# Novel Anti Detection

> 网文反AI检测与风控。当用户需要了解AIGC检测原理、降低AI文本被识别率、了解平台AI检测政策、设计混合创作模式时触发。覆盖检测技术原理、绕过策略、平台政策、混合创作模式（AI+人工改写双盲测试仅29%识别率）。

- Skill: `dama-cyber/novel-anti-detection` (Agent Skill, multi-file: 7 files)
- Install (CLI): `npx skillmds@latest add dama-cyber/novel-anti-detection`
- Raw SKILL.md: https://api.skillmd.com/api/skills/dama-cyber/novel-anti-detection/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- License: MIT
- Author: dama-cyber (https://skillmd.com/u/dama-cyber)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/dama-cyber/novel-anti-detection

---


# 反AI检测与风控

## Purpose

提供AIGC检测的技术原理与应对策略，帮助作者了解各平台AI检测政策，设计合规的混合创作模式，在AI辅助与原创性之间找到平衡。

## When to Use

- 用户需要了解AIGC检测原理
- 用户需要降低AI文本被识别率
- 用户需要了解平台AI检测政策
- 用户需要设计AI+人工混合创作流程

## Instructions

### AIGC检测技术原理

#### 核心检测指标（200+项）

1. **词汇多样性指数**：AI文本词汇多样性偏低
2. **句长变异系数**：AI文本句长过于均匀
3. **概念跳跃频率**：AI文本概念过渡过于平滑
4. **困惑度（Perplexity）**：AI文本困惑度偏低
5. **一致性分析**：AI文本风格一致性过高
6. **信息密度均匀度**：AI文本信息密度过于均匀
7. **连接词频率**：AI文本过度使用连接词
8. **情感波动幅度**：AI文本情感波动过于平缓

#### 检测方法

1. **统计特征分析**：分析文本的统计特征
2. **语言模型指纹**：检测AI模型的输出特征
3. **水印技术**：AI生成文本可能包含隐形水印
4. **风格一致性检测**：检测文本风格是否过于一致
5. **多维度综合判定**：综合多项指标进行判定

### 绕过策略

#### 分层处理策略

**词汇层替换**：
- 将AI偏好词汇替换为同义但更自然的词汇
- 增加口语化词汇和语气词
- 使用不常见但准确的词汇

**句式层变换**：
- 打破AI的句式模式
- 增加句长变化
- 插入碎片句和不完整句
- 使用倒装、反问等特殊句式

**段落层重组**：
- 打破AI的段落结构
- 增加突兀的转折
- 调整信息密度分布
- 插入个人化的思考片段

**风格层注入**：
- 注入个人写作风格特征
- 增加不规则的写作习惯
- 引入独特的表达方式
- 添加"不完美"的写作痕迹

### 平台AI检测政策

#### 晋江文学城
- 已发布《关于AI辅助写作使用、判定的试运行公告》
- 要求作者对AI辅助使用情况进行标注
- 对AI生成内容占比高的作品进行标记
- 检测方式：AI审核+人工审核

#### 起点中文网
- 对AI辅助写作持谨慎态度
- 要求作者声明AI使用情况
- 对AI生成占比高的内容可能影响推荐
- 检测方式：技术检测+读者举报

#### 番茄小说
- 对AI辅助写作相对宽松
- 但对纯AI生成内容有限制
- 检测方式：技术检测

#### 飞卢小说
- 对AI辅助写作相对宽松
- 关注内容质量而非生成方式
- 检测方式：较少主动检测

#### 2026年9月1日起
- 《生成式AI服务管理办法》正式施行
- 纵横中文网、七猫已要求作者对生成式AI使用情况进行标注
- 各平台逐步加强AI内容管理

### 混合创作模式

**AI生成 + 人工改写**（推荐模式）：
- AI生成初稿（占40-60%）
- 人工改写润色（占40-60%）
- 双盲测试识别率仅29%（vs 纯AI生成83%）

**操作流程**：
1. AI生成章节初稿
2. 人工通读，标记AI痕迹明显的段落
3. 对标记段落进行深度改写
4. 全文通读，确保风格统一
5. 添加个人化的细节和表达
6. 最终检查，确保无AIGC特征

### AI痕迹检测指南

#### 五大AI特征模式

**内容模式**：
- 对重要性、影响和宏大趋势的过度渲染（"标志着""奠定了""深远影响"）
- 对知名度和媒体报道的刻意渲染（罗列媒体名，无具体引用）
- 肤浅套路的"通过……展现……"式句尾分句（"折射出""体现出"）
- 宣传性与广告式口吻（"令人窒息的""充满活力的"）
- 模糊指代与含糊其辞（"专家认为""行业报告显示"）
- 模板式的"挑战与前景"段落

