version: "1.0.1" name: 通用-去AI味重写 description: '用于对章节正文做去 AI 味重写。适合主编式多轮去味、先诊断再定强度、整章去模板腔、局部拆解释腔、打散均匀句群、保信息重写与人物声音去同腔化。关键词：去AI味、主编式去味、多轮改稿、模板腔、解释腔、均匀句群、太像AI、重写这段。' argument-hint: '要处理哪一章或哪一段？默认先做一句病灶诊断，再在三档手术强度里定档，始终保信息、保结构、保钩子。'

user-invocable: false

通用-去AI味重写

题材路由：若 .github\题材专用Skills\ 目录存在对应的 <题材>-去AI味重写 Skill，则：

- 将题材特性骨架路由到 <题材>-去AI味重写，该 Skill 位于 .github\题材专用Skills\ 目录。

- 命中本技能时，必须优先强制加载当前 Skill 与 <题材>-去AI味重写。

去 AI 味不是把文本洗平，而是把“假”洗掉，把同一份信息写得更像人在场景里说话、做事和承受压力。

先写人声，再去AI味——去味的创作心态原则（新增）

以下原则吸收自知乎专栏作者柳漫漫《先正常写作，写完再微调》。

去 AI 味的技术能力很重要，但如果创作时心里一直坐着 AI 检测器，写出来的东西必然缩手缩脚、假上加假。去味的起点不是改稿时的刀法，而是创作时的心态。

核心原则：先正常写作，写完再适度微调

不要让检测算法坐在你肩膀上指挥每一句话。去 AI 味是写出好文本后的自然提纯，不是戴着镣铐跳舞。如果你在写第一章时就在想"这句会不会被判 AI"，你已经在替机器写作，而不是替读者写作。

原则一：注入真实个人经历与不可复制的细节

AI 最擅长生成"公共化"的例子——正确、通用、但缺乏任何人真正经历过的时间地点和人物。去 AI 味的第一原料是你真实经历过的事：

• 具体的时间、具体的场所、对话中才有的磕绊和重复、只有亲历者才能记住的感官碎片——这些是 AI 编不出来的内容。
• 当一段正文读起来"什么都有但什么都不真"，优先问自己：有没有一个真实的经历、见闻或观察能替换这段"正确但空洞"的叙述？
• 对于小说创作而言，"真实经历"也包括你在调研中积累的具体场景考证、实地观察后记录的环境质感、以及从真实人物身上捕捉到的说话习惯和反应模式。

原则二：保留你的个人痕迹作为"防 AI 标识"

每个人都有独特的表达习惯——口头禅、常用的语气词、特定的比喻偏好、固定的转场方式。这些"不完美"的个人痕迹，恰恰是你在文本中最难被 AI 复制的身份标识：

• 你喜欢说"说实话""你懂的""怎么说呢"——只要不泛滥，保留。
• 你的角色习惯用某种句式下结论——只要不偏离人物传记，保留。
• 你的段落节奏有特定的呼吸偏好——只要不是模板腔，保留。
• 去味的红线不是"把所有看起来像作者习惯的东西都洗掉"，而是"洗掉机器痕迹，保留人声指纹"。

原则三：主动打破节奏——长短句交替，让读者换气

AI 生成的句子长度往往很均匀——像机器量产的零件，每句都在 25-35 字之间，每个段落都在 3-5 句之间。主动打破这种节奏：

• 写完一个长句，接一个短句。
• 陈述完之后，加一个反问。
• 偶尔用一个字或两个字的超短句（"疼。""不对。""他来了。"）。
• 允许自己有一段"只是把事交代清楚就走"的过渡——不是每一句都要写得好看。

这不仅能降低 AI 检测率，更能让读者获得阅读的呼吸感。

原则四：表达鲜明的观点、立场和情绪

AI 倾向于"一方面……另一方面……""总的来说""值得注意的是"这类客观中立的口吻。而人写的东西可以有：

• 明确的偏好——喜欢就夸，讨厌就骂。
• 不隐藏的情绪——愤怒时句子会短，激动时会重复，怀疑时会反问。
• 稳定的立场——角色的价值判断应该基于其传记，而不是"从所有角度看都正确"。
• 不完美的结论——不一定每段都要圆回来，允许留白和不完整。

去味不是把文本洗成中性，而是把作者和角色的真情实感洗出来。

原则六：理解检测原理，从统计特征层面去味（新增）

来源：本仓库《朱雀AI检测机制与应对手段研究报告》（2026-06）。

去AI味的底层逻辑不只是"读着像人"，更是在统计特征层面消除AI文本的可检测模式。理解以下检测维度，能让去味更有方向感，而不是盲目改稿：

检测维度A：困惑度（Perplexity）——词汇的"可预测性"

AI倾向于选择高概率词，使文本"过于可预测"。去味方向：引入低频词和非常规搭配——方言词汇、行业黑话、口语化表达、网络用语。不是硬塞，而是让角色说符合其身份的话。

检测维度B：突发性（Burstiness）——句子长度的"方差"

AI的句子长度分布窄（每句12-18字），段落长度均匀。去味方向：主动制造句长方差——2-5字短句与25-40字长句交替。写完一个长句，接一个短句。允许自己写"不够好"的过渡段。

检测维度C：词汇熵——用词的"多样性"

AI回避低概率词，导致词汇熵偏低。去味方向：减少模板化连接词（"然而/此外/因此/值得注意的是"），用动作、对话、环境直接衔接段落。让同义词自然重复，而不是机械轮换。

检测维度D：语义结构——逻辑推进的"线性程度"

AI输出逻辑链条呈线性推进（A→B→C→D，每一步严丝合缝），缺乏跳跃、留白、旁支。去味方向：故意打断完美逻辑链——允许跳针、倒置、信息推迟释放、局部留白。不是每段都要推理清楚才结束。

快速记忆口诀（去味时默念）

"均匀就是AI。句长有高低、段落有长短、细节有疏密、情绪有起伏——这四个'有'记在心里，去味就不会偏。"

补充说明：以上四个维度的技术命名来自AI检测领域的知识框架（详见研究报告），去味时不需要记住这些术语，只需理解其指导方向即可。

检测维度E：主语重复率——叙事视角的"僵化程度"（新增）

来源：实战对比案例.md §一·第二式"主语重复病"；研究报告§一。

AI文本中一个极易量化但常被忽视的AI味信号：主语重复率。AI受英文语法习惯（每句必须有显性主语）的"语料污染"，生成的每句中文都以"她/他/人名"开头。人类中文写作天然有大量无主句、动词引导句、感官引导句、脱漏主语——这是中文与英文的本质差异。

检测方法：统计前300字中，以"她/他/角色名/她的/他的"开头的句子占比。

拆洗方向（来自实战案例统计）：

• 逆序："她费劲地把眼睛抬起来" → "她费力地抬起眼"
• 感官引导："她听到了有人在叫喊" → "一道声音从头顶劈下来"
• 无主句："她试着睁开眼睛" → "试着睁开眼——没力气"
• 独词段："她感到疼" → "疼。不对。太困了。"

经验门槛：连续3句以上同一主语开头，至少拆1句为无主句或逆序句。

原则七：编辑判定AI的优先级排序——去味的质量标尺（新增）

来源：虎嗅网《AI落地的苦，没有人比网文圈更懂》采访番茄/七猫编辑；本仓库研究报告。

当去味完成后，按以下编辑判定AI的优先级顺序做自检（越靠前的项目权重越高，不要只修最低优先级的"文笔漂亮"）：

1. 主线逻辑一致性（最优先）——前后情节是否自洽、线索是否断裂。AI经常在长篇幅中丢失线索。
2. 人设稳定性——角色言行前后是否一致。AI写的人容易"今天知性明天泼辣"，随场景切换而漂移。
3. 对话自然度——台词是否符合角色身份和情绪状态。"所有人说同一口标准中文"是高危信号。
4. 过渡自然度——场景切换是否生硬。AI喜欢用"转眼间""片刻后"来跳时间，缺乏润滑。
5. 描写效率——描写是否服务于情节推进。AI扩写常填大量"漂亮但不推动剧情"的细节。
6. 文笔精细度（最低优先级）——"写得太好"反而不是AI的证据。人类可以有粗糙、啰嗦、信息密度低的段落。

反直觉提醒：第6项（文笔精细度）是去味中最容易被误判的方向——不要削足适履地把好句子改差来"显得不像AI"。好文笔不是问题，均匀性和模板化才是。

原则五：保留创作过程记录

写作时使用支持版本历史的工具（VS Code 的本地历史、Git 提交记录、腾讯文档、飞书文档等）。这些记录不是用来审查自己的，而是在被误判时最有力的自证证据。这虽然不是去味的技术方法，但能让你在创作时更放松、更有底气——敢写真实的内容，而不是为了"安全"写成机器腔。

这一组原则的定位

这五条原则不与本 Skill 的技术方法（十大结构指纹、量化指标、三档手术强度等）并列或竞争。它们是去味的上游心态层——在动刀之前先确认"我写的这一段，首先是一段有人声、有来源、有立场的文本"。技术工具解决的是"洗掉假"，创作原则解决的是"长出真"。

