"AI 味"不是玄学。把一段 ChatGPT 或 DeepSeek 生成的中文和一段人写的放在一起,多数人凭直觉就能分辨——这说明 AI 味有稳定、可枚举的来源。枚举清楚了,就能逐条清除。下面 9 条按出现频率排序,每条都给出识别方法和改法,配合检测系统的判定逻辑(见检测原理)食用效果更佳。
技巧一:砍掉段首段尾的"仪式感"
识别:段首"首先/其次/此外/值得注意的是",段尾"综上所述/由此可见/因此可以得出"。AI 几乎每段都要行这套礼。
改法:直接删。中文段落靠语义自然衔接,不需要路标。删完读一遍,90% 的情况毫无影响;确需过渡的,用内容本身过渡——"这种方法在小样本下表现好,换到大规模数据上就露怯了"比"然而,该方法也存在一定局限性"自然得多。
技巧二:打破均匀句长
识别:连续五六句都是 25 字左右的中长句,读起来像匀速跑步机。
改法:制造节奏。该断就断。长句就让它足够长——带上从句、插入语,一口气把逻辑说完再收。长短交错是人类写作最难伪造也最容易恢复的特征。
技巧三:戒掉"万能大词"
识别:"赋能""抓手""闭环""维度""生态""底层逻辑",以及学术版的"具有重要意义""提供有力支撑""奠定坚实基础"。
改法:换成具体的。"对后续研究具有重要意义"→"后续的样本筛选标准直接沿用了这个结论"。空话变实话,字数没多,信息量翻倍,AI 味清零。
技巧四:拆掉强迫症式对仗
识别:"不仅提高了效率,而且降低了成本""既保证了精度,又兼顾了速度"——AI 酷爱四平八稳的双联结构,密度远超人类。
改法:保留一半,另一半改成不对称表述:"效率提高了;成本方面,由于省去了人工标注环节,也有明显下降。"
技巧五:让"完美列表"变得不完美
识别:动辄"三个方面""四个维度",每点字数还差不多。真实的思考很少这么整齐。
改法:把并列改成有主次:重要的展开写一段,次要的一句带过,甚至合并进正文。"影响因素主要是 A——(展开 80 字)。B 和 C 也有贡献,但在本实验条件下不明显。"
技巧六:补上"人才有的东西"
识别:整段内容正确但空泛,没有任何具体时间、地点、数字、经历。
改法:注入第一手细节:实验里那次失败的尝试、调研时的真实场景、你对异常数据的犹豫和判断。这是含金量最高的一条——AI 味的本质是"没有主体的写作",把"你"放回去,味道自然就散了。
技巧七:允许有保留地下结论
识别:AI 的结论总是圆滑而确定:"综合来看,该方案具有较好的应用前景。"
改法:人类学者的结论带着边界和犹豫:"至少在本文的数据范围内,方案 A 更稳;但样本集中在华东地区,推广到其他区域还需要验证。"有限定条件的结论既更像人,也更符合学术规范。
技巧八:清理翻译腔
识别:"作为一种新兴的技术手段""基于上述分析,我们可以得出"——从英文句式直译过来的欧化中文,AI 生成尤其密集。
改法:按中文习惯重排:主语提前、被动改主动、定语从句拆成短句。"数据被收集并被用于训练模型"→"我们收集数据,拿来训练模型"。
技巧九:通读时用"耳朵"检查
识别:最后一道工序。把改完的段落出声读一遍(或用手机朗读功能听)。
改法:凡是读起来喘不上气、像播音腔、你自己平时绝不会这么说话的句子,标记出来重写。耳朵对 AI 味的敏感度高于眼睛。
手改太慢?合理分工
9 个技巧全手工执行,1 万字大约要一整天。现实的做法是分层处理:技巧一到五(结构与表达层)交给工具批量完成——这正是 小蛋AI 的改写引擎自动处理的部分;技巧六、七(内容与观点层)必须自己来,工具替代不了你的研究经历;技巧八、九作为最后的人工质检。工具与人工的详细分工见这篇对比。