Skip to content
Back to skills

de-ai-flavor

ASecurity

去 AI 味 / 鉴 AI 味 Skill。把带"AI 味"的中文改写成像人写的,或者给一篇稿子做体检、指出 AI 味具体在哪一句、为什么。当用户说:去AI味、去掉AI味、AI味太重、这段一眼AI、读着像AI写的、像机器写的、帮我改得像人写的、把AI稿改成人稿、润色一下别那么AI、写点有人味的、这篇是不是AI写的、鉴AI、检测AI味、有没有AI味、帮我看看这段文字怎么样 等等时使用。也适用于用户直接丢来一段文案、小说、公众号稿、演讲稿、周报、PRD、朋友圈文案,并流露出"读着别扭""不像我写的""太飘了"这类嫌弃腔调的场景——不要 undertrigger。方法论出自公众号「做書」的 AI 文本鉴别文章,覆盖文辞堆砌、比喻做作、句式死板、节奏断裂、内容冗余、逻辑不通、情感空洞七类病征,并内置"不许空口鉴 AI"的防误伤原则。不负责从零写公众号长文(用 khazix-writer)、不负责起标题、不负责英文文本改写。

  • 2 stars
  • 0 votes
  • 0 copies
  • 2 views
  • Added October 2, 2026
ai-agentspythonbash

Security analysis

A100/100

Pro scans all 3 files and shows the line behind each finding

Scanned October 2, 2026

npx -y skills add lucia-trend/de-ai-flavor --agent claude-code

Installs into .claude/skills of the current project.

Are you the author of de-ai-flavor?

Add the live security badge to your README. It updates with every re-scan.

Security grade badge for de-ai-flavor
[![Security: A — Skills Directory](https://www.skillsdirectory.com/api/skills/lucia-trend-de-ai-flavor/badge)](https://www.skillsdirectory.com/skills/lucia-trend-de-ai-flavor)

More formats (shields.io, HTML) on the badges page. Keep it an A: scan every change in CI with Pro.

Download with Pro
SKILL.md
---
name: de-ai-flavor
description: |
  去 AI 味 / 鉴 AI 味 Skill。把带"AI 味"的中文改写成像人写的,或者给一篇稿子做体检、指出 AI 味具体在哪一句、为什么。当用户说:去AI味、去掉AI味、AI味太重、这段一眼AI、读着像AI写的、像机器写的、帮我改得像人写的、把AI稿改成人稿、润色一下别那么AI、写点有人味的、这篇是不是AI写的、鉴AI、检测AI味、有没有AI味、帮我看看这段文字怎么样 等等时使用。也适用于用户直接丢来一段文案、小说、公众号稿、演讲稿、周报、PRD、朋友圈文案,并流露出"读着别扭""不像我写的""太飘了"这类嫌弃腔调的场景——不要 undertrigger。方法论出自公众号「做書」的 AI 文本鉴别文章,覆盖文辞堆砌、比喻做作、句式死板、节奏断裂、内容冗余、逻辑不通、情感空洞七类病征,并内置"不许空口鉴 AI"的防误伤原则。不负责从零写公众号长文(用 khazix-writer)、不负责起标题、不负责英文文本改写。
---

# 去 AI 味

给中文文本做两件事:**指出哪里有 AI 味**,以及**改掉它**。

方法论来自公众号「做書」2026 年那篇 AI 文本鉴别文(作者是做 AI 产品评测的从业者),本 skill 把文中的病征翻译成了可执行的判定动作和修复动作。

---

## 零、先划边界:这些东西不算 AI 味

这一节放在最前面,因为它比后面所有病征都重要。**违反这条,改出来的东西会比原文更糟。**

原文明确反对靠单点特征"空口鉴 AI":

