去 AI 味怎么改？11 个能定位到句子的信号，附完整提示词和 4 步核对

核实日期：2026-11-02｜适合：用 AI 写初稿的上班族、内容创作者、独立开发者

要点速览

• 一句「帮我去掉 AI 味」往往越改越假：模型会删掉正常的设问、把通顺的句子拆碎，甚至顺手改掉数字。
• 更稳的做法是三步：按清单定位 → 只改命中的地方 → 逐项核对有没有改丢信息。
• 依据是 GitHub 开源项目 lieflat-less-ai-tone 的 v2 规则，作者用 1,169 篇、约 520 万汉字的语料做了两轮人机对照。
• 设问、「首先/其次」、序数小标题、句长不齐、「赋能」类词表，测下来都不是 AI 特有的，别再当问题改。
• 文中提供一段可直接复制的提示词（先出报告、确认后再改），以及改完后的 4 步核对。

为什么「帮我去掉 AI 味」常常越改越假

稿子发出去，有人留一句「AI 味太重」。很多人的第一反应是打开对话框，丢一句「帮我去掉 AI 味」，或者网上找一段「去 AI 味 Prompt」整篇丢进去。改完再读，常常更假了，有的地方连意思都变了。

问题多半出在指令上。网上流传的「AI 味清单」，很多条目没有经过检验。常见的两种做法各有毛病：

• 禁用词表：「赋能」「闭环」「抓手」统统不许用。可是避开了这些词，读三段照样能看出来。
• 经验规则一锅端：把一堆规则交给模型改，它会把正常的设问、「一、二、三」小标题一起删掉，还会为了「长短句参差」把通顺的句子拆碎，有时还顺手改掉一个数字。

这份清单的依据：一个用语料测出来的开源项目

项目基本信息

项目叫 lieflat-less-ai-tone，放在 GitHub 上（地址见文末来源）。2026 年 11 月 2 日核对仓库时：

• 4,768 颗星，271 次 fork（数字每天在变）
• 最近一次提交在 2026 年 10 月 27 日
• 许可协议 CC BY-NC 4.0：个人使用没问题，商用要联系作者

两轮实验

1. 第一轮：5 个模型按同一批话题各写 60 篇，和 329 篇人类文章对照。
2. 第二轮（更严）：把人类文章里的数字和事件提成任务卡，让 GPT-5.6 和 Claude Opus 4.6 在同样的事实约束下写同题文章，做成 270 对配对比较。

两轮合计 1,169 篇，约 520 万汉字。

注意版本：以 v2 为准

网上有文章引用过「283 万字」「11 项特征」，那是第一轮的口径。仓库 10 月下旬改成了 v2，部分旧规则被第二轮数据推翻。本文以 2026 年 11 月 2 日仓库里的 SKILL.md 为准。

先划掉这些「伪 AI 味」：测下来站不住

按 v2 的结论，下面这些在人类文章里同样常见，甚至更多，改掉反而更不像人写的：

• 设问和问句小标题：正文问句人类用得更多。
• 「首先、其次、总之」：和人类没有可测的差别。
• 「一、二、三」序数小标题：第二轮复测里人类比 AI 还多（8.6% 对 4.9%）。
• 「这意味着」式复述：复测方向反了，人类略多。
• 句子长短不够参差：两轮都没测出人机差别，不用为了「有节奏」把句子剁碎。
• 「赋能」「闭环」「抓手」这类词表：差异不显著，避开它们也挡不住 AI 味。

破折号要单独看

作者统计，GPT 系的文章破折号比人类还少，Opus 系明显偏多，两者方向相反。项目只把每千字超过 2 个当作优先处理线。按「看见破折号就删」去改，结论可能完全错。

11 个能定位到句子的信号

下面是我们按 v2 规则整理的清单。原规则编号到 13，其中两条已降级，两条属于同一现象，合并后剩 11 个。用法很简单：每一条都要能指着某个字或某个结构说「就是这里」，指不出来，就别动。

| # | 信号 | 典型写法 | 改法 | |---|---|---|---| | 1 | 翻案腔 | 「不是 A，而是 B」「你以为……其实……」 | 正面下判断，直接说 B | | 2 | 提示语冒号 | 「一句话总结：」「核心是：」「原因有两个：」 | 删掉提示语直接写 | | 3 | 起手式 | 「说白了」「说穿了」「先说结论」 | 删掉，直接给判断 | | 4 | 过长的前置定语 | 名词前挂十几个字，或连着两个以上「的」 | 拆成两句 | | 5 | 话题壳和「当……时」 | 「对于早期团队来说，招人是最难的事」 | 「早期团队最难的事是招人」 | | 6 | 句首路标词扎堆 | 相邻几段都用「然而，」「因此，」「此外，」开头 | 挪到主语后面，或换成「不过」 | | 7 | 顿号罗列过密 | 一个分句里连着三项以上 | 能概括就概括 | | 8 | 相邻句同一个骨架 | 连着两三句逗号位置、收尾都一样 | 打散一句，合并或换语序，不删信息 | | 9 | 同义词轮换 | 一段里先叫「优化」，再叫「提升」「增强」 | 统一回原词 | | 10 | 衔接太顺 | 连续六段以上用「这也解释了为什么」「从这个角度看」接住上一段 | 挑一两处直接切到新话题 | | 11 | 破折号密度偏高 | 超过每千字 2 个 | 优先处理；承担插入解释或人物语气的留着 |

