结合以下skill让Ai写的内容不再一眼假
AI写作已经深入内容创作、公众号、小红书、X、产品文案等场景，但一眼假的问题依然普遍存在。套路化表达、空泛总结、过度排比、缺乏个人温度、用词过于工整……这些都是典型的AI味。
现在用 AI 写文章，最大的问题已经不是能不能写。而是——写出来的东西太像 AI。
你应该见过这种文章：
开头先来一句随着人工智能技术的快速发展，中间必然出现首先、其次、最后，讲到关键地方开始不仅……而且……，最后再来一句综上所述。
单独看，每句话似乎都没错。
但整篇读下来就是有一种说不出的感觉：太正确、太完整、太工整，也太像机器。
尤其现在 ChatGPT、Claude、Gemini、Codex、Claude Code 这些工具越来越普及之后，单纯让 AI 帮我写篇文章已经没什么门槛了。
真正拉开差距的，反而变成了另一件事：
怎么让 AI 写出来的东西不像统一模板，而是越来越接近自己的表达方式？
最近 GitHub 上出现了不少专门解决这类问题的 Skill 和开源项目。
比如：
Humanizer-zh
stop-slop
stop-slop-zh
shuorenhua
qu-ai-wei
ai-flavor-remover
De-AI-Prompt-Enhancer
writing-style-skill
agent-style
nuwa-skill
humanize-mba-text-skill
oh-story-claudecode
AIWriteX
这些项目看起来都和去 AI 味有关，但实际上解决的根本不是同一个问题。
有的是检测 AI 文本。
有的是专门改中文 AI 腔。
有的是让 AI 学习你的个人文风。
还有一些已经发展成完整的小说或者内容生产系统。
所以这篇文章不做简单的 Skill 排行。
我们直接把整个去 AI 味工作流拆开，看清楚：
每一类 Skill 到底解决什么问题，以及普通人应该怎么组合。
一、先搞明白：到底什么叫 AI 味？
很多人把 AI 味理解成几个词。
比如：
值得注意的是
综上所述
总而言之
在当今时代
于是开始疯狂删词。
其实没有这么简单。
一个真人作者偶尔写一句总而言之，不会突然变成 AI。
真正让人产生 AI 感的，是大量模式同时出现。
1. 开头特别喜欢说正确的废话
典型写法：
随着人工智能技术的快速发展，AI 正以前所未有的速度改变我们的工作和生活方式。
有没有错？
没有。
有没有信息？
基本没有。
删掉以后，正文通常一点损失都没有。
这就是典型的 AI 式铺垫。
2. 结构永远特别整齐
AI 很喜欢：
首先……
其次……
再次……
最后……
或者：
一方面……
另一方面……
又或者：
从技术层面来看……
从商业层面来看……
从用户层面来看……
这种结构偶尔使用没有问题。
问题是 AI 太爱用了。
真人写东西通常没这么整齐。
重要的事情可能写五段。
不重要的事情一句带过。
二、真正顽固的 AI 味，其实是结构味
比如：
AI Agent 不仅能够提高企业效率，而且能够降低运营成本，同时还能改善用户体验。因此，AI Agent 已经不是一道选择题，而是一道必答题。
这几乎把几个典型 AI 模板全部集齐了：
不仅……而且……
三个并列价值。
因此……
不是……而是……
选择题/必答题的金句式结尾。
真正修改的时候，不应该只换几个词。
可以直接改成：
企业真正需要看的不是 Agent 有多聪明，而是它到底接走了多少原来需要人处理的工作。找资料、整理表格、写报告、跟进客户，如果这些事情还是员工自己做，那模型参数再漂亮，对企业也没多大意义。
没有故意加错别字
。
也没有强行加入说实话。
只是：
把模板拆了，把观点说具体了。
AI 味自然就下来了。
三、不要再把 AI 检测率当成去 AI 味的终极标准
这也是很多人最容易踩的坑。
网上经常能看到：
原文 AI 率 96%，经过 Humanizer 处理以后降到 8%。
这种测试可以看。
但千万别把它当成绝对标准。
AI 文本检测本身就不是百分之百可靠。
真人写的文章可能被误判成 AI，AI 生成的文章经过改写以后也可能逃过检测。
所以：
AI Detector 更适合当辅助工具，而不是文章质量裁判。
你的目标不应该是：
怎么骗过 AI 检测器？
而应该是：
怎么把文章写得更自然、更具体、更有观点？
这是两件完全不同的事情。
四、第一类工具：AI 文本检测
