De Ai Voice#

Overview#

从内容本质出发：写作不是文字拼接，而是信息传递与决策支持。 “AI 味”很多时候不是词汇问题，而是信息密度不足、证据不可核验、取舍与边界缺失所带来的工业化痕迹。 因此本 Skill 的默认优先级是：信息与证据 > 结构推进 > 场景适配 > 去指纹（口癖/格式）。

Quick Start#

• 输入：用户提供原文 + 目标（用途/受众/平台/语气/篇幅/禁忌）。
• 输出： 改写稿 + 改动说明 + 需要作者补充的问题（若信息不足）。

可选：先跑一次扫描脚本快速定位“AI 味触发器”。

bash

node scripts/ai_smell_scan.cjs --lang auto /path/to/text.txt

重要： ai_smell_scan.cjs 的定位是“AI 味 linter（风格与模板痕迹扫描）”，不是“AI 检测器”。它只能提示哪里更像模板/口癖/格式工具箱，不能证明文本是否由 AI 生成，也不能替代事实核验与引用验真。

Workflow#

1) Intake: 先补齐写作约束#

先问最少但关键的问题，避免在不知道目的时硬改“文风”：

• 用途与场景：发给谁/发在哪/读者期望是什么（邮件、PRD、帖子、论文摘要、客服话术等）
• 作者立场：要不要“站队/做判断/给建议”，还是必须保持中立
• 信息来源：是否允许引用数据/案例/链接；能否提供真实材料（日期、地点、数字、截图、对话）
• 风格边界：口语/正式、严肃/轻松、是否允许自嘲/吐槽、是否能用第一人称
• 不能改的：专有名词、产品/接口名、法律表述、对外承诺

如果用户只说“帮我去 AI 味”，默认只追问两件事： 场景/用途 + 受众。 其余信息不足（事实、证据、取舍、边界）由 Information Gate 在需要时再追问，不把“卡点”前置成入门门槛。

1.5) Scenario Selection: 媒介/场景快速选择表（改写前必须确认）#

让用户先选一个最接近的场景；如果用户不选，默认 内部协作/文档。场景会决定允许的温度、结构和“去味阈值”（比如社媒允许更强情绪，但不允许空泛金句）。

• 内部协作/文档（IM、PRD、周报、设计说明）：少套话，多约束与决策；强调“下一步/owner/时间点”
• 邮件/对外沟通：更克制的情绪，更明确的诉求与边界；结尾用“需要对方做什么/何时回复”
• 社媒内容（公众号/小红书/短视频口播稿）：允许更口语与节奏，但必须有具体细节与真实体验；避免模板金句与堆叠排比
• 对外 PR/公告/新闻稿：措辞严谨，避免夸张；所有数据与“研究表明”必须可核验
• 学术/研究/论文摘要：允许术语但必须可追溯；杜绝虚构引用；逻辑链条优先于“通顺好读”
• 客服/支持/FAQ：减少情绪按摩；强调步骤、条件、错误处理、风险提示
• 投诉处理/危机沟通：先承认问题与影响，再给补救方案与时点；避免空泛安慰与过度承诺
• 商务合作/BD/报价：目标导向、信息密度高；给清楚范围/交付/里程碑/风险；避免“愿景大词”
• 招聘 JD/岗位介绍：具体职责/边界/成功标准/协作关系；避免“激情叙事”与空洞价值观堆砌
• 面试反馈/绩效反馈：事实-影响-建议-期待；避免人身评判与“正确废话”
• 会议纪要/行动项：以决定与行动为主；明确 owner、截止时间、依赖与待确认事项
• 方案/汇报/商业计划：先给结论与关键假设，再给证据与对比；必须有取舍与反例边界
• 产品更新日志/Release Notes：短句直给；按用户影响组织；避免“全面升级/重磅焕新”式夸张
• 教程/操作指南：以可复现为第一原则；写清前置条件、步骤、预期结果与排错；杜绝“显而易见”
• 对外公关回应/声明：措辞审慎、可核验；避免推测与情绪化；保留法律/合规边界
• 投资人材料/融资摘要：数据与口径优先；少形容词；明确增长驱动、风险、下一步里程碑