几条需要补充的说明

• 翻案腔：先立一个读者没有的误解再推翻。项目认为这是最强的信号，第一轮约 3.4 倍。
• 提示语冒号：冒号前在宣告结论的才算；引人物原话、列表前的冒号不算。
• 话题壳和「当……时」：删了会让时间关系变模糊的，保留。
• 顿号罗列：必须列全的配置清单不算。
• 同义词轮换：换着说法，读者得自己确认它们是一回事。
• 不进清单的：比喻贴不贴切、三个案例是不是在凑数，项目认为机器判不准，列为人审。

完整提示词：先出报告，确认后再改

把下面这段贴给你常用的模型，再附上稿子。它照着项目的工作顺序来：先出报告，你确认后再改。好处是你能先看模型找得对不对，找错了就不让它动手。

请检查下面这篇稿子的写作痕迹，只看这 11 项：翻案腔、提示语冒号、起手式、过长前置定语、话题壳与“当……时”、句首路标词扎堆、顿号罗列过密、相邻句同骨架、同义词轮换、段段紧扣的衔接、破折号密度（>2/千字才优先处理）。

第一步只出报告，不改稿：每项写命中几处，摘原句并注明在第几段，给出最小改法。
以下不算问题，不要改：设问和问句小标题、序数小标题、“首先/其次”、“这意味着”、比喻、句长不齐、引文、代码、标题层级。

我回复“按建议改”后再改，规则：
1. 每处只改必要的几个字，不顺手润色。
2. 不新增也不删除任何人名、机构、数字、日期、来源、因果。
3. 保留“可能”“通常”“据说”这类限定词。
4. 段落顺序、小标题、列表、表格不动。
5. 改完列出每处“原文 → 改后 → 对应哪一项”。

这段提示词是我们按项目规则写的，不是项目自带。

用 Agent 工具的：直接装项目自带的 skill

README 写的安装命令：

npx skills add larashero3-dotcom/lieflat-less-ai-tone

仓库里还有可以在本地运行的检测脚本 detect.py，能单独跑出分级报告。用法以仓库 README 为准。

改完别急着发：信息守恒 4 步核对

去 AI 味最大的风险在改写后的内容。模型「顺手」加一个更具体的数字，或者把「可能提升」改成「提升」，读者是看不出来的。项目把「信息守恒」写成硬规则：改后的每个实词都要能在原文里找到出处。落到操作上是四步：

1. 改前存一份原稿。别在原文件上直接改。
2. 逐处对照。用 Word 的「比较文档」、Google Docs 的版本记录，或任何 diff 工具，把改动标出来。
3. 查实词出处。人名和数字要能在原稿里指到，日期、引语和结论也一样。指不到就是模型加的，撤销。
4. 查限定词和强度。「可能」「通常」「部分用户」还在不在。判断强度被改了，也撤销。

最后再按 11 项过一遍。剩下的命中如果有理由保留（比如那个破折号确实在插入解释），写一句备注，给审稿的人看。

一个演示：一句话命中 6 项

下面这句是我们为说明改法自己构造的演示例文，不来自真实稿件：

改前：说白了，效率的关键不是工具，而是流程——当团队规模扩大时，对于管理者来说，梳理、拆解、复盘就变得尤为重要。

改后：效率的关键在流程。团队规模扩大以后，管理者更需要把流程理清，并定期复盘。

这一句命中了：起手式、翻案腔、破折号、「当……时」、话题壳、顿号罗列。注意改后版本没有加入任何原句没有的事实。

常见问题

「去 AI 味」是不是就是删破折号、删「首先其次」？

不是。按 v2 的数据，「首先/其次」和人类没有可测差别；破折号 GPT 系比人类还少，只有每千字超过 2 个才优先处理。

这个项目能商用吗？

许可是 CC BY-NC 4.0，个人使用没问题，商用要联系作者。

改完稿子还要人看吗？

要。比喻是否贴切、案例是否凑数，项目明确交给人判断；稿子有没有信息量、观点站不站得住，也得靠作者自己。

写在最后

去 AI 味其实是在做减法。初稿让模型写得越满，后面要洗的越多。

还有一点很实际。本站另一篇写到，12 月起 ChatGPT 和 Codex 要共用一份额度（https://www.mocha.wang/blog/chatgpt-codex-shared-usage-limits）。用思考模型反复整篇重写，消耗会算进这份额度里。按清单定位后只改几处，也能少跑几轮。

来源

核实日期：2026-11-02（UTC+8）

• lieflat-less-ai-tone 仓库、README、SKILL.md：https://github.com/larashero3-dotcom/lieflat-less-ai-tone
• 网文写作智库《这些"AI 味"其实不是 AI 味》（2026-10-11）：https://aizaow.com/writer/ai/deai-myths.html

说明

• 本文在 AI 辅助下完成资料整理和初稿撰写，事实部分已按上方来源人工核对。
• 「11 个信号」是我们对 v2 规则的合并整理；提示词和演示例文由我们编写，并非项目原文。
• 封面与文中清单卡为 AI 生成底图加排版合成。

如果想看更多这类 AI 工具的实用整理，可以在微信里搜索公众号「MochaFun魔方」。