如果你确实想研究一段文字为什么像 AI，目前有一些真实存在的开源项目。
1. ChatGPT-Comparison-Detection
这是一个真实存在的研究项目。
它来自 HC3，也就是 Human ChatGPT Comparison Corpus，主要研究人类回答和 ChatGPT 回答之间的区别，以及如何识别 ChatGPT 生成内容。
ChatGPT-Comparison-Detection 项目：https://github.com/Hello-SimpleAI/chatgpt-comparison-detection
它更适合：
研究。
实验。
AI 文本检测。
而不是普通人每天写完公众号以后拿来润色文章。
所以严格来说，它不是传统意义上的去 AI 味 Skill。
五、AIGC_text_detector：更偏学术研究
AIGC_text_detector 同样真实存在。
它对应的是 AI Generated Text Detection 相关研究，并发表过对应论文。
它解决的问题还是：
这段文字到底更可能来自人还是 AI？
而不是：
怎么把这段文字写得更好？
所以普通内容创作者知道它就可以了。
没必要把 AI 检测放在整个工作流的核心位置。
六、真正适合普通人的第一类 Skill：stop-slop
这才开始进入实用阶段。
stop-slop 的思路很直接：
把 AI 最喜欢使用的写作套路整理成检查规则，然后逐条清理。
stop-slop 项目：https://github.com/hardikpandya/stop-slop
比如 AI 特别喜欢：
过度铺垫。
虚假的转折。
机械总结。
强行制造金句。
过度使用某些连接方式。
高度对称的句式。
它不是判断：
这是不是 AI 写的？
而是在问：
这段文字里有没有 AI 最容易产生的坏习惯？
这两个思路差别很大。
后者对于真正提高文章质量更有意义。
七、stop-slop-zh：中文作者更应该关注这个方向
英文 AI 腔和中文 AI 腔并不完全一样。
中文大模型特别容易出现：
四字词堆积。
过度排比。
不是……而是……
从……到……
既……又……
连续总结。
名词化表达。
宣传稿腔。
公文腔。
所以如果你主要写：
公众号。
知乎。
小红书。
X 中文内容。
中文教程。
中文商业文章。
中文版本的检查规则通常比直接照搬英文规则更实用。
八、Humanizer-zh：真正开始解决中文 AI 腔
Humanizer-zh 这类 Skill 的目标已经不是检测，而是直接改写。
它会重点处理：
模板化表达。
翻译腔。
报告腔。
过度正式。
空泛总结。
机械结构。
句式高度一致。
它真正适合的是：
你已经有一篇 AI 初稿，现在想把它改得更像正常中文。
这比检测 AI 概率实用得多。
九、qu-ai-wei：重点不是换词，而是重新组织
qu-ai-wei 是另一个值得中文作者关注的方向。
它最重要的一点是：
去 AI 味不能只做同义词替换。
真正需要处理的是：
句子。
段落。
结构。
甚至整篇文章的信息顺序。
比如AI 原文：
通过对上述功能进行深入分析，我们可以发现，该工具能够有效提升内容创作者的工作效率。最没用的改法是：
通过对以上功能进行详细分析，我们能够看到，这款工具可以显著提高创作者的工作效率。这叫换词，AI 味一点没少。
真正可以改成：
这个工具真正省时间的地方，不是帮你写最后那篇文章，而是把查资料、整理信息和第一版草稿一起做了。结构变了，信息重点也出来了。
十、shuorenhua：我很推荐中文创作者研究这个思路
shuorenhua 顾名思义：说人话。
它很重要的一个思路是：
同一句话，在不同场景下本来就不应该使用同一种表达。
比如原句：
该产品能够有效提高用户的内容生产效率。写产品介绍可以变成：
它主要帮你省掉查资料、整理素材和写第一稿这些重复工作。发微薄可以写：
AI 真正帮我省下来的，不是打字时间，而是查资料和整理资料的时间。跟老板汇报又可以写：
目前测试下来，它对第一版内容生产时间的压缩最明显。事实没有变，表达方式完全不同。
这才叫真人写作，因为人在不同场景下，本来就不会使用同一种语言。
十一、ai-flavor-remover：直接处理 AI 味
这个项目的名字就很直白：AI Flavor Remover。
它主要通过 Prompt 和规则对生成文本进行二次处理。
适合：