**语言与语法模式**：
- AI高频词汇与大厂黑话（赋能/闭环/打法/对齐/抓手/底层逻辑/赛道）
- 避用"是""有"等简单谓语（"作为……而存在"）
- 否定平行句式与双重对比（"不仅是X，更是Y"）
- 三项式排比与列举的滥用
- 同义词翻来覆去
- 虚假关联（"从X到Y"维度不统一）
- 被动语态与无主语句
- 虚假施动者（"决定逐渐浮现"）
- 旁观者视角（上帝腔/讲师腔）
- 戏剧化断句
- 设问句与修辞铺垫
- 公式化陈词滥调
- 应避免的句首词（疑问词开头、"所以"段落开头）

**格式与排版样式**：
- 滥用破折号（—）
- 滥用加粗
- 列表项"加粗+冒号"模板排版
- 多余的表情符号

**沟通与废话模式**：
- 交互式聊天废话（"希望这能帮到你！"）
- 知识库截止免责与猜测填充
- 谄媚与迎合的语气
- 刻意的强调语气与表演式强调
- 说教而非展示
- 删掉"金句"

**填充与对冲**：
- 冗余的填充性词组
- 过度对冲与和稀泥（"可能/也许/某些/潜在"堆叠）
- 空泛积极的结尾
- 滥用连字符词组
- 伪造权威感（"从根本上说""真正的问题是"）
- 指路标志与多余预告
- 零碎的过渡性单句段落

#### 误报防护（哪些不要误判）

一个优秀的人类作家可能会很自然地写出上述某些模式。在判定前务必进行常识判断：

- **完美的语法和一致的文风**：许多人类作者是专业写作人员
- **混杂了口语和书面语**：在技术人员、年轻作者中非常普遍
- **"平淡"或"机械"的行文**：单纯的枯燥只是普通的人类干瘪写作
- **正式或学术性的词汇**：AI只过度使用特定华丽辞藻，不要强行简化所有有深度的词
- **信件式的问候和落款**：比ChatGPT早诞生了几个世纪
- **孤立出现的过渡词**："此外""然而"等只有在被大量堆砌时才像AI
- **单独的破折号**：许多编辑和记者习惯使用破折号
- **未注明来源的主张**：互联网上绝大多数文本都没有注明来源

**核心原则：** 寻找的是"特征群"，而不是孤立的单个词。只出现一个破折号说明不了什么；但如果破折号与"三项式排比"、"历史的织锦"以及"面临挑战但前景光明"堆在一起，就是AI写作无疑。

#### 人类写作的标志（务必保留）

遇到以下迹象时尽量不要改动——它们是活生生的人类写作证据：

- **非常具体、独特、难以凭空捏造的细节**：真实的门牌号、奇怪的引言、"那个在我看牙医的地方楼上工作的律师"
- **复杂的纠结情感与未决的张力**："我觉得这事儿大部分是好的，但总有些地方让我觉得别扭"
- **带有时代感和特定圈子属性的玩梗**：只有特定年份、特定圈子里才懂的黑话或内部笑话
- **作者自己能给出合理解释的第一人称选择**
- **句式长度错落有致**：真正的写作会交替使用极短和极其绵长的句子
- **真实存在的题外话、插入语或自我纠正**："（我总想在这里用'几乎'这个词……）"
- **在2022年11月30日之前创建的内容**：早于ChatGPT发布日期的，几乎全是人类写的

### 快速检查表

在提交文本前，对照以下各项排查：

- 是否有副词？全部删掉（尤其"地"字修饰词）
- 是否有被动语态？找出动作执行者
- 是否有无生命事物做施动动作？指出具体的人
- 句子是否以疑问词（"如何""什么""为什么"）开头？重新调整句式
- 是否有"这里是/以下是……"等垫话开场？直接切入主题
- 是否有"不是X，而是Y"的对比？直接陈述Y
- 是否连续三个句子长度相同？打破其中一个句子的结构
- 文本中是否有破折号（—）？全部移除
- 是否有含糊的陈述（"其影响是深远的"）？指出具体影响
- 是否有旁观者视角？将读者带入具体场景