> 单凭某一个点就"空口鉴AI",说某篇文章用破折号多、排比多、爱用"不是……而是……"就"肯定是AI写的",是不可取的,也是对创作者的一种伤害。

所以下面这些,**不能单独作为 AI 味的证据**:

| 特征 | 为什么不能算 |
|---|---|
| 破折号多 | 中文本来就有这个用法,鲁迅用得比谁都凶 |
| 排比多 | 修辞手法,人类用了两千年 |
| "不是……而是……" | 常规转折句式 |
| 三段式结构 | 人类作者的常见习惯 |
| 用了成语 / 用了比喻 | 修辞本身无罪 |
| 文风华丽 / 文风简练 | 这是个人风格差异,不是病 |

**正确用法**:这些特征只有在**高密度扎堆 + 同时命中下面多条病征**时,才作为旁证。单独出现时,一律放过。

**改写时的对应原则**:降低密度,不搞零容忍。不要把破折号全删了,不要把所有排比拆散——那只会让文章变成另一种畸形。

判断一段文字是不是 AI 写的,和判断它写得好不好,是两件事。本 skill 真正要解决的是后者。

---

## 一、七类病征

每一类给四样东西:**怎么认**(症状)、**病例**(原文举的例子)、**自检动作**(可执行的判定)、**手术手法**(怎么改)。

### 病征 1:文辞堆砌

**怎么认**:修饰词过量,乍看华丽,细读发怪。像个爱拽词的文青,靠词语和意象堆叠撑格调,内里没东西。

**病例**:「那几年的提前量」「我连自己还剩多少个日落都懒得算」

**自检动作**
1. 把整段的形容词、副词全删掉,重读。信息量掉了多少?**几乎没掉 = 堆砌。**
2. 数一个名词前面挂了几个定语。**≥2 个且不可互换顺序才算合理,否则砍。**
3. 找"的的的"——一个分句里"的"出现 3 次以上,多半在堆。

**手术手法**
- 定语砍到 1 个,保留信息量最大的那个。
- 把形容词换成动词或具体名词。「巨大的悲伤」→「哭到打嗝」。
- 意象只留一个。三个意象叠着写不是丰富,是没想清楚要哪个。

---

### 病征 2:比喻做作

**怎么认**:本体和喻体之间的联系牵强,甚至根本不在同一个维度上。比喻的目的是让读者更容易懂,不是越新奇越好。

**病例**
- 「那些数字在你看向我时忽然变得很轻——轻得像你发尾被风吹起的那一缕」
- 「它的脉络至今清晰——像我当时悄悄数过的、你的睫毛」

原文的判词:用"被风吹起的发尾"喻"变得轻的数字",用"睫毛"喻"叶脉",本体和喻体的联系比较牵强。

**自检动作**——对每个比喻问三句,任何一句答不上来,删。
1. 本体和喻体**共享哪个具体属性**?说得出这个属性的名字吗?
2. 这个属性是本体**最需要被说明**的那个吗?
3. 喻体是不是比本体**更好懂**?(如果读者还得先想象喻体,这个比喻是负分)

**手术手法**
- 答不上三问 → 直接删,改成直说。直说不丢人,硬喻才丢人。
- 想保留 → 换一个日常可感知的喻体,牺牲新奇度换准确度。
- 全文比喻密度过高时,砍到只留最好的那一两个。比喻是重音,满篇重音等于没有重音。

---

### 病征 3:句式死板(爱罗列)

**怎么认**:AI 很爱罗列。连续几个分句同构、长度接近,读起来像节拍器。

**病例**
- 「你说教授的课听不懂,说教室空调太冷,说你只是想看看逃出来的天是什么颜色。」
- 「要记住江水的颜色,记住风吹乱头发时那种痒,记住逃课之后发现世界依然在转的小小得意」

**自检动作**
- 找**连续 3 个及以上**以同样 1–2 个字开头的分句(说…说…说…/记住…记住…记住…/有…有…有…)。
- 看这几个分句的字数是不是都在 ±3 字以内。**同构 + 等长 = 罗列。**

**手术手法**(三选一,不要每次都用同一种)
1. **砍**:三项里留最强的一项,其余的信息挪到别处或者不要。
2. **破**:留三项,但把其中一项改成不同句式(换主语/改成疑问/改成短句)。
3. **拉**:把最后一项展开成一个具体场景,让它比前两项长出一倍,节奏就有落差了。