"不要为了通过机器的检验，把自己变成一台机器。读者需要的，是真实的我们。"

外部共享规则吸收口径

本 Skill 已吸收外部共享 deai-rules 的通用识别框架，但已按本仓库的中文网文场景改写落地：

• 把“写得像机器”细分为内容抬升、句法公式、版式/PPT 化、交流残留、小说专项同腔五大扫描面。
• 去味不只删套话，还要同时执行五条共性原则：删填充、拆公式、变节奏、信任读者、删金句。
• 小说正文尤其要严查“情绪直接盖章、角色共用声带、段落齐步走、隐喻堆砌、结尾说教收圆”。
• 去味完成后必须补回真实个性：立场、矛盾、毛边、偏见与选择性观察。
• 深度诊断层（见下文 ## AI味深度诊断）：当常规去味后文本仍然"读着像AI但挑不出具体毛病"时，进入九大结构指纹扫描——前六项覆盖文本结构层（感官均匀轰炸、比喻公式套娃、节奏全程匀速、内心独白过度条理、元叙事总结口吻、职业设定教科书执行），后三项覆盖创作逻辑层（模板机械复现、术语历史嫁接、过度合理缺失盲区），辅以四项量化检测指标（破折号异常率、句长标准差、感官词密度、转折扣密度）。这些是高级AI润色/扩写后的深层痕迹，常规模板腔检查无法覆盖。
• 情绪表达层级叠加诊断（新增）：在上述指纹诊断之外，追加一层"情绪表达层级"扫描——统计正文中情绪表达所处层级。当一段文本大量使用"直接写情绪词"（最低级）或"用思想表达情绪"（次低级）而缺乏动作/行为层表达时，即使没有触发其他AI指纹，也应视为AI味高风险。分层标准见 ../通用-执行场景单元/references/知乎精华_文笔四维与交互框架.md 第三节。
• OS叙事拐杖专项检测（适用于所有含有穿书OS/内心OS的网文正文）：在完成通用去AI味后，对正文中的穿书OS/冷幽默OS/内心OS做专项检测——去掉OS后读者是否还能理解情节推进。若不能，OS是叙事拐杖而非风格工具。检测方法与修复三法则详见 references/OS叙事拐杖检测增补.md。

网文叙事四则硬规则（新增）

来源：自知乎精华《如何写好一个优质的长篇小说？》（摘星，2026-06-17）。

以下四则硬规则是去AI味检查的上游前置约束——在诊断AI味之前，先确认正文是否遵守了网文叙事的基本纪律。这四则不是"写得更好"的建议，而是"不要踩的底线"：

规则一：统一单视角，不乱切上帝视角

• 每一章（或每一个场景单元）锁定一个主视角人物。读者通过这个角色的眼睛看、耳朵听、内心感受世界。
• 禁止在同一场景内无过渡地切换到其他角色的内心独白或上帝视角的宏观描述（"他不知道，此时远处的某个大楼里，另一个人正在……"）。
• 必须切换视角时，用明确的视角标记（章节标题标注POV、空行+视角人物标识等）。
• 违禁示例：在同一段内先写"他感到一阵寒意"，下一句写"实际上，她也在观察着他"——这是典型视角混乱。
• 去AI检查视角一致性：随机抽取一章正文，标记每一段是从谁的视角出发的。如果同一章内出现了3个及以上不同人物的内部感受（内心独白/感官描写/情绪判断）而未用视角标记分隔，判为视角违例。

规则二：少堆风景环境，多写动作、心理、对话

• 环境描写的存在理由只有一个——它参与了叙事的情绪或信息推进。纯风景描写（"天空很蓝，云很白，风轻轻吹过树梢"）除非有明确叙事功能，否则一律删。
• 正文的推进力量优先级：动作/行为 > 对话/台词 > 内心独白/感受 > 环境/风景 > 旁白/说明。
• 去AI味检查中，如果连续3段以上以环境描写或角色感受开头而非动作/对话开头，判为"叙述推进过慢"——不是AI独有的问题，但AI扩写容易在这点恶化。
• 违禁示例：角色走进一个重要场景时，先写300字的环境描写再写角色的反应 → 正确写法：先写角色进入的动作和第一反应，环境信息在对白和行动中自然显影。

规则三：每个人的台词风格固定，一眼能区分

• 核心角色的台词必须有可分辨的口吻特征：用词偏好、句式习惯、语气词、逻辑方式。不能所有角色说同一种"标准中文"。
• 去AI味检查中的台词测试：删掉对话标签（"XX说""XX问"），只看台词本身，是否能分辨出几句是谁说的？如果不行，判为同腔化风险。
• 角色台词的风格设计必须在人物传记中显式标注（参见 通用-设计人物传记 的"人物对话参与度设计"与"表达DNA"），不能只在去味阶段临时改写。

规则四：情绪靠细节展示，不靠直白抒情

• 核心原则：情绪是揭示出来的，不是讲述出来的。角色的愤怒不是"他很生气"，而是"他握紧的拳头发白"；角色的悲伤不是"她很伤心"，而是"她把那杯茶端起来又放下，端起来又放下，始终没有喝"。
• 禁止用"感到""觉得""意识到"等直接命名情绪的动词来替代场景中的情绪展示——除非该情绪本身就是悬念的一部分（角色在隐藏真实感受）。
• 去AI味检查中的情绪展示测试：统计一章中直接使用情绪词（愤怒/悲伤/恐惧/开心/焦虑等）直接命名的次数。如果一章内超过3处直白抒情（"他感到愤怒"级别，而非"他怒火中烧"这种描写级），判为情绪展示不足。

四则硬规则的优先级

四则规则的优先级按从上到下排列。规则一（视角统一）是底线中的底线——视角混乱对读者造成的阅读障碍 > 台词同腔化 > 情绪直白 > 环境过多。但如果四条同时出现问题，优先修复视角和台词风格（规则一和规则三），因为这两条直接影响读者的代入感和角色辨识度。

AI味深度诊断——从"模板腔"到"结构指纹"（新增）

当前网文领域，AI辅助写作已进入"半公开"阶段。传统的AI味识别（模板腔、解释腔、均匀句群）只能抓表层机器痕迹。以下九种深层结构指纹（前六项文本结构层 + 后三项创作逻辑层）是高级AI润色/扩写后的文本最难以洗掉的特征——掌握这些，才能从"句子像AI"识别到"整章有AI深度参与"。

指纹1：感官描写的均匀轰炸

识别信号：全文几乎找不到一句"中性叙述"——每一句都在调动身体感官（疼、热、冷、嗡鸣、视野模糊、膝盖冰凉、心跳撞击胸腔），没有"她跪在地上，周围是灵堂"这种不带身体感受的白描。

为什么是AI特征：人类作者的注意力有起伏——写到紧张处可能专注痛觉忘了听觉，写到情绪沉浸时感官描写就松了。但AI一旦被训练成"要用身体感受来写"，它不会忘——会在每一段、每一个场景、甚至每一个动作里都执着地执行。

拆洗方法：

• 删掉约30%-40%的感官锚点，保留最关键的2-3个
• 故意在情绪最高点留一句中性白描——"她站在那里，什么都没说"——让读者喘一口气
• 感官描写有峰谷才是人；均匀分布就是AI

指纹2：比喻的公式化套娃

识别信号：比喻密度极高，且全部遵循同一个公式——"A像B——（然后加一个精炼的解释或否定）。"

示例：像隔着一层水听人说话。像墨水洇在宣纸上最中心的那一滴。像往抽屉里放一件重要的东西，关上抽屉，知道它在哪。按住左胸口——不是怕。是怕心跳声被屋里的人听见。

为什么是AI特征：AI学到"好的比喻要具体、要加解释让它更独特"后，会在每个能用比喻的地方都套这个公式。人类也会用，但不会用得这么密集、这么结构统一。而且最要命的是——"不是怕。是怕心跳声被听见"这种精准命名情绪并做出修正的写法，是人类在极度紧张时不会做的，真实恐惧中的内心独白是破碎的、重复的、语无伦次的。

拆洗方法：

• 统计全章比喻密度，超过"每千字2处"即触发警报
• 删掉"A像B——解释"结构中的解释部分，只留"像"——让读者自己感受，不要替读者消化
• 把"不是X。是Y"这种工整转折扣全部拆成口语化碎片："她在怕什么？心跳声。让人听见就完了。"

指纹3：节奏的全程匀速——"不会累的作者"

识别信号：从第一章到最后一章，全篇维持同一种"高密度、高张力、每句话都要有信息量"的匀速节奏。没有松弛的段落，没有"只是交代信息就过去"的过渡句，每一段都在努力"写得好看"。

为什么是AI特征：人类写作时思维有快有慢、注意力有集中有涣散、情绪有高涨有平复——这些都会反映在节奏上。有些段落急促（短句、快切），有些段落舒缓（长句、沉浸）。AI不会累、不会走神、不会在某一段只想草草交代完信息就翻过去。这种"全程高能"在人类长篇连载中几乎不可能持续。

