跳到正文

想找什么?

试试

正在准备搜索…

场景教程
7 个阅读单元

去掉稿子里的 AI 味:从三个数开始改稿

AI 帮你把初稿写完了,读一遍却觉得满纸都是一个腔调。这节课推荐七个市面上去 AI 味的 Skill,并带你把一篇真实初稿完整清洗一遍:先找出需要回看的句子,交给技能改一轮,再由你判断哪些改动值得留。

00

场景描述

稿子是这样来的:你跟 AI 说「写一篇公众号文章,分几个小节,重点加粗,结尾引导互动」,它交付一篇结构完整、每段都通顺的初稿。通顺,但读着不对味。

不对味的地方其实很具体。破折号成串地冒,用来撑节奏;「不是 X,而是 Y」隔两段就来一次;小标题是「第一步、第二步」;加粗隔几行就糊一段。这些毛病有个共同点:数得出来。这也是本课的主线:先用几个数找到值得回看的地方,再看这些写法是否妨碍表达。语气、因果和作者想强调的判断,也要逐句看。

01

方案推荐

市面上的去 AI 味工具,主流形态是 Skill:一包改稿规则,装进你本地能装技能的智能体(Claude Code、Codex、ZCode 这类)里,你把稿子发给它,它按规则改一遍交回来。还不清楚技能是什么的话,先看技能教程。

它交付的是一次改写,不是检测分数;没有一个 Skill 能保证「AI 检测器查不出来」,这节课也不做这个承诺。

挑 Skill 时的基本规矩叫白名单:本课演示的 Skill 要求只改规则点名的问题,保留其余文字、信息和结构。实际改稿仍可能漏改或误改,收到结果后要对照原稿决定采用。

按你的稿子挑:

中文整稿清洗

稿子是中文、要整篇过一遍的,从这里选。

Skill定位许可热度安装
lieflat-less-ai-tone

白名单 11 条规则,信息不增不减,结构不动;规则来自 283 万字对照实验(本课演示)

MIT2.3k star(2026-10-06)
npx skills add larashero3-dotcom/lieflat-less-ai-tone本机 2026-10-25 实测安装成功源码与说明
Humanizer-zh

面向中文文章的去 AI 味规则;本课未运行该候选

MIT19.9k star(2026-10-16)
humanize-chinese

五件套:去 AI 味改写、去 Claude 腔、中文润色等分工使用

无仓库许可(只推荐,不引用内容)21 star(2026-09-23)
cn-humanizer

单技能中文去 AI 味

无仓库许可(只推荐,不引用内容)13 star(2026-09-05)

英文稿

写英文邮件、英文博客的用这组。

Skill定位许可热度安装
no-ai-slop

18 条英文写作规则,提供改稿和体检两种模式;本课未运行该候选

MIT12.0k star(2026-10-06)
im-not-ai

韩文起家的多语言体系,分快慢两档,改完附前后计数报告

无仓库许可(只推荐,不引用内容)5.0k star(2026-08-26)

特定格式

稿子不是文章而是别的体裁时看这里。

Skill定位许可热度安装
humanize-ppt

专治 PPT 大纲和讲稿里的 AI 味

无仓库许可(只推荐,不引用内容)0.9k star(2026-09-06)

选规则时先看语言和用途。英文词表难以直接说明中文句子哪里别扭;改中文稿,应回到句式是否重复、信息是否清楚、语气是否合适来判断。

这节课用 lieflat-less-ai-tone 演示。它明确要求限制改动范围,适合用来对照每处改写及其代价。

02

实测前的准备

任务定义

拿一篇你自己的 AI 初稿,Markdown 或纯文本都行,几百到两千字最合适。没有现成的,就用本课的示范稿(下一章全文给出)。

技能安装

确认你的智能体支持安装技能,然后把这条命令交给它或在终端执行:

npx skills add larashero3-dotcom/lieflat-less-ai-tone

2026-10-25 的制作记录报告本机安装成功,保留的技能文件与当时快照一致。你的环境仍可能遇到网络、npx 或权限问题;失败时保留真实报错,再按下方说明排查。

安装没有成功怎么办?