1.6) Source Model/Tool (Optional): 来源模型/平台快速选择（可跳过）#

如果用户知道原文主要来自哪个模型/产品，先标注；不知道就跳过。目的不是“检测”，而是更快去掉平台模板指纹。

• Claude（claude.ai/Claude Code）：更容易残留 Markdown 结构（标题/列表/粗体）；倾向“把内容组织得很规整”
• Gemini：更容易出现“格式工具箱”式输出（小标题/分隔线/列表/结尾给下一步）
• Kimi：更容易受“官方常用语/排版模板”影响（emoji/Unicode 美文排版、结构化小条目）
• DeepSeek（深度思考模式）：可能有开头语气词（如“嗯”）作为节奏缓冲
• 豆包：在部分对话场景里可能有更强的情绪肯定与夸赞话术
• 其他/未知：按通用规则处理即可

2) Diagnose: 判定“AI 味”是润色问题还是信息问题#

将问题归类（可多选），并给出证据（用原文片段，而不是空泛判断）：

• 模板结构：三段论/教科书式“首先其次最后”、段段都在总结
• 套话与连接词堆叠： 值得注意的是/此外/总而言之 等密集出现
• 过度工整与平滑：句式太齐、语气太稳、没有作者脾气与偏好
• 空泛正确：名词很大、动词很虚、缺少可验证细节（人/事/数/时间/地点/机制）
• 过度中立：每个观点都“两边都对”，不下判断也不做取舍
• 过度礼貌/过度共情：用力过猛的“稳稳接住你/希望能帮助你”
• 格式指纹：乱加粗、全篇列表化、段落像 PPT；高频“核心/关键/本质”但缺根据

用 references/signs-of-ai-writing.md 做快速对照（不要凭感觉打标签）：

• 过度总结 / 反复收尾（段尾反复“总之/Overall”）
• 连接词与路标堆叠（段首“此外/Moreover/Firstly…”）
• 三件套/三段论成瘾（硬凑 3 点且可互换）
• 英文 -ing“伪分析”或中文“大词空转”（听起来像分析但没机制）
• 过度修辞但信息不增（排比/比喻密集）
• 格式工具箱痕迹（标题/分隔线/列表/粗体密度过高）

关键分流：

• 若信息不足是主因：先输出“需要补充的信息清单”，等作者补齐后再进入改写。
• 若信息足够但表达像 AI：进入改写流程。

2.5) Information Gate: 信息传递闸门（默认强制）#

在动笔改写前，先把原文“信息结构”显式化，避免把低信息密度文本越润越像模板：

• 信息库存（从原文抽取，不编造）：
  • 事实：具体人/事/数/时间/地点/机制/限制条件
  • 结论：作者希望读者相信什么、做什么
  • 证据：数据/案例/来源/可复现步骤
  • 取舍：你选择了什么，放弃了什么，代价是什么
  • 边界：什么时候不成立/不适用/反例
• 信息缺口（必须输出到“三件套”的第 3 部分）：
  • 缺来源/缺口径/缺例子/缺约束/缺边界

如果信息库存过薄：优先追问补信息，而不是做同义替换或“去指纹”。

3) Rewrite Pass 1: 先修内容密度与推进#

优先做“信息与结构”层面的改写，避免只换同义词：

• 把“大词”落到可观察对象：谁做什么、怎么做、为什么这么做、代价是什么
• 把“结论”绑定证据：数字/案例/对比/约束条件/反例
• 删掉重复的铺垫与复述：同一观点不要用 3 种句式再说一遍
• 让文章真的“往前走”：每段新增一个信息点或推进一个判断

3.5) Safety Checks: 假证据句式 + 过度安全中立（默认强制）#

这两项是高频“AI 味”来源，且会引入内容风险；无论中文/英文/日文都要检查。

• 假证据句式（必须处理）：
  • 典型信号： 研究表明/数据显示/大量实践证明/权威机构认为（但没有机构、时间、口径、链接或数据出处）
  • 处理策略：优先向作者要来源；拿不到就降级为“经验判断/观察”，并明确条件与不确定性；不要编造引用
• 过度安全中立（必须处理）：
  • 典型信号：整段都在“利弊都有/因情况而异”，但没有结论、取舍和边界
  • 处理策略：给出一个清晰选择（或默认建议）+ 适用边界（什么时候不适用/反例）+ 代价（你愿意换什么）

4) Rewrite Pass 2: 再修语气、节奏、作者指纹#

• 句长交错：短句收尾，长句承载解释；避免“每句 20 字/每句 15 词”的齐步走
• 自然连接：减少“此外/Moreover/さらに”式硬连接，改为语义连接（因果、转折、递进）
• 增加人类可识别的取舍： 我倾向于…因为…但在…情况下会反过来
• 允许适度不完美：合规前提下，保留一点口头语/顿挫/偏好词（但别装）

