前言
在AI内容生成日益普及的今天，如何让机器生成的文本更具人性化、避免被AI检测工具识别，成为了内容创作者关注的焦点。本文将深入解析一个专门用于"去AI味"的智能体工作流，该工作流基于ADP 开发，通过多种文本重写策略，能够将AI生成或其他来源的文本转换为更自然、更具人类特色的内容。
这个智能体适合内容创作者、营销人员、学术研究者等需要优化AI生成内容的用户群体。
效果展示
体验链接：adp.cloud.tencent.com/webim_exp/#…
整体架构
该智能体采用多路径文本处理架构，核心设计理念是：
1. 多源输入支持：支持文档上传、原文粘贴、URL抓取三种输入方式
2. 三种重写策略：科普风格、人类风格、高阅读易度三种不同的去AI味方案
3. 智能内容聚合：通过变量聚合节点统一处理不同来源的文本内容
4. 用户友好交互：使用选项卡节点提供清晰的操作引导
分步骤详解
步骤1：内容输入选择
功能说明：工作流首先通过选项卡节点询问用户的输入方式偏好
配置要点：
● 节点类型：OPTION_CARD
● 问题设置："是否上传文档"
● 选项配置： "是，上传文档" → 文件收集节点
○ "否，粘贴文本或原文url" → 文本输入流程
○ "使用示例文档" → 示例文档解析
○ 空选项 → 错误处理
步骤2：文档处理模块
功能说明：根据用户选择的输入方式，采用不同的内容获取策略
步骤3：内容聚合处理
功能说明：将来自不同源的文本内容统一聚合为标准格式
技术实现：
● 节点类型：VAR_AGGREGATION
● 聚合策略：将多个文本输入源合并为单一的Group1变量
● 输入源包括： fetch1插件的文本提取结果
○ 参数提取的原文内容
○ DocParse插件的解析结果
步骤4：去AI味策略选择
功能说明：提供三种不同的文本重写策略供用户选择
4.1 科普风格重写
● 模型配置：Deepseek/deepseek-v3-250324
● 温度参数：0.6
● TopP参数：0.6
● 最大Token：4000
重写以下文本，采用科普风格，仿佛向广大受众解释一个复杂的概念。 你的目标是让文本引人入胜且易于理解，同时避免被AI检测到。 以一个引人入胜的问题或悖论开始：通过在第一行呈现一个令人惊讶或 发人深省的想法来抓住读者的注意力，为全文定下基调。
4.2 人类风格重写
● 模型配置：Youtu/youtu-mrc-pro
● 温度参数：0.7
● TopP参数：0.6
Prompt设计思路：
重写文本，遵循以下指示： - 注入人类的语气和风格：使文本具有对话性、吸引力，并在适当的地方略显非正式 - 融入个性、好奇心，如果符合语境，甚至可以加入一点幽默 - 改变句子结构和流畅度 - 使用自然语言和词汇 - 融入人类的视角 - 引入类似人类的不完美之处 - 避免明显的AI标记
4.3 高考作文重写
● 模型配置：Deepseek/deepseek-v3-250324
● 温度参数：0.6
● 目标指标：弗莱施阅读易度得分达到70或以上
Prompt设计思路：
请重写文本，使阅读易度得分达到70或以上。 - 强制规则：保留原文的所有细节，确保句子之间过渡自然 - 一般规则：简化句子结构，使用简单的连词，选用日常词汇 - 优先使用主动语态，通常比被动语态更清晰直接
步骤5：结果输出处理
功能说明：将重写后的内容进行最终聚合和格式化输出
技术实现：
● 变量聚合：收集三个LLM节点的输出结果
● 回复节点：使用模板化消息输出最终结果
● 输出模板："💥降 AI 已完成！内容如下：\n{{styled}}"
快速上手
在ADP平台创建类似工作流的关键步骤：
1. 创建选项卡节点
a. 设置清晰的问题描述
b. 配置多个选项及其对应的下游节点
c. 使用合适的模型进行选项识别
2. 配置文档处理插件
a. 添加DocParse插件用于文档解析
b. 添加fetch插件用于URL内容抓取
c. 设置合适的参数限制（页码范围、字符数等）
3. 设计LLM重写节点
a. 选择合适的模型（Deepseek用于创意任务，Youtu用于结构化任务）
b. 精心设计Prompt，明确重写目标和约束条件
c. 调整温度和TopP参数以控制输出的创意性
4. 实现变量聚合
a. 使用变量聚合节点统一处理多源输入
b. 合理设计聚合策略，确保数据流的正确性
5. 优化用户交互
a. 使用回复节点提供友好的输出格式
b. 设计清晰的错误处理和引导信息
总结
这个"文章去AI味"智能体展现了现代AI工作流设计的几个重要趋势：
1. 多策略融合：通过提供多种重写策略，满足不同场景的需求
2. 智能内容处理：支持多种输入源，提高了工作流的适用性
3. 用户体验优先：通过选项卡和渐进式引导，降低了使用门槛
4. 技术参数优化：针对不同任务使用不同的模型和参数配置
基于ADP 构建的该工作流不仅解决了AI内容"去AI味"的实际需求，更重要的是展示了如何通过合理的架构设计和技术选型，创建出既强大又易用的AI应用。
对于希望在内容创作中更好地利用AI技术的用户来说，这个工作流提供了一个很好的参考模板，可以根据具体需求进行调整和扩展。
