中文去 AI 痕迹
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 @pet-one/rn-renhua。
技能介绍
要解决什么问题
很多中文 AI/技术稿在事实和术语还在,但句式上已经像「模型作文」:大量「不是 A 而是 B」「别急着 X 先 Y」「本质上 / 关键在于」这类结构壳,以及用「东西」「几个方向」糊过去的指代。读者能看出结论,却看不出作者测过什么、踩过什么坑。中文去 AI 痕迹针对的是:在不动核心事实、产品名、模型名、数字和英文技术词的前提下,把稿子的表达方式收成更像真人写过的直述稿,而不是把语气洗成中性说明书。
技能如何工作
执行时会先对齐输出形态(如 X 帖、长文、产品说明、模型评测、内部纪要),再把原文拆进四类素材桶:facts(日期、价格、工具名、测试条件)、judgment(测完后的判断)、experience(具体用法、失败、成本、流程取舍)、action(读者能做什么或避免什么)。改写前会先删掉空框架:平台套话、AI 免责、讲课式起句、价值拔高总结,以及「顺序别反了」一类命令式钩子。
正文改写遵守一组硬禁令清单:二元对照壳、短命令模板开头、假洞察标记(如「真正」「说白了」)、讲课式冒号起句、模糊指代、错误的时态立场(已完成测试却写「我会用」)、空洞比较词,以及用比喻收尾却不说具体损失。风格上保留第一人称实测语气、常见英文工程词(Agent、token、API 等),并用具体动词(测了、跑了、校验通过)替代抽象概括。默认只返回改写后的正文;只有你追问某句为何像 AI 时,才进入审计模式,逐条引用原句并点名触发的模式。
适用边界与注意点
技能不会替你补新例子、新数据、新引用或虚构个人经历;也不会为了「更顺」把作者立场抹平。公开帖默认不用 emoji、话题标签、Markdown 表格或编号列表,除非你明确要求。改写完成后还有一次字符串/模式扫描,残留硬禁令句式会再改一轮。若你的目标是生成全新选题或扩写论据,应另用写作类技能;若目标是「解释哪一句触发了 AI 味」,需要显式索要诊断。
使用场景
- 模型评测初稿里堆满「不是…而是…」和「关键在于」,要发长文或 X 帖前先做句式去壳
- 产品更新说明从 AI 生成后需保留版本号、API 名和实测结论,只删讲课式起句和假洞察词
- 内部技术纪要含工具链与失败案例,要改成第一人称直述且不把「我会用」写成未来时
- 读者反馈某段「像 ChatGPT」,需要按句标注触发了哪条硬禁令模式再定向改写
适合人员
- 定期发模型/API 实测长文或短帖、又不想保留模板化对照句式的独立技术作者
- 市场部或产品同学负责对外说明与更新日志,必须在不增删事实的前提下压掉 AI 免责与价值拔高段
- 工程团队写内部分享或复盘,文稿里有具体成本、踩坑与流程,需要保留判断语气而非洗成中性手册
- 主编或审稿人要对投稿做「AI 味」审计,需要 3~6 条可对照规则库的触发说明