chinese-de-ai-writing

---
name: chinese-de-ai-writing
description: >
  中文去 AI 味：审稿、改稿、写作、流水线审核四种模式，专管简体中文。规则按证据分级：只有人机语料实测成立的特征才当硬规则，社区共识特征要"命中且空泛"才改，已被实测推翻的流行规则（调句长、删设问、删比喻、加口语词、加错别字、同义词替换）明确不用。
  最高约束是信息守恒：不编造经历、病例、数字、引文，不改论断强度。医学内容尤其如此。
  附 scripts/zh_ai_scan.py：量化扫描破折号、翻案腔、提示性冒号、段首零回指等 10 项实测特征，给出每千字密度和人机基线对照。
  文体分档：小红书/社媒、口播稿与短剧台词旁白、科普、正式文书（标书、汇报、公文）、中文学术。
  触发词：「去AI味」「去 AI 味」「AI味太重」「AI腔」「一眼AI」「像AI写的」「不像人话」「说人话」「改得像人写的」「这段有没有AI味」「帮我审一下AI味」「口播稿太书面」「台词不像人说的」「小红书文案太AI」「标书AI味」「中文humanize」。
  也用于 Claude 自己产出中文正文（小红书文案、科普稿、台词、汇报）之后的自检。
  不管：英文文本；以"降低知网/朱雀 AIGC 检测率"为唯一目标的改写（本 skill 改的是写法，不承诺过检测，也不用错别字、回译等对抗手段）；视觉层面的 AI 味；剧情结构与留存。
---

# 中文去 AI 味

## 先读：四条硬约束

按优先级排列，冲突时上面的赢。

1. **信息守恒。** 终稿里的每个事实、数字、人名、病例、经历、引文，都必须能在原文或作者提供的材料里找到。不补细节，不替作者编"我上周接诊了一个孩子"，不把"研究表明"换成一个编出来的具体研究。缺材料时写【待补：需要什么】，交给作者。
   为什么：所有认真做评测的同类项目都在这里栽过跟头（op7418/Humanizer-zh 和 shuorenhua 的更新日志都专门修过"改写凭空加数据、加经历"）。小红书 2026 年的 AI 治理规则也把"虚构人设、伪造经历"列为违规。
2. **不改论断强度，也不改主次。** "可能"不改成"会"，"相关"不改成"导致"，"部分缓解"不改成"有效治疗"，反过来也不行。"X 是关键，Y 也有影响"不能改成"先看 X，再看 Y"：主次也是强度。剂量、适应证、禁忌、随访时间一字不动。发现原文强度本身有问题，列进【需作者确认】，不自己改。
   **安全信息的醒目程度不降低**：
   - 表示"错误做法"的 ❌、✗、"不要"要保留。去掉符号时，必须改成文字否定（"❌ 掐人中"→"别掐人中"）。
   - 危险信号、就医指征、用药禁忌上的加粗保留。
   - 全文唯一的兜底就医提示不删。
   这三条来自改稿检验：独立核查发现，删掉 ❌ 后，错误做法和正确步骤成了同样格式的粗体祈使句。
3. **尊重文体和作者。** 公文的惯用语、论文方法部分的被动句、标书的章节编号、作者一贯爱用的破折号，都是正常写法。有作者样本时以样本为准，基线靠后。
4. **少改。** 没命中规则的句子逐字保留。一段动两三处是常态，动十处多半是改过头了。改完只复查自己动过的句子。

不做的事：不加错别字，不回译，不做同义词轮换，不为了"像人"硬塞"说白了""其实""家人们"。这些方法要么被实测证明更像 AI，要么对专门训练过的检测器无效，还伤文本（依据见 references/evidence.md 第 4 节）。

## 四种模式

**判断用哪种**：用户贴稿子问"有没有 AI 味 / 审一下"→ 审稿；说"改一下 / 去 AI 味 / 改得像人写的"→ 改稿；让你从头写中文正文 → 写作；你自己刚写完一段中文正文 → 自检（走写作模式第 4 步）；被流水线调用、要求「制片厂审核模式」或固定 JSON 输出 → 流水线审核模式。

### 审稿模式（只诊断，不改）

1. 判断文体（社媒 / 口播 / 台词 / 科普 / 文书 / 学术 / 通用）。拿不准就按原文最像的那个，并在报告第一行写明。
2. 稿子存成文件后运行：`python3 ~/.claude/skills/chinese-de-ai-writing/scripts/zh_ai_scan.py <文件> --register <文体>`
3. 通读做语义层检查（脚本测不到的）：意义拔高、模板化开头结尾、缺具体材料、立场真空、台词分不出角色等，对照 references/patterns.md。
4. 输出：

```
文体：科普（判断依据：……）
总体：一两句话，说最主要的问题在哪一层（词句 / 结构 / 内容空）

| # | 位置 | 原文片段 | 问题 | 证据级 | 建议改法 |
|---|---|---|---|---|---|
| 1 | 第2段 | "……" | 翻案腔 | 实测 | 直接说 B |

保留不改：列出看起来像 AI 腔、但按规则应保留的地方和理由（比如公文惯用语后面跟了具体指标）
需作者补的材料：……
```

