本文不是工具推荐文，是一篇方法论文：如何把一个领域的人文知识，真正整合成可以落地的工程能力。以我自己做的中文"去 AI 味"技能研墨（sz-ink）为例，从知识整合方法讲到实测数据，全部数据来自真实检测，包括被盲评打脸的过程。
GitHub：github.com/songzhou666…
一、三条常见路线，和它们没覆盖到的层面
AI 生成的中文有一股熟悉的味："赋能、闭环、抓手"式的黑话，"不是……而是……"的假对比，三连排比，句号到底，通篇没有一个语气词。
应对这个问题，市面上常见的路线有三条，各有各的道理：
- 同义词替换：把"提升"换成"拉升"，拉困惑度。成本低、见效快，但替换本身不理解语境，容易产出病句；
- 禁词表：一张表让模型"别说这几个词"，对词指纹类的 AI 味有效，但覆盖不到"每个字都对、合起来不像人"的文本；
- 以骗过检测器为目标：思路是把检测器当裁判。不过检测器分数和"读起来像人"是两回事。
这些路线在各自的层面上都是合理的工程选择。我用下来觉得不够的地方在于：它们都在"词"的层面做文章，而 AI 味的病灶很多不在词上：
- 口语里单音节词多（说、看、觉得），AI 偏爱双音节（进行观看、认为、似乎），属于词汇学讲的书面语/口语对立；
- "吧"表商量、"嘛"表显而易见、"呗"表不以为然，AI 文本语气词近乎绝迹，病根在语法里语气词的情态系统；
- 真人长短句参差、AI 句长集中在中位区间，差的就是韵律与节奏；
- AI 爱把结论塞在句首（英文 topic sentence 强加于中文），自然汉语重要信息倾向后置，信息结构上错了位。
这四条没有一条是"改词"能解决的，而它们又全是汉语言文学研究里现成的成熟结论。语体学、词汇学、修辞学、语篇研究早就把规律讲清楚了，缺的只是没有人把这些结论翻译成机器可执行的判据。
所以这个技能的立项思路就一句话：把汉语言文学的知识，逐条炼成机器可执行的判据。
二、核心方法：知识整合三步法
这一节是本文的重点。"整合知识"这个词很虚，我把它拆成三步可操作的转化，每一步都有明确的完成标准。
第一步：把"感觉"翻译成"知识"：先建清单，再写代码
动手前我先回答一个问题：去AI味到底需要掌握什么知识？
不是拍脑袋列关键词，而是系统盘点出九个模块：
| 模块 | 知识来源 | 解决什么 |
|---|---|---|
| A 语体学 | 语体是语境的产物，形式与场合错配即失当 | 判断一句话"挂在哪个语体上" |
| B 词汇学 | 单双音节规律、近义词的语体差（觉得/认为、好像/似乎） | 替换不是找同义词，是找同一语体的自然说法 |
| C 句法学 | 意合替代形合、换气点=逗号切分点 | 长句化短句的切分规则 |
| D 修辞学 | 整句散句的选择条件、排比的运用边界 | 正向改写工具箱，不只删还要会改 |
| E 语篇与语用 | 话题-评论结构、立场表达与认证义动词（"我觉得/据说"） | 段落级的信息组织重排 |
| F 文风学 | 风格是可指认的具体选择：汪曾祺的平淡白描、杨绛的克制抒情、老舍的京味口语 | 去AI味的终点不是"自然"，是"像某个具体的人" |
| G 语气系统 | 啊/吧/呢/嘛/呗各有明确情态义 | 给文本装回"情绪温度" |
| H 差异度量化 | 真人句长方差大、AI 集中，这也是检测器抓的第一个统计信号 | 把"节奏感"从玄学变成可测指标 |
| I 信息结构 | 尾焦点与句末重量：自然汉语重要信息后置 | 篇层病灶的深层病因 |
这一步的纪律：每个模块必须找到可查证的文献或语料支撑，找不到的就标"推断"，不许混在"观察"里。 没有语料支撑的知识，后面炼不成判据。
第二步：把"知识"翻译成"判据"：每条规则过五件套
