾。文章讲完了就停。 别对「深刻」过拟合。实操问题不一定需要升维成哲学命题。
英文语境里的高频词是 delve、landscape、pivotal、tapestry、underscore、foster。
中文语境里常见的是「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」。
这些词不是绝对不能用。问题在于，一篇文章里大量出现，又没有具体的例证，读起来就会觉得内容浮于表面。
越位感
除了语言，还有一种更隐蔽的 AI 味：越位感。
AI 味最招人反感的，往往不是平庸，而是越位。作者越过正常陈述的边界，抢先替读者思考，替读者定义误解，再站到更高的位置上纠正读者。
说白了，越位感就是：
读者在想什么，作者替你规定好了； 读者哪里想错了，作者替你宣布了； 正确答案是什么，也由作者来发放。
这种写法读完会不舒服，但很多人一时说不清为什么。
越位常见有四种。
一种是预设读者认知，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。
一种是预设读者误解，比如「问题不在 A，而在 B」。如果 A 根本不是读者真实持有的看法，这就是先立靶子，再打靶子。
一种是预设读者心理画面，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，直接替读者想内心活动。
还有一种是自问自答式裁判，比如「能不能自己做一个？能，而且比你想的简单得多。」表面像对话，其实从头到尾都是作者一个人包办提问、判断和结论。
前者像「我来纠正你」，后者像「我来陈述我的判断」。信息量差不多，读者感受完全不同。
写完以后，也别直接让 AI「改得更有人味一点」。这句话太虚，AI 接到以后只会表演自然。
排版
排版是最容易暴露 AI 味的地方，也最好改：
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」。 引号用「」，不用 “” 或 “”。 不用破折号做解释说明。 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，整篇看下来会像培训课件。
最终判断标准只有一个：读者能不能感觉到，这篇文章是由一个具体的人在说话。
这个人靠选择、判断、边界和真实素材立住，不靠表演生活感。
三、去 AI 味的几种方法
去 AI 味可以分三条路：用 Skill，用提示词，用长期记忆。
1. 用 Skill：先分清它解决哪一环
去 AI 味的 Skill 有不少，但是它们都在解决特定问题。
有的找痕迹，有的删套路，有的校准声音，有的管审美，有的干脆是一整套写作流水线。
所以别只盯着「十大 Skill 榜」。更实用的分法，是看它在写作链路里解决哪一环。
一篇中文稿，常见组合是：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。想稳定写得像自己，再补 nuwa-skill 这类风格蒸馏工具。
英文去 AI 味的 skill 可以关注下面这几个：
blader/humanizer：这个赛道最早、关注度最高的项目
GitHub 上有 24.8k+ 关注，是「AI 写作痕迹检测+改写」这一品类的开创者，目前还在活跃更新。它基于 Wikipedia 的「Signs of AI writing」指南，核心是两步：先做声音校准，读取你的写作样本，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。
Aboudjem/humanizer-skill：模式库最大、带量化打分的版本
它把检测模式扩到 43 个，还加了 5 种命名的声音档案：casual、professional、technical、warm、blunt，并提供检测、改写、编辑三种操作模式。
它还有一个指标叫 burstiness，也就是句长波动度。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，方便你直接看差距。
brandonwise/humanizer：偏统计分析，自带英文高频词黑名单
它不只看具体词，还看 burstiness、type-token ratio（词汇是否重复）、可读性是不是过于均匀。
它附带的英文 AI 高频词黑名单可以直接抄：delve、tapestry、vibrant、crucial、robust、seamless、groundbreaking、leverage、synergy、paramount、multifaceted、myriad、cornerstone、reimagine、empower、catalyst 一律不用；「In today's...」开头、「the future looks bright」结尾、「Great question!」这类聊天残留也在禁用之列。它还自带打分系统，目标是把「AI 味分数」改到 25 分以下。
stop-slop：专门清理英文 slop 的小刀
有些英文稿不是不像人，而是太像模型默认作文：filler words、公式化转折、被动句、空洞形容词一股脑堆出来。stop-slop 定位更窄，适合英文邮件、说明文、README、博客草稿，不适合拿来做中文文风校准。
中文去 AI 味的 skill 主要有下面这三个：
op7418/Humanizer-zh：blader/humanizer 的官方汉化版
由知名 AI 博主「归藏」（op7418）维护，是 blader/humanizer 最直接的中文移植版本，目前关注度在 9k–10k，覆盖 24 种中文 AI 写作模式。如果你主力用 Claude Code 写中文内容，这是比较省心的选择之一：一行命令装好，直接对中文内容跑，能识别「此外」「值得注意的是」这类连接词堆砌、宣传腔形容词，以及中文语境特有的三段式排比结构。
shuorenhua（说人话）：专攻中文互联网语境
中文有自己的重灾区：互联网黑话、工程师腔、小红书 AI 腔、翻译腔、语域混搭。shuorenhua 补的就是这一层。规则覆盖 210 多个中文短语、96 条英文短语、19 类结构反模式，还自带评测集做校验：70 条基准样本，40 条该改、30 条不该误杀。