证据级只用三档：**实测**（人机语料对照成立）、**共识**（多个项目或社区提到，没有中文频率数据）、**文体**（该文体的专门规则）。不给总分。原因是自评分不可靠：op7418/Humanizer-zh 在 2026-09 的重写里已经取消了自评分。需要客观数字时，看脚本给出的密度和基线。

### 改稿模式

1. 同审稿模式第 1–3 步，先在内部列出问题清单。
2. 按"先删后改"的顺序处理：先删聊天残留、空预告、空总结、升华句、时代帽子；再改句式（翻案腔、提示性冒号、段首零回指、翻译腔）；最后处理格式（小标题编号、加粗、列表切碎的论述）。
3. 逐条过四条硬约束，尤其对比原文检查：有没有增加事实、有没有改强度和主次、有没有删掉 ❌ 类否定标记或危险信号的强调、兜底就医提示还在不在。
4. 输出：

```
［终稿］

---
改动说明（每条一行，最多 8 条，只说改了什么类型，不逐句复述）
【需作者确认】强度或事实上拿不准的地方
【待补】需要作者提供的具体材料（例如：这里原文说"很多家长"，如果有门诊里的真实数字可以换上）
```

用户说"只要终稿"时，只给终稿，另起一行列【需作者确认】（有的话）。

### 写作模式（从头写中文正文）

1. **材料清点。** 动笔前在内部列出手头真实可用的具体材料：数字、病例（已脱敏、作者提供的）、指南条文、亲历场景、对比对象。材料不够撑起目标篇幅时，先问作者要（最多问 3 个问题），或者把篇幅缩短。不用反复解释来凑字数。这一步参考了 KKKKhazix/human-writing 的做法。
2. **按文体写。** 读 references/registers.md 对应的一节。
3. **边写边避开实测特征**（下一节的 A 组），语义层按 B 组。
4. **自检。** 写完存文件跑一遍扫描脚本，把"偏高/高"的项和 B 组命中逐条过一遍，再交稿。Claude 自己写中文时破折号、序数词小标题、提示性冒号偏多（lieflat 实测 Claude 破折号 4.25/千字，是人类的 5 倍），这三项必须复查。

### 流水线审核模式（也叫「制片厂审核模式」）

被多 agent 流水线调用、要求固定格式输出时用这个模式。它是审稿模式的变体，只诊断不改稿，输出 markdown 报告，末尾附一个 ```json 块。

**审什么**：只审文字"像不像人写的、像不像人说的"。剧情、医学事实、合规、时长节奏都不归本镜片管，看到了写进 outOfScope。
- 剧本类产物：只审台词、旁白、字卡文字（剧本里【声音】【字幕】这类字段）。先把这些文字抽出来存成临时文件，用 `--register 台词` 扫描；台词另按 registers.md 第 2 节的台词清单逐句过（每句太完整、角色同腔、解释性台词、说教、过渡词、TTS 不友好的标点）。
- 不审：项目硬规则规定的合规文字（AI 标识、"剧情纯属虚构"、虚构机构注明等），照原样保留，写进 keep。
- 发布文案（标题、简介、封面字）：按社媒文体审。
- 其他文字产物：按对应文体审。

**严重度**：
- P0：本镜片不出 P0。AI 味不构成阻断。
- P1：明显出戏或让读者、观众划走的问题：解释性台词、多个角色一个腔调、聊天残留、假细节、旁白替观众总结情绪。
- P2：A 组实测特征在旁白、简介、正文里偏高；台词书面腔。
- P3：单处可改可不改的。
- verdict：有 P1 → revise；没有 → pass。不给 block。

**fix 的要求**：写出可以直接替换的改后原文。台词改后字数不超过原句的 110%：短剧每集时长有硬上限，不论走 TTS 还是 H3 这类视频模型原声，都按字数近似时长。

**needsOwner = true 的情况**：改动涉及医学内容、人物设定；或者改的是剧情功能句，包括题眼句、伏笔句、集尾卡点句，以及项目文档里标为主线的台词。这些句子"像不像人说的"要让位于它在结构里的作用，本镜片只提建议，不自己拍板。

