工整句式打散
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @mayishebao/mayishebao-903-903 到 AI 助手。
技能介绍
问题出在模板感
当 AI 辅助写作变成批量生产,中文稿件很容易出现同一种腔调:开头先说“在当今社会”,发展过程套着“首先、其次、最后”,结尾用“综上所述”收束。这些连接词本身没有错,但一旦机械排比、空洞结论和同义反复扎堆,文章读起来就像被压进同一个模具。读者能感觉到“这是 AI 写的”,并不只是因为措辞,而是句式太整齐、判断太确定,缺少真实经历压出来的顿挫。
这类稿件的问题通常集中在三点:
- 模板化连接词制造了一种虚假的逻辑推进,实际并没有递进关系;
- 整齐排比让语气像在喊口号,却挤掉了本该存在的数据、动作和细节;
- 没有真实经历或素材时,作者会不自觉用“我亲身体验到”一类话填补空缺,反而加重了不真实感。
这个技能如何工作
过度工整句式打散 的工作方式更像一次细粒度编辑,而不是换个同义词就交差。它首先复述任务的平台、受众、内容目标和必须保留的事实,避免在信息不足时瞎猜。随后按下面几条线并行处理:
- 整理证据:把用户原文、可用数据、真实经历和品牌口径分开摆放,明确哪些能改、哪些只能限定表达、哪些必须保留。
- 识别模板感:定位套话、机械排比、空洞结论和同义反复,把句长、重复片段和连接词密度列成待办清单。
- 拆解后重组:先删除没有信息量的套话,再调整句长和节奏;没有真实细节时用
[此处需要补充一段真实经历]占位,而不是替你编一个“我亲眼见过”的故事。 - 恢复个人判断:允许短句、停顿和克制的判断,让文章重新出现“我认为”“这一步其实没那么简单”一类表达,但不会故意写错别字来假装口语化。
具体执行流程会要求先确认任务,再读取 references/method.md 里与当前任务匹配的框架,把改写、拆分、风险核验分步完成。最终输出至少包括问题摘要、可用成稿、关键改动说明、备选版本(仅在平台或人设确有差异时提供)和发布前核验清单。
适用边界与注意点
这个技能只做表达层面的“去模板化”,不会替你补造经历、数据、案例或授权。它也不会把句子拆得稀碎来应付检测;如果原文本身就需要重新确定选题或补充调研,它会先给出可执行骨架,并标出信息缺口。
涉及到医疗、金融、法律、教育或功效宣传等高风险内容时,所有结论都需要核验当前有效的官方来源,保留限定语。使用他人图片、音乐、字体、视频、采访和用户案例前,也要检查版权、署名、隐私和用途范围。它不提供洗稿、规避原创检测、伪造互动数据或绕过平台审核的方案,也不会对在世作者或公众人物进行近距离模仿。
如果只是需要定位套话、句长和重复片段,可以运行 python3 scripts/content_metrics.py --input <file>,但脚本输出的确定性指标只作为编辑线索,不能单独断定内容是由 AI 生成,也不应该为了压低指标制造病句。检查环节会对照 references/quality.md,确认稿件是否真的解决了过度工整问题、是否有事实依据、是否可以直接发布,以及是否保持了原创边界。
使用场景
- 用户拿到一份通篇“首先其次最后”的初稿,需要保留事实重写得更自然,并标出缺失经历。
- 小红书正文句式过于工整,需要拆掉机械排比、修改套话,同时不伪造用户没有的真实案例。
- 报告初稿全篇是模板化连接词,需要保留数据和结论,把节奏改成有判断、有停顿的版本。
- 营销文案读起来像模板,需要在保留品牌口径的前提下去掉空洞形容,并提示高风险表述需核实。
适合人员
- 写公众号的编辑需要把通稿式初稿改成有个人判断的自然表达,同时保留必须核实的事实。
- 做小红书的学生需要用手头真实经历替换机械排比,并明确标出暂时没有素材的位置。
- 负责品牌稿的市场人员需要在不动口径的前提下删掉空泛形容,让句子重新出现具体动作和限制条件。
- 运营同学需要先检查原文是否有套话和过度承诺,再决定能否直接发布或必须补充材料。