北京
圖源：公眾號「有三思 U Sense」
做個測試。讀一下這段話：
“熊貓是最可愛的動物，它最愛吃竹子，樣子最憨態(tài)可掬，是世界上最珍貴的寶藏?！?/p>
如果你笑了，或者皺了眉，很明顯，你的“鑒AI雷達”已經(jīng)覺醒。
近期把網(wǎng)友笑到打鳴的“豆包體”里，“最”是高頻詞匯。大家紛紛曬出自己使用、調(diào)教AI，結(jié)果內(nèi)容啼笑皆非的截圖。這場圍繞AI味寫作的調(diào)侃就此出圈。
● 網(wǎng)友@也許像星星發(fā)布的AI味吐槽突破
微博AI味相關(guān)話題瀏覽閱讀量不小，小紅書相關(guān)筆記動輒近萬點贊。豆瓣、抖音、微信公眾號，都能搜到不少相關(guān)內(nèi)容。能引發(fā)社交媒體的集體吐槽，說明“AI味”已經(jīng)人人皆可感知，大家都不傻。同時這也意味著，在工作中需要寫文章的你，暫時不用擔心AI會把你完全替代掉了。
● 微博超話AI味相關(guān)的討論
與AI味相對的是“人味”。如果說AI的造詞遣句，是在語料投喂和人工交互反饋下生成的，那人味給人一種隨機波動的感覺。比如，使人動容或會心一笑的句子、意料之外的妥帖比喻、未曾熟識的新奇詞組搭配、詼諧諷刺的暗喻留白，甚至不合語法或有失偏頗的表達。
這種對AI味和人味的敏銳捕捉，直接催生了社交媒體上的一場“李逵捉鬼”運動。
「鑒AI」，網(wǎng)友比檢測軟件更認真
2026年，打工人和學生面臨著這樣的窘境：人類急著證明自己不是機器，而機器正在拼命模仿人類的話語習慣。略顯荒誕的是，“AI檢測工具”作為裁判，本身也是個半盲。
誤傷正每天發(fā)生。
現(xiàn)在的情況是：只要過于結(jié)構(gòu)嚴謹化的寫作，都會讓人懷疑有AI參與了寫作。這種無妄之災(zāi)、相互懷疑、甚至需要“自證沒有吃涼粉”的場景增添了寫作的成本。一些人莫 名陷入了自證的困境。比如自己手敲了一下午的文案，僅僅因為用了兩個破折號，就被評論區(qū)追著問 ： “這是AI寫的吧？”
● @levelsio發(fā)布的“拉黑”破折號的推文
社交平臺的機器誤判案例隨處可見。網(wǎng)民唐某某發(fā)布了一條關(guān)于打工與學車的感悟，結(jié)果被平臺算法誤判為未標注的AI生成內(nèi)容，遭禁言一天的處罰。
文科生的職場里也展開著相同鬧劇。有從事編劇行業(yè)的網(wǎng)友說：手敲了一下午的劇本 被以為是AI 。亦有學者談到： 引用的作者原話竟然被判定為AI。
到底什么是真，什么是假？為了不過多地食用“AI泔水”，不被判定為AI創(chuàng)作，在小紅書等社交平臺上，網(wǎng)友們已經(jīng)自發(fā)分享“鑒AI”攻略。
● 網(wǎng)友發(fā)布的“野生”鑒定攻略
● 網(wǎng)友發(fā)布的“野生”鑒定攻略
不過，即使是AI味，也散發(fā)著不同的氣質(zhì)風格。
● 目前市場上最具代表性的主流模型“文風”一覽
是什么讓你的文章有AI味？
AI味可能是一種感覺，當然也可以是一組可以被辨識和描述的語言指紋（linguistic fingerprinting）。
維基百科的編輯團隊為了過濾AI生成內(nèi)容，專門整理了一份AI寫作跡象清單，涵蓋語氣、結(jié)構(gòu)、格式和引用等多個維度。
原文較長，我們簡單說一些 常見場景 ：
過度拔高。 習慣性使用“歷史性/關(guān)鍵時刻”、“高光/決定性”等通用表述，夸大平凡事物。案例就是將普通小鎮(zhèn)描述為韌性的象征，將次要事件拔高為分水嶺時刻。
否定式煽情句式。 AI寫作是這樣的：這不僅僅是一雙跑鞋，而是對自律生活方式的承諾。但其實原義是：這雙跑鞋重210克，鞋底有緩震膠，后跟帶反光條。
虛假范圍 (False Ranges)。 慣常句型是“從X到Y(jié)”。 而實際上X和Y沒有太大關(guān)聯(lián)，或者直接是硬湊合。 比如：從解決問題的工具，到科學發(fā)現(xiàn)的藝術(shù)表達。
RLHF是導致AI味濃烈的“元兇”。 這個技術(shù)用詞指基于人類反饋的強化學習。你可以認為它是一種讓AI通過人類打分，來學習正確答案的訓練方法。
