---

name: de-ai-writing description: "文本去AI味：用确定性检测与「删除 -> 声纹校准 -> 改写 -> 防过平反查」去除文字的机器腔，把文字放回具体的人身上。产出：静默改写终版或AI味检测报告+七维评分。触发场景：用户说「去AI味」「太像AI写的」「帮我润色得更像人写的」「有机器味」「不够自然」「去掉宣传腔/公文腔/爆款腔/PPT腔/假人味」；或给一段文字要求改写得更口语化、更有个性、更有活人感。适用任何文本类型：自媒体文章、周报、随笔、产品文案、朋友圈、小红书笔记、邮件。"

文本去AI味 / De-AI Writing

真实可靠的文风指令与客观检测。不输出一套新腔调替换旧腔调，而是教你找出机器味、删掉空话、校准到自己的声音。

Purpose

把一段有机器腔的文字改写成一个人真正会说出来的样子，并结合确定性脚本给出可复核的客观依据。本技能是「去 AI 味」的唯一真源（single source of truth）。

AI 味的本质不是"用词太 AI"，而是"没有具体的人在里面"。 干净但没灵魂依然是机器味：每句话长度一样、没有观点、只做中立报道、不承认复杂感受。去 AI 味不是洗成"通用人类腔"，而是把文字放回一个具体的人身上。

When to Use

• 用户说「去AI味」「太像AI写的」「帮我润色得更像人写的」「有机器味」「不够自然」。
• 用户抱怨内容有宣传腔、公文腔、爆款腔、PPT 腔、假人味。
• 用户给一段文字（自媒体、周报、随笔、产品文案、朋友圈、小红书、邮件），要求更口语化、更有个性、更有活人感。
• 用户要检查自己的稿子是否还能听得出 AI 痕迹。

When NOT to Use

• 用户要从零写一篇新文章 -> 交给 wechat-article-writer 或 weitoutiao-creator；本技能只改已有文字。
• 用户要分析/拆解别人的文章结构与说服策略 -> 交给 article-deconstructor。
• 用户要生成新的社交媒体评论文案 -> 交给 viral-hook。
• 用户要的是事实核查、合规审查或翻译质量 -> 超出本技能范围，如实告知。
• 文本本身是代码、日志、机器可读格式 -> 不做文学性改写。

Workflow

六步流程，结合确定性工具与声纹改写：

1. 客观初筛与清洗。运行 python3 <skill>/scripts/detect.py 获取客观指标（ai_tell_score、句长变异系数 CV、零宽字符）。若检出零宽字符，先用 --clean 清洗。
2. 删除（至少砍 20%）。按检测问题直接删：意义膨胀帽子、模糊归因伪引用、正确废话、聊天残留、公式开头结尾。删掉这段话，文章损失什么？什么都不损失 = 该删。
3. 声纹校准（放回具体的人）。先定口气（吐槽/尖锐/冷脸技术/专业编辑/随性），提取或模拟具体活人的声纹（见 references/voice-calibration.md）。
4. 改写（抽象换动作，坚守边界）。执行 7 条改写规则：抽象词换动作、给事实不给形容、具体到数字实体、留一些脏、系动词回流、坚守防语义漂移红线（字数 <= 1.25x，见 references/rewrite-rules.md）。
5. 反查与防过平自检。重新运行 detect.py 确保得分落入 clean 区间（<= 20）；自检是否过度扁平化（句长 CV 是否 >= 0.35，是否保留了人声起伏）。
6. 分流交付。默认走静默交付（仅输出改写终版）；用户显式索要报告时才附带完整检测分析与评分。

Decision Rules

• 用户仅要求"去AI味/润色/改写" -> 走静默交付路径，仅输出改写终版，禁止倾倒自检报告与元分析。
• 用户明确要求"出检测报告/看哪里像AI/分析一下" -> 输出全量检测报告、修改依据与评分。
• 用户有写作样本（2-3 段喜欢的文字）-> 第 3 步走"声纹提取"路径，从样本提炼特征与节奏。
• 用户没有样本 -> 第 3 步走"模拟活人声纹"路径，按文体给定默认口气：朋友圈/小红书 -> 吐槽/朋友；观点文 -> 尖锐；技术文档/周报 -> 冷脸技术文；公众号深度文 -> 专业编辑；随笔 -> 随性。
• 文本为中文 -> 结合 references/detection-catalog.md 与 detect.py 中文词表。
• 文本为英文 -> 结合 references/word-replacement-tiers.md 的三层词汇替换表。