拆洗方法：

• 检查全文段落长度分布：若所有段落都在3-5句之间，方差极小 → AI味高
• 故意插入一段"只是把事说清楚就走"的过渡段——允许自己写得"不够好看"
• 在信息密集段之后，放一个"让读者喘气"的段落：一句独白、一个静态画面、一个无压力的动作

指纹4：内心独白的过度条理化

识别信号：

• "已知：……未知：……"式列表化推理（尤其是嵌入古言/非职业文背景中）
• "不是……而是……"式精准情绪修正（"她不是怕。她是在担心如果……"）
• 角色在高压情境下的自我分析像在写案件报告

为什么是AI特征：AI对"深度心理描写"的理解是逻辑化的、分条列的、分析性的。真实人类在恐惧/愤怒/悲伤中的内心独白是破碎的、跳脱的、有时甚至不合逻辑的。AI会把人类的模糊感受整理得太干净、太有条理——这本身就是假。

拆洗方法：

• "已知/未知"列表 → 拆成角色在场景中的碎片化联想（"毒。补药。十六年。她娘也死了——同一时间。谁给的药？谢氏一个后宅女人，从哪弄来这种没人认识的东西？"）
• "不是怕。是……" → 删掉"不是"，直接写"她把右手按在胸口上。心跳太响了。屋里的人会听见。"
• 让角色的推理在动作和环境中显影，而不是在内心独白中整段陈列

指纹5：元叙事的"设定确认"口吻

识别信号：在关键转折点出现叙事层面的总结句，像电影旁白在向观众确认设定收束。

示例："她进了那本书。她现在是沈昭宁。" / "从这一天起，一切都变了。" / "她不知道，这只是一个开始。"

为什么是AI特征：AI被训练时要求"逻辑清晰、设定明确"，它会主动在关键节点做总结性陈述来确认读者没有掉队。人类作者更倾向于让设定在情节中自然显影，不需要主角站在灵堂里对自己说"我现在穿书了"。

拆洗方法：

• 搜索全文的"叙事总结句"——凡是一句话在替作者向读者交代"现在发生了什么"的，删
• 如果设定交接确实需要明确，用角色当下的具体行动替代旁白——不是"她现在是沈昭宁了"，而是"她伸出手，指尖碰到粗糙的麻布孝服。低头看——这不是她的衣服。"

指纹6：职业设定的"教科书式执行"

识别信号：角色是律师，就写"已知/未知列表"；角色是医生，就写诊断推理流程图；角色是程序员，就写逻辑分支树。AI对"专业角色思维"的还原是教科书级的——太标准、太干净、太像职业培训手册中的案例。

为什么是AI特征：真实专业人士的日常思维是混乱的、跳跃的、掺杂了个人经验和偏见的。一个做了八年的律师不会在脑海中列"已知/未知"——她会直接跳到最可疑的那个点，因为经验告诉她在哪里下嘴。

拆洗方法：

• 专业角色的推理必须绕过教科书——写她的经验直觉，而不是她的分析框架
• 写她的"职业偏见"：做了八年的律师会本能地怀疑某类人、忽略某类证据——这种偏见比逻辑推理更像真人
• 允许她在推理中犯一个基于经验但最终被证明是错的判断——错判是人，完美推理是AI

指纹7：穿书/题材固定模板的机械复现

识别信号：作品在关键节点密集使用该题材在AI训练数据中的高频模板——

• 穿书文："车祸穿书→灵堂/刑场受辱→发现原身被害线索→立倒计时复仇flag（'离XX章还有不到X天'）"
• 重生文："睁开眼回到X年前→前世仇人正在面前→手握前世记忆的降维打击"
• 系统文："叮——XX系统已绑定→新手大礼包→第一个任务发布"

为什么是AI特征：AI对"穿书文"的理解不是从情节逻辑出发，而是从训练语料中的共现频率出发。它不知道"倒计时式复仇宣言"在人类创作中是一种需要被掩饰的技巧（人类作者通常会把它藏在角色的具体行动和选择里），因为它看到的训练数据里全是这种显式的版本。

拆洗方法：

• 搜索"倒计时/天数/第X章/剧情拐点"类显式时间标定——全部删除或改写为角色的阶段性行动（不是"离剧情只剩XX天"，而是"她必须在入冬前搬出这座院子——入冬后大雪封路，谁也走不了"）
• 模板开局 → 保留核心冲突但换掉包装方式：灵堂受辱可以保留，但去掉"她进了那本书"的穿书宣言，让原身记忆和现代意识的冲突通过角色的行动选择自然浮现
• 检查"新手大礼包/系统面板/任务发布/属性加点"等游戏化术语是否堆砌——这些是AI生成系统文的最高频词库，删到只剩最必要的一两个

指纹8：专业术语与历史语境的生硬嫁接（含制度层扩展）

识别信号：现代专业知识被直接套用于古代/异世界场景，命名和推断路径完全脱离当时当地的认知框架——

术语层（原始版）：

• 古代角色直接推断出"铅、汞、砷"的具体毒物名，而非通过"水银泻利""丹毒""砒霜"等传统认知路径
• 古代角色使用"皮下沉积沿血管走行""神经毒素"等现代医学术语
• 穿越角色在现代知识帮助下直接使用21世纪的分类体系，没有中间推演过程

制度层（扩展）——AI 在古言/古代设定的关键制度点上，会把现代制度直接嫁接入古代语境：

• 时辰穿越：把"卯时/酉时"写成"上午10点/下午4点"，甚至补一句"按时完成工作"（现代职场用语）
• 历法穿越：公历日期（"3月8日"）混入古言设定中，或把"初五"误植为"大年初五"（春节代名词）
• 称谓穿越：在同一段落中用"谢氏→谢家→谢家人"跨层级跳跃（把个人、家族、家族成员混为一谈）
• 单位穿越：在古言中出现"公里""小时""分钟""摄氏度"等现代单位

数字层（扩展）——AI 在数字表达上缺乏语域一致性：

• 同一章内混用"第37页"（阿拉伯数字）和"第十七章"（汉数字）
• 古言设定中大量使用阿拉伯数字（"第23章""3年""1000天"），严重破坏气氛统一性

为什么是AI特征：AI能复刻训练数据中"法医学知识"的词条和定义，但无法模拟"一个从未接触现代化学的古代人如何逐步接近中毒这个事实"的认知历程。人类作者若写此类情节，会设计角色通过《本草纲目》类古籍、民间偏方、老郎中的经验口述等方式逐步推测——中间有误判、有盲区、有基于错误前提的正确结论。AI可以直接从A跳到Z，因为它的训练数据里A和Z是关键词关联的。

拆洗方法：

• 用"角色在当时当地能接触到什么信息"替代"作者已经知道的事实"——先列出这个角色在设定年代/环境中最多能知道什么（如一品大夫的口述、乡下神婆的偏方、药铺掌柜的经验），再从这个边界出发推导她的推断
• 对任何"现代知识通过穿越角色传入古代"的桥段，要求至少一个中间推演步骤——不是"这是铅中毒"就完了，而是"她对着那张脸看了很久，想起法医课上的幻灯片——铅中毒的面色不是这个色。但这个呢？她不确定。她需要一个能在这年代搞到的东西来证明。"
• 删除所有21世纪专业术语的直接命名，替换为特征描述 + 不确定性："她的脸不是被毁容——骨头没变，皮肤没疤痕，只是颜色不对。像什么东西从里面渗出来。不是外伤。是吃了什么东西。"

翻译腔层（扩展）——AI生成中文文本时，海外模型常带出翻译腔，尤其在"稳、硬、推、强"四个万能字上高发：

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§09 翻译腔重

拆洗方法：

• 扫描全文"稳/硬/推/强"四字，凡用于抽象评价而非具体描述的，替换为具体特征或量级表达
• 优先检查对话中是否出现这些词——角色不该像在写产品文档

语序层（扩展）——AI偏好"抽象名词提前"的英文语序，中文习惯先说人和事：

• "这带来了新的管理成本" → "后面还会多出验收和返工成本"
• "用户买的是完成一件事情" → "用户真正付费的，是把一件事做完"

指纹9：叙事逻辑的"过度合理"——认知盲区与误判的缺失

识别信号：所有线索线性闭环——皮肤暗沉→中毒→母亲之死→同一毒物——全程无一次误判，无一个认知盲区，无一个"基于当前证据的合理但最终被推翻的假设"。

为什么是AI特征：AI为规避逻辑风险，倾向于让叙事"每步都对"。真实人类创作（即使是经验丰富的作者）中，角色会有认知盲区——她们会误判、会忽略关键线索、会基于偏见做出错误推断然后在后续章节中被现实打脸。这种"失控感"是AI难以模拟的：AI不理解为什么一个聪明的角色应该犯错，因此它的角色总是"在看到足够证据之前不下结论，在证据充分时结论绝对正确"——这本身就是一种非人类的行为模式。