大致流程是讓人工標注員對AI的不同回答進行打分，AI會學習向高分回答的風格靠攏。那些充滿人味的“猶豫、矛盾、沒有節(jié)奏“的內(nèi)容，會因風險高、不標準被淘汰。主模型為通過獎勵模型，就會一直優(yōu)化學習，更新自己的回答策略。 如此一來，被認可過的詞匯、寫作結(jié)構(gòu)會擴散到整個語言模型的運行中。
高頻詞多，AI味越濃，就更容易被人抓包了。
《去“AI味”不完全手冊》
——本攻略涵蓋整個生成流程，根據(jù)實際自身需求選擇步驟即可。
[動作一：注入肉身]
第一步，是給AI投喂偏好或本人的寫作文本，讓它拆解總結(jié)出寫作特色，從而生成相似的文風。
提供多樣化參考標準
收集至少3-5篇能代表你風格的原創(chuàng)文本（總計超過1500字效果更佳），內(nèi)容覆蓋多個場景，含說明性段落、議論性句子、口語化短句及帶修辭的長句。
收集完后，整合成一份文檔投喂給AI，讓AI學習你的用詞習慣、句式節(jié)奏、 書面語氣、修辭風格、行文邏輯，之后AI就能復(fù)刻你的寫作風格。
（一般使用，到這里就夠了，如果有更高標準需求的，可以繼續(xù)往下看。）
標注關(guān)鍵風格錨點
人工標記能顯著提升模型對隱性風格要素的識別精度，尤其針對易被忽略的微觀特征。
在文本中用【】標出你偏愛的3類表達：【高頻過渡詞】、【標志性句式】、【慣用比喻結(jié)構(gòu)】；
另起一行列出3個絕對避免項：比如你不希望出現(xiàn)的，可以寫為【禁用被動語態(tài)】、【不用“不是..……而是……”句式】、【不出現(xiàn)超過兩個連續(xù)頓號】；
對每處標注附加簡短說明。用【】書寫，給文本里你認為有特點的用詞、句式、習慣表達做標注?？梢栽诿織l標注后面，都加一句簡短解釋，說明這個表達代表了什么說話習慣、語氣偏好、行文風格。
分階段提示詞引導訓練
通過結(jié)構(gòu)化提示詞序列，逐步強化模型對風格維度的響應(yīng)權(quán)重，避免一次性輸入導致特征稀釋。
以下提示詞次可直接復(fù)制改寫。
① 首輪輸入：
請嚴格模仿以下文本的節(jié)奏與詞匯密度，復(fù)述下段內(nèi)容：[粘貼第一篇樣本]
② 次輪輸入：
保持上一輪輸出的句長分布與連接詞頻率，重寫新主題：[你的新主題描述]；
③ 第三輪輸入：
檢查當前輸出是否含【禁用被動語態(tài)】，若存在，請?zhí)鎿Q為對應(yīng)主動結(jié)構(gòu)并保持原意。分對比反饋微調(diào)法
對比反饋，主要指的是利用人類的直覺去判斷差異點，將主觀感受轉(zhuǎn)化為可操作修正指令，形成閉環(huán)優(yōu)化。
具體操作是要求AI對同一主題生成三版不同風格傾向的初稿（A/B/C），不指定方向；
比對各版與你樣本的匹配度，比如可以用顏色標記：綠色=高度一致，黃色=局部偏離，紅色=風格沖突；
針對所有紅色標記句，向模型發(fā)送指令（你自己設(shè)定的寫作風格）。例：將此句按【標志性句式】重構(gòu)，主語前置，動詞緊隨，結(jié)尾不加修飾副詞。
[動作二：活用提示詞]
你可以通過提示詞的書寫將要求、主題角色和場景設(shè)置細節(jié)化。絕大多數(shù)人寫的提示詞都是簡單的命令式指令。這種指令下，AI會調(diào)取它數(shù)據(jù)庫中最常見的模板語言來回應(yīng)， 所以AI味是超標的。我們可以通過控制否定式禁詞、調(diào)整長短句節(jié)奏、口語化模擬等多種方法來進行調(diào)整。
C.R.E.A.T.E框架
CREATE框架主要是通過清晰的角色場景設(shè)定，來進行內(nèi)容風格的調(diào)適和確立。
- 角色設(shè)定（Character）
角色設(shè)定是提示詞設(shè)計的基礎(chǔ)，直接影響模型輸出的專業(yè)性和針對性。你可以通過以下三要素定義角色邊界。
① 專業(yè)領(lǐng)域： 明確模型扮演的行業(yè)角色，如“資深金融分析師”；
② 經(jīng)驗?zāi)晗?/strong>： 量化專業(yè)能力積累，如“10年醫(yī)療數(shù)據(jù)建模經(jīng)驗”；
③ 核心能力 ： 限定輸出風格，如“擅長撰寫具有轉(zhuǎn)化率的營銷文案”。
示例：