先把终端里的真实报错发给智能体,再发这段话让它继续查:

安装 lieflat-less-ai-tone 报错了,报错原文在上一条消息。请先判断是网络、npx 还是权限问题,再给出对应处理;不要直接改系统配置,处理完把成功或失败的实际输出贴给我。

素材准备

先把初稿另存一份,后面用来对照。用编辑器查找句式和标点;计算密度时统一使用正文汉字数,排除标题、标点、空白、英文和数字。拿不准统计口径时,先逐处检查候选句即可。

03

先数出来:找到需要回看的句子

示范稿按制作记录保留模型输出原文。生成时明确要求了分小节、重点加粗和结尾互动,因此这些格式也受提示词影响;下面只借它练习检查,不用它证明所有 AI 都有同样的写法。

示范稿全文(清洗前,真实输出)
# 普通人用 AI 提效:先把这三种活交出去

AI 热闹了这么久,不少上班族的感受还是“别人用得很溜,我插不上手”。其实差距多半不在技术,而在用法:偶尔想起来问一句的人,把 AI 当玩具;真正提效的人,把它当成一个随叫随到、不知疲倦的同事,把固定的活持续交给它。上班族的日常,说起来无非是写不完的文档、开不完的会、理不清的数据——这些恰恰是 AI 最能搭上手的地方。**用 AI 提效的第一步,不是学会多少工具,而是想清楚把哪些活交出去。**

## 从最耗时的活下手,而不是从最热门的工具下手

先回想上周的时间都花在哪了:写周报、整理会议记录、做表格,还是来回改文档?这些活重复、有套路,看似不大,累积起来最吃时间,也正是 AI 擅长的。**判断标准很简单:一件事有固定格式、有参考样本、不太需要临场判断,就可以优先交出去。**与其每个新出的工具都追一遍,不如挑一个顺手的用熟。

## 把它当新同事派活,别当搜索框提问

很多人对 AI 只丢一句“帮我写个方案”,收到一篇放之四海而皆准的空话,就得出结论“AI 不行”。换位想想,你给新同事派活会怎么说?背景是什么、材料在哪、给谁看、什么格式、有没有参考——一样都不能少。**提示词不是咒语,是工作交接单。**

同样改周报,“帮我润色一下”和“改得更简洁,重点突出数据变化,给部门领导看,风格参考上一版”,结果差很多。再比如看长报告:只说“总结一下”,它给你一段不痛不痒的摘要;说“我是市场部的,帮我挑出和定价有关的结论,每条注明在第几节”,它就成了你的助理。不妨给自己攒一份交接清单:角色、背景、材料、要求、示例,五样备齐,返工自然就少。

## 三个今天就能上手的场景

**写东西。**邮件、通知、总结、汇报的第一稿,都可以让 AI 先出一版,你在上面改。比如周报,把这周做的事逐条丢给它,让它按你惯用的结构组织成文。从零开始最耗神,在一份八成成品上往合格线改,快得多。

**开会。**录音转成文字丢给 AI,让它按“结论、待办、责任人”整理。会后不用再花半小时翻录音找结论,过后要找某句原话,搜文字稿就行,你只负责核对有没有漏。

**表格。**公式记不住没关系,把列名和想算的结果描述清楚,AI 给的公式可以直接贴进 Excel;大批量数据的清洗,把规则说明白,它也能代劳。

## 留一道防线:交出去之前,自己过一遍

AI 有个毛病:没把握的事,它也会编得像模像样,人名、数字、条款尤其如此。所以分工要清楚——**AI 负责初稿和苦力,你负责事实和判断。**它给的数据、引文、政策条文,交付前一定自己核实;要不要录用、要不要签约这类决定,责任没法外包,就更不能交给它。提效的前提是不返工、不出错,这道防线省不得。