如果内容经常发小红书、知乎这类平台，它比通用英文工具更有针对性。
nuwa-skill：让 AI 学一个具体人的表达
如果目标是「更像我」，单纯去味还不够。nuwa-skill 这类风格蒸馏工具适合长期使用：喂给它稳定样本，让它抽出一个人的表达习惯、判断方式和禁用风格。它跟后面的「个人说明书」是同一条路，只是更像一个可复用的 Skill。
另外还有三类 skill 对去 AI 味有帮助，也可以试试。
taste-skill：给 AI 加一道审美刹车
很多稿子看着像 AI，问题未必出在某个高频词上，而是太顺、太乖、太平均，没有选择。taste-skill 管的是审美满意度：一句话够不够锐，标题有没有记忆点，开头是不是一眼就滑过去。它适合标题、开头、金句、封面文案和短内容。
writing-agent：把去味放进整套写作流程
如果做长篇内容或稳定账号，问题通常不在最后一轮改写。选题、资料、结构、标题、改写、发布节奏，都可能把文章带进模板里。writing-agent 更像一个写作系统，不是单点去味工具。
chatgpt-comparison-detection：检测参考，不是最终判官
检测类项目能帮你建立感觉，但别把它当裁判。AI 检测工具会误杀：有些真人写得规整，也会被判得像 AI；有些模型文本稍微打乱节奏，也能逃过去。更好的用法是把检测结果当线索。它说某段像 AI，你就回去看那段是不是太满、太匀、太会替读者想。
怎么选，简单说：
只改一篇中文稿，先用 Humanizer-zh。 发小红书、知乎、公众号，又常出现「赋能」「闭环」「价值沉淀」，再补 shuorenhua。 英文稿有模型默认腔，用 stop-slop 或 blader/humanizer。 想看量化变化，用 Aboudjem 或 brandonwise。 长期写同一个账号，优先做个人声音样本，nuwa-skill 或个人说明书更有价值。 taste-skill 和 writing-agent 不适合当第一步。前者解决审美，后者解决流程。
有些榜单还会列 ai-flavor-remover、De-AI-Prompt-Enhancer 这类名字。用之前先看两件事：README 里有没有明确流程，最近还在不在维护。只有名字像「去味」，却拿不出规则库、样本和安装说明的，先当候选，别当主工具。
2. 用提示词：不装 Skill 也能跑
不想装任何 Skill，可以直接用下面这套提示词。
它的核心思路是：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。把你要改的内容，连同上面的内容一起发给豆包之类的 AI 助手，就能直接帮你去 AI 味。
如果是英文写作场景，可以把这份高频词黑名单加进提示词：
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。
这份清单来自英文 Humanizer 工具社区反复验证过的高频词，直接搬进提示词比自己现造更省事。
3. 用长期记忆：从源头减少 AI 味
前面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。
AI 并没有真正的「记得」。每次回答前，它只是临时翻一下你给它的资料。资料里写了什么，它就按什么演；没写的事，就只能瞎编。
所以所谓让 AI 记住你，其实是提前备好一份「我是谁」的资料，让它每次回答前先翻一遍。
这件事不难，10 分钟就能做完。做完之后，你不用每次重新解释自己，写东西时也更容易带上你的风格，建议也更贴你这个人。
不用自己憋稿子，让 AI 来问你。打开常用 AI，把这段话贴进去：
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 会问基本信息、当前在做的事、长期偏好、价值观和判断习惯、协作规则。回答时不用端着，越像平时跟朋友聊天，最后出来的说明书就越像你。聊完，让它一次性输出成 Markdown，存成「个人说明书.md」。
然后按场景配置。
主要用聊天软件（ChatGPT / Claude / 豆包），就打开记忆相关开关，把说明书贴进对应设置。ChatGPT 是「你的详情」加「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。
如果你也用 Claude Code、Codex 这类 Coding Agent 写长文、做内容，记忆方式不一样。它不在账号里，而在电脑文件夹里。Claude Code 会先翻当前文件夹的 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，生成一份 CLAUDE.md（或 AGENTS.md）。除了核心信息，还可以补协作规则，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，就两边各贴一份。
说明书别一次塞太多。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用记，长期偏好什么调子才需要记。塞太多，AI 反而抓不住重点。
「我不要什么」也要写清楚，而且这条比「我喜欢什么」更重要。
AI 默认会写得很光滑、很套路。你不主动告诉它别赋能、别底层逻辑、别每段都收金句，它就会一直这么写。把看到就反感的表达列成清单贴进去，这份清单其实就是把前面那 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，发现 AI 还是误解了某件事，或者你又多了一个偏好，就回去补一条。
前两种方法解决「这一篇怎么改」，个人说明书解决「以后每一篇怎么少改一点」。两条线一起用，效果会更稳。
附录：一页纸速查表
往期阅读
↑点击关注，获取最新 AI 产品资讯↑
下面是为你精心汇总的往期热门文章，如果你错过了，可以点击下面的链接查看。
大模型
AI 使用教程
AI 实用工具
Claude Code 源码泄露 OpenClaw 类产品将井喷
AI 故事会
本文整理自诺鸭船长3 (@noahduck283)，由原作者根据多份网络流传的去 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。