低效提示詞：幫我寫產(chǎn)品介紹。 高效提示詞：作為擁有8年經(jīng)驗的消費電子評測專家，請用專業(yè)術(shù)語撰寫iPhone 15 Pro的深度評測，需包含芯片性能、影像系統(tǒng)、散熱設(shè)計等模塊。
- 明確需求（Request）
需求描述需遵循SMART原則，通過結(jié)構(gòu)化表達確保模型準確理解任務(wù)邊界：
① 目標對象： 明確輸出受眾，如“面向35-45歲中產(chǎn)家庭用戶”；
② 核心指標： 量化輸出要求，如“點擊率提升20%的廣告標題”；
③ 風格約束： 限定表達方式，如“采用知乎體專業(yè)科普風格”。
也可以使用JSON格式定義復(fù)雜需求：
● JSON格式示例
- 示例引導（Examples）
當需求涉及特定風格或格式時，提供2-3個優(yōu)質(zhì)示例可顯著提升輸出質(zhì)量。示例選擇可參考：
① 領(lǐng)域匹配： 示例與目標任務(wù)屬于相同垂直領(lǐng)域；
② 風格一致： 保持句式結(jié)構(gòu)、修辭手法等特征統(tǒng)一；
③ 質(zhì)量分級： 包含基礎(chǔ)示例和進階示例展示能力邊界。
示例應(yīng)用 場景：
生成特定風格的詩歌時，可提供不同韻腳的古詩范例； 編寫技術(shù)文檔時，附上符合企業(yè)規(guī)范的Markdown格式示例； 設(shè)計對話系統(tǒng)時，展示多輪對話的上下文銜接示例。
- 動態(tài)修正（Adjustments）
模型內(nèi)容輸出存在偏差的問題，是常見現(xiàn)象。這個時候需要你建立實時修正機制。推薦采用「三明治修正法」。
① 肯定部分： 明確認可有效輸出。如“第三段的市場分析很專業(yè)”；
② 修正指令： 具體指出改進方向，如“請將用戶痛點部分增加數(shù)據(jù)支撐”；
③ 格式約束： 限定修改范圍，如“僅調(diào)整第二段的語言風格”。
修正prompt設(shè)計技巧：
使用「否定+肯定」結(jié)構(gòu)減少歧義：不要使用專業(yè)術(shù)語，改用通俗易懂的表達； 引入優(yōu)先級標記：重點優(yōu)化產(chǎn)品優(yōu)勢部分，其他部分保持現(xiàn)狀； 量化修正標準：將文案長度壓縮至原版本的60%。
- 格式規(guī)范（Type of Output）
明確輸出格式可提升后續(xù)處理效率，常見格式參考如下：
① 文檔結(jié)構(gòu) ： 標題層級、段落分隔、列表格式等；
② 數(shù)據(jù)格式： CSV、JSON、XML等結(jié)構(gòu)化數(shù)據(jù)；
③ 多媒體要求： 是否需要生成配套圖表、代碼塊等。
格式控制示例：
請生成Markdown格式的技術(shù)白皮書，要求：包含# 標題、## 二級標題、### 三級標題，代碼塊使用```python語法高亮，每個技術(shù)點后附參考文獻鏈接，最終輸出字數(shù)控制在1500-2000字。
- 附加指令（Extras）
在原Prompt的基礎(chǔ)上，用附加指令來精細化操作，可實現(xiàn)輸出過程的深度控制。常用指令參考如下：
● 細化Prompt的附加指令一覽表
高級指令組合示例：
在生成醫(yī)療建議時，請嚴格遵循WHO最新診療指南，對每條建議標注證據(jù)等級，使用通俗語言解釋專業(yè)術(shù)語，最終輸出需經(jīng)醫(yī)學專家審核確認。Prompt彈藥庫
以下是部分通用類的Prompt，可以直接復(fù)制，也可以成為你訓練AI的參考文本。
場景1：通用 · 口語化重寫
提示詞Prompt（可直接復(fù)制）： 幫我審核這段內(nèi)容，用對話感強、友好又不隨意的真人語氣重寫 全程用短句、簡單詞匯，刪掉學術(shù)化表達、生硬過渡短語和企業(yè)官話 讓內(nèi)容讀起來就像一個人在用自己的大白話和朋友聊天 保留核心觀點，刪掉所有多余的修飾。內(nèi)容如下：[粘貼文本]
場景2：通用 · 人類痕跡（萬能公式）
提示詞Prompt（可直接復(fù)制）： 請按以下步驟重寫文本： ①保留原文要點約60% ②加入至少1個口語化連接詞 ③加入至少1個個人視角限定語 ④適當加入輕微冗余或倒裝