知识是陈述句，判据必须是可判定规则。转化格式固定为五件套：
症状（看到什么）→ 判据（怎么机械判定）→ 动作（怎么改）
→ 对照例（改前/改后）→ 禁区（什么情况不许这么改）
举两个真实例子：
例 1（词汇层）：
- 症状：文中出现"进行观看/予以说明/加以调整"；
- 判据：命中形式动词表（进行/予以/加以/做出）+ 双音节动宾（冯胜利"语体语法"的"双+双"韵律模板；
- 动作：删壳还动，如"对他进行批评"→"批评他"；
- 禁区：公文体里"予以"是规范表达，不判病。
例 2（语气层）：
- 症状：626 字零语气词；
- 判据：语气词+语气副词密度 < 1.5/千字（口语化新媒体体）；
- 动作：在情绪节点装回"吧/嘛/呗"。注意不是均匀撒，是"情绪到了才用"（85 篇真人转写的统计特征：中位数 0，P75 = 3.26，真人不是每句都带语气词）；
- 禁区：公文体、讲解体的术语段豁免。
最后整理成 45 张处方卡（词层 9 + 句层 15 + 篇层 8 + 体验层 5，其余为结构层），84 组带语体标注的替换对，7 个人写结构骨架，12 组改前/改后对照例。
这一步的关键认知：资产的颗粒度是"一次干预动作"。 不是"一篇范文"（太大，没法执行），也不是"一个词"（太小，没有判断力），而是"看到什么症状、按什么判据、做什么动作"这个最小闭环。颗粒度错了，资产就是堆料，AI 想用都用不起来。
第三步：把"判据"翻译成"代码"：指标化 + 校准 + 回归
判据里能统计的，全部炼成 Python 指标。最终是九项统计指标：
| 指标 | 测什么 | 知识来源 |
|---|---|---|
| 句长 CV（rhythm_cv） | 长短句节奏参差度 | H 差异度量化 |
| 短气群占比 | 三五字短句的出现频率 | 口语韵律 |
| 套话密度/千字 | 黑话与元话语成簇 | A 词汇 |
| 句式混用熵 | 陈述/疑问/感叹的多样性 | G 句类语气 |
| 语气温度/千字 | 语气词+语气副词密度 | G 语气系统 |
| 留白度/千字 | "挺/有点/大概"式余地表达 | E 认证义与立场 |
| 词汇轮换 | 同一概念的说法更换次数 | B 词汇 |
| 段落呼吸 | 段落长短错落度 | H 节奏 |
| 结构规整度 | 列表标记与段落均分度 | I 信息结构 |
关键设计：指标不设全局阈值，按语体设条件阈值。 公文体"予以"是规范，讲解体术语段豁免语气词。我用 85 篇真人课堂转写统计出讲解体真人的指标区间做校准基线，AI 基线 4 篇做对照（当场生成 5 篇，公文体 1 篇因词表缺口未入对照）。语体判错，后面全错，所以流程第一步永远是判语体。
最后每项指标、每张词表都进 --self-test 回归脚本（AI 腔必抓、人写必放、词表非空），改一处跑一次。
评估方式：看整体，不逐字抠字眼
评估方案我推翻过一版。"逐字检查"的思路会导致：为了凑指标把文感改坏。所以最终采用两层分离：
- 统计层：九项指标做哨兵，它只负责报警，不负责定稿；
- 判定层：指标达阈值即可进入改写，改完以"读起来像人"为最终仲裁，指标是必要条件不是充分条件。
这个定位后面被盲评狠狠验证了，见第四节。指标达线就等于像人了吗？先按下不表，第四节 4.4 节的盲评结果可能会让你意外。
三、机制：体检 → 定点干预 → 语义保真
知识体系之上是流程。完整状态机 S0–S8，核心三段：
1. 整体体检（S2–S3）：九指标按语体阈值判定，AI 味分三种形态：黑话型（"赋能""综上所述"）、文案腔型（诗意套壳+排比失控+零事实）、洗稿型（细节与公开素材同款）。后两种恰恰是词表法最难覆盖的形态。