已经写完一篇文章。
不想重新搭复杂工作流。
直接进行一次整体去 AI 化。
但要注意一点：
不要迷信任何项目展示的 AI 检测率降低多少。
不同模型、不同文章、不同检测器，结果都会变化。
真正应该看的还是：文章有没有变好。
十二、De-AI-Prompt-Enhancer：把去 AI 味变成固定能力
如果你每天都用 Claude Code、Codex 或其他 Agent 写东西，就会发现一个问题：
每次复制一大段去 AI 味提示词，非常麻烦。
于是就有了另外一种思路：把规则直接做成 Skill。
De-AI-Prompt-Enhancer 就属于这个方向。
以后不需要每次重新解释：
不要套话。
不要排比。
不要虚构经历。
减少总结。
改变句长。
增加具体表达。
这些规则直接写进 Skill，以后让 Agent 写文章时自动加载。
这才是 Skill 真正有价值的地方。
十三、真正的进阶玩法：writing-style-skill
如果前面的工具解决的是：怎么让文章不像 AI。
那么 writing-style-skill 开始解决另外一个问题：怎么让 AI 写得像我？
目前 GitHub 上已经出现多个同名或类似思路的 writing-style-skill。
其中一种做法非常简单：先收集你真正自己写过的内容。
比如：
10～20 封自己写的邮件。
以前写过的文章。
微信聊天。
公众号。
然后分析：
你习惯写长句还是短句？
喜欢怎么开头？
会不会寒暄？
怎么表达不同意见？
经常使用什么词？
哪些词永远不会使用？
最后把这些规律保存成自己的 Style 文件，以后 AI 生成完内容，再自动按照你的 Style 重写。
writing-style-skill 项目：https://github.com/lout33/writing-style-skill
这一步非常关键。
因为从这里开始，我们已经不再单纯去 AI 味了。
而是在建立：个人 AI 写作系统。
十四、还有一种更厉害的 writing-style-skill：让 AI 从你的修改中学习
目前还有一种 writing-style-skill，我觉得这个思路更值得长期使用。
它的逻辑是：
AI 写第一版 → 你人工修改 → 系统比较两版差异 → 提取你的修改规律 → 更新 Skill → 下一次写得更像你。
自动学习型 writing-style-skill：https://github.com/jzOcb/writing-style-skill
比如 AI 总喜欢写：
这并不是一次简单的工具升级，而是一场生产方式的重构。
你每次都会把它改成：真正变化的是工作流程。
系统慢慢就会发现：你不喜欢不是 A，而是 B。
你喜欢直接下判断，下一次 AI 就会减少这种句式。
这比你自己坐在那里想：我的文风到底是什么？
靠谱得多，因为很多人其实根本说不清自己的文风。
但是：你的修改记录不会骗人。
十五、WRITING.md：把写作经验变成规则
另外一个非常值得借鉴的思路是：不要每次临时想 Prompt。
直接维护一份自己的：WRITING.md
里面写清楚：
我喜欢怎么写。
我不喜欢怎么写。
什么表达禁止出现。
教程怎么写。
产品文章怎么写。
观点文章怎么写。
怎么引用事实。
什么时候应该举例。
什么时候应该删掉总结。
以后 AI 写任何东西之前，先读取这个文件。
它就相当于：你的 AI 写作说明书。
十六、agent-style：适合技术和专业写作
agent-style 目前是一套真实存在的 AI Agent 写作规则。
它包含 21 条规则，其中一部分来自经典英文写作原则，一部分来自对 LLM 常见问题的长期观察。
agent-style 项目：https://github.com/yzhao062/agent-style
它比较适合：
技术文档。
README。
研究文章。
设计文档。
专业报告。
API 文档。
Claude Code。
Codex。
Cursor。
Copilot。
但它自己也明确说明了范围：
它主要面向英文技术写作，并不是专门为中文长文、小说或者营销文案设计的。
所以中文创作者可以学习它的规则思想，但没必要原封不动照搬。
十七、nuwa-skill：从模仿文风进一步走向思维方式
nuwa-skill，也就是女娲 Skill，走得更远。
它并不只是复制一个人的口头禅。
它想提取的是：
这个人怎么看问题。