Constraints

绝不使用：

• 泛化开头和泛化结尾
• 空洞的过渡句与象征性伴随尾句（从而展现了、进一步巩固了）
• 否定平行句式（不是A而是B、不仅是A更是B、没有多余的X只有Y）
• 企业黑话与励志填充物
• 证据明显倾向一边却假装中立
• 首句复述提示词（Prompt Echo）与更新日志口吻（Diff-anchored）

坚守防语义漂移底线：

• 改写后字数严禁超过原文的 1.25 倍；字数膨胀即视为凭空编造。
• 严禁将客观观测改写为引述声明（不得擅自添加"据称/号称"），亦不得抹掉原文引述。
• 严禁删掉句中唯一的限定词（不得将可能性改写为绝对必然）。
• 严禁倒置原文批评或抱怨倾向；数字与实体必须保持精准绑定；模板占位符（如 [Name]）必须原样保留。

Priority

规则冲突时按此顺序，越靠前越有约束力：

1. 忠实与防漂移——不改变事实立场，字数 <= 1.25x，保留唯一限定词。
2. 不编造——不引入原文没有的经历、数字、来源与推论。
3. 删减到位——至少有 20% 的可删内容被删掉。
4. 声纹具体——文字里能听出明确的说话人。
5. 防过平——长短句交替，变异系数达标，避免机械扁平化。
6. 确定性合规——detect.py 评分 <= 20 且零宽字符为 0。

Stop Conditions

• 第 5 步反查或脚本复检超标 -> 最多回到第 2 步重做 2 轮；2 轮后仍有残留，如实说明剩余问题，不再死循环。
• 用户只要求检测报告、明确不改写 -> 在第 1 步后停止，输出报告即可。
• 改写会导致事实失真，或原文彻底缺乏任何可保留的具体信息 -> 停止改写，向用户提示补充事实素材。

Verification

交付前逐项确认：

• 运行 detect.py，确认 ai_tell_score <= 20 且无零宽字符。
• 删除比例达到 20% 以上，或有明确说明为何不足。
• 改写字数未超过原文的 1.25 倍，占位符未被篡改。
• 第 3 步已定口气/声纹，成稿可辨识说话人。
• 防过平检查通过：句长有参差变异，非 TTS 式机械匀速。
• 事实、数据、限定词、批评立场未被扭曲。
• 交付模式匹配：默认仅输出正文，未倾倒不必要的元分析。

Output

• Outcome：
  • 默认模式：经清洗去机味的纯净正文终版。
  • 报告模式（用户显式要求）：包含检测问题清单、删减说明、声纹设定、改写终版与七维评分（格式见 references/verification-and-scoring.md）。
• Done when：文本重构完成，脚本复检 clean（<= 20），防语义漂移与防过平检查通过。
• Evidence：文字能听出明确的说话人；无任何残留大厂黑话或公式句式；字数在受控范围内。

References

按需加载，不要预先全读：

• references/detection-catalog.md — 做逐类检测时读；含 11 类中文检测、36 种写作模式与微观句式。
• references/word-replacement-tiers.md — 出现高频词需词汇级替换时读；含英中文词汇替换表。
• references/voice-calibration.md — 在第 3 步定口气或需要提取/模拟声纹时读。
• references/rewrite-rules.md — 在第 4 步执行改写时读；含七条改写规则与防语义漂移红线。
• references/verification-and-scoring.md — 在第 5 步反查、评分或输出全量报告时读；含防过平自检与评分红线。

Scripts

• scripts/detect.py — 确定性检测与字符清洗脚本（纯标准库）。调用契约：
  • python3 <skill>/scripts/detect.py <file>：扫描文本并输出包含 ai_tell_score (0-100)、句长变异系数 CV、零宽字符与命中项的 JSON 报告。
  • python3 <skill>/scripts/detect.py --clean <file>：清洗零宽字符、BOM 与非标准空格，将干净文本输出至标准输出。

Related Skills

• wechat-article-writer — 自媒体长文写作；其去 AI 味环节以本技能为准。
• snowflake-novel-writer — 小说写作；其内嵌的 anti-ai-writing 副本以本指南为准。
• viral-hook — 社交媒体评论文案生成，内置去 AI 味检查。
• article-deconstructor — 拆解文章结构；若需分析而非改写，改用它。