2. 定点干预（S4–S5）：每轮最多改 3 处，按处方卡执行，改完回测。不做全文重写，全文重写等于让 AI 再生成一遍，必然带回 AI 味。
3. 语义保真（S6–S7）：改写最大的风险是语义漂移（把"可能"改成"肯定"、把作者立场改掉）。对策是锚点机制：改前提取事实锚点（数字/价格/时间/立场/承诺），改后机械核查，锚点丢失或漂移即回滚。硬性规定：锚点保内容不保顺序：列举顺序本身可能是 AI 指纹，必须可重排。
四、测评数据：真实检测结果，包括被打脸的部分
这套指标到底灵不灵？别听我自夸，直接看数。以下全部是自测数据。AI 基线为当场生成的 5 篇（未去味），对照表用其中 4 篇（公文体 1 篇因词表缺口未列入）；真人样本为 5 篇 CSDN 文章（共 35412 字）+ 85 篇课堂转写。
4.1 指标断崖：AI 基线 vs 真人文章
| 指标 | AI 基线（4 篇） | CSDN 五篇 | 判读 |
|---|---|---|---|
| 套话/千字（红线） | 7.7 – 13.3 | 0.4 – 1.0 | 差一个数量级 |
| 语气温度/千字 | 0.0（多篇） | 2.1 – 4.2 | AI 语气词绝迹 |
| 留白度/千字 | 0.0 | 0.5 – 1.8 | AI 全称断言不留余地 |
| 句长 CV（红线） | 0.36 | 1.07 – 1.65 | AI 句长过于整齐 |
| 句类熵 | 0.00 | 0.15 – 0.40 | AI 句号到底 |
五篇 CSDN 共命中 12 处 AI 指纹候选，逐一人工复核：3 处"闭环"是技术术语合法用法、2 处"显著提升"句中有实测数据支撑（NDCG/Precision）、5 处"不是…而是"落点具体且密度低于成簇线，判 5 篇 AI 味均不重。误报控制有效，这比抓得严更重要，否则用户改完全是误伤。
4.2 85 篇真人转写校准：真人不是"每句都口语"
最重要的校准发现：真人讲解体语气温度中位数是 0，但 P75 = 3.26；句长 CV 中位 0.726（AI 典型 0.3–0.4）。意思是：真人不是均匀地"口语化"，是平静叙述+情绪到了才爆发。这个分布特征直接决定了干预纪律：语气词要装在情绪节点上，不是撒胡椒面。
4.3 探店文案例：词表失明与"第二族 AI 味"
一篇 626 字探店文给出了最有价值的打脸：套话密度 = 0，表面全过线，但它是重灾区 AI 味（文案腔型）。逐层拆开：
- 语气 0、留白 0、句类熵 0，三连排比 5 处（626 字内 ≈8/千字）；
- 事实锚点全零：数字/价格/时间/人物/第一人称，一个都没有。真人探店文必有价格、排队、服务员台词、踩雷中的至少一两样；
- 诗意套壳句 8 处（"潮声为序""清风入席""一院风雅"）；
- 甚至发现两处 OTA 平台水印词嵌在句中没删干净，实锤洗稿。
教训固化：词表会失明，每个语体要建自己的专属检测层（探店/种草文新增"诗意套壳+对仗收尾+氛围感族"词表），并把"事实锚点密度"提为种草文体的第 10 项条件指标。
4.4 三轮改写盲评：从被击穿到骗过 70% 盲评（以及为什么这不算赢）
这是整个项目最值钱的数据。同一篇探店文，改写了三轮，每轮交给多个独立智能体盲评（不告知来源）：
| 轮次 | 干预范围 | 盲评结果 | 暴露的问题 |
|---|---|---|---|
| v1 | 只治语言层（语气词/替换词） | 被击穿："带着'这家店有哪些卖点，我按顺序介绍给你'" | 九项指标全过线，但视角层没有"人在场" |
| v2 | 视角重组（第一人称+立场表态） | 改善，但统计指标反而回退 | 语气 2.26→0：人味靠"立场"而非语气词，词表抓不到立场型人味 |