4.5) De-Fingerprint Pass: 自动规避高频 AI 味（默认强制）#

这一步不是“润色”，而是清理高频可识别指纹。除非用户明确要求保留某种风格，否则默认执行。 优先按 references/signs-of-ai-writing.md 的“迹象→动作”映射处理，而不是仅凭词表替换。

• 过度帮助式收尾：删除/改写 希望对你有帮助/如有需要我可以继续/如果你愿意我也可以…

  • 替代：用“下一步/行动项/需要你确认的点”收尾

• 过度共情/客服腔：删除/降噪 我懂你/辛苦了/你太不容易了/我稳稳地接住你

  • 替代：用“事实复述 + 目标确认 + 解决路径”承接

• 模板路标：降低 首先/其次/最后、 In conclusion/Overall、 まず/次に/最後に 的密度

  • 替代：用段落语义推进，不靠路标推进

• 格式指纹：

  • 乱加粗：每个段落最多保留 0-2 处强调；全文尽量不超过 3-6 处（按篇幅调整）
  • 列表成瘾：列表只用于并列项；理由/背景/判断必须用段落写出来；单个列表尽量不超过 5 条
  • PPT 化：合并碎片段落，保证每段承担完整语义（主张/证据/条件之一）

• “关键/核心/本质”滥用：没有“为什么关键 + 依据/代价”就删；有就补足再保留

• 多余的“礼貌前缀”：如 当然/很高兴/我将从以下几点，在不需要的场景直接删

按来源平台做额外清理（若用户在 1.6 标注了来源）：

• Claude：把“标题+列表+粗体”改为段落叙述（除非场景真的需要清单）；删除复制粘贴产生的 Markdown 符号
• Gemini：减少“工具箱式格式”（过多小标题/分隔线/列表）；避免固定“下一步我还能帮你…”式结尾，改为行动项/待确认点
• Kimi：去掉 emoji/Unicode 装饰性排版（花字、符号项目符号、夸张标题行），把碎片化小条目合并为段落
• DeepSeek：删除开头的“嗯/好的/让我想想”等缓冲词，直接进入任务动作
• 豆包：删除“你真的很棒/你太不容易了/你说得太对了”式夸赞与情绪镜像，保留事实复述与可执行建议

可选：在这一步前后跑 node scripts/ai_smell_scan.cjs --lang auto，把它当“热力图”用：看哪些模板痕迹密集，然后逐项清理。结构化体裁（PRD/FAQ/汇报）会天然触发部分规则，需结合场景判断是否属于误报。

5) Verification: 不要为了“去味”而引入新风险#

• 不编造引用/研究/数据/出处；缺来源就明确“无法确认/需要补充链接或原始材料”
• 不改动专有名词、接口名、合同/法律措辞（除非用户明确授权）
• 不把“更像人”做成“更不准确”；信息优先级高于风格

Hallucination Gate（默认启用）

在交付前做一次“幻觉闸门”检查，重点拦截“语法正确但不真实/不可核验”的句子，尤其是虚构参考文献与假证据句式。执行规则：

1. 发现强引用、强数字、强结论但无出处：先把它们转成“待补证据问题”，向作者索要链接/DOI/截图/原文片段/数据口径。
2. 若作者无法提供证据：删除虚构引用，把结论降级为经验判断，并补“前提条件 + 边界 + 反例/失败模式”。
3. 操作类内容必须可复现：每步补齐“输入→操作→预期输出→常见错误与排查”。

详细触发条件与处理策略见 references/principles.md，引用验真流程见 references/citation-verification.md。

Language Packs (Read As Needed)#

• 中文：读 references/zh.md
• English: read references/en.md
• 日本語： references/ja.md
• “AI 味”根因与校准范式： references/principles.md
• Wikipedia/社区归纳的“AI 写作迹象”映射： references/signs-of-ai-writing.md
• 参考文献验真（幽灵引用）： references/citation-verification.md

Output Contract#

默认按以下结构交付（除非用户指定只要其中一部分）：

1. 改写稿（目标语言）
2. 改动说明（3-8 条，面向作者：删了什么、补了什么、为什么）
3. 待补信息问题（若存在信息不足；问题要具体、可回答、可验证）

Model/Platform Fingerprints (Optional)#

不同大模型与产品形态（system prompt / UI 默认）会带来不同“口癖/格式指纹”。需要做更针对性的去味时，读 references/model-tells.md。