技能介绍

核心问题：AI 生成文本的「机器腔」特征

要解决的问题很明确：AI 生成的文案常常带有明显痕迹——套话堆砌（「值得注意的是」「综上所述」）、机械的三段论结构（「首先/其次/最后」）、情绪表达过于均匀、缺乏具体细节和个人观点。这些特征让读者一眼就能识别出「这是 AI 写的」。

工作方式：诊断 → 诊断报告 → 重写 → 输出

这个技能采用两步工作法：先诊断，后重写。

Step 1 — 检测（Diagnosis）

通过确定性脚本 scripts/detect_ai_tells.py 对文本进行客观分析，输出每类 AI 味特征的命中次数与综合分。若环境无法运行脚本，则直接基于 references/ai-flavor-patterns.md 模式库进行人工诊断。

Step 2 — 诊断报告（必出，3–5 条）

结合脚本输出与模式库，列出文本最典型的 3–5 个 AI 味问题，每条一句、点出具体位置和表现。例如：

套话堆砌：「值得注意的是」「综上所述」出现 4 次，开头都用固定垫话。
机械三段论：三个论点都用「首先/其次/最后」起头，节奏像节拍器。
情绪均匀：全篇无具体人名、地点、数字，结尾硬升华成金句。

Step 3 — 重写（Rewrite）

按 references/ai-flavor-patterns.md 的「重写规则」逐条处理诊断出的问题：

删套话、用具体代替抽象
长短句交错，允许口语连接与不完整句
补一个合理的真实细节或 personal 视角（intensity=heavy 时）
按 tone 调整语气，保留 keep_terms 原样
不强行每段收尾，允许留白；不无故加戏、不改原意

Step 4 — 输出

按固定格式回给用户。intensity=light 时，可只在原文上做最小改动并标注改动处，不必整体重写。

关键参数

通过用户显式要求或上下文推断以下参数：

| 参数 | 取值 | 默认 | 含义 |
|------|------|------|------|
| intensity | light / heavy | heavy | 轻度只换词、调语气；重度连结构一起拆、补真实细节 |
| tone | casual / pro / sharp / warm | casual | 口语闲聊 / 专业克制 / 犀利直接 / 温和柔软 |
| keep_terms | 词列表 | 空 | 必须原样保留的专有名词、术语、数据，不得改写 |
| lang | zh / en / auto | auto | 主语言，决定套话库与节奏规则 |

适用边界与注意点

只改表达，不改事实：数字、结论、论点方向必须保留；可以补细节但不能推翻原意。
去味不等于降质：去掉套话后信息密度应更高，不是更水。
保留人味的不完美：允许口语词、断句、个人视角；不要为了「通顺」又写回工整机器腔。
诊断先行：无论 intensity 如何，都先给诊断再给结果，让用户看得见改了什么。

截图预览

使用场景

把 AI 生成的公众号文章发给用户前，需要去掉「综上所述」「值得注意的是」这类套话，让表达更像真人写的。
运营写完活动公告初稿，总觉得「首先/其次/最后」结构太机械，希望重写后口语化、有真实细节。
跨境团队用 AI 翻译了产品更新日志，需要按英文语气参数重写，删掉工整排比，保留全部术语不误改。
博主先让 AI 起草了测评文案，又想去掉生成痕迹，要求先列出 AI 味问题再按诊断结果改写。

适合人员

自媒体运营：每周要发布多篇 AI 辅助生成的图文，担心读者一眼看出机器味，希望保留原意但表达更自然。
跨境电商文案：负责把中文产品描述改写成英文 Listing，需要删掉工整排比、补真实细节，同时术语数据不能动。
企业品牌专员：常把 AI 生成的品牌通稿直接发出去，想要先看到 AI 味诊断报告，再按报告逐条重写成人话。
独立开发者：用 AI 写技术博客和文档，希望去掉「赋能」「一站式」这类空话，改成工程师口吻的平实表达。

强力去AI味