夜雨聆风上周日公众号后台弹了条通知。账号检测功能上线，5 篇历史文章被标记——"低创作度内容"。
我愣了一下。第一反应是疑惑——每篇发布前我自己改过好几轮，按理说人的痕迹应该更重才对。回头一翻才发现，我以为写得最好的那些句子恰好是 AI 顺过的。暴露问题的不是 AI 写的那些，是我觉得"好"的那些。
平台的原话：支持新技术辅助创作，不鼓励批量制造低信息量内容。用人话讲就是——你的文章读起来像 AI 写的。
我没申诉。但我想搞清楚一件事。平台凭什么判定"这是 AI 写的"？
我的文章为什么被标记？我大概知道原因了
先说一下我的写作流程。
现在公众号写文，现在谁不靠 AI 帮忙。调研、顺逻辑、出初稿——全是 agent 在跑。我的管线大概是：我定选题和方向 → AI 出框架 → 我改 → AI 出初稿 → 我再改，加图，补个人经历 → AI 帮我顺一遍口语不好的地方。
问题就出在最后这一步。
我让 AI "顺一下口语"。AI 的理解不是"保留我的说话方式，修掉不通顺的地方"。它的理解是——把你说的话升级成"更好的表达"。我的"这里写得不太顺"变成了它的"这里可以写成金句"。
我口语说"这个工具不怎么抓特征词，它看的是你写东西的时候怎么犹豫、怎么改"，AI 给顺成——"它不抓特征词。它看整个写作过程中的决策模式。"
不是后者不好——它太干净了，干净到不像人在说话。
一篇两篇可能不明显。五篇全是这个节奏——句式均匀、加粗到处是、每段收尾都升华一下——平台算法扫一眼就知道：这不正常。
所以我的问题不是"用 AI 写作"。写公众号的人都在用。我的问题是 AI 把我的口语顺没了，然后机器又判定"没人味"。
这个事儿挺讽刺的，但总结下来就是：我认为AI把我的文章变”好“了，但平台因为文章"太好了"把我用AI这件事实锤了。
说实话，被标记之前我根本没觉得有问题。我纯 IT 背景，自己写不出这种水平的文章，读着还挺满意的——逻辑顺、表达干净、该加粗的地方都加粗了。是平台告诉我"这不行"之后，我才回头去看：为什么不行？然后才发现，我满意的那些地方恰好就是 AI 的指纹。
平台到底怎么检测的？
想通这个之后，我开始翻市面上的 AI 鉴伪工具。我想知道——它们到底根据什么判的。
文字检测是目前最成熟的，也是最容易误判的。
阿里出的 ImBD（Apache 2.0），走的技术路线是对比人机写作行为差异。它看的是你写东西的过程中有没有"犹豫"。人会改词、会回头、会在两个表达之间纠结。机器的输出是一条直线，没有这些痕迹。所以它不抓特征词——你用了什么成语、什么句式，它不看。
DNA-GPT（MIT 协议，不用训练）更直接——同一个 prompt 让模型生成好几次，如果每次输出高度一致，机器写的。人写同一个意思，每次措辞都会有出入。
蚂蚁的 TextShield（CC-BY-NC，研究用途）定位文字篡改——文档里哪些字被改过，它能标出来。
图片、音频、视频——同样的思路，不同的载体
图片这边，FakeShield（Apache 2.0）和 VerifyVision-Pro（MIT）都是伪造检测的综合方案。FakeShield 同时看图内容和元数据，VerifyVision-Pro 把检测、定位、解释串成一条线。
川大出的 Mesorch（AAAI 2025），不跟你说"这张图被动过"——直接标出哪几个像素动了。
音频这边，浙大加清华的 SafeEar（ACM CCS 2024）扛得住各种编解码压缩——微信语音传一遍、转码一次，照样检出。Meta 的 AudioSeal（MIT）反过来做防御，生成时就嵌水印，每段 AI 音频出厂自带"身份证"。
视频端 DeepFakeDefenders（Apache 2.0）是目前开源里比较全的综合方案，Forensiguard 聚焦音频取证，DeepCheckAI 做多模态综合检测。
这些工具我大部分没跑过。列在这里是给自己备着，等有时间了，我一个一个搭起来，跑一下试试，如果他协议允许，我也丢到工具箱里给大家玩玩。
溯源 vs 检测：两条路
说完开源工具，说一下市场上两种技术路线。
c2pa-rs 代表了其中一条——溯源。它不回答"这段文字是不是 AI 写的"。它追的是谁创建的、用什么工具、编辑了几次、每次改动了什么痕迹。Adobe 牵头的 Content Authenticity Initiative 在推这个标准。像一个文件的快递单号。
另一条路就是前面那些检测工具——取样、分析、判定。看你的文本有没有机器的痕迹。
溯源听着更根本——不用跟你玩猫鼠游戏，在源头做标记就行。但现实是谁会主动给自己打标？"我是 AI 写的，戳这里看证据"——除了合规要求，没人加这个。
我的判断：检测和溯源不是二选一。但溯源更接近本质——从源头标记，比事后去猜"这段是不是 AI 写的"要好。我国强制标准《GB 45438-2025 网络安全技术 人工智能生成合成内容标识方法》和配套管理办法本质上走了溯源路线。这个方向我觉得对——虽然落地肯定一堆麻烦，需要大模型厂家做技术合规动作，但往长久看标识+溯源的路子才是从本质上解决问题的路子。
所以我能干嘛
被标记之后，我先把 AI 顺稿那一步的思路调整了一下。以前让它"润色"，它给我出一堆金句。现在让它只修错别字和明显不通顺的地方，不改语气和句式，效果应该会好。
然后开始翻这些鉴伪工具。翻的时候突然想到——拿我那几篇被标记的文章跑一遍 DNA-GPT，"同一个意思让我重新讲一次"，我跟 AI 生成的版本会差多少？有点好奇，但感觉对效率没啥意义，懒得试。Global 100 Index 有个排名，247 个检测平台，感兴趣可以去翻翻：
这个领域其实挺大的，已经被广泛用在论文检查、内容审核这些关键场景了。不过说实话，我翻这些更多是想知道判定我那几篇文章的逻辑是什么原理。知道了就不慌了，下次被锤至少知道锤子长什么样。
这篇文本打算写成工具清单。但写的过程中发现，把鉴伪这个技术领域摊开来讲可能更有用——了解平台怎么判的、检测工具什么原理、溯源和检测各走什么路线。以后你自己用 AI 辅助创作、或者把 AI 融入工作流的时候，至少知道坑在哪，不会像我一样稀里糊涂被锤了才回头找原因。
接下来管线不用大改，但分工更明确了——调研、分析、汇总案例这些，AI 来做。扶正我的观点、提出不同意见和思路，AI 也可以做。但怎么揉、怎么改、哪句留哪句删，最后一步人改这个位置要加重。以前觉得 AI 顺稿是帮了我，现在知道——它帮的那一步恰好是最不该交给它的。
当然我也在想，这个创作度的评估高低，为什么不在发文前评估，而是要等发文后限流呢？