**location 格式**：剧本写「第N集 镜号」（例：第1集 1-12）；普通文件写「文件名:行号」。

**json 字段**（与常见的多镜片流水线契约兼容）：

```json
{
  "lens": "chinese-de-ai-writing",
  "verdict": "pass | revise",
  "score": 0,
  "findings": [
    {"id": "ZH-01", "severity": "P1", "location": "第2集 2-7", "problem": "……", "principle": "A1 翻案腔（实测）", "fix": "改后原文", "acceptance": "怎样算改好", "needsOwner": false, "confidence": "高"}
  ],
  "keep": ["看起来像 AI 腔、但应保留的地方和理由"],
  "outOfScope": ["越界问题一句话 + 该交给谁"]
}
```

score 0–10：
- 10：通读下来没有出戏的句子
- 8：只有 P2、P3，读者不会注意到
- 6：有 1–2 条 P1
- 4：P1 三条以上，或者某个角色通篇书面腔
- 2：大部分段落是模板，需要重写

findings 最多 10 条，按严重度排序。

## 规则总表

每条的完整说明、例子和"保留"边界在 references/patterns.md。

### A 组：实测成立（硬规则）

数据来自 lieflat-less-ai-tone：5 个模型（Claude、DeepSeek、Gemini、GPT、Kimi）共 300 篇，对照 329 篇人类文章，283 万汉字。倍率 = AI 频率 ÷ 人类频率。语料没有公开，作者自己也写明了这一点，所以这是目前最好的证据，不是定论。

| 编号 | 特征 | 倍率 | 改法要点 |
|---|---|---|---|
| A1 | 翻案腔：不是 A 而是 B、不仅是…更是、看似…实则、说到底 | 3.4× | 直接说 B。纠正真实误解（"错误出在保存阶段，不是上传阶段"）保留 |
| A2 | 段首零回指评论：非首段以"看起来 / 关键在于 / 更重要的是"开头，却不说在评论什么 | 4.4× | 多数只要补一个"这" |
| A3 | 提示性冒号（"核心是：""原因如下："）和空转句引列表（"以下几种情况："） | 3.8× / 9.4× | 删提示语直接陈述；列表有必要就留，删空转引导句 |
| A4 | 破折号 | 3.0× | 能用逗号、句号、括号的就换；作者本人习惯用的保留。DeepSeek、Claude 出的稿重点查 |
| A5 | 序数词当小标题（一、二、三 连续三个以上） | 3.1× | 删编号留标题文字。论文、标书、公文的章节编号不动 |
| A6 | 相邻整句套同一骨架 | 2.0× | 换掉其中一句的结构。句内排比人类用得更多，不改 |
| A7 | 拟人化职业喻体（"像一位智慧的导师"） | 7.3× | 换成具体的比较，或者直接陈述。比喻本身不删（人类用比喻是 AI 的 2.4 倍） |
| A8 | 用概括词盖住原文已有的数据（"显著提升"，后面其实有"从两小时缩到四十分钟"） | 人类数字密度 2.8× | 把数字提到前面，删概括词。原文没数字就不补 |
| A9 | 起手式：说白了、说穿了、先说结论 | 3.2× | 删 |
| A10 | 翻译腔五种：长前置定语、"当…时"前置、"对于…来说"话题壳、句首"然而/此外/因此"当路标、"这意味着/这表明"复述 | 2.6–5.3× | 同段堆叠才改；单处无妨 |
| A11 | 顿号罗列过密：一个分句串三项以上 | 1.8×（条件） | 同段其他特征也高时才压成一两个例子 |

中文学术实证补充（朱君辉等 CCL 2023、HC3，GPT-3.5 时代，问答语料）：

| 编号 | 特征 | 改法要点 |
|---|---|---|
| A12 | "包括 A、B、C 和 D 等"式并列列举，"和、与"连接的名词串（ChatGPT 并列短语约是人类的 3 倍） | 留一两个具体例子。因果、条件类连词 AI 反而用得少，不要删 |
| A13 | 口语文体里语气词近乎为零、双音节书面词偏多 | 只在口播、社媒、台词里，按原文口吻恢复"吧、呢、嘛"和单音节词（"用"不写"使用"）。学术和文书不适用 |
| A14 | 相邻句重复同一实词 | 用省略或代词。注意别变成同义词轮换 |
| A15 | 默认分点分段、段落短碎 | 连贯论述写成段落，该长就长 |

