/lieflat-less-ai-tone

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。

有风格参考时先读它

本 skill 的多条规则需要判断“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。

如果同一目录下有描述目标风格的文档（写作风格指南、语言特征分析、`语言DNA.md` 一类的产物），先读它再改写，把它的句长分布、标点习惯和用词偏好作为判断依据。

**风格文档与本规则冲突时，以风格文档为准。** 那是目标作者的真实写法，不是 AI 痕迹。比如某作者本来就爱用破折号，就不该按第 4 条删掉。

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：

1. 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 2. 只按“改写规则”逐项检查，不增加清单外的判断标准 3. 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 4. 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 [RESEARCH.md](./RESEARCH.md)。

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](https://github.com/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。

> ❌ ## 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 / ## 合成第一版可用 prompt

不改的情况：

• 正文里的“首先……其次……最后”，以及句中的“第一，”“一方面”。这类写法实测与人类写作没有差别，不是 AI 痕迹
• 原