国庆假第7天，明天回到工位，第一件事大概率是节后第一稿：周报、公众号推文、方案改稿。现在谁还不是先让AI打个底稿再动手——可发出去，评论区先来一句"这是AI写的吧"。于是"降AI味"的教程帖和拆"降AI味"的拆台帖开始同屏打架：一边是被收藏5.8万次的"文章AI味从90%降到0%的超强指令"，一边是顶评1288赞的"有没有可能，在没有AI的时候我就常用这些句式"。小红书
先把三本账对完：词汇账（黑名单到底有没有用）、结构账（官方承认的毛病到底改在哪）、检测账（为了过检测降味值不值）。账对完了，才知道哪些指令值得抄、哪些工具值得装、哪些钱花了是白花的。
第一本账·词汇：黑名单是定位器，不是替换词典
流传最广的"AI味黑名单"把露馅的词分四类：开头腔（“在这个快节奏的时代”“众所周知”）、商务黑话（“赋能”“抓手”“闭环”“底层逻辑”）、升华句（“愿你我都能”“遇见更好的自己”）、收尾句（“综上所述”“让我们拭目以待”）。原帖2951赞、948评论。小红书
但评论区高赞基本全在拆台：845赞"这些都是人类的语言，现在变成AI特征了，人人喊打，真是剥夺了人类语料空间"，764赞"可我写东西本来也会用到这些啊"，还有428赞的补刀——“‘这些词不是错，是太标准了’，这句话才是满满AI味儿吧”。小红书
社区反驳不是没道理，但OpenAI自己给出的答案更完整。9月上线的GPT-6 Astra，官方使用指南里直接承认了它的写作惯性：更容易生成详细、格式感强的回答，不同对话里还会重复相似措辞，并专门整理了一份"slop words"清单——中文对应"不是……而是……““值得注意的是”“简而言之”“深入探讨”“促进”“利用”。关键是官方点破了问题不在词本身：把"本研究通过深入探讨平台赋能机制，进一步推动城市品牌塑造"做近义词替换，变成"本研究通过系统分析平台作用，进一步促进城市形象建设”——词换了，"分析了什么、用了什么材料、得出什么结果"依然一句没说。知乎
所以词汇账的正确用法是：把黑名单当定位器用，不是当词典替换用。命中一个可疑词，就问这一句"整句删掉会少什么信息"；不少任何信息，删句；有事实，留下事实、删掉包装。也别指望换一张词表能一劳永逸，243赞的评论把军备竞赛的结局说透了，AI就是照着人话学着说的，你企图避开常用词汇，等你用多了，AI也学会了。小红书
第二本账·结构：官方承认的三处毛病，比词致命得多
真正让文章"一眼AI"的，是词底下那层结构习惯。Astra官方指南、GitHub上的降AI味skill榜单、以及一个3918收藏的知乎回答，指向的是同一组东西。
第一处：没靶子的平衡句。"不是X，而是Y"这个句式，人用它是有人先说了X；AI没人说X也要先立个靶子再否定，只为衬托Y。那个写医学科普的回答把机制说透了，人用平衡句没有违和感，是因为人是根据内容本身而使用，AI是为了结构而使用。对策是把逻辑直接写进指令：除非上文确实出现过X，否则不许用纠正句式。知乎
第二处：防御性收尾，也就是"叠甲"。说完一个观点必补一句"仍需人工判断"“这并不意味着”，三个提醒挤在一起，读者记住的只剩"AI不是万能的"。GitHub上有专门的anti-defensive-writing处理这件事，Astra官方指南则给了压缩指令：找出重复退让、条件已经由具体操作体现的直接删除、必须保留的限制放到相关事实旁边只写一次。
第三处：节奏太均匀。句子长短差不多、段落结构对称、转折词反复出现。检测侧最常用的解释框架就两个指标——困惑度和突发性：你的下一个词越好猜、句子长短越整齐，越像AI。文字越"规范"越可疑，这是所有降味方法绕不开的原理。知乎
学术圈治的是同一种病。明尼苏达大学研究员Jie Ding发布的academic humanizer，专门给论文和基金申请书"去机器味"，把千篇一律的AI腔调改成更接近作者本人声音的写法。它的规则细得很具体："近年来……受到广泛关注"这种开头毫无信息量、significant不标检验方法和数值就是大忌、连续几句用Moreover开头要砍、超过30词或带三个以上从句的句子必须重切。知乎
