很多人去AI味，只知道把“值得注意的是”换成“显然”，以为换个词就能像活人。实际上不管你怎么换，读者看上三行依然能闻出机器的味道。

大家对AI生成的文字有一种生理反感。 语法挑不出错，但通篇都是废话。没有具体细节，没有动作，没有判断，读完什么都没留下。 网上有很多去AI味的提示词或工具，折腾了大半年，我自己的写作skill都至少迭代了10来个版本，不得不承认，AI味根本去不掉，让AI帮你去AI味，只会越改越怪、越改越僵！

1 哪来的AI味？

不要以为AI味仅仅是个词汇问题，比如AI喜欢用“赋能”、“闭环”、“深入探讨”……啥啥的。没错，但这是浅薄的表面原因。 说白了，AI写东西不用负责，它不需要承担任何后果。 训练大模型的逻辑，就是不能出错，不能得罪人。所以它就只能挑最平庸、挑不出毛病的套话来交差。 你遇到的事，机器宕机，脚本报错，客户催命，都是你实际的痛点，大模型没有经历过这些。 它平时看到的，是四平八稳的汇报、文档、资料、上下文。 一动笔就本能地防守，也就是先否定一个假靶子，再给一个折中答案。当然，这就是最常见的“不是而是”这个表达为啥它总是爱用的原因，看看这篇，我们专门分析过：

（插入链接）

就算表面词汇换掉一百遍，只要AI用的防守机制不变，怎么换都没用。

2 三个流派

去AI味，很多人都在研究，目前有几个流派相对口碑比较好，但都有自己的局限。

2.1 规则派

这个流派最早是国外维基百科搞的一套AI文本清理指南，后来有人做成了开源工具，再后来国内的归藏把它翻译并适配到了中文语境。 核心思路是建一份AI特征库，也就是黑名单。 他总结出了二十多种特征，凡是符合这些特征的，就认为它是AI味，比如，“此外”、“值得注意的是”、“综上所述”等关键字，还有机械排比，三段式结构等特征，让大模型对照清单去改稿，只要符合特征，要么改，要么删掉。 这套方法的局限就是，把去AI味降级成了杀毒软件扫病毒。 它陷入了无休止的猫鼠游戏。你禁了“值得注意”，模型就换成“显而易见”；你禁了“赋能”，模型就换成“助力”。 没有苍蝇的泔水，依然是泔水。 一段没有信息量的车轱辘话，但刚好一个违禁词都没用，规则库会判定它完全达标，读者读起来依然觉得假。靠大模型二次改写，改完的文章往往磨平了作者原本的棱角，变成一篇毫无性格的报社通稿。

2.2 统计派

最近有个开源项目 lieflat（作者 larashero3）做了个实验，拿了三百万字的语料去做统计对照。作者用极其严格的频率统计，发现了很多有意思的事。 它证明很多人类以为的常识是彻底错误的。 比如，我们都觉得AI特别喜欢用设问句，结果它发现，人类在真实写作中使用设问句的频率反而更高，甚至是AI的17倍，人类使用比喻的频率是AI的2倍多。市面上那些粗暴要求删掉所有设问和比喻的提示词，只会把文章改得更不像人。 它筛选出了11项通过统计检验的硬伤，比如段首缺少主语就直接发议论、对举结构、冒号空转引出列表等。 这套方法很严谨，但作者在报告里也承认：语义层特征无法测量，如果AI味的主要成分在语义层，这种统计方法在原理上无法触及。它能切掉破折号和对举句，但原稿有没有真素材，它判断不了，修完之后依然是空壳。

2.3 禁令派

还有很多人喜欢写很长的提示词，把几十条不要做某事在写稿前一口气塞给模型。我自己也是在这里踩过坑的，之前那么多版本的skill，也是一直在给AI下禁令。这反而引出一个大麻烦：禁令给得越多，模型越不会写。 因为大模型的注意力是有限的。 你给它念了一百句禁令，它的注意力全都被迫放在审查上。模型一边构思观点，一边战战兢兢地检查自己有没有犯规。结果就是AI彻底畏手畏脚，想表达一个稍复杂的逻辑都不敢下笔。 写满禁令的长提示词本身也是一篇充满说教味与AI味的样本。模型模仿这种语气，直接导致了严重的提示词自噬。 还有一种做法是伪造活人感。 为了摆脱冷淡的机器腔，故意把句子打碎，强行加入网络流行语和感叹词，硬造情绪暴论。动不动就“家人们谁懂啊！今天直接把我整不会了，必须狠狠吐槽一下”。这根本不是活人感，不过是加戏罢了，让人更加反感。

3 我怎么做？

必须先声明，像是造不出永动机一样，我的方法，也不能完全去除AI味。 我只是在尝试换一条的路线。 写之前先不要约束太多，也不在写之后全文重写，我尽量在开始之前，给AI足真实素材，有了初稿再考虑做减法。 在让大模型写初稿时，提示词里一条禁令都不写。我先提供这些东西：事实材料、我的原话、大概推进方向。 大模型这会儿不负责审查，它用自己的世界知识，结合我提供的东西，让它天马行空讲故事。 初稿出来后，交给独立的质检环节做减法。 我借用卡兹克在做活人感写作时的思路。 读每一个自然段，看它有没有带来新事实、新动作、新区别、新数据或新后果。凡是发现某一段只是把上一段的意思换套措辞重写了一次，直接整段删掉，只要逻辑依然顺畅，就代表删除正确。 第二步还是删，这次针对的是修饰词和大词等。什么起手式，铺垫，程度副词等等。 只要删掉之后主句的意义不丢失，就证明前面全是废话。 比如原句是：“在当前快速发展的AI浪潮中，我们必须深刻认识到，提示词工程无疑扮演着至关重要的角色。” 直接删，只需要剩下：“提示词很重要。” 删完之后意思没变，那之前那些词就全是废话。 最后就是看句式结构。 这一步借鉴了开源项目lieflat分析的两百多万字语料得出的成果。 遇到“不是A而是B”，直接砍掉前半句A，只留具体事实B。遇到段首缺少主语的，补上代词。遇到空转冒号引出列表的，把冒号删掉，回归自然叙事。

4 管用吗？

我依然还在打磨，但这个大方向确实让效率有了提升。 前端初稿不拧巴，后端质检不重写，质检只做减法，对模型的要求也会低一些。 活人感不是表演，它来自事实，判断。 写公众号、写逐字稿、写报告都可以用。

<section style="margin: 28px 0 12px 0; text-align: center; color: #d46b2c; font-size: 15px; font-weight: 700; line-height: 1.8;"> 保持对AI好奇 · 扫码上船 </section>