RubyCcll 去 AI 味写作法（antislop-cn）
把「像 AI 写的文字」改写成「像真人写的文字」。本文是方法层（去 AI 味写作法），任何一个人换进来都成立、可迁移；「某个人独有的声音」属于人设参数层，不在本 skill 内。
When to use
- 用户要改写一段 AI 腔中文文本，让它读起来像真人写的
- 用户要降低一段文字的 AIGC 检测值（腾讯朱雀等）
- 用户要判断一段文字「像不像 AI 写的」
适用文体（硬边界）
适用：内容创作类文体——公众号长文 / 小红书 / 抖音文案 / 社媒短文 / 观点专栏 / 知识科普文等「面向读者」的写作。
不适用：正式商务文书——邮件 / 工作报告 / 公文 / 通知 / 合同 / 简历等。这类文体有自己独立的话术和语言规范（正式、客观、结构化），套用本 skill 的「口语化 + 有棱角 + 情绪代入」会显得奇怪。遇到这类请求，明确告知「不适用」，不要强行改写。
能力边界（主题，实测）：叙事类 / 个人经历类（「我的故事」亲历实测）最容易稳过检测（<0.5）；论证 / 观点 / 技巧类（讲道理、列方法）本身在检测器高敏区，只能降值、不保证稳过。碰到论证/技巧类主题，优先引导用户改写成「亲历叙事」形态（把「远程办公好不好」写成「我远程三年的经历」），而不是硬套规则。
执行流程（两遍 pass，隔离执行）
Pass 1「语义层写作」→ Pass 2「去 AI 化门禁」→ Pass 3「评测交付」
⚠️ 两遍是隔离的，不是一遍看完所有规则：
- Pass 1 只看 Pass 1 的规则（阶段一语义层写作），不要看 Pass 2 的门禁规则。这是刻意的——如果你一边写一边想着「不能有金句、不能有对仗」，就会为了「符合规则」去写，反而写出金句堆砌（这是 v0.2.0 翻车的根因）。
- Pass 2 只做质检，不重新写作（阶段二门禁），只删不改。命中门禁就删掉那个词/句，但不要重写整段、不要「优化」。
- Pass 2 过完，复检一遍语义层（见门禁第十一条回环），删过头了补回来。
Pass 1 · 语义层写作
一、场景化代入三问（最高优先级）
动笔前，像写小说一样代入「作者」这个角色，问三个问题：
- 这个人在什么场景？
- 这个场景下，他会说什么？
- 他会怎么说？
规则是结果，场景是原因。不是套模板，而是「基于这个场景下真实的人会怎么说」来写。情绪不设配额、不平均分配（AI 腔的根源 = 情绪均匀分布）。判断标准：问自己「我作为作者，这段真的会激动吗」——不会就平着写。
二、写作原则
- 结论先行：先给结论再解释，不铺垫背景。
- 短句断句：短句为主、一句一段。单句默认 ≤ 40 字；但刻意保留 1–2 个 60–150 字长句做句长跨度（短句 3–8 字与长句交错，不是每句都短）；禁 2 个以上超长段连排。
- 口语化 + 具体数字：口语语气词直给（吧/其实/就/那/反正）；用具体数字 + 操作细节替代空词。禁「很快/很好/强大/卓越/高效/赋能」类空词 = 0。
- 有棱角：态度明确、不端不装，该吐槽就吐槽。禁骑墙词（见仁见智/各有利弊/时间会证明一切/需根据实际情况）= 0。
三、语义层三条（像真人写的核心）
检测器真正的分水岭是「语义」——AI 写的文字信息密度低、细节空泛、观点平庸。三条硬规则：
信息密度（禁空泛）：每段至少 1 个「删掉后读者会少掉东西」的可被反驳的具体断言，抽象概念落地到具体场景/数字/操作。自检：问「这段删了，读者损失什么」——答案是「没有」（全是正确的废话）就重写。
细节颗粒度（禁概括）：用「只有当事人知道」的细节替代概括。不是「效率提升了」而是「以前半小时，现在十分钟都不用」；不是「很多人用」而是「我们组七个人都在用」。
真实立场（禁平庸 + 禁金句）：有「可被挑战」的立场，敢下判断、敢说「但」。但立场要平铺直叙地表达，不写成金句。
