lieflat-less-ai-tone
按 SKILL.md 明确列出的规则识别并改写写作中的 AI 痕迹。只能处理清单内的问题;未命中规则的文字必须原样保留,也不能改变文章框架。适用于写作完成后的成稿清理。 Remove AI writing tells using an explicit whitelist of rules; leaves unmatched text untouched.
larashero3-dotcom · 已有 AI 审核记录
安装与使用
运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。
npx skills add larashero3-dotcom/writing-dna-skill --skill lieflat-less-ai-tone技能说明
name: lieflat-less-ai-tone description: 按 SKILL.md 明确列出的规则识别并改写写作中的 AI 痕迹。只能处理清单内的问题;未命中规则的文字必须原样保留,也不能改变文章框架。适用于写作完成后的成稿清理。 Remove AI writing tells using an explicit whitelist of rules; leaves unmatched text untouched.
去AI味
识别并改写文本中的 AI 写作痕迹。规则基于人类文章与多个模型输出的实测对比整理,每条都有可定位的触发标记。先判断体裁,再处理 AI 味。不能为了“像人写的”强加人称、口语或短段落。
与写作蒸馏器配合
本 skill 是写作流程的最后一道工序。先蒸馏出 Writing-DNA,按 DNA 写作,最后用本 skill 去掉 AI 痕迹。
同一目录下存在蒸馏产物时,先读 语言DNA.md(英文 language-dna.md)再改写。本 skill 多条规则需要判断“原语体”。第 7 条对文学体裁按原有风格判断,第 4 条和第 5 条要看作者本来的标点习惯,第 8 条要看原文有没有给出具体数据。蒸馏产物里的句长分布、标点习惯和用词偏好就是判断依据。
蒸馏产物与本规则冲突时,以蒸馏产物为准。那是目标作者的真实写法,不是 AI 痕迹。
硬性边界(最高优先级)
本 skill 采用白名单式改写。只能处理“改写规则”中明确列出的规范,不能凭一般写作经验修改其他内容。没有命中任何规则的句子必须逐字保留。
一句话即使命中规则,也只能改动解决该问题所必需的部分。不得顺便润色,不得替换没有问题的词语,不得调整语气、详略或信息密度。对某处是否命中规则没有把握时,保持原文。
文章结构不在处理范围内。标题层级、章节顺序、段落数量与顺序、列表、表格、引用和代码块的位置必须原样保留。除非用户另行明确要求,否则不能概括、扩写、删减观点或重组论证。
信息守恒:不许新增,不许删减
原文的观点和事实必须完整保留。以下内容绝不能凭改写添加,哪怕只是为了让句子读起来更具体、更像人写的。
- 姓名、机构名、职务、地名
- 数字、比例、金额、时长、次数
- 日期、时间、先后顺序
- 引语、对话、别人的说法
- 引用来源、出处、链接
- 因果、动机、心理活动
- 任何原文没写的细节、场景或案例
反方向同样禁止。不能删掉原文的观点、结论、限定词和让步(“可能”“通常”“在某些情况下”“据说”)。把“可能提升”改成“提升”是篡改语气强度,不是去 AI 味。
判断办法:改写后的每个实词,都要能在原文里指出出处。指不出来就是新增,必须撤销。
“把抽象写具体”不是本 skill 的职责。原文抽象就让它抽象。第 8 条只允许把原文已有的具体数据提到概括词的位置,不允许自己造数据。
用法
用户丢一段文字过来,你:
- 先锁定原文框架。标题层级、章节顺序、段落顺序、列表、表格、引用和代码块的位置都不能改
- 只按“改写规则”逐项检查,不增加清单外的判断标准
- 只改明确命中规则的文字,并把改动控制在解决该问题所需的最小范围。其他文字逐字保留,信息不增不减
- 按文末验收清单复查,再输出改写后的全文
不需要解释改了什么。用户问时再说明。
不改的情况
- 文章框架:保留标题层级、章节顺序、段落顺序、列表、表格、引用和代码块的位置
- 对话体、口语体:本来就是自然表达,不要统一改写
- 问句:正文问句、反问、问句小标题都不改,见下文「不作为改写理由」
- 文学性表达:散文、小说里的排比和比喻要按原有风格判断
- 体裁要求:学术、新闻、公文等体裁不必强加“我/你”,也不必拆成短段落
- 代码块、外语段落:不属于改写范围
- 引用他人原文:不要改动引文
不作为改写理由
