拓冰网站定制 
lieflat-less-ai-tone 去AI味三大改写约束深度解析从统计显著到可执行规则白名单、信息守恒、语义排除【免费下载链接】lieflat-less-ai-tone一个基于 283 万字语料统计的去 AI 味 skill · An AI-tone removal skill grounded in a 2.83-million-character corpus study项目地址: https://gitcode.com/gh_mirrors/li/lieflat-less-ai-tonelieflat-less-ai-tone 是一个基于 283 万字语料统计的去 AI 味 skill它先用语言学方法量化「什么是 AI 味」再把 11 项统计显著的特征转写成可执行的改写规则。但统计显著不等于能直接拿去改文章——本文深度解析它从数据到规则之间的三重约束白名单、信息守恒与语义排除帮新手看懂这套去 AI 味规则集的设计逻辑。项目速览283 万字对照语料筛出 11 条「真 AI 味」特征这个 skill 的研究设计很直白300 篇由五个主流模型Claude、DeepSeek、Gemini、GPT、Kimi在受控条件下生成329 篇人类作者的公开文章作对照合计 629 篇、282.7 万汉字。对公共讨论中常见的 26 项「AI 文风」候选特征逐项计算频率比只有倍率 R AI 侧 ÷ 人类侧 ≥ 2.0 的特征才被立为规则最终 11 项通过、15 项淘汰。通过检验的特征实测倍率AI ÷ 人类翻案腔“不是 A 而是 B”3.4×顿号罗列过密1.8×相邻句结构同构2.0×破折号3.0×提示性冒号 / 空转句引列表3.8× / 9.4×序数词充当小标题3.1×拟人化喻体“像一位智慧的导师”7.3×概括表述覆盖已有数据0.35×反向起手式“说白了”“先说结论”3.2×译文句式仅 5 种够格2.6–5.3×段首零回指评论4.4×区分力最强更关键的是那些没通过的检验正文设问句人类用得多 17 倍、比喻人类多 2.4 倍、句内同构排比人类反而更高。也就是说流行清单里不少「AI 味」条目要么站不住方向甚至是反的。完整结果表见 RESEARCH.md。为什么统计显著还不够倍率 ≥ 2.0 只是收录门槛把统计结果直接变成改写规则还会踩三个坑方向反了或无法验收。单字虚词 AI 侧确实偏低但正确方向是「补虚词」补完没法验收、还容易把正式文章改出口语味——整项弃用。材料密度一项人类侧是 AI 的 2.8 倍「补充数据」会违反信息守恒只保留可执行的一半原文已有数据时不许用概括词盖掉。特征落不到具体词句。「比喻贴不贴切」「案例是否堆砌」这类判断依赖语义理解无法转写成可执行算子写了也没法验收。无界改写会破坏原文。若凭印象对全文「润色」信息会被悄悄加进来或删掉去 AI 味反而变成了改写内容。为此项目把 11 项特征转写为规则时附加了三重约束原文见 README.md 第 4 节。约束一白名单原则只改清单内的 11 项 ✅白名单原则是这套去 AI 味规则的「硬边界」核心只有一条未命中任何规则的句子逐字保留。只处理清单内 11 项不增加清单外的判断标准标题层级、章节顺序、段落数量与顺序、列表、表格、代码块位置一律不动一句话即使命中规则也只改解决该问题所必需的最小部分不顺便润色、不调语气对某处是否命中没有把握时保持原文。与之配套的是「不作为改写理由」表句长不够参差、虚词偏少、被动句、正文问句、比喻本身等看着像 AI 味但实测站不住不能据此改字。这张表和规则一样是硬约束——比如按流行建议「删设问」会让文本进一步偏离人类写作特征。相关边界与免改清单见 SKILL.md、SKILL.md。约束二信息守恒不许新增也不许删减 信息守恒回答的是「改写时能不能动内容」不能。不许新增——哪怕只是为了让句子更具体、更像人写的以下一律不得凭改写添加姓名与机构、数字与金额、日期与顺序、引语与对话、来源与出处、因果与心理活动、任何原文没写的细节或案例。不许删减——原文的观点、结论和限定词“可能”“通常”“据说”“在某些情况下”必须完整保留。把「可能提升」改成「提升」属于篡改判断强度不是去 AI 味。验收方法很朴素改写后每个实词都要能在原文里指出出处指不出来就是新增必须撤销。这条直接写进了文末的最终验收清单。也因此「把抽象写具体」明确不属于这个 skill 的职责——原文抽象就让它抽象第 8 条只允许把原文已有的具体数据提到概括词的位置绝不自己造数字。完整条款见 SKILL.md。约束三语义排除语感不立为规则 第三重约束处理的是最隐蔽的坑把「感觉像 AI」写进规则。有三类判断被明确排除在规则之外比喻是否贴切、设问是否解决了读者的真实疑问、并列案例是否属堆砌。它们的共同点是依赖语义理解无法转写成可执行算子若写入规则只会诱导执行者依主观语感改写改多少都说不清对错。项目原文的表述是「不因主观上『接近 AI 文风』而破例。」这条约束有方法论上的工程保障每个特征以正则算子实现而本项目如实记录了六次算子设计缺陷导致的测量失误例如把正常并列误判为嵌套定语、分母选错得出 32 倍的假差异并确立操作规程——任何算子在采信频率前须先抽样检视 20 条命中实例。失误记录见 README.md 第 5 节。一个典型对照「比喻是否贴切」被排除因为实测人类用比喻是 AI 的 2.4 倍但其中的形态化子项「拟人化喻体」像一位智慧的导师、永不疲倦的审查员倍率达 7.3触发行定位明确于是只收这一项。规则的依据是触发标记可定位而不是频率高低或印象分。三条约束如何配合一次改写的完整流程把三重约束串起来就是 SKILL.md 中规定的标准用法锁定框架标题、章节、段落、