| v3 | 全量新标准（在场代词 0→6、瑕疵披露 0→7、打破模板结构） | 约 70% 盲评判"大概率真人" | 但一个智能体做了素材同源检索，判对了：细节在 OTA 攻略找到同款 |
v3 "骗过 70% 盲评"听起来是胜利，其实是整个项目最重要的失败：那些骗过盲评的"私人细节"（我爸耳朵背、刮汤底、下回还来）全部是模型编造的示范占位。由此固化了三条写进资产的教训：
- "细节具体 = 真人"这条黄金判据已失效：生成模型最擅长编造具体。正向判据必须配素材同源检索；
- 锚点保真 ≠ 顺序保真：AI 洗稿原样继承素材的列举顺序，保顺序就是保素材指纹；
- 伪造的真实感比 AI 腔危害更大。AI 腔至少一眼能认，编造的真实感是 deception。所以最终交付纪律：凡补位细节的稿子一律标注为不可发布样稿，必须附《补事实清单》由作者逐条确认属实。
4.5 工程验收数据
| 项 | 结果 |
|---|---|
| 结构体检（sz-check） | PASS 11 / WARN 0 / FAIL 0 |
| 12 处文档交叉引用 | 零悬空 |
| 处方卡台账 | 45 张与 manifest 全一致 |
| 回归测试 | self-test 5 项断言实跑全绿 |
| 锚点保真实测 | 改写四版，15 处事实锚点零丢失（100%） |
| 诚实声明 | "全流程改写闭环"一项未通过：S1 档案落盘与 S6 独立盲审未系统执行，待一次完整任务验证 |
最后一条是故意留着不粉饰的：测评报告里"主张-证据表"没凑上去的就是没凑上去，写清楚比吹满强。
五、复盘：知识整合的四个心法
把整个制作过程浓缩成四条，适用于任何"领域知识 → 工程能力"的整合：
1. 先建清单，再写代码。 不要一上来就写规则，先系统回答"这个领域到底需要哪些知识"，每个模块找到可查证的支撑。知识清单本身就是质检基准，后面每条判据都能追溯回某个知识模块。
2. 判断句必须过"五件套"才能上岗。 "AI 爱用排比"是知识，不是判据。判据是"连续 ≥3 条'特点短语+四字评价'同壳 → 判条目级模板"。**不能机械判定的知识，宁可先不进系统，它会污染整个规则库的可信度。
3. 资产颗粒度 = 一次干预动作。 太大（整篇范文）无法执行，太小（单个词）没有判断力。"症状→判据→动作→对照例→禁区"的最小闭环才是资产。
4. 让真实数据打你的脸，并把脸固化成资产。 词表失明、判据失效、盲评被骗，每一次打脸最终都变成了新词表、新处方卡、新交付纪律。测评数据里最值钱的不是过线项，是失败项。
六、这个技能的诚实边界
- 它管"去腔"，不管"伪造真实"：能让统计指纹与文风落进真人区间，但**替不了作者过一遍人生，私人细节、真实价格、当天的意外，只能作者补；
- 文内判据已到天花板，下一代判据在文本外：素材同源检索、草稿历史、盲写对比；
- 它不做、也不承诺"绕过 AI 检测器"，检测器分数不是目标，"读起来像人"才是。
技能地址：github.com/songzhou666… （研墨 · 汉语去 AI 味，MIT）
WorkBuddy 可以直接下载体验：打开 WorkBuddy 的技能中心，搜索“sz-ink”就能直接找到，一键安装后，把你想"去 AI 味"的文章或段落丢给它就行
如果这篇文章的方法论对你有启发，欢迎交流"你的领域里，哪些知识值得炼成判据"。
数据说明：文中全部测评数据来自研墨技能的实测报告（2026-10-28），AI 基线为当场生成样本，真人样本为 CSDN 文章五篇（35412 字）与 85 篇真人课堂转写；盲评为多个独立智能体对改写稿的来源判断。