以下特征看着像 AI 味,实测站不住,不能据此改文字。这张表和「不改的情况」一样是硬约束,不是参考。
| 特征 | 为什么不改 |
|---|---|
| 句长、段落长度不够参差 | 实测与人类写作无差别。不要为了制造节奏调句长或拆段落 |
| 单字虚词偏少(就/很/了) | AI 确实偏少,但方向是补不是删。补虚词无法验收,容易把正式文章改成口语 |
| 反复写全称、少用代词 | 实测人类比 AI 更常重复同一名词 |
| 被动句 | 抽象被动(“被认为/被视为”)远低于收录门槛 |
| 名词化、长句本身 | 现代汉语书面语的正常写法,人类同样这么用 |
| 正文里的“首先……其次” | 与人类写作无差别。第 6 条只管小标题编号 |
| 句内同构排比 | “提升效率,降低成本,优化体验”“更高效、更专注、更有创造力”这类人类用得不比 AI 少。只处理句间重复,见第 3 条 |
| 问句、设问、问句小标题 | 正文问句人类远多于 AI,删掉更不像人写 |
| 比喻本身、比喻独立成段 | 人类用得比 AI 多。只处理理想化拟人喻体,见第 7 条 |
| 抽象名词配具体动词 | “时间替他保管了细节”“焦虑显出形状”这类两边都几乎不写 |
规则的依据是触发标记可定位,不是频率高低。各条规则的实测数据、被推翻的预设和测量脚本见研究仓库 lieflat-less-ai-tone。
同一特征在不同模型上量级差很大,破折号在某些模型是人类的五倍,在另一些几乎不用。不要按“某个模型的味”去套判断,只按触发标记逐句认。
部分规范参考 KKKKhazix/human-writing。
改写规则(按优先级排序)
1. 翻案腔
翻案腔先立一个读者并没有的误解,再把它推翻。已知写法包括“不是……而是……”“并非……而是……”“不在于……而在于……”“与其说……不如说……”“表面……实际……”“看似……实则……”,也包括“不是 A,是 B”“不是 A。而是 B”“你以为……其实……”“回头才发现”“说到底”“答案恰恰相反”“A 不重要,重要的是 B”。这份清单只是举例;同一个动作换任何字面都要改。
改法:直接从正面下判断,先给判断,再给依据。只有文章确实用材料走过了从误解到修正的过程,才允许写作者的自我修正,而且不能套用上面的固定句式。
❌ 真正的壁垒不是技术,而是认知。
✅ 真正的壁垒是认知。
❌ 这不是一个工具的问题,而是一个思维方式的问题。
✅ 这是思维方式的问题。
❌ 我们需要的不是更多的数据,而是更好的判断力。
✅ 我们需要的是更好的判断力。
❌ 你以为用户在乎功能多少,其实他们只在乎能不能马上用。
✅ 用户首先在乎能不能马上用。
2. 顿号罗列过密
用顿号串起三项以上的并列,一句里塞进一整份清单。实测 AI 3.21/千字、人类 1.78,倍率 0.56。
触发标记:一个分句内出现两个以上顿号,连起三项以上并列成分。
改法:能概括就别逐项列举;必须保留三项以上时,改变其中一项的句法,不让它们排成同一结构。不得改动原有列表结构或删掉必要项目。
❌ 采集、存储、展示。
✅ 从采集到展示。
❌ 无论是初创公司、中型企业,还是大型集团,都能从中受益。
✅ 各种规模的公司都能用。
不改:材料本身必须完整列出时(法规条目、配置项清单、财务科目);Markdown 列表内部。
句内的同构排比不在本条范围内。“提升效率,降低成本,优化体验”“更高效、更专注、更有创造力”这类实测人类用得不比 AI 少,见「不作为改写理由」。
3. 相邻句结构同款
连着几句用同一个句法骨架,逗号位置一样,成分顺序一样,收尾方式也一样。单看每句都通顺,连起来像在填表。实测 AI 每百段 9.41 处(连续两句)、0.84 处(连续三句),人类 4.81 和 0.41,都是 2 倍。这项差异在人类语料内部很稳定,不是体裁造成的。
触发标记:相邻两句以上,逗号数量相同、成分顺序相同、长度接近。典型是“主语+动词+宾语,+补充说明”连续复现。
改法:打散其中一句的句法。合并、拆分、换语序或改成短句都行。只改句子内部,不动段落顺序,也不删信息。
❌ Cloudflare 发长文提了一套凭证隔离框架,叫 Agent Access Model。AWS 把 Kiro Crew 开源了,一个能跑一整晚的多 agent 编排平台,标配签名审计日志。
✅ Cloudflare 发长文提了一套凭证隔离框架,叫 Agent Access Model。AWS 开源的 Kiro Crew 则是个能跑一整晚的多 agent 编排平台,签名审计日志是标配。
❌ 这个功能上线后用户反馈很好。团队的开发效率提升明显。下一步的优化方向已经确定。
✅ 这个功能上线后用户反馈很好,团队开发效率也提升了。下一步优化什么,已经定了。