说到底,普通人用 AI 提效,拼的不是技术,而是三个习惯:会派活、敢放手、留底线。工具会一直换,这些习惯不会过时。

你平时用 AI 干得最多的是哪项工作?有没有哪个瞬间让你觉得“早该这么用了”?欢迎留言聊聊,下一篇挑大家提得最多的场景展开写。

下面只统计正文。对比句限定为表中三种写法,各命中计一次;标题中的「而不是」另记,不加入正文密度。这些数用于定位候选句,具体要不要改,还要看上下文。

数什么怎么数示范稿实测参考线(自定,非官方标准)
破折号正文里每个“——”计一处;处数 ÷ 正文汉字数 × 10003 处,约 3.3 次/千汉字作者回看线:2 次/千汉字
加粗正文汉字数 ÷ 加粗片段数7 处,约 129 个汉字一处作者回看线:150 个汉字一处
本次查找的对比句只查“不是…而是”“不在…而在”“不是…,是”,逐处确认并去重;不计标题正文 4 处;标题另有 1 处“而不是”作者回看线:2 处/千汉字;不覆盖全部对比写法

演示技能的作者称,其规则参考了约 283 万字的对照统计。本课未独立复核语料和统计方法,因此把这项研究视为仓库作者的说明;本课能复算的是眼前两份稿件。表里的参考线由作者自定,用来提醒回看,不能据此判定作者身份或文章质量。

有些写法本身有用,检查时应保留它们承担的作用:

网传「AI 味」为什么要看上下文你该做的
比喻比喻可能承担具体解释或作者语气检查是否贴切,保留有作用的比喻
设问设问可以承接读者的真实疑问核对后文是否回答,不因出现问句就删
句长长短句分别承载不同关系按理解需要调整,不为凑参差强改
就/很/了虚词使用与文体和作者习惯有关按原有语气处理,避免机械补词

这些次数也受题材、提示词和作者习惯影响。先读具体句子:破折号是否说明插入关系,对比是否表达了真实区别,加粗是否帮助读者找到重点;有作用就可以保留。

04

交给技能:白名单清洗跑一遍

先在你使用的智能体里选择或明确调用 lieflat-less-ai-tone,确认它已识别技能后,再提供整篇原稿。本课这次运行预先提供了技能全文,实际用户输入为示范稿本身;这段回放不能证明每个产品安装后都会自动调用技能。

它改了什么(改动均为真实输出):

原文清洗后
其实差距多半不在技术,而在用法其实差距多半在用法
用 AI 提效的第一步,不是学会多少工具,而是想清楚把哪些活交出去用 AI 提效的第一步,是想清楚把哪些活交出去
提示词不是咒语,是工作交接单提示词是工作交接单
写不完的文档、开不完的会、理不清的数据——这些恰恰是写不完的文档、开不完的会,还有理不清的数据,这些恰恰是
把它当成一个随叫随到、不知疲倦的同事,把固定的活持续交给它把固定的活持续交给它,它随叫随到,不知疲倦
判断标准很简单:一件事……判断标准很简单,一件事……
邮件、通知、总结、汇报的第一稿邮件和通知、总结和汇报的第一稿
说到底,普通人用 AI 提效,拼的不是技术,而是三个习惯普通人用 AI 提效,拼的是三个习惯

它没改什么:主标题和四个小标题原文未动,段落顺序未动,「写东西/开会/表格」三个小节结构未动,7 处加粗一处未删,结尾互动段原样保留。有一处「看似不大」被顺手删掉,属于超出规则的瑕疵,如实记录。

按同一口径复算:破折号 3 → 0,表中三种正文对比句 4 → 0,加粗 7 → 7,正文汉字数 904 → 874。标题中的一处「而不是」仍保留;数量降低不说明每处改写都值得采用。

清洗后的全文(真实输出,未修饰)
# 普通人用 AI 提效:先把这三种活交出去

AI 热闹了这么久,不少上班族的感受还是“别人用得很溜,我插不上手”。其实差距多半在用法:偶尔想起来问一句的人,把 AI 当玩具;真正提效的人,把固定的活持续交给它,它随叫随到,不知疲倦。上班族的日常,说起来无非是写不完的文档、开不完的会,还有理不清的数据,这些恰恰是 AI 最能搭上手的地方。**用 AI 提效的第一步,是想清楚把哪些活交出去。**