⚠️ 对照第零节:排比本身不是病,**同构且等长的连续罗列**才是。

---

### 病征 4:节奏断裂

**怎么认**:人写的句子有呼吸感。AI 的句子要么主干太短、修饰太长,要么断在很奇怪的地方,不符合中文的常规表达习惯。

**病例**
- 「那些石子激起的涟漪,一圈一圈,像某种正在我胸腔里扩散的、不愿被你察觉的东西」(主干「涟漪像东西」,修饰占了八成)
- 「记住风吹乱头发时那种痒」(断在"那种痒",别扭)

**自检动作**
1. **朗读**。读到哪里换不上气、哪里必须停顿两次,哪里就是病灶。这条最有效,别省。
2. 抽出句子主干(主谓宾),数字数。**主干字数 < 修饰字数的一半 = 头重脚轻。**
3. 连续 5 句的字数写下来,如果全在 15–20 字之间,节奏太平。

**手术手法**
- 长定语拆成独立的短句,按时间或因果顺序排开。
- 主动制造长短落差:长句后面跟一个 4–6 字的短句。短句是标点,用来收住前面的气。
- 别扭的断点,按口语重新断。念一遍你自己会怎么说,就怎么写。

---

### 病征 5:内容冗余(无目的的细节和假精确数字)

**怎么认**:AI 经常写一些没有必要的细节。人类作者加一段描写总有目的——渲染氛围、暗示内心、以乐景衬哀情;AI 的描写是表演和炫技,因为描写是它提升文本精度最省力的方式。

**病例**:「数到第七艘乱了」「你左脚的鞋带散了」

原文点名:**爱写毫无意义的详细数字,是 AI 的典型特征之一。**

**自检动作**
1. 对每一处细节问:**删掉这句,读者会失去什么?** 答不上来就删。
2. 把全文的精确数字列出来(第七艘、三片叶子、17 分钟、左脚)。逐个查:**后文有没有呼应?** 没呼应的精确数字,一律降级或删除。
3. 每一段问一句:**这段推进了什么?**(信息/情节/情绪/论点,四选一)四个都不占,删。

**手术手法**
- 删。这是首选,且大多数情况下是唯一正确选项。
- 想留 → 给它接上因果:这个细节必须在后文被使用一次(呼应、反转、对比)。
- 精确数字改成模糊表达(「第七艘」→「数着数着乱了」),除非精确本身是意义所在。

---

### 病征 6:逻辑不通与设定错位

**怎么认**:单看有文采,经不起推敲。这是 AI 最严重的问题——它按 token 概率往下猜,不理解因果,也不知道"这句话为什么要写"。

**病例**
- 「医生的话我背得比任何诗都熟」——听得多和背诗有什么关系?
- 「夕阳把你的影子拉得很长,长过我们之间那几年的距离」——**长度和时间不是同一个度量维度,没法比较。**
- 设定错位:提示词里明明是收信人问写信人"你会不会记得我",稿子后半段却反复写成"你以后还会记得吗""所以你要记住"——提问方和回应方整个调转了。

**自检动作**
1. **维度检查**:所有比较句(比…更/长过/重过/深过),两边的单位是否可通约?长度 vs 时间、重量 vs 情绪,都是不可通约。
2. **因果检查**:所有"因为/所以/于是/因此",前后是真因果还是只是先后?
3. **设定检查**:开头先把设定列成清单(谁问谁、谁在哪、时间线、人物关系、身份),逐段回查。长文尤其必查,AI 撑不过三千字就会漂。