松散叙事（禁结构化）：像聊天一样想到哪写到哪。不用「先说结论 → 论证 → 反面 → 总结」的议论文骨架，也不用「第一/第二/第三」的清单。段落之间是「接着又想到」的关系，不是「递进/并列」的关系。论证类内容（远程办公好不好）改写成「我自己的经历」，方法类内容（三个效率技巧）改写成「我试过的土办法流水账」。
- 正例（平铺直叙的立场）：「远程办公这事，别急着站队，先看你的活要不要天天碰头。写代码的不用，当管理的省不掉。」
- 反例（金句，禁）：「远程办公最大的谎言，是把它当成一道选择题」「都不是真理，都是屁股」——工整对仗的警句，是 AI 味，不是立场。
Pass 2 · 去 AI 化门禁
写完 Pass 1 后，逐条过下面的门禁，命中就删。这是质检，不是写作——不要一边写一边套这些规则。
四、禁 AI 指纹清单（表层，全清零）
命中即删，成簇是强信号（一个破折号说明不了什么，破折号 + 三连排比 + 赋能 + 综上所述 = 供述）。完整词库见 references/ai-fingerprint-lexicon.md。
| 指纹类 | 具体项 | 阈值 |
|---|---|---|
| 标点 | 双引号 / 顿号 / 破折号 / em dash | = 0 |
| 结构词 | 首先/其次/最后、综上所述/总而言之、本文/笔者/由此可见 | = 0 |
| 形容词堆砌 | 强大/卓越/高效/赋能/抓手/闭环/底层逻辑 | = 0 |
| 对仗比喻 | 工整对仗句 | = 0 |
| 排比三连 | 三项并列、同长对偶 | = 0（同类并列 ≤ 2 项） |
| 二分句式 | 「不是X而是Y」「不仅A更是B」 | ≤ 1 处（落点具体） |
| 完美收尾 | 综上所述/希望对你有所帮助/总结一下 | = 0 |
删改方法：顿号改逗号 + 连词、强调改加粗、排比改递进、对仗拆散。
五、禁修辞升级（按密度阈，不按全零）
追求「有观点、有棱角」时最容易滑向的 AI 味。按密度控制，不是一刀切全零（全零会制造新的均匀性）：
| 修辞 | 阈值 | 说明 |
|---|---|---|
| 金句 | = 0 | 「不是X是Y」「都不是A都是B」「最大的谎言是…」式工整对仗警句 |
| 结构路标 | = 0 | 「我先说」「但你别急着」「关键在于」「值得注意的是」 |
| 吊胃口 | = 0 | 「你猜怎么着」「更可怕的是」「真正可怕的在后头」 |
| 修辞设问 | ≤ 1 | 「为什么？因为…」式自问自答（是设问，不是口语疑问） |
与口语疑问的区分（仲裁规则）：口语疑问（「往后会怎样？不知道」「贵不贵？也就一顿饭钱」）是真人特征，允许 2–4 处分散出现；修辞设问（「为什么 X？因为 Y」自问自答、为引出下文）是 AI 指纹，≤ 1 处。判断标准：疑问后面跟的是「真实的不确定」还是「预设好的答案」——后者是设问。
六、统计词频层（连词 / 单音节 / 语气词）
检测器主信号之一是「统计词频」。三条：
- 连词减法：书面连词（然而/因此/此外/与此同时/由此可见/综上所述）= 0；口语连词（但是/所以/而且/再说/不过）自然出现即可，不堆砌。
- 单音节口语词：多用「就/都/吧/那/其实/反正/挺/有点」这类单音节、口语词，少用书面双音节词（进行/予以/开展/呈现/彰显）。
- 语气词自然度：「呢/吗/吧/啊」分散出现，禁连续堆砌（「呢吧吗啊」四个连在一起）。
七、数字真实性（伪精确数字 = 0）
AI 为了凑信息密度会编造精确数字，这是最强 AI 指纹之一。规则：
- 精确数字（精确到小数 / 个位，如「87.3%」「325 天」「3.7 倍」）= 0，除非素材原文里就有。
- 编不出精确数字时，用模糊数字：「大概」「三四个」「几百个」「翻了不止一倍」——真人记不清，就说个大概。
八、位置层（首句 / 末句单独检查）
检测器对首句、末句是独立高值区（最容易被判 AI 的位置），单独检查：
- 首句：禁「场景钩子」（「你有没有想过」「在这个快节奏的时代」「最近，XX 火了」）、禁设问开头、禁「众所周知」。直接切入具体事实。
- 末句：禁金句收尾、禁呼吁、禁升华、禁反问。收在一个具体事实或一个干脆的判断上。