拆洗方法：

• 在大纲层面预埋至少一个"角色完全搞错、后续章节才被纠正"的认知盲区
• 在每一章的推理链中，给角色一个"可能对也可能错"的假设——不是"这一定是毒"，而是"三种可能：毒、先天病、她疯了。先按毒查。"
• 检查全文是否存在"角色从未对任何关键事实做出过误判"——若存在，判定为AI味的高置信度信号
• 允许关键线索被角色"看到但忽略"——因为当时的注意力被更紧迫的事抓走了，或者因为偏见让她不认为那是一条线索

额外扫描面：动词匮乏与形容词替代（新增——吸收自知乎专栏「中国网络文学研究」#45）

识别信号：正文中大量使用"情绪形容词"替代具体的动作描写——"他很愤怒"替代"他一拳砸在墙上"，"她很害怕"替代"她缩进墙角，屏住呼吸"。这种描写方式的本质是用解释替代呈现，是AI味的重要根源之一。

对比诊断：

❌ 形容词告知（AI高发）：房间里很安静，气氛很压抑。他是一个悲伤的老人，眼神里充满孤独。
✅ 动词呈现（人写版本）：老人坐在窗边。阳光爬上他的手背，停了一下，又缩了回去。他没有动。桌上的茶凉了，他也没动。

核心原理：形容词是"替读者做判断"，动词是"让读者自己判断"。前者让读者变懒，后者让读者上瘾。AI模型倾向于使用形容词，因为形容词在训练数据中与情绪词共现频率高、生成路径短；而精准的动词选择需要更多的语义推理。

"动词匮乏"的量化判断基准：

• 统计一章正文中直接使用情绪形容词（愤怒、悲伤、恐惧、开心、焦虑、紧张、幸福、痛苦等）直接修饰人物状态的次数
• 若每千字超过 3 处情绪形容词直接修饰人物 → 判定为"动词匮乏"高风险
• 同时检查"他感到/她觉得/她意识到/他注意到/她发现"等过滤词密度——这些词往往伴随形容词表达出现

拆洗方向：

1. 删情绪词加动作："她很害怕" → "她缩进墙角。听见脚步声，立刻屏住呼吸。门把手转动的声音传来，她把指甲掐进掌心。"
2. 用名词承载历史：不写"一把古老的匕首"，写"他握住匕首。银饰在掌心里发烫。他翻过刀身，拇指抚过那些刻痕——祖父的、父亲的，现在轮到他的了。"
3. 让场景自己说话：不写"一座古老的教堂"，写"教堂的钟敲了七下。推开木门，门轴发出干涩的呻吟。石板上磨出一道凹槽——那是三百年来每个周日做礼拜的人踩出来的。"
4. 情绪体验改成动词链：不写"她很生气地走进房间"，写"她推开门。包摔在桌上，水杯晃了一下。她坐下去，椅子向后一滑，又拉回来，往前挪了半寸。"
5. 一句话自检法：写每句话后问自己——"这句话里有动词吗？这个动词能让读者'看到'动作吗？"（"想"看不到，"握紧"看得到；"知道"看不到，"发现"看得到）

训练工具：一周禁词令——未来一周禁止使用任何"高兴、悲伤、愤怒、害怕、惊讶"类情绪形容词，出现一次罚写500字动作描写。一周后你会发现文字活了。

来源：知乎专栏「中国网络文学研究」#45《很多人不知道，写小说，这个技巧能让你脱胎换骨》顾里木图的小酒馆

置信度：高 — 从原理到案例到训练方法完整；与 §「情绪表达层级叠加诊断」互补但不同维度，"层级"看情绪藏在哪层，"动词"看动作是否替代了形容词

额外扫描面：例子不落地（假案例综合症）——AI案例缺少真实任务锚点

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§05 例子不落地

识别信号：正文中出现"看起来像案例，其实没发生"的假例子——有案例框架（"比如""举个例子""我有一个客户"），但没有具体的时间、任务、角色、动作和结果。

❌ 假案例（AI高发）：一个内容创作者通过AI优化选题、提高效率、降低成本，最终提升了内容质量。
✅ 真案例：我让AI检查一篇工具测评稿，它很快给出十几条修改建议。真正有用的只有两条：一条指出开头没有说明使用场景，另一条提醒我把"适合办公"改成"适合把会议录音整理成纪要"。剩下的建议，大多只是把句子改得更顺。

为什么是AI特征：AI的"举例"机制是从训练数据中抽取"最像案例"的模式拼合而成——它无法锚定到具体一次任务、一个时间点、一个真实的人说过的一句原话。例子换到任何账号、任何场景下都成立——这正是假案例的本质。

量化判断基准：

• 检查正文中的每一个"比如/举个例子/例如/我有一个朋友"——该例子里是否有至少一个：具体时间（"上周三"而非"最近"）、具体角色（"负责运营的老王"而非"一个内容创作者"）、具体动作（"打开后台看了一眼留存曲线"而非"优化了策略"）、具体后果（"转化率从1.2%升到3.8%"而非"获得了显著提升"）。
• 若连续两个及以上案例均缺少以上四要素中的至少两个 → 判定为"假案例综合症"。
• 若整个章节的案例全部缺少具体任务锚点 → 高AI参与度信号。

拆洗方法：

1. 给每个案例补一个真实锚点——哪怕只是虚构的，也要有"谁、什么时候、在哪、做了什么、结果是什么"的完整链条。
2. 去标签化——删除"比如""举个例子""让我告诉你"的案例标签，直接把案例嵌入叙事流："上周三改一篇稿，AI给了十几条建议。真正有用的只有两条。"
3. 案例必须有筛选动作——不要只写AI给了什么建议，还要写"我留下了哪些、扔掉了哪些、为什么"——筛选才是人的判断，罗列是机器输出。
4. 自检问题：这个例子换到任何账号发布都成立吗？如果答案是"是"，它就是假案例。

指纹10：AI语义崩溃模式——当AI"卡住"时的特征性失控（新增）

识别信号：在正文中发现以下任何一种模式，即为极端高风险AI信号（人类写作中几乎不可能出现）：

• 崩溃式重复：同一时间/数字信息在连续行内以不同猜测值反复出现（"后天。三天之后。三天以后。三天之后。"）——AI在无法确定精确值时反复猜测的输出残留
• 矛盾信息并置：两个明显冲突的事实被并置在同一段（"明天"和"三天后"并存）——AI同时激活多套信息但无法判断冲突
• 元文本入侵：正文中突然出现"从现在起""我将不再使用这个账号""你会看到"等非叙事元语言——AI把自己的系统指令漏进了正文
• 代词锚定失败：代词与先行词不匹配（"妈妈你好她的名字叫做"），或主语完全丢失

为什么是AI特征：这几种模式共用一个源头——AI在生成序列时对"当前位置需要精确信息"的感知力极弱。当它无法从上下文中提取精确值时，会猜测后输出一遍、再猜再输出，直到猜测的残次版全部留在正文里。人类作者对"我不确定"的反应是模糊化（"几天后""某个深夜"），而非猜测+输出的循环。

拆洗方法：

• 崩溃段不能局部修复——一旦发现崩溃式重复或元文本入侵，整段删除后人工重写，崩溃段的内部结构已被破坏

指纹11：DeepSeek模型特有指纹——"DS味儿"的专项识别与拆洗（新增）

来源：虎嗅网《AI落地的苦，没有人比网文圈更懂》、爱范儿报道、网文编辑社区观测；本仓库《朱雀AI检测机制与应对手段研究报告》。

DeepSeek-R1/V3系列模型在网文生成中有独特的文风特征，被编辑统称为"DS味儿太浓了"。这些特征与普通AI味不同，有其特定的识别信号和拆洗策略：

特征A：精密数字堆砌

DS生成的章节开头常堆砌精确数字——"二十七层楼、三千六百秒、一百四十三人"，用精密感制造"真实"，实则过度。

拆洗：保留最关键的一到两个数字，其余模糊化处理。"三四个人""几分钟"比精确计数更自然。

特征B：不必要的精妙比喻

DS在强化学习中对"创造性"的偏好导致比喻过度密集——且比喻质量高但出现位置不合理。

拆洗：统计全章比喻密度，超过"每千字2处"即触发警报。删除至少一半，只保留与当下情境情绪直接绑定的那一个。

特征C：意象随意堆砌

在不需要描写的段落塞入大量意象（"暮色像打翻的砚台，楼道里的声控灯在咳嗽，墙皮像剥落的旧海报"）。

拆洗：每个场景锁定1个核心意象做主角，其他全部清掉。意象服务于当下角色情绪，而不是堆出来展示文字能力。

特征D：发散式联想偏离主线

DS内容容易从当前主线细节展开不必要的"联想分支"——在追凶时突然描写天气像什么、在对话中突然插入环境感官轰炸。

拆洗：每个段落的每一句话，先问自己"这一句有没有推动当前小目标"。没有就删，不让读者在紧张节奏中被拉去逛风景。

特征E：对称句结构癖好

DS偏好"前半句-逗号-后半句"长度相近的平衡句式，导致全文读起来像在打拍子。

拆洗：扫全文对称句，把至少一半拆成不等长结构——长句配短句、完整句配碎片句，打破平衡感。

"均匀就是AI"——去味快速检查清单（新增）

来源：本仓库《朱雀AI检测机制与应对手段研究报告》核心发现。该报告指出，AI检测最敏感的七大敏感特征中，有六条直接与"均匀性"相关。

检测工具最敏感的既不是用词好坏，也不是逻辑对错，而是"均匀性"——文本在多个维度上是否过于整齐划一。以下六条检查项，去味完成后逐条过一遍，有任何一条中招即应返回调整：