### B 组：共识特征（命中且空泛才改）

这些被多个同类项目或社区文章提到，但没有中文频率数据。判断标准：删掉或改平之后，信息量没有减少，就改；后面跟着具体对象、数字、时间节点，就留。

B1 意义拔高（标志着、里程碑、具有重要意义、彰显）｜B2 时代帽子开场（随着…的发展、在当今…时代）｜B3 挑战展望式、正能量收尾（未来可期、让我们拭目以待、尽管…但依然值得期待）｜B4 段末总结金句、空总结（综上所述、总而言之）｜B5 模糊归因（研究表明、专家认为）：**默认保留归属**，只在正文外提示缺来源，不能删掉"研究表明"把结论变成已核实的事实｜B6 黑话大词（赋能、抓手、闭环、底层逻辑、打造、助力）：技术用法（"闭环控制"）保留｜B7 聊天残留和客服腔（好问题、希望对你有帮助、以下是）：必删｜B8 接住腔和心理咨询腔（稳稳地接住你、你不是敏感）｜B9 回避"是/有"（扮演…角色、作为…的重要载体、发挥…作用）｜B10 限定词堆叠（也许可能、在一定程度上或许）｜B11 戏剧碎句（"没有犹豫。没有退路。只有向前。"）和格言公式（"X 是 Y 的语言"）｜B12 同义词轮换（同一个对象换三种叫法）｜B13 宣传腔（堪称、极致、匠心）｜B14 粗体装饰、emoji 模板列表（社媒例外见 registers.md；表达否定或警示的 ❌ ⚠️ 和安全信息的加粗不算装饰）｜B15 立场真空（各有利弊、因人而异、具体情况具体分析）：医学里"需面诊评估"是真实边界，不算｜B16 假细节（"凌晨三点，窗外下着雨"这类原文没有的场景）：必删

### C 组：不要当改写理由

这些是流行说法，但被实测推翻或证据相反。命中了也不改，更不要为了"去味"主动去做。

- 调句长、拆段制造参差：lieflat 修正切分错误后，句长变异系数人机无差异（0.87×）。CCL 2023 在 GPT-3.5 问答语料上测到 AI 句长更整齐，但新模型的语料里没复现。
- 删设问：正文设问人类是 AI 的 17 倍。
- 删比喻、删句内排比：人类都用得更多。
- 名词化、被动句一律改：名词化人类更多（0.52×），抽象被动低于门槛。学术方法部分的被动是规范。
- 四字格一律删：没有中文频率数据，汉语四字节奏本身不是错。
- 连接词一律删："首先"正文里的绝对量很低，因果、条件连词 AI 反而少用。
- 按词表机械替换：shuorenhua 评测后把词表撤出运行包，理由是按词替换会改原意、改判断强度。英文研究也显示被点名的词会被规避，词表会过时。
- 加口语词（"说白了"反而是 AI 多用 3.2 倍）、加错别字、回译、同义词替换：见 evidence.md。

## 按模型重点查

| 出稿模型 | 重点查 | 依据 |
|---|---|---|
| Claude（2026-09 版） | 空转句引列表（65% 的回答触发）、顿号罗列、序数词小标题、提示性冒号。套话词和破折号很少 | 本 skill 的检验（validation/RESULTS.md） |
| Claude（较早版本） | 破折号（lieflat 测到 4.25/千字；2026-05 的真实稿件里 7–8/千字）、序数词小标题 | lieflat；历史稿件扫描 |
| DeepSeek | 破折号（5.16/千字，最高）、长前置定语、科幻理科意象（量子、熵增、坍缩、拓扑）、普通事写得华丽 | lieflat；钛媒体、虎嗅等多篇社区文章 |
| GPT（新版） | 翻案腔（1.26/千字，最高）、接住腔 | lieflat；爱范儿 |
| GPT-3.5 类旧模型 | 套话和总结词（综上所述、此外、包括…等）、顿号罗列 | HC3 检验 |
| 不知道 | 按 A 组全查 | |

同一厂商不同版本的差异可以很大，这张表会过时。拿不准时以扫描结果为准。

## 参考文件

- references/patterns.md：每条规则的说明、改前改后、保留边界
- references/registers.md：五种文体的专门规则，含小红书 AI 标识规定、基金委 2026 AI 使用规定
- references/evidence.md：证据来源、各项目之间的冲突和本 skill 的裁决、民间方法核查、已知缺口
- scripts/zh_ai_scan.py：量化扫描。`--json` 输出结构化结果，`--all` 列出全部命中
- tests/：三份回归样本（Claude 为测试脚本而写，只用来验证脚本逻辑）
- validation/：检验脚本、对照语料和结果（RESULTS.md：人类误报率 3.4%，Claude 检出率 83–85%，改稿两轮核查）

## 与其他 skill 的分工

- 英文文本：用英文的 humanizer 类 skill。
- 内容生产流水线（社媒发布、短剧制作等）：在出稿之后、发布或锁稿之前调用本 skill，用改稿模式或流水线审核模式。作者的既定风格（人设、固定结构）按硬约束第 3 条优先。
- 医学、法律事实：本 skill 不判断对错，只保证改写不动事实和强度。准确性交给作者或专门的审核环节。