### 诊断输出模板

做文本风险诊断时必须按以下格式输出，避免只给泛泛清单。

| 字段 | 写法 |
|---|---|
| 置信度 | 高/中/低，只在出现3个以上互相支撑的特征时给高 |
| 特征群证据 | 列出具体原句和对应特征，不引用不存在的检测结果 |
| 误报检查 | 标出应保留的人类痕迹，如具体细节、个人口吻、真实瑕疵 |
| 改写优先级 | 先改模板升华和空泛表达，再改句式节奏，最后调词 |
| 政策提示 | 区分平台已知规则、经验判断和需要复核的部分 |
| 输出动作 | 给出3条以内最高收益改法，必要时附一段改写示例 |

示例结论：中置信度。文本同时出现“不是X而是Y”、空泛未来展望和无具体证据的宏大判断，但没有足够样本判断全文风格。先删除升华句，再把抽象判断改成角色动作或具体事件。

## Execution Protocol

1. 先判断用户要做的是原理解释、平台政策查询、文本风险诊断，还是混合创作流程设计。
2. 做文本诊断时只按“特征群”判断，不因单个词、单个破折号或单句整齐就下结论。
3. 给出建议时优先使用合规的混合创作、人工改写、标注与质量控制流程。
4. 涉及平台政策时，区分已知规则、经验判断和需要用户自行核对的最新政策。

### Workflow Branches

| 用户目标 | 先做什么 | 输出重点 |
|---|---|---|
| 原理解释 | 解释统计特征、模型指纹、风格一致性 | 不把检测说成单一关键词匹配 |
| 文本诊断 | 使用诊断输出模板，先判置信度 | 证据、误报检查、改写优先级 |
| 平台政策 | 区分已知规则和需复核信息 | 给保守写法和标注建议 |
| 混合创作 | 设计AI初稿、人工改写、风格统一、复查 | 每一步产物和质量标准 |
| 改写请求 | 联动 `novel-polishing` 的39条规则 | 输出最终稿，不承诺检测结果 |

如果用户同时问多个目标，先处理文本诊断，再给流程建议；不要在没有文本的情况下判断风险高低。

### Specificity Boundaries

| 场景 | 必须具体到 | 不要做 |
|---|---|---|
| 平台政策 | 平台名、已知规则、需复核点、保守写法 | 不要说“平台都差不多” |
| 文本诊断 | 原句、特征群、置信度、误报点 | 不要只列AI特征清单 |
| 混合创作 | AI负责什么、人工改什么、复查什么 | 不要只说“AI加人工” |
| 改写建议 | 改写优先级和一段示例 | 不要承诺检测通过 |
| 原理解释 | 统计特征、风格一致性、模型指纹的区别 | 不要把检测简化成敏感词 |

政策类回答固定结尾：平台规则会变，发布前复核作者后台、签约编辑通知或平台公告。这个结尾不是免责声明，而是执行步骤。

### Failure Handling

| 触发条件 | 处理动作 |
|---|---|
| 用户未提供文本 | 先询问文本或平台，不直接给泛泛清单 |
| 平台政策可能过期 | 明确标注“需复核”，不要伪造确定结论 |
| 文本只有单个AI特征 | 判为低置信度，要求更多上下文 |
| 诊断与人类写作特征冲突 | 优先保护具体细节、个人口吻和真实瑕疵 |

### CHECKPOINT

最终输出前确认：是否选择了正确流程分支、是否说明判断依据、是否避免单点误判、是否写明置信度、是否做误报检查、是否给出可执行修改方向、是否保留作者个人痕迹。

### Anti-Patterns

- 不要承诺“保证过检测”或“百分百安全”。
- 不要把平台政策说成不可变化的固定规则。
- 不要把所有正式、流畅、语法正确的文本都判成AI。
- 不要为了降低风险而抹掉作者的具体经历和独特表达。

## Bundled Resources

- `references/index.md` — 反检测索引
- `references/detection-principles.md` — 检测技术原理与39条AI特征模式
- `references/bypass-strategies.md` — 绕过策略详解
- `references/platform-policies.md` — 平台政策汇总
- `references/mixed-creation-mode.md` — 混合创作模式

## Checklist

- [ ] 了解目标平台AI检测政策
- [ ] AI文本经过分层处理
- [ ] 个人风格已注入
- [ ] 混合创作比例合理
- [ ] AIGC特征指标低于阈值
- [ ] 按五大模式逐类排查AI痕迹
- [ ] 确认无"特征群"误判人类写作