反直觉结论：把每一段都写到同样好，反而增加AI嫌疑。人类写作天然有"高能段落"和"只是过场"的波动——去味的目标不是整体提优，而是恢复这种自然的"不均匀"。

• 所有数字/日期位置必须回到原文/设定中核实精确值，不能相信AI对虚构设定的"记忆"
• 如果确切数值在设定中就是模糊的，用模糊表达（"入冬前""某个深夜"）替代AI的虚假精确

量化检测指标——从"感觉像AI"到"可测量的AI指纹"（新增）

以下指标是AI风格文本在统计层面的稳定特征。当单个指纹的读感判断不确定时，用下述量化指标辅助决策。

破折号异常使用率

测量方式：统计全文破折号占总标点符号的百分比。

为什么是AI特征：AI倾向于用破折号做"强行解释"——"不是天生的。是毒。"——因为它的训练数据中这种"断裂-补逻辑"的模式极为高频。统计全文中用于解释/补逻辑的破折号占比：若 > 80% 的破折号用于解释性插入，则AI置信度极高。

句长均匀度（句长标准差）

测量方式：计算全文中所有完整句子的字数标准差。

操作提示：AI文本的句长标准差极窄（4-5字），说明每个句子在长度上几乎没有变化——这是机器优化到"最佳阅读体验"的副作用。人类即使刻意控制句长，也会在情绪波动处自然出现标准差 > 8。

疼痛/感官词密度

测量方式：统计"疼""痛""烧""冷""钻""刺""嗡""钝""麻""辣"等身体感官词 + 描述疼痛的比喻（如"像火燎""像针扎"）的总出现次数 / 千字。

"不是……（而）是……"转折扣密度

测量方式：统计"不是X。（而）是Y"或"不是X——是Y"结构每千字出现次数。

AI高频词密度

测量方式：统计以下中文AI高频词在正文中的总出现次数 / 千字。词库分三组：

• 叙事腔：画卷、诠释、迷离、氤氲、仿佛、宛如、宛若、犹如
• 万能形容：深邃、璀璨、斑斓、微凉、温热、细碎、斑驳
• 动作模板：嘴角（勾起/扬起/扯出）一抹、眸中（闪过/划过/掠过）一丝、喉间（发出/溢出）一声

词库可按题材扩展：穿书文追加倒计时、剧情、原主、书中；系统文追加面板、礼包、加点、任务。

使用量化指标的注意事项

• 五项指标联合使用，不依赖单一指标做判断
• 短文本（< 3000 字）的统计不稳定，只作为参考
• 若两个及以上指标同时落入"AI高风险"区间 + 至少一个结构指纹触发 → 判定为高AI参与度
• 量化指标只辅助诊断，最终去味策略仍以指纹层拆洗方法为准

AI味三类归总框架——快速诊断分级工具（新增）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》"写在最后：AI味大致可以归成三类"

本框架将AI味的12大类症状归为三层类别，作为快速诊断的分级入口。去味前先判断当前文本的AI味主要落在哪一层，再决定优先下刀层。

使用规则：

1. 初筛时，先判断当前文本的AI味主要落在哪一层——可跨层，但至少锁定"最重的一层"作为优先下刀层
2. 每层内部的优先级按上表"包含症状"的顺序从左到右
3. 层间优先级：第一层（结构）> 第三层（内容观点）> 第二层（表达）——因为结构和观点的AI味对读者驱动力伤害最大
4. 在每一层去味完成后，回到本框架确认该层已清除干净，再进入下一层

指纹11（新增）：假节奏——缺少预告-期待的线性推进

识别信号：全文或整章在"节奏"层面感觉不对劲——不慢、不拖、每句都有信息量、每段都在推进，但就是缺少"读者知道要来了但还没来"的期待感区间。把本章概括出来，就是"主角做了A→做了B→做了C"的平推清单。

为什么是AI特征：AI被训练的目标是"生成连贯、信息完整、逻辑自洽的序列"。它天然倾向于把所有信息按最佳顺序排好、一次性交付给读者——这是"信息传递"的思维，不是"叙事节奏"的思维。真实叙事的节奏包含蓄力、延迟、刻意吊胃口这些"信息上不高效但读感上高效"的设计。AI不会主动选择"此时应该先不告诉读者答案，让读者等两段再揭示"——因为在信息论层面这是"低效"的，但对于读感来说这是"有效节奏"。

与指纹3（节奏全程匀速）的区别：

• 指纹3：节奏在句法层面均匀——句长、段落长度、描写密度都差不多
• 指纹11：节奏在结构层面均匀——一路推到底，缺少"读者知道要来了→还没来→快来了→终于来了"的期待曲线

拆洗方法：

1. 插入"延迟区间"：找到本章最关键的揭示/爆发/回报点，在它之前故意插入1-2段蓄力内容（角色观察环境、对手的细节动作、一个将爆未爆的信号）——不是拖字数，是给读者一点"啊要来了……"的时间。

• 示例：AI原稿"陈勉推开门，看到王主任坐在里面。王主任说'你来了'，陈勉走了过去"→ 改为"陈勉推开门的动作顿了一下。王主任在——这个时间点，他应该在经侦科做笔录，而不是坐在陈勉的办公室里。'你来了。'王主任先开了口。语气太平静了。平静得让陈勉站在门口没动。"

1. 把"直接揭示"改为"分步逼近"：一个关键信息不要一次性交代完，拆成信号→逼近→确认三步。

• AI原稿："检测报告显示，水样中的汞含量超标三倍。"
• 改为："检测报告的封面是黄色的——黄色代表异常。他翻开第一页。一个数字跳进眼里：3.0。标准值是1.0。三倍。他抬头看了一眼墙上的价值表——按这个浓度，整栋楼的饮水系统都要停用检修。"

1. 制造"读者知道但角色不知道"的信息差：这是打破线性推进最有效的手段。让读者提前知道一个角色不知道的关键信息，读者就会在角色犯错的边缘紧张等待。

• 示例：让读者先知道"门被反锁了"然后主角毫无察觉地走进房间——读者会紧张地等主角发现门锁不对劲的时刻。

1. 允许非必要内容的"氛围留白"：在和关键剧情无关的过渡段落，可以写一句"只是交代气氛"而不推进任何信息——真实人类的注意力并非永远高效。

• 示例："窗外的雨还在下。桌上的茶已经凉透了。陈勉盯着对面空着的椅子。"——这三句话没有推进一条信息，但建立了"等待/沉闷"的氛围，让读者知道"事情还没开始"。

验收标准：去味后的文本，把"主角做了A→做了B→做了C"的概括骨架写出来。如果读骨架感觉"这是一路推进"，而去味后的全文读感是"有起伏、有期待、有释放"——说明假节奏已修复。如果两者读感差异不大，说明去味未覆盖节奏层。

额外扫描面：结构太完整——像提纲，不像文章（新增——吸收自知乎Kevin）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§01 结构太完整

识别信号：AI把内容写成"背景→原因→方法→总结"的完整结构，每个部分都被平等照顾、面面俱到，但读者读完后找不到"这篇到底想强调什么"。真人写作会有主次、有停顿、有取舍——知道哪里该展开，哪里可以一句带过。AI稿的问题是每一层都被照顾到，最后看起来很全，读起来却没有推进。

与指纹3（节奏全程匀速）和指纹11（假节奏）的区别：

• 指纹3：句法层面的均匀——句长、段落长度、描写密度均匀
• 指纹11：结构层面的"平推"——缺少蓄力-期待的曲线
• 本项：信息层面的"完整病"——每一层都被平等对待，没有主次判断。读者看到的是模板，不是判断

拆洗方法：

1. 标出本章真正的"高权重段落"——本章最重要的是什么？是冲突爆发、关键证据揭示、还是情绪转折？找到后，删除或压缩其他段落中"为了完整而写"的部分（过渡说明、多余背景、平行展开）。被压缩的段落可以只留一句或干脆删掉。
2. 制造信息不对称——重要的内容多写几段，次要的就一句带过。让读者从"篇幅占比"就能感受到哪些事情更重要。
3. 允许局部"没头没尾"——某条线索可以先开个头但不展开，留到下一章再续上。AI不敢这样写，但这是人让读者追读的手段。

额外扫描面：清单扁平化——什么都列，什么都浅（新增——吸收自知乎Kevin）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§02 太爱用清单

识别信号：正文大量使用"三类原因、五个方法、七个步骤、十二个信号"的清单格式，且每一点平均用力、没有优先级。清单一多，文章就容易变成"每一点都说一点，每一点都没说透"。