場景3：通用 · 長句拆分+三明治結(jié)構(gòu)
第一步：將以下文本中的長難句拆分為3-5個短句 第二步：用“三明治結(jié)構(gòu)法”重組： 第一層大白話拋出觀點 第二層硬核專業(yè)知識或數(shù)據(jù)，第三層個人視角批判分析。 原文：[粘貼原文]
場景4：學術(shù)論文 · 去套話+第一人稱
重寫以下論文段落，要求： 刪除「隨著…的發(fā)展」「近年來…」等套話開頭，直接切入問題 用「本研究」「筆者發(fā)現(xiàn)」等第一人稱限定語替代第三人稱 在引用后加入個人分析短句（如“這一點在筆者實驗中得到印證”） 原文：[粘貼原文]
場景5：學術(shù)論文 · 去除模糊表示
識別以下段落中的「相關(guān)研究表明」「有學者指出」「該技術(shù)能提高效率」等模糊表述 替換為具體的實驗數(shù)據(jù)、年份、樣本量、真實案例 無數(shù)據(jù)時標注「[需補充真實數(shù)據(jù)]」，不要編造 原文：[粘貼原文][動作三：巧妙利用Skill]
Skill可以理解為一個為AI準備的標準化作業(yè)程序。里面指令、腳本、資源、檢查清單和異常處理機制都有。通常它是一個包含 skill.md等文件的文件夾。
可能你覺得反復(fù)調(diào)試、寫作提示詞很累，又或許你已經(jīng)不滿足于Prompt的書寫，想要更精準或更強大的調(diào)整方式，那么你可以 調(diào)用起他人的智慧。畢竟眾人拾柴火焰高。
這里存在一定的操作門檻，比較適合一些有更高要求的朋友，社交媒體很容易能找到部署安裝方式。你可以去各大開源分享網(wǎng)站來獲取Skill來強化AI。我們非常鼓勵沒有接觸過的朋友們也嘗試一下。
Skill挑選來源
官方Skill市場 (Directory)：在Claude網(wǎng)頁版的Customize-skills頁面，可以瀏覽和安裝官方及社區(qū)精選的Skill。
社區(qū)工具網(wǎng)站：skills.sh網(wǎng)站是配合vercel-labs/skills工具使用的一個技能目錄，你可以在這里按流行度、趨勢來搜索和篩選。
GitHub 代碼倉庫：這是最主要的Skill來源。比如，Anthropic官方就開源了包含16個實用工具的Skills 庫（如PDF處理、Skill創(chuàng)建器等）；
微軟官方也提供了playwright-cli（極低token消耗的命令行工具）這樣的專業(yè)Skill。很多個人開發(fā)者也會在GitHub上分享自己的作品。
Skill彈藥庫
- Claude Code Skill
GitHub用戶blader把維基百科的24條規(guī)律做成了一個skill，裝上之后，你只要說一句“humanize這段文字”，它就會自動掃描所有24種模式，然后幫你重寫。
項目地址：https://github.com/blader/humanizer
- Humanize AI text
功能包括AI文本檢測和文本人性化改寫，通過識別并修正 AI 寫作的典型特征（如機械話術(shù)、格式痕跡、引用漏洞等），讓生成式AI文本具備人類寫作的自然性，從而規(guī)避各類 AI 檢測器的識別。
項目地址：https://pan.quark.cn/s/8f5ad062b58e#/list/share
[動作四：人工檢驗]
為了掩蓋機械感，AI會大量堆砌形容詞和副詞，導致文字看起來用力過猛。所以當看到過度華麗、對仗的段落文字時，就要注意，這些是否屬于AI的手筆。此外，要警惕AI的推理論證。因為即使沒有證據(jù)鏈，它也會杜撰。所以需要考慮，它給的論證思辨是正確的嗎？具體事實案例符合規(guī)律嗎？能否溯源查證？
人工驗證須知
以下三類內(nèi)容無論看起來多么可信，在涉及到內(nèi)容真實的時候，都必須逐條人工查證。
具體數(shù)據(jù)與統(tǒng)計：AI 極擅長編造看似合理的數(shù)字。如果沒有在搜索結(jié)果中找到權(quán)威來源的原文佐證，應(yīng)視為可疑。
引語與人物：模型可能讓某人在從未發(fā)生過的場合說出從未說過的話。如2025年11月“治安違法記錄封存爭議”事件中，AI甚至顯示一名人大代表之子有吸毒經(jīng)歷，經(jīng)核實完全為虛構(gòu)。