一段里并排三个以上平级案例时,光打散句法不够。三个例子说的是同一件事,读着就是在凑数。这时可以合并同类项,或把次要的压缩成半句,让最有代表性的那个留在主句位置。信息不能删,只改主次。
❌ Cloudflare 发长文提了一套凭证隔离框架,叫 Agent Access Model。AWS 把 Kiro Crew 开源了,一个能跑一整晚的多 agent 编排平台,标配签名审计日志。Y Combinator 也把内部工具 QM 放出来了,自带“人类批准门”和三档安全姿态。
✅ Cloudflare 发长文提了一套凭证隔离框架,叫 Agent Access Model。AWS 和 Y Combinator 则各自开源了一套多 agent 编排工具,Kiro Crew 标配签名审计日志,QM 自带“人类批准门”和三档安全姿态。
这一层没有硬性触发标记。实测 AI 的案例句密度是人类的 3-4 倍,但“恰好凑三个”是错觉。在已含案例的段落里,三案例占比 AI 0.6%、人类 0.5%,没有差别。所以只在案例确实平级、看得出在凑数时才压缩。叙事推进(先发生什么、怎么做的、结果如何)不算,不要动。
不改:清单式段落本来就该整齐时(操作步骤、并列条款);对话和引语;散文、小说等文学体裁的有意排比。
4. 破折号滥用
AI 常用破折号制造停顿后的揭晓,或插入没有必要的补充。非虚构写作只在句意确有需要时使用,不拿它强调普通判断。
实测人类 0.80/千字,AI 2.38;分模型差得很远,DeepSeek 5.16,Claude 4.25,Kimi 2.32,而 Gemini 0.51、GPT 0.11。有观点认为模型更新后破折号已不算 AI 痕迹,但这只对少数模型成立。写作场景里 Claude 用得多,而它比人类高出五倍。只要主流写作模型里还有这种量级,这一条就保留。
改法:直接写完整句子,或改用逗号和句号。
❌ 答案其实很简单——专注。
✅ 答案是专注。
❌ 他找到了一条路——一条所有人都忽略的路。
✅ 他找到了一条别人都没注意的路。
5. 冒号滥用
两种形态,都是让冒号替自己说话。
一、提示语引出内容。 触发标记:冒号前是“一句话总结”“核心是”“关键在于”“原因如下”“结论”“本质上”“换句话说”这类提示语。实测 AI 0.29/千字、人类 0.08,约 3.8 倍,人类侧稳定偏低。
改法分两种。提示语本身不承担信息时删掉它,直接写内容;提示语在承接上文时保留,只把冒号换成句号或逗号。判断方法是看删掉这半句会不会丢信息或断掉衔接。
❌ 一句话总结:这个方案成本太高。
✅ 这个方案成本太高。
❌ 核心是:先解决支付失败的问题。
✅ 先解决支付失败的问题。
❌ 原因有两个:交付晚了,预算也超了。
✅ 交付晚了,预算也超了。
前半句在承接上文时不能删,只换标点。 「这听起来像是一笔近乎完美的交易:容量增加,计算量却没有同比增长」这类,前半句是衔接成分,删了句子就断,改成「……完美的交易,容量增加,计算量却没有同比增长」即可。
这类句中冒号不作为改写依据。实测 AI 3.00/千字、人类 1.80,但人类内部差异达 6.6 倍,有的写作者几乎不用,有的比 AI 用得还多,无法据此判断一处冒号的来源。只有同一段落内反复出现、每句都靠冒号分层时才按本条处理。
二、空转句引出列表。 一句话不说任何内容,只用来宣布下面有个列表,以冒号收尾。触发标记:正文里一行以冒号结尾,紧接着是列表项或编号,且这句话去掉后信息不减。实测 AI 0.29/千字、人类 0.03,约 9 倍,各组人类都接近零。
改法:把这句话本身写成有内容的判断,或直接删掉让列表接上上文。不能删列表项。
❌ 我见过的几种典型场景:
✅ 这几种场景我都见过。
❌ 一套基础检查通常包括:
✅ 基础检查通常包含这几项。
不改:引出人物直接原话(“他说:‘明天再谈。’”);小标题里的冒号;列表项内部的冒号;句中引出说明的冒号(“人擅长的是:判断业务逻辑”这类总说加分说,是规范用法,且人类内部用量差异过大,测不出稳定差异);网址、代码和机器字段。
6. 序数词当小标题
AI 爱把「一、二、三、」当小标题给全文编号,从一排到底。这是模板感最强的形态。小标题本来该说明这一节讲什么,编号顶在最前面就把说明挤到了次要位置。
触发标记:小标题(# 开头,或独立成行的加粗文本)以「一、二、三」或「第一、第二」编号,且连续三个以上。
改法:删掉编号,保留小标题原有文字。不能改小标题的措辞、顺序或层级。
阅读完整来源 ↗❌ ## 一、先别急着写 prompt,先找出模糊在哪里 / ## 二、把需求写成六个模块 / ## 三、合成第一版可用 prompt
✅ ## 先别急着写 prompt,先找出模糊在哪里 / ## 把需求写成六个模块 / #