为什么是AI特征：AI的"列举"机制源于训练数据中的结构化知识——它能识别出"某个概念有N个方面"并整齐列出。但AI不理解"哪一项最危险、哪一项可以先忽略"——因为优先级判断需要作者主观经验，不是统计共现能给出的。

量化判断基准：

• 扫描正文中"X类/个/种/项/点/信号/方法/步骤"的列举结构
• 若全文超过2处此类清单结构 → 触发检查
• 检查每项清单中是否有优先级标记（"最重要的是""第一个要警惕的是""最危险的一项是"）——若连续两个及以上清单均无任何优先级提示 → 判定为"清单扁平化"

拆洗方法：

1. 每张清单只留一个"核心项"展开写——其他项压缩成一句或合并到段落叙事中。不要为了"全面"把每一点都写成一段。
2. 给清单加优先级——如果必须用清单，明确告诉读者"先看哪一项、哪一项最危险、哪一项可以先跳过"。
3. 把清单嵌入叙事流——不要用"第一个……第二个……第三个……"的平铺，而是让清单项在角色的行动选择中自然浮现（"他先排除了A，因为……；然后B看起来最可疑，但缺少证据；最后他决定先按C查"）。

额外扫描面：观点太安全——看起来都对，其实没观点（新增——吸收自知乎Kevin）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§04 观点太安全

识别信号：全文的判断句都用"一方面……另一方面……""既……也……""总的来说"来保持平衡——赞成谁不写、反对谁不写、优先做什么不写、哪些做法不建议碰也不写。读者读完知道"这件事很复杂"，但不知道该往哪个方向走。

与原则四（表达鲜明的观点）的关系：原则四定义了"应该怎么做"的方向，本项提供更具体的检查清单和拆洗方法——两者是"纲领→执行细则"的关系。

量化判断基准：

• 统计正文中"直接的判断句"（"最好不要……""最值得警惕的是……""我倾向……""关键在于……"）与"平衡句"（"一方面……另一方面""既……也……""不能简单地说……"）的比例
• 若平衡句数量超过判断句 → 判定为"观点安全"高风险
• 同时检查正文是否包含"可被反驳的具体结论"——即是否存在一个具体的判断，让读者可以赞同、反驳或补充

拆洗方法：

1. 加明确的立场锚点——至少在每个关键判断处写一句"我倾向/我反对/我认为最危险的是……"。
2. 用具体取舍替代平衡表述：不写"AI可以提升效率，但仍然需要人类判断"，写"AI最容易误导人的地方，是它把稿子写得太完整，让你误以为自己已经完成了判断"。
3. 给读者留下讨论空间——一个明确的判断比平衡表述更容易引发讨论。不要怕被反驳，被反驳比被遗忘好。

额外扫描面：太爱升华——基础问题没讲清，就往高处拉（新增——吸收自知乎Kevin）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§10 太爱升华

识别信号：正文在段落末尾或章节结尾处，从不就事论事——明明问题只是"这篇稿子为什么像AI"，它突然跳到时代变化、生产关系、个人成长、长期价值。基础答案没给够，就先拉高到抽象层面。

与指纹5（元叙事总结口吻）的区别：

• 指纹5："从这一天起一切都变了"式的叙事层设定确认
• 本项：在段落或章节末尾，基础问题没讲清就升华到更宏大或更抽象的层次

拆洗方法：

1. 先就事论事再升华——确保每个抽象升华之前，基础判断已经成立。可以把升华句删掉，看读者是否还能理解"这件事为什么重要"——如果不能，说明基础判断不够。
2. 自检问题：这一段的最后一句话，如果删掉，段落信息量是否减少？如果没减少，它就是多余的升华。
3. 把"升华能量"转移到具体判断上——不写"这反映了时代的变化"，写"这意味着入冬之前，他必须搬出这座院子——大雪封路后谁也走不了"。

额外扫描面：结尾套话——突然总结，突然号召（新增——吸收自知乎Kevin）

来源：知乎用户Kevin《如何去除ai写出来的文章ai味?》§12 结尾套话

识别信号：章节或段落结束时，出现"总结三点→升华一句→号召行动"的固定模式。总结只是在重复标题或前文内容，没有增加新信息；号召缺乏具体的下一步指向。

拆洗方法：

1. 删除"总结句"——如果前文已经完成了论证，读者不需要在结尾再读一遍压缩版。
2. 结尾落在具体问题上——不写"总之，AI味有三大来源，我们应该注意"，写"下次看到一篇像AI的稿子，先看三件事：结构是不是太模板，表达是不是太冗长，内容是不是不落地"。
3. 自检问题：把结尾段删除，全文是否依然成立？如果成立，说明结尾是套话。

风格/蓝本模板自动发现规则

若当前服务的项目根目录存在 Agents.md，执行去AI味重写前必须：

1. 读取项目根目录的 Agents.md
2. 若 Agents.md 中注册了"写作研究模板"——读取对应路径的模板文件，将其约束作为题材×平台的默认约束基线（优先级低于用户明确指定的作者风格模板，高于通用默认基线）
3. 若 Agents.md 中注册了"作者风格模板"——读取对应路径的模板文件，将"人声回补层"从通用"补毛边"升级为按模板定向注入（详见 references/风格注入锚点卡.md）
4. 若 Agents.md 中注册了"作品蓝本模板"——读取对应路径的模板文件，将其结构约束（章首模式、钩子轮换、回报间隔）作为去味时不得洗平的硬节拍参照（去味只能提纯结构拍点，不能洗平节奏）
5. 若项目根目录不存在 Agents.md，或其中未注册对应模板——回退通用默认模式，不报错，不阻断
6. 若 Agents.md 中存在 ## 语言风格配置 段——读取并解析以下子字段：

• 对偶区位 → 映射到去味强度的三档选择：藻丽+繁丰型保修辞但打散均匀句群；平实+简洁型保节奏但增加感官密度
• 网文色标 → 映射到色标特异性检测（检查"均匀就是 AI"：热血风格验证短句密度是否达标，沙雕风格验证吐槽密度是否均匀）
• 叙述者类型 → 映射到人声回补方向（吐槽型加强反讽一致性，沉浸型加强感官锚点）
• 表达方式占比 → 映射到段落节奏裁判源（防去味洗平对话与叙述的节奏差）
• 语言风格配置的优先级：低于作者风格模板（精确的统计模板），高于通用默认基线

1. 若项目根目录不存在 Agents.md，或其中不存在 ## 语言风格配置 段——回退通用默认模式，不报错，不阻断

主输出平台自动发现规则

若当前服务的项目根目录存在 Agents.md 且其中声明了 主输出平台，去AI味重写前必须按命名约定加载对应的 通用-输出{平台名}版 Skill，将其平台门禁（表达风格禁忌、段落节奏偏好、读者心理特征）作为去味时不得越界的平台约束基线。若未配置主平台或配置缺失，回退通用默认模式，不阻断。

黄金三章/黄金一段的AI味专项检查（新增——2026 深度研究整合）

开篇（前300字/前三章）是AI味对留存率伤害最大的区域。本 Skill 在执行任何针对第1–3章的去味重写时，必须在常规指纹诊断之外，额外执行以下专项检查。

开篇AI味的六大高致命缺陷

基于"人人都是产品经理"平台的AI写文实验（仿写0K/2K/10K/50K对照组）与工作区研究，以下六项在开篇中的破坏力远高于普通段落：

关键数据——AI写正文的质量拐点

2K仿写版效果最佳；10K和50K示例反而情节跑偏、人设崩坏、AI味加重。

来源：人人都是产品经理《去「AI味儿」大作战》——AI chat写正文的对照组实验。

实操含义：若当前文本是由AI辅助生成（多轮迭代/大段扩写），前三章的质量风险随AI参与度递增。去味时不能只做表层句群清洗，必须检查结构层——确认"这一章在叙事层面是否从某个点开始跑偏"。

前三章AI味的分层专用诊断

执行规则：命中第1–3章的去味任务时，必须在去味方案中注明当前处理的是第几章，并按上表聚焦诊断。不得对所有章节使用同一套去味流程。

去味完成后的闭环验证——朱雀自检流程（新增）

来源：研究报告§七·策略B"自我检测闭环"、§五·方法D"5步风格分析法"。

去味不是一次过就完事。只有经过"去味→检测→诊断→再去味"的闭环，才能确认统计特征层面的AI痕迹已被消除。以下是推荐的闭环验证流程：

第一步：改前检测（建立基线）

在执行去味之前，将被处理章节上传朱雀检测一次，记录：

• 当前AI率%
• 被标红的高危段落
• 高危段落集中在哪个维度（句长均匀？连接词过密？情感平坦？）

这步不是用来"证明原文是AI"，而是给后续去味提供靶心方向。

第二步：针对标红段落执行去味

不要整章平均用力。把朱雀标红的段落作为优先处理对象，按本Skill的原则与指纹逐一拆洗。未被标红的段落不必强行改动。

第三步：改后检测（趋势观察）

修改后用朱雀再次检测，比较：

• AI率是上升还是下降（注意看趋势而非绝对值——朱雀本身检测不稳定）
• 标红段落是否减少
• 是否出现了新的标红段落（意味着改过头了）

经验值：改后AI率下降30%-50%为成功。不要追求"AI率=0%"——朱雀检测本身存在±20%的波动，绝对0%不现实。

第四步：跨段一致性检查

如果修改了多个段落，检查：

• 前后语气是否一致（不要前半段AI腔、后半段突然变风格）
• 关键信息是否在修改中被误删
• 章末钩子、中段回报、关键台词是否完好（红线检查——回到去AI味红线保护.md过一遍）