文獻與引用：AI輔助科研中，參考文獻出現(xiàn)錯誤的情況相當普遍，AI檢索工具往往會“找出”與研究主題并無關(guān)系的論文
借用多種核實溯源手段
任何關(guān)鍵事實斷言，都應(yīng)在至少兩個獨立、可信的來源中得到佐證。這是新聞行業(yè)事實核查的鐵律，同樣適用于AI內(nèi)容檢驗。
如果覺得太費心力，可以直接讓AI進行二次查證。
這里要注意的是，AI可能生成虛假網(wǎng)站來“自證清白”。所以需要你謹慎地思考和求證。你可以使用多個AI來交叉驗證，也可以使用很“old school”的方法，將AI生成的整個段落，特別是其中的核心數(shù)據(jù)或非常獨特的描述，放進Google、百度等自然搜索，核對是否有相同的原文。
- 要求AI提供URL
在處理關(guān)鍵信息時，可以在初次提問時要求AI在引用處附上可直接訪問的URL。輸出后逐個點開鏈接驗證內(nèi)容是否與正在引用的部分一致。
對于有學術(shù)嚴謹性要求的朋友，面對一個看起來無可挑剔的高質(zhì)量引用，尤其帶DOI的文章時，可以先復(fù)制它的DOI碼在doi.org上驗證。
- 通過對話多輪追問AI
在你與它的對話中直接操作。
你可以反向提問尋求佐證，比如直接要求它提供三個反對理由，來檢驗論點?；蛘咭笏鼮榻Y(jié)論尋找更多來源支持，看看不同來源的說法是否一致。你也可以直接問它，針對[某條信息]，你的依據(jù)是來自訓練數(shù)據(jù)還是實時聯(lián)網(wǎng)檢索？
二次驗證工具彈藥庫
以下提供工具網(wǎng)站來幫助你進行二次驗證核查。
圖源：公眾號「有三思 U Sense」
最后，我們還是想多說一句：AI的定位是人類的工具，它對個人的最大意義，就是能夠在檢索和處理信息上提供高效能和高便利性，讓你的注意力資源能集中在更有創(chuàng)造力的事情上。
驅(qū)使它，釋放想法，不被AI生成內(nèi)容淹沒表達的自由和創(chuàng)意……在這場有關(guān)AI味的“無間道”識別戰(zhàn)中，這才是最重要的行事原則。
參考文章：
1. Hamsa Bastani (University of Pennsylvania): “Unpacking the Unintended Consequences of AI in Education”
2. Your Brain on ChatGPT： Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task
3. Perspective Chapter: Toward a Quantitative Framework for Evaluating AI-Generated Creativity – A Linguistic and Computational Analysis of Language Model Outputs
4. Mediahuis suspends former Irish boss Peter Vandermeersch over use of AI
5. Baringa study explores shifting US consumer preferences around the consumption of AI-generated content
6. Common AI writing footprints that trigger detectors — and how to remove them
7. 融社區(qū)管理：去除AI痕跡，只需要這6步
8. Diverse and high-quality text generation assisted by large language models
9. CSDN：大模型效率提升指南：Prompt工程全攻略與15+框架應(yīng)用
本文來自微信公眾號“有三思 U Sense”，作者：蔣雨恬，36氪經(jīng)授權(quán)發(fā)布。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
