消除“罪证”：给写作去除“AI味”的不完全手册（2026版）

事件概述

2026年，社交媒体上掀起了一场关于“AI味”写作的集体吐槽。网友们用“豆包体”等标签调侃AI生成内容中高频出现的“最”等空洞词汇，微博、小红书、豆瓣等相关话题浏览量巨大。这场讨论表明，“AI味”已人人可感知，但也意味着人类写作的独特价值仍不可替代——人类写作的“人味”表现为随机波动、意料之外的比喻、诙谐留白甚至不合语法的表达，而AI味则追求标准、安全、无风险。

核心信息

1. AI味的识别特征

• 过度拔高：习惯性使用“历史性/关键时刻”“高光/决定性”等通用表述，夸大平凡事物。
• 否定式煽情句式：典型的“这不仅仅是一双跑鞋，而是对自律生活方式的承诺”式表达。
• 虚假范围：频繁使用“从X到Y”结构，但X与Y并无强关联。
• 结构过于严谨：破折号、对仗句、完美段落结构都成为网友“鉴AI”的依据。

2. AI味成因：RLHF

基于人类反馈的强化学习（RLHF）是导致AI味浓烈的根本原因。在训练过程中，标注员倾向于给标准、安全、高分回答打高分，而“犹豫、矛盾、没有节奏”等体现人味的内容因风险高、不标准被淘汰，导致模型不断优化出高频词汇和模板化结构。

3. 去AI味四步操作指南

动作一：注入肉身——让AI学习你的个人风格

• 收集3-5篇个人原创文本（总计超1500字），涵盖说明性、议论性、口语化、修辞长句等多种类型。
• 使用【】标记关键风格锚点：高频过渡词、标志性句式、惯用比喻结构；同时列出绝对避免项（如禁用被动语态、不用“不是……而是……”句式等）。
• 分阶段提示词引导：首轮要求严格模仿节奏与词汇密度，次轮保持句长分布与连接词频率，第三轮检查禁用项。
• 对比反馈微调：要求AI生成A/B/C三版初稿，人工标记风格匹配度，对红色（冲突）部分发送重构指令。

动作二：活用提示词——C.R.E.A.T.E框架

• 角色设定（Character）：明确专业领域、经验年限、核心能力。例如“作为8年消费电子评测专家……”
• 明确需求（Request）：使用SMART原则，定义目标对象、核心指标、风格约束。可借助JSON格式定义复杂需求。
• 示例引导（Examples）：提供2-3个优质示例，确保领域匹配、风格一致、质量分级。
• 动态修正（Adjustments）：采用「三明治修正法」——先肯定有效输出，再具体指出改进方向，最后限定修改范围。
• 格式规范（Type of Output）：明确文档结构、数据格式（CSV/JSON等）、多媒体要求。
• 附加指令（Extras）：精细化控制，如“使用否定+肯定结构减少歧义”“量化修正标准”等。

动作三：巧妙利用Skill——复用社区智慧
Skill是包含指令、脚本、检查清单的标准化作业程序，可在Claude Customize-skills页面、skills.sh网站、GitHub仓库获取。示例：

• Claude Code Skill（humanizer）：将维基百科24条规律做成skill，输入“humanize这段文字”自动扫描并重写。
• Humanize AI text：具备AI文本检测和人性化改写功能。

动作四：人工检验

• 警惕过度华丽的形容词和副词堆砌。
• 对具体数据与统计、引语与人物、文献与引用三类内容必须逐条查证。AI可能编造看似合理的数字、虚构引语或伪造文献。
• 使用多源交叉验证：要求AI提供URL并逐个验证链接内容；复制DOI在doi.org上验证；通过多轮追问让AI提供反对理由或补充来源。
• 注意AI可能生成虚假网站来“自证清白”，需结合自然搜索（Google、百度）核对独特描述。

值得关注

• 文章提供的“Prompt弹药库”给出可直接复制的提示词，涵盖口语化重写、人类痕迹、长句拆分、学术去套话等场景，实用性强。
• 文中强调，去AI味的关键不在于完全抛弃AI，而在于让AI学会模仿人类写作的随机性、不确定性和个人风格，并通过人工检验确保事实准确。