第五步：风格基线校准（可选——适用于多轮迭代）

如果一轮去味后仍感觉"哪里不对但说不上来"，或者检测结果反复横跳，执行风格基线校准：

1. 找一段自己手写的、确认无AI率的文本（300-500字）
2. 上传给AI做风格分析，提取风格特征描述（句长偏好、用词习惯、节奏模式）
3. 将风格约束注入下一轮改写指令："请保持以下风格特征：[风格描述]"
4. 基于特征描述手动调整，而非随机修改

原理：通过预先建立"个人风格指纹"，使改写结果更接近"这个人的写作特征"，而非"通用的去AI化文本"。

闭环验证的退出条件

满足以下任意一条即可退出：

• 朱雀检测AI率下降50%以上且标红段落减少60%以上
• 连续两轮检测结果不再显著变化（进入平台期）
• 编辑优先级自检（原则七）前5项全部通过

继续读取的 references

总览：功能分组与读取时机

18 个 reference 文件按用途分层分为 5 组。调用时先根据当前阶段锁定要读的组，再按本组的"读取时机"判断读哪些文件。

第一组：诊断前置（入刀前判定病灶与强度）

分层规则：先跑识别雷达做初筛 → 再用 AI味高发信号检查表层 → 若读感为"像AI但挑不出毛病"转向深度诊断（十一大结构指纹，见本文 ## AI味深度诊断 节，其中指纹8已扩展制度层/数字层，指纹10为AI语义崩溃模式，指纹11为假节奏专项） → 量化指标不确定时参考实战对比案例的 13 项测量门禁。

第二组：核心改造（拆洗执行时的工具库）

跨文件冲突仲裁：同一病灶多个文件给出不同处理建议时 → 去AI味共享裁判规则补编 的硬戒（如"禁止心理分析句式"）> 去AI味四维病灶与45条规则 的具体条目 > AI句式替换与动作化替代清单 的句式替换 > 其他文件的补充建议。

第三组：人声回补（去味后补回人物声口与真实感）

人声回补优先级：先修复视角塌陷（视角塌陷修复卡）→ 再拆雕琢腔（去雕琢腔校准卡）→ 最后按风格模板定向注入（风格注入锚点卡）。三个文件在同一角色声口问题上可能给出近似建议，以"视角正确 > 雕琢腔清零 > 风格定向"的顺序分层执行，不重复劳动。

第四组：复检与回写（改稿后确保不洗坏）

复检顺序：改稿后先跑红线保护（确保没踩线）→ 再跑后供血复检（确保章节职责仍成立）→ 最后跑执行清单（全面收尾）→ 按多轮诊断模板输出。

第五组：平台专项（特定平台额外约束）

缓存优化说明

本 Skill 的结构遵循前缀缓存优化原则。去AI味重写是高频调用任务（每章可能多轮），调用时：

• 缓存层（永久不变）：frontmatter + 外部共享规则吸收口径 + 五大扫描面定义 + 四维病灶标准 + 十大结构指纹诊断 + 五项量化检测指标 + 三档手术强度 + 红线保护规则 + 读取功能分组表 → 每次调用完全相同，按底价计费
• 项目层（同项目内不变）：18 个 references 的读取优先级矩阵 + 风格/蓝本/写作研究模板自动发现规则 + 主输出平台自动发现规则 + 语言风格配置自动发现规则 + 跨文件冲突仲裁规则 → 仅在切换项目、平台或新增模板注册时变化
• 可变层（每次变化，不写入本文件）：本次目标章节文件路径、去味强度档位、本轮的病灶清单与钉子清单 → 由用户每次调用时指定
• 人物传记、故事设定等裁判源 + 作者风格模板通过 references 声明强制加载，其固定部分随本 Skill 一起进入缓存前缀

默认模型温度参考（新增）

去 AI 味重写属于文本修订操作，使用中间温度可保留原意与结构，避免过度改写引入新的不自然。

去味前裁判源复核（强制）

• 动手去 AI 味前，必须认真仔细阅读与本章实际出场人物对应的人物传记，以及与本章背景、技术、规则、证据、程序链、世界观有关的故事设定文档。
• 不得只凭“这一段很像 AI”就直接拆句；凡涉及人物动机、能力边界、关系状态、设定代价、证据机制的句段，都必须回到作者侧裁判源核对后再改。
• 若同一人物传记或故事设定存在多个版本，必须先确认当前可执行的最新版本；若关键裁判源缺失，必须先补齐、定位或明确阻断，不能边猜边去味。
• 去味如果会触碰人物声口、职业口径、规则解释、代价逻辑或背景事实，必须在回写前复核一次相关裁判源，确认没有把文本洗偏。

常见触发词 / 用户说法速查

• 这段太像 AI 了
• 帮我去 AI 味
• 像个有经验编辑那样重写
• 这章模板腔太重
• 把解释腔拆掉但别改信息
• 人物说话太像一个人了
• 这几段句子太匀了

何时使用

• 整章或局部文本存在明显模板腔、解释腔、均匀句群或假人声。
• 需要在不丢信息、不破结构的前提下，重写成更像人在现场说话和做事的文本。
• 用户希望先诊断“AI 感”来源，再按轻 / 中 / 重三档强度分层推进。

不适用情形

• 只是想做整章精修、节奏提纯，但并无明显 AI 味：优先使用 通用-正文润色。
• 只是要做结构审阅，不改稿：优先使用 通用-审阅章节正文。

默认执行顺序

固定优先级：先确认范围与不可改动钉子，再做一句病灶初诊与强度定档，再按工具包改写，最后复检卖点供血、章节职责与人物声音差。

每步末尾标注了当前步要读取的 reference 文件（括号内为文件名简写，完整路径见 继续读取的 references 节），以及当前步的交付物。

第一步：裁判源复核

动作：认真仔细阅读本章相关人物传记、故事设定/背景设定、控制卡与最新审阅结论，确认不可改动的钉子、必须保住的声口与不能洗掉的规则边界。

参考资料：人物传记、故事设定、控制卡（外部文件，不在 references 中）

交付物：心中明确的本轮"钉子清单"——哪些声口/规则/证据链不能碰

第二步：范围确认

动作：确认处理范围（整章/场景/段）、题材、不可改动的钉子，以及用户是否已指定强度。若用户未定强度，展示 去AI味三档手术强度与风险卡.md 的三档说明并锁定本轮档位。

参考资料：去AI味三档手术强度与风险卡.md

交付物：处理范围 + 锁定档位

第三步：病灶初诊

动作：先用"四维病灶"做一句话初诊：习惯用语、句式逻辑、写法口气、论证逻辑分别哪里最假。同时做 Green/Yellow/Red 初筛。

参考资料：去AI味识别雷达.md、AI味高发信号与拆洗策略补充.md

交付物：一句话病灶判断 + Green/Yellow/Red 初筛色

第四步：补充诊断（触发式）

动作（仅当第三步初筛结果为 Yellow 或 Red，或读感为"像AI但挑不出具体毛病"时执行）：进入本文 ## AI味深度诊断 节做 十大结构指纹 扫描（注意指纹8已扩展制度层/数字层，指纹10为AI语义崩溃模式）。同时用 实战对比案例 的 13 项量化指标做辅助测量。

参考资料：本文 AI味深度诊断 节、实战对比案例——从AI稿与人工稿的差异提取可复用诊断与拆洗规则.md

交付物：触发的结构指纹清单 + 量化指标数值

第五步：内容保护+病灶定位

动作：先默读 去AI味红线保护.md 确认本轮不改动的钉子。然后交叉使用 去AI味识别雷达.md 与 去AI味共享裁判规则补编.md，定位套话、均匀句群、内容抬升腔、模糊归因、假专业句、假钩子、回合制打斗、章节自指导览腔、交流残留与解释腔。

参考资料：去AI味红线保护.md（改前默读）、去AI味识别雷达.md、去AI味共享裁判规则补编.md

交付物：本轮要拆洗的病灶清单（套话/句群/声口/视角等逐项标出）

第六步：按强度执行改稿

动作：按已锁定强度档位，结合以下文件的工具规则执行去味改写。默认同时执行"删填充、拆公式、变节奏、信任读者、删金句"五条共性原则。

• 层级 1（皮相拆洗）：主要使用 AI句式替换与动作化替代清单.md 做词句级替换；辅以 去AI味句级改写工具.md 处理局部卡点
• 层级 2（骨肉重塑）：叠加使用 去AI味四维病灶与45条规则.md（第1–30条）做段内重排 + 潜台词补入 + 交流摩擦；同时读取 去雕琢腔与透明人声校准卡.md 做人声校准
• 层级 3（灵魂重构）：再叠加 去AI味三级改造与工具包.md + 去AI味四维病灶与45条规则.md（第31–45条），允许重估人物选择与代价显影

