金炼之-去AI味

它解决什么问题

当 AI 生成的内容被读者一眼认出时，问题往往不在模型本身，而在于文本里反复出现的固定表达模式——比如英文中过度使用破折号或 crucial、stark 这类词，中文里常见的「赋能」「首先…其次」结构，或是无论主题都以「未来已来」收尾。这些模式一旦累积，整篇文章会呈现一种可预测的机械感。本技能针对这类「AI 味」提供系统性检测与改写方案，覆盖维基百科总结的西方 AI 写作特征和中文互联网特有的表达习惯。

它如何工作

核心流程分为三步：

1. 特征扫描：按 9 类西方模式（如夸张象征、-ing 肤浅分析）和 12 类国内信号（如互联网黑话、机械排比）逐一检查，每篇输出 0-1 的 AI 味评分。
2. 定向改写：命中特征时，根据内容目标平台（抖音、公众号、小红书、视频号）调用对应调性模板——例如短视频文案会缩短句子长度，公众号文章会调整段落衔接方式。
3. 批量处理保障：长文档或多文件场景下，内置失败重试（单条超时后重试 1 次）、断点续跑（通过 checkpoint 文件记录进度）和并发控制（默认 2 线程，上限 8），失败记录写入 failed-articles.log 而非静默跳过。

适用边界与注意点

• 当 21 类特征均未命中时，技能不会强行改写，而是明确提示「原文已较自然」。若用户仍觉得「有 AI 味」，需人工复审判断。
• 评分 ≥0.6 视为 AI 味较重，此时改写会更积极，但无法保证完全消除所有平台的识别特征。
• 批量处理时，单文件超过 1MB 会建议分批操作，避免内存压力；流式输出中断时，已成功的段落不会被重写。
• 并发超过 8 可能触发 AI 服务限流，建议根据 API 配额调整 --concurrency 参数。