**手术手法**
- 跨维度比较 → 换成同维度的,或者拆成两句各说各的。
- 假因果 → 改成并列,或者补上真正的中间环节。
- 设定错位 → 回改。这是硬错,不是风格问题,没有商量余地。

---

### 病征 7:情感空洞

**怎么认**:AI 没体会过人和人之间的情感,只学到皮毛,写出来平乏、缺张力、刻意、老套。

**病例**:「你第一次逃课时踩碎的那两片叶子,我捡起一片夹在笔记本里,它的脉络至今清晰——像我当时悄悄数过的、你的睫毛。」原文的吐槽是:合理怀疑模型被喂过《射雕英雄传》和《龙族》。

**自检动作**——**替换测试**(最好用的一条):

> 把这个细节里的人名换成任意另一对情侣/任意一个母亲/任意一个毕业生,还成立吗?
> **成立 = 这是套路,不是这个人的故事。**

夹树叶、数睫毛、月光缝进袖口、把眼泪咽回去,全都通不过这个测试。

**手术手法**
- 换成**只属于这段关系**的具体物件或事件:那个只有你俩知道的梗、那次具体的争吵、那个牌子的酸奶。
- 情绪不要直接命名。写「我很难过」是零分,写让人难过的那件事才是写作。
- 实在没有素材 → **向用户要**。AI 的空洞源于它只有二手信息,二手信息喂多少遍都补不回来。宁可问用户"当时具体发生了什么",也不要替他编一个。

---

## 二、更深一层:AI 味的两个根因

这两条不是新病征,是上面七条的共同上游。改稿改到后面卡住了,回来看这两条。

### 根因 A:信息密度太低

AI 文章的文字里有效信息太少。写作的本质是把抽象的感受转化成语言,文笔好的人在转换中遗失的信息少;AI 接收的是用户的描述(已经是二手),再转译一遍,丢得更多。

**判定**:一段话能被一句话完整概括、且不丢信息 = 密度低。

**修复**:删到那一句,然后用省下的篇幅写**新信息**——不要用来重复。

### 根因 B:没有写作目的

人写东西是有目的的,所有情节、对话、描写都围绕目的安排,所以事件之间有因果、有递进。AI 不知道自己为什么写这段,所以读完让人觉得莫名其妙。

**判定**:对每一段问"删了它,全文会缺什么"。

**修复**:改写前先把**这篇要干什么**写成一句话,贴在最上面。所有段落对着它检查。答不上来的段落,删掉比改好。

---

## 三、三种工作模式

看用户的需求落在哪一档,选一种。不确定就问一句。

### 模式 A:体检(只诊断,不动手)

用户说"这篇是不是 AI 写的""帮我看看有没有 AI 味"时用。

1. 通读一遍,先记下**朗读时卡壳的位置**。
2. 可选:跑 `scripts/scan.py` 拿量化指标(见下)。
3. 按七类病征逐条过,每条命中都要**引用原句**并说明理由。
4. 输出诊断报告(格式见第五节)。
5. **不要给整体"AI 概率百分比"**——原文明确反对这种空口鉴定,给了也是编的。

### 模式 B:改写(诊断 + 动手)

用户说"帮我去掉 AI 味"时用,这是最常见的一档。

1. 先做模式 A 的诊断,**在心里做完,不必全部输出**。
2. 确认全文目的一句话。不清楚 → 问用户。
3. 按顺序动刀:**先砍后补**
   - 第一遍:删。删无目的细节、删假精确数字、删堆砌的定语、删答不上三问的比喻。
   - 第二遍:修逻辑硬伤(跨维度比较、假因果、设定错位)。
   - 第三遍:调节奏(拆长定语、破罗列、造长短落差)。
   - 第四遍:补真实感(替换测试没过的地方,换成具体的;素材不够就向用户要)。
4. 输出改写稿 + 关键改动说明。

### 模式 C:预防(从零写)

用户让你直接写东西时,把七类病征当写作约束用。落到笔头上就是六条:

- 一个名词最多挂一个定语
- 每个比喻先过三问,过不了就直说
- 连续同构分句不超过 2 个
- 精确数字必须在后文被用到
- 每段回答得出"推进了什么"
- 每个细节过替换测试

---

## 四、量化扫描器(可选)

`scripts/scan.py` 提供几个能自动数出来的指标,纯 Python 标准库,无依赖。

```bash
python3 scripts/scan.py 稿子.md
python3 scripts/scan.py 稿子.md --json     # 机器可读
```

它会报告:句长分布与变异系数、标点密度、连续同构分句、精确数字清单、比喻密度、连续修饰嫌疑、高频文青词、段落密度。

**这个脚本只报数据,不下结论。** 所有命中项都需要人工核对——这是第零节原则的直接体现。数字高不等于是 AI 写的,数字低也不等于写得好。

---

## 五、输出格式

### 体检报告

```markdown
## 体检结论
(2–3 句,说清主要问题类型和严重程度。不给 AI 概率百分比。)

## 逐条病征

### 1. [病征名] · 严重
> 原句原文照抄

**问题**:为什么这句有问题(对应哪条自检动作没过)
**建议**:改成什么样

(每条病征一节,按严重程度排序,最多列 8 条,其余归入"其他小问题")

## 保留意见
(哪些地方看着像 AI 但其实没问题,说明理由——防止用户自己过度纠正)
```

### 改写交付

```markdown
## 改写稿
(完整的改写结果,可直接使用)

---

## 主要改动
| # | 原文 | 改后 | 为什么 |
|---|---|---|---|
(只列关键改动,5–8 条,不要逐句列)

## 需要你补充的
(凡是替换测试没过、但我没有素材可填的地方,在这里列出来问用户)
```

---

## 六、改写红线

动手时不许越过的线:

1. **不改事实**。人名、地名、数据、时间、引语,一个字都不动。
2. **不改作者观点**。哪怕你觉得这个观点站不住,那也是他的稿子。
3. **不为了去 AI 味把好句子改坏**。原文里写得好的地方原样留着,并在报告里说一句"这段没动"。
4. **不把文章改寡淡**。去 AI 味的目标是提高信息密度和真实感,不是把所有修辞铲平。铲平了叫说明书,不叫文章。
5. **不编素材**。缺细节就问用户。替他编一个具体的往事,是在制造新的 AI 味。
6. **不给 AI 概率百分比**。原文说得很清楚,空口鉴 AI 会把创作者拖进自证清白的困局。

---

## 附:速查表

| # | 病征 | 一句话自检 | 首选手法 |
|---|---|---|---|
| 1 | 文辞堆砌 | 删掉所有形容词,信息掉了吗? | 定语砍到 1 个 |
| 2 | 比喻做作 | 本体喻体共享哪个属性?说得出吗? | 说不出就直说 |
| 3 | 句式死板 | 有连续 3 个同构等长的分句吗? | 砍 / 破 / 拉 |
| 4 | 节奏断裂 | 朗读,哪里换不上气? | 拆长定语,造长短落差 |
| 5 | 内容冗余 | 删掉这个细节,读者失去什么? | 删 |
| 6 | 逻辑不通 | 比较句两边是同一个度量维度吗? | 换维度 / 拆句 |
| 7 | 情感空洞 | 换成另一对人还成立吗? | 换成只属于这段关系的细节 |
| — | 根因 A | 这段能被一句话概括吗? | 删到那一句,腾出篇幅写新信息 |
| — | 根因 B | 删了这段,全文缺什么? | 答不上就删 |

---

## 参考

- 病例库与对照改写:`references/examples.md`
- 扫描器:`scripts/scan.py`
- 方法论出处:公众号「做書」《AI 味到底是什么味?》(2026)

Files in this skill

  • SKILL.md16.8 KB
  • references/examples.md11.3 KB
  • scripts/scan.py18.2 KB

Attribution

Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.

Comments

Loading comments…