九、抗检测：人类特征随机性
任何可归纳的开头/中间/结尾结构都是 AI 指纹。打散而非换模板——不是「换一个模板」，是「没有模板」。
- 骨架随机：开头/结尾无固定形态
- 并列改递进：禁「第一/第二/第三」式排比，用递进或对比
- 段落切碎：大段拆短段、单句独立成段
- 口语疑问 + 插入语：每篇 2–4 处，分散不同位置
- 删冗余收尾：禁自谦段、图谱式总结、反问升华、呼吁收尾；收在具体事实
十、防过度纠偏（装人味是新 AI 味）
删了 AI 味，别装出假人味。以下全部 = 0：
- 禁编第一人称经历（给中立文本加「我当年…」「我试过…」假经历）
- 禁统一假口语腔（每篇都是「实打实/说白了/靠谱」模板）
- 禁故意加错别字、堆口头禅、乱掺语气词
- 禁同义词轮换（为躲重复换词 = tell 不是解药）
十一、门禁后复检语义层（回环，最多 2 轮）
门禁是「删」，语义层是「加」。门禁全绿之后，复检一遍 Pass 1 的语义三问：
- 问：删完指纹后，「每段 ≥1 个可被反驳的具体断言」还在吗？细节颗粒度还在吗？真实立场还在吗？
- 删过头了（删成「正确的废话」）就补回来，补完再跑一遍门禁。
- 最多 2 轮，防止无限「删了补、补了删」。2 轮后仍冲突，保留语义层（宁可留一点口语冗余，不留金句对仗）。
Pass 3 · 评测交付
评测口径（交付前必须过一遍）
三层递进 + 两条新增硬检查，逐层过：
| 层 | 指标 | 通过线 |
|---|---|---|
| L1 指纹自检 | 双引号/顿号/破折号/骑墙词/结构词/形容词堆砌/排比 = 0，二分句式 ≤1；对仗 = 人工通读项，脚本不承诺 | 100% 清零（跑 scripts/check-ai-fingerprints.py，对仗人工通读） |
| L1.5 统计词频 + 数字 | 书面连词 = 0、伪精确数字 = 0、语气词无连续堆砌 | 脚本客观输出全过 |
| L2 结构 + 语义 | 结构：开头/中间/结尾无固定模板，句长有跨度，无 2+ 超长段连排；语义：每段 ≥1 个可被反驳的具体断言、颗粒度（当事人细节）、真实立场（可挑战观点，非金句） | 检测器分不出高指纹区 + 语义三问全过 |
| L2.5 位置层 | 首句无场景钩子/设问/众所周知；末句无金句/呼吁/升华 | 首末句单独过 |
| L3 检测器实测 | 任意 AIGC 检测器人工贴检（改写稿纯中文 ≥350 字，短文本合并测；检测器字数口径是「去标点纯中文」，不是字符数） | < 0.5 达标；0.5–0.99 疑似；≥0.99 打散重写 |
交付线豁免（论证 / 技巧类）：论证 / 技巧类以「已过 L1/L1.5/L2/L2.5 + 降值」为交付线，检测值不作交付硬门。
金标准：拿不准「这句像不像 AI」时，用户可自建手写样稿（拿自己写过的一段真人文字，检测器判「100% 人工」的那段），对照自问「我平时会不会这么写」。
输出契约（每篇改写产出）
| 字段 | 说明 |
|---|---|
| 改写后文本 | 去 AI 味后的正文（纯中文 ≥350 字，否则标注「长度不足，需合并测」） |
| 改动说明 | 逐条列出命中了哪些指纹、怎么删的 |
| 自检结果 | L1 指纹 + L1.5 统计词频/数字 + L2 结构+语义（每段可反驳断言/颗粒度/真实立场）+ L2.5 首末句，逐项通过/未通过 |
改写样例
改写前（AI 腔）：
首先，AI 技术在近年来取得了显著的进步。其次，这一技术在各行各业都得到了广泛的应用。最后，我们可以预见，AI 将会深刻地改变我们的未来。综上所述，AI 的发展前景十分广阔。
改写后（真人腔）：
这两年 AI 是真的快。写代码的、画图的、做客服的，全用上了。往后会怎样？不知道。但有一点很清楚——它不会停在现在这个水平。
边界：本 skill 只负责「去 AI 味」，不生产「事实内容」（数据须来自素材原文，数字不编造）；不承诺「稳过检测」（检测器会迭代，只能降值 + 真人化）；不替用户「假装成某个真实存在的人」。