所有层级通用：去AI味共享裁判规则补编.md 作为跨层基线贯穿全程。

参考资料（按强度选择）：AI句式替换与动作化替代清单.md、去AI味句级改写工具.md、去AI味四维病灶与45条规则.md、去雕琢腔与透明人声校准卡.md、去AI味三级改造与工具包.md、去AI味共享裁判规则补编.md、去AI味风格与排版补充.md、视角塌陷与五感替代诊断修复卡.md、风格注入锚点卡.md（有模板时）

交付物：修改后的小说正文

第七步：人声回补

动作：用 视角塌陷与五感替代诊断修复卡.md 修复视角塌陷，再用 去雕琢腔与透明人声校准卡.md 确认"复检四问"通过，最后若有作者风格模板则用 风格注入锚点卡.md 做定向注入。

参考资料：视角塌陷与五感替代诊断修复卡.md、去雕琢腔与透明人声校准卡.md、风格注入锚点卡.md

交付物：人物声口差异确认 + 视角检查通过

第八步：复检与输出

动作：先跑 去AI味红线保护.md 做最终红线核查。再用 去AI味后供血与职责复检卡.md 复检卖点供血、章首抓力、中段回报、章末钩子与人物声音差。最后用 去AI味执行清单.md 做全局收尾，按 去AI味多轮诊断与回写模板.md 输出终稿。

参考资料：去AI味红线保护.md、去AI味后供血与职责复检卡.md、去AI味执行清单.md、去AI味多轮诊断与回写模板.md、去AI味风格与排版补充.md

交付物：【修改总结与原因】—【修改后的小说正文】—【后续修改建议】

共性拆洗重点（新增）

• 默认优先把“作者说理 / 抽象判断 / 情绪总结”拆回动作、感官、视线、沉默、物件、口头反应与具体后果。
• 默认不把普通信息抬写成“重大意义 / 时代转折 / 精神象征”；一旦出现“标志着、体现了、彰显了、奠定基础”这类抬升腔，优先落回事实、动作与后果。
• 对“专家认为 / 有人指出 / 值得注意的是 / 此外 / 然而 / 未来可期 / 激动人心的时代”这类模糊归因、转场胶水或万能乐观收尾，默认按高优先级 AI 味处理。
• 能用“是 / 有”就别硬绕；慎用“不是 A 而是 B”“不仅……而且……”“从 X 到 Y”“三项并列凑全面”这类公式句。
• 破折号、粗体强调、项目符号、小标题加冒号式内联列表不得漏进小说正文；正文不是 PPT，不靠排版喊重点。
• 若句尾总在“体现 / 反映 / 展示 / 彰显”里补一层假深度，必须优先剪回场景本身，默认信任读者自行完成理解。
• 若句子长度、段落宽度、节奏重音过于平均，必须主动打散均匀句群，恢复手机端阅读所需的呼吸点。
• 去味后的文本应更像“人物正在现场承压和做选择”，而不是“作者已经替读者想明白了再复述一遍”。
• 默认把章节自指、连载回顾、作者导览与读者提醒式句子判为高优先级 AI 味；如“这几章”“前几章”及其“前面几章 / 前面这几章”变体、“后几章”及其“后面几章 / 后面这几章”变体、“上一章”“下一章”“本章 / 这章”“后文会”“我们会看到”“读者会发现”，必须改写成角色此刻可感的压力、后果、场景变化或未完成动作。
• “整章 / 这整章 / 这一整章”同样按高优先级章节自指病灶处理；若出现在正文里，默认视为作者工作台口吻漏进读者文本，必须改写成场景内表达。
• “整章 / 这整章 / 这一整章”同样不得保留在正文里；这类说法默认按章节总结腔处理，不得只做表面润色后继续保留。
• 重要人物默认要拉开声口、底层诉求与反应方式，不得去味完以后所有人都更像同一个温吞叙述者。
• 章首、中段回报、章末钩子与成长线牵引属于硬结构，去味时只能提纯，不能洗平。

语言指纹保护规则（新增 — 去味时的保留红线）

《改写小说的系统方法论研究》在"语言特色识别"和"文学作品仿写专用"在"提纯语感"中共同强调：每个作者（包括当前项目的作者）都有其独特的语言指纹。去味如果把这些指纹也洗掉了，文本会变得"干净但没有灵魂"。以下三条为去味时的保留红线：

豁免条件：以上三条指纹保护规则仅在"本章正文是当前项目作者的原创内容"时有效。如果本章内容本身就是对某蓝本的仿写（即加载了作品蓝本模板），则这三条规则不适用——此时要保护的是蓝本的词域/句式/修辞，但蓝本的保护已在蒸馏流程中处理，不在去味环节重复。

默认输出口径

• 默认不是只做分析，而是完成一轮可直接替换原文的去 AI 味回写。
• 默认先给不超过 50 字的病灶判断，再按已锁定强度改稿。
• 默认直接回写目标段落或章节；若用户选择继续深推，则进入下一轮多轮改稿。

最低交付

• 模板腔、解释腔与均匀句群得到明显拆洗。
• 信息量、因果链、钩子与角色声音差没有被洗掉。
• 文本更像人在场景中说话、做事和承压，而不是更顺的空稿。
• 用户能清楚知道本轮属于哪一档手术强度、主要下刀点是什么、下一轮还能往哪推。

三档手术强度（强制先定档）

• 层级 1：皮相拆洗

只做词句、动作、感官、节奏层的轻手术；保留原叙事骨架、情节顺序与人物关系。

• 层级 2：骨肉重塑

允许重排段内重心、补潜台词、补交流摩擦、补失误与私心；默认仍保留大部分原意与关键剧情职责。

• 层级 3：灵魂重构

允许在不丢核心信息、关键剧情职责与章节主因果链的前提下，重估人物选择、代价显影、世界反馈与反派闭环；只在用户明确接受高风险时启用。

多轮交互硬流程

1. 用户贴文本后，先做题材判断与一句病灶诊断。
2. 若用户未给强度，必须先询问层级选择并明确风险，不得越级擅改。
3. 用户定档后，再按顺序输出：【修改总结与原因】、【修改后的小说正文】、【后续修改建议】。
4. 用户选后续方向后，继续按同一顺序推进下一轮，不得跳成“只解释不改稿”。

硬规则

• 先守信息与结构边界：
• 核心信息不得丢失。
• 默认不打乱章节主因果链；层级 3 也只允许重估局部选择、代价显影与世界反馈，不得把章节职责洗没。
• 中段回报与章末钩子不能被磨平。
• 未认真仔细阅读本章相关人物传记与故事设定 / 背景设定文档前，不得直接改写人物声口、规则解释、证据逻辑、关系状态或代价结构。
• 再守去味表达边界：
• 不得把正文洗成白水、散文或总结稿。 - 过度去味预警（新增）：去AI味的目标不是"越干净越好"，而是"自然但有作者个人印记"。若去味后文本变得"太顺"——所有段落平等完美、找不到一个瑕疵——说明已经超出了留存友好的临界点。去味完成后自检：原文中是否有意保留了一些"不完美"但体现作者风格的表达？若没有，标记为"过度去味风险"，回退部分修改。 - 不得保留“章节总结腔 / 下一章预告腔 / 读者导览腔”，包括“前面几章 / 后面几章 / 前面这几章 / 后面这几章”这类前后导览变体；这类句子必须拆掉，不能只换个更顺的说法继续留在正文里。
• 最后守强度、输出与题材边界：
• 未经用户同意，不得从低强度擅自升级到更高强度。
• 初步病灶判断必须短、准、狠，默认不超过 50 字。
• 输出 【修改后的小说正文】 时，正文区块不得使用 Markdown 项目符号、加粗、标题或解释插话。
• 正文区块必须按纯文本小说排版：段首缩进、段间留白、避免整片挤成墙。
• 题材专项规则只补题材边界，不得覆盖通用层的三档强度、多轮流程与 45 条共性方法库。

与其他 Skill / Prompt 的边界

• Prompt 负责入口提醒、文件写回约束与聊天侧摘要交付；本 Skill 负责通用方法本体。
• 去 AI 味不是“越顺越好”，而是“越像人在现场越好”。
• 处理整章或完整场景时，应优先按 references 完成范围确认、内容保护、识别、改写与复检，而不是凭直觉直接整段重写。
• 对都市悬疑类文本，要额外警惕“情节都对但句子太平均、人物共用口气、场景只有结论没有动作”的高发 AI 味。
• 对修仙、历史、奇幻等高风格题材，默认还要检查是否存在“无肉体感、道德安全阀、单线推导、机械降神、现代翻译腔”等更深层 AI 感。