不想自己写规则的，可以按这条梯度装现成的skill（星数按9月21日的GitHub榜单）：blader/humanizer（50.7k星，英文通用，“让AI生成的英文文本更接近自然的人类写作”）、op7418/Humanizer-zh（17.6k星，中文公众号和长文）、anti-defensive-writing（专拆叠甲，论文课题申报）、harshaneel/humanize（484星，跨模型保持你自己的文风）、devswha/patina（358星，多语言）。10月7日按GitHub页面复查，blader/humanizer已经涨到54.4k星，Humanizer-zh到了19.0k——这门手艺还在快速迭代，收藏榜单不如看懂规则。知乎
不想装skill的，Astra官方思路里最值钱的是这句：先诊断，别急着改。直接把提示词丢给任何模型都能用：检查下面的论文段落中，哪些句子虽然语法正确，却没有增加可核查的信息，先诊断，不改写。 列出来的问题句逐句过"删掉会少什么信息"这一关，比一句"帮我降AI味"稳得多。知乎
第三本账·检测：检测器惩罚的不是用AI，是写得规范
如果你降味是为了过检测，这本账必须先对。
有人拿朱雀检测自己的公众号文章，判出97% AI概率——他的"降味"操作是把句子顺序调了调、换了几个近义词，相当于在中毒电脑上换个桌面壁纸，指望杀毒软件扫不出来。真正荒诞的是反方向的案例：2025年6月，南方都市报、南都大数据研究院抽样实测国内10款AIGC检测工具，把老舍经典《林海》丢进去，知网、PaperPass、维普、朱雀、大雅、PaperYY、挖错网7款给出0或趋近于0，茅茅虫直接判99.9%，万方把1300余字里的近500字标成"AI生成"、误判比例35.6%。而另一边，100%由AI生成的仿《林海》散文，在知网、挖错网、团象检测率低至0%–2%，基本漏检。知乎南方都市报
网文作者小风熊把2017年写的旧小说丢进检测器，得到"疑似AI生成内容占比90%“，多部早年不同题材的作品测下来只有0%和90%两个值，中间值根本不存在。误判理由更像是在把好文章当靶子打：逻辑整齐、因果词、排比多、文风白描——以至于有AI建议她"适当加入一些无意义的语句和适当的错误”。学生那边是另一笔糊涂账：有同学反馈，明明自己写的东西一检测飙得很高，AI率改下去了、查重率又上来了。还有作者为了过平台检测，故意把好好的内容改出瑕疵。知乎知乎
结论就一句话：检测器看的是"这段文字是否太好预测"，不是"这段文字是否用了AI"。它为"规范"定价，而规范恰恰是正经写作的目标之一。所以，为过检测器降味是无底洞，为读者观感降味是一次性的手艺活——两件事别混着花钱。
顺带去个噪：这门生意的三种引流形态
“降AI味"内容里混着大量卖铲子的，识别比收藏更重要。形态一：教程评论区统一话术"评论领全套资料”，B站搜一圈全是同款。形态二：提示词锁在图片里——小红书那篇3587赞、2351评论的"去AI感写作原则"帖，前排评论清一色在喊"帮我提取这篇文章中完整文字"，一条干货帖硬生生变成了口令交换现场。形态三：先甩一张97%检测截图制造焦虑，文末卖自制的仿写skill。判断口径就三条：教你"删什么"的（给规则、给提示词原文）基本可信；承诺"降到0"的要警惕——检测器本身输出都不稳定，0以什么为准？先亮工具截图、再引导关注的，工具往往才是成本。小红书
分人行动：这本账怎么花
公众号编辑、自媒体：假想敌是读者不是检测器。过结构账三刀就够：删没靶子的平衡句、删叠甲、把句子节奏调得长短不一。不用装skill。
职场写周报的：AI打底加正常交付就行，没人拿检测器举报你的月报，别为想象中的"被看穿"付费降味。
学生和论文：检测压力真实存在，但降味不等于免责——按学校规则声明AI使用；academic humanizer那套删叠甲、删空洞开头的规则值得用，那些毛病伤的不是"疑似AI"，是审稿人观感。
写小说和故事的：最高级的AI味根本不在词，讨论已经进化到内容层，AI写小说最容易暴露机器感的往往不是某几个词，而是人物太完整、太准确、太配合剧情。 另一条说得更直白——文案去味不是改句子，是"内容里没有你"，要补的是真实经历、项目素材、账号定位。小红书小红书
三本账收个尾：词汇账只做定位，结构账才是真活，检测账别踩进去。明早发稿前自查三处就够："不是……而是……"里那个X，前文有人说过吗；“仍需”"并不意味着"的甲，叠了几层；连续五句是不是一样长。过了这三关，剩下要操心的就不是AI味了——是这段文字到底有没有东西。