怎么做判断。
经常使用什么思维模型。
遇到选择时怎么决策。
最后把这些东西做成一个可以运行的人物 Skill。
项目自己的定位也明确强调：不是复制一个人，而是提炼思维框架。
nuwa-skill 项目：https://github.com/alchaincyf/nuwa-skill
这对写作有什么用？
很简单。
真正高级的像某个人，从来不是：多用几个他的口头禅。
而是：他会不会得出这个判断？
这才是个人风格真正难复制的部分。
十八、humanize-mba-text-skill：论文不要跟公众号用同一套方法
如果写的是 MBA 论文、学术类长文，就不要直接套公众号去 AI 味方法。
论文需要的是：
降低机械结构。
减少模板连接词。
改善论证。
调整句式。
避免段落高度同质化。
但仍然必须保持：
正式。
严谨。
准确。
有引用。
所以论文 Humanize 和自媒体 Humanize 根本不是一回事。
你不能为了像真人，突然在论文里写：说实话，这个结果我第一次看到的时候还挺意外。
那就从 AI 腔变成聊天腔了。
同样不对。
十九、oh-story-claudecode：小说需要完全不同的一套去 AI 味方法
如果写的是网络小说，又是另一套逻辑。
oh-story-claudecode 是一个真实存在的网文写作 Skill 包，目前覆盖：
扫榜。
拆文。
写作。
去 AI 味。
封面。
长篇和短篇小说。
而且已经适配 Claude Code、OpenCode、Codex CLI 等多种 Agent 环境。
oh-story-claudecode 项目：https://github.com/worldwonderer/oh-story-claudecode
小说的 AI 味通常不是：综上所述太多。
而是：
人物说话都像一个人。
动作描写高度重复。
情绪直接告诉读者。
环境描写非常标准。
每章节奏差不多。
结尾总喜欢强行制造悬念。
所以小说需要专门的 Skill，不要拿公众号 Humanizer 硬套。
二十、AIWriteX：已经不是一个简单 Skill，而是一套内容生产系统
AIWriteX 更适合另外一种人：批量做内容的人。
例如：
公众号矩阵。
知乎。
小红书。
自媒体团队。
企业内容营销。
它解决的不只是去 AI 味，而是整个内容流水线：
找热点。
选题。
写内容。
排版。
配图。
发布。
所以如果只是偶尔写一篇文章，没有必要上这么重的系统。
但如果一天要生产几十篇内容，它的自动化思路就很值得研究。
二十一、taste-skill 很火，但别把它装错地方
还有一个经常和 Anti-Slop 放在一起讨论的项目：taste-skill。
这个项目确实很火。
但一定要说清楚：
它主要解决的是 AI 前端/UI 的审美同质化，不是中文文章去 AI 味。
它自己的定位就是：Anti-Slop Frontend Framework for AI Agents
主要处理：
布局。
字体。
动效。
间距。
视觉层级。
AI 生成网页的模板感。
taste-skill 项目：https://github.com/leonxlnx/taste-skill
所以如果你做网站、App、Landing Page，非常值得研究。
如果只是想把公众号文章写自然，就没必要因为它名字里有 Anti-Slop 而安装。
二十二、这么多 Skill，到底应该怎么选？
其实根本不用全部安装。
普通中文内容创作者，我更建议按照用途选择。
第一层：去掉最明显的 AI 腔
可以考虑：
stop-slop-zh
Humanizer-zh
qu-ai-wei
这一层解决：别让文章一眼 AI。
第二层：把文字改成正常人会说的话
可以重点考虑：shuorenhua
这一层解决：别只写正确的话，要写自然的话。
第三层：建立自己的文风
开始使用：
writing-style-skill
WRITING.md
这一层解决：不要只像真人，要开始像你。
第四层：建立自己的思维和表达系统
可以研究：nuwa-skill
这一层解决：不仅模仿语言，还开始模仿你的判断方式。
二十三、我更推荐的一套完整去 AI 味工作流
如果现在让我真正搭一套系统，我不会同时装二十几个 Skill。
我会这样做。
第一步：AI 负责资料和第一稿
ChatGPT、Claude、Gemini 都可以。
第一稿先解决：
事实。
资料。