## 从最耗时的活下手,而不是从最热门的工具下手

先回想上周的时间都花在哪了:写周报、把会议记录整理好、做表格,还是来回改文档?这些活重复、有套路,累积起来最吃时间,也正是 AI 擅长的。**判断标准很简单,一件事有固定格式、有参考样本、不太需要临场判断,就可以优先交出去。**与其每个新出的工具都追一遍,不如挑一个顺手的用熟。

## 把它当新同事派活,别当搜索框提问

很多人对 AI 只丢一句“帮我写个方案”,收到一篇放之四海而皆准的空话,就得出结论“AI 不行”。换位想想,你给新同事派活会怎么说?背景是什么、材料在哪、给谁看、什么格式、有没有参考,一样都不能少。**提示词是工作交接单。**

同样改周报,“帮我润色一下”和“改得更简洁,重点突出数据变化,给部门领导看,风格参考上一版”,结果差很多。再比如看长报告:只说“总结一下”,它给你一段不痛不痒的摘要;说“我是市场部的,帮我挑出和定价有关的结论,每条注明在第几节”,它就成了你的助理。不妨给自己攒一份交接清单:角色、背景、材料、要求、示例,五样备齐,返工自然就少。

## 三个今天就能上手的场景

**写东西。**邮件和通知、总结和汇报的第一稿,都可以让 AI 先出一版,你在上面改。比如周报,把这周做的事逐条丢给它,让它按你惯用的结构组织成文。从零开始最耗神,在一份八成成品上往合格线改,快得多。

**开会。**录音转成文字丢给 AI,让它按“结论、待办、责任人”整理。会后不用再花半小时翻录音找结论,过后要找某句原话,搜文字稿就行,你只负责核对有没有漏。

**表格。**公式记不住没关系,把列名和想算的结果描述清楚,AI 给的公式可以直接贴进 Excel;大批量数据的清洗,把规则说明白,它也能代劳。

## 留一道防线:交出去之前,自己过一遍

AI 有个毛病:没把握的事,它也会编得像模像样,人名、数字和条款尤其如此。所以分工要清楚。**AI 负责初稿和苦力,你负责事实和判断。**它给的数据、引文和政策条文,交付前一定自己核实;要不要录用、要不要签约这类决定,责任没法外包,就更不能交给它。提效的前提是不返工、不出错,这道防线省不得。

普通人用 AI 提效,拼的是三个习惯:会派活、敢放手、留底线。工具会一直换,这些习惯不会过时。

你平时用 AI 干得最多的是哪项工作?有没有哪个瞬间让你觉得“早该这么用了”?欢迎留言聊聊,下一篇挑大家提得最多的场景展开写。
05

它改完不等于完工:你来定夺

技能可能误改你有意保留的表达。示范稿里「差距多半不在技术,而在用法」改成「差距多半在用法」,保住了后半句判断,却删去了对「技术」的排除。如果这层对比是你的立意,就恢复原句。

逐处比较原稿和改稿:有没有丢掉条件、让步、事实或你想强调的区别?「看似不大」已经在这次清洗中被删,它原本说明单项任务表面上不大,采用时也应考虑恢复。小标题是否保留,要看它能否帮助读者定位内容。

加粗也按用途判断。示范稿 7 处加粗,有三处是「写东西/开会/表格」的路标,其余用于强调判断。先看哪些重点互相争抢注意力,再决定删哪些;需要时可请智能体给出删减建议,最后由你采用。

06

再数一遍,收工

定夺后可以用同一口径再数一次,并回读你改过的段落。事实、条件和想表达的判断保留了吗?读起来是否更顺,重点是否更清楚?这些判断支持采用时就可以收工,计数保持不变也可以。

换成自己的稿子时,先确定用途和想保留的语气,再用计数寻找回看的位置,交给技能改一轮,逐处决定采用。参考线可以按平台和写作习惯调整,无须把每篇文章改到相同的数字。

版本与来源

候选表保留 2026-10-25 制作时记录的历史资料,各行星数日期不同,不用于同日排名;除演示技能外,本课未运行其他候选。原稿与清洗稿按制作记录保留,未替模型修饰输出;原始执行链与部分研究来源仍有待补齐。改稿不能替你补造事实或观点;涉及专业结论时,由相应专业人士核定。