逻辑。
结构。
不要第一遍就疯狂限制模型。
第二步：做 AI 腔检查
使用：stop-slop-zh
或者自己的 WRITING.md。
重点找：
套话。
废话。
机械排比。
强行总结。
过度转折。
重复结构。
第三步：中文重写
使用：
Humanizer-zh。
qu-ai-wei。
shuorenhua。
但要求：绝对不能虚构经历，这是非常重要的一条。
二十四、千万不要为了制造人味让 AI 编故事
这是现在很多 Humanizer 最大的问题之一。
比如原文只写：这个工具配置起来比较麻烦。
AI 为了增加人味，突然改成：我第一次配置的时候折腾了三个小时，差点把电脑砸了。
如果作者根本没有这个经历，就是假的。
这不是 Humanize。
这是编造事实。
真正正确的方法是：如果作者没有提供真实经历，宁愿不写。
二十五、第四步：加入只有你知道的信息
这是整个流程里最重要的一步。
AI 能知道公共知识。
但是 AI 不知道：
你真正用了几天。
哪里失败了。
花了多少钱。
哪个版本最好用。
哪个功能你最后关闭了。
你原来怎么看。
后来为什么改变观点。
客户真正抱怨什么。
哪个步骤最浪费时间。
这些才是：真正的人味。
所以我越来越觉得，去 AI 味这个说法其实不够准确。
真正应该做的是：增加作者信息密度。
二十六、第五步：writing-style-skill 统一文风
前面处理完以后，再让自己的 Style Skill 接管。
例如你的写作规则可能是：
开头直接进入问题。
不写宏大背景。
短句为主。
复杂问题允许长句。
不为了排比强行凑三点。
少写不是……而是……。
少写本质上。
不写空洞总结。
教程必须说清楚实际操作。
产品必须写缺点。
观点必须明确。
事实不能编。
案例必须有来源。
这样以后 AI 第一稿就会越来越接近你的表达。
二十七、第六步：让 AI 从你的修改中继续学习
这是我认为未来最值得做的一步。
不要每次：
AI 写 → 你改 → 结束。
而应该：
AI 写 → 你改 → 比较差异 → 提取规则 → 更新 Skill。
今天 AI 学到：你不喜欢长开场，下一次就少写。
过几天又学到：你不喜欢三段式总结，继续加入规则。
再过几个月：你的写作 Skill 可能已经积累了几十甚至上百条个人规则。
这时候 AI 才真正开始变成：你的写作助手。
而不是一个公共写作机器人。
二十八、最终的个人 AI 写作系统应该长这样
最后可以把整个系统压缩成：
资料层
负责真实性。
↓
初稿层
负责把东西写出来。
↓
stop-slop / Humanizer 层
负责清除明显 AI 模式。
↓
shuorenhua 层
负责场景化表达。
↓
writing-style 层
负责个人语言习惯。
↓
个人知识与经历层
负责加入真正属于你的东西。
↓
人工终审
负责最终判断。
这才是一套完整的 AI 写作工作流。
二十九、发布前我只建议检查这 7 件事
文章写完以后，不需要疯狂跑十个 Detector。
自己检查：
1、开头能不能直接删掉一段？
2、有没有连续出现模板化排比？
3、有没有一句话说了等于没说？
4、有没有为了真人感编造经历？
5、有没有真正属于作者自己的判断？
6、有没有具体事实、数据、案例或者使用细节？
7、这句话自己念出来，会不会觉得别扭？
如果这七关都能过去，文章通常已经不会有特别严重的 AI 味。
三十、去 AI 味的终点，不应该是骗过 AI Detector
这是整篇文章最想说的一件事。
未来 AI 写作一定会越来越普遍。
纠结：
别人能不能看出来我用了 AI？
意义会越来越小。
真正拉开内容差距的是：
AI 给了所有人差不多的能力之后，
你到底往里面放了什么别人没有的东西？
你的经历。
你的判断。
你的数据。
你的失败。
你的观察。
你的案例。
你的审美。
你的表达方式。
这些东西才是真正无法通过一句 Prompt 批量复制的。
所以：
stop-slop 帮你删掉 AI 套路。
Humanizer-zh 帮你恢复自然中文。
shuorenhua 帮你按照真实场景表达。
writing-style-skill 开始学习你的语言。
nuwa-skill 再进一步尝试提取思维方式。
最后真正决定文章是不是你的，依然是你自己提供的信息和判断。
这时候 AI 才从：替你写文章
变成了：按照你的方式，帮你完成文章。
这可能才是所谓去 AI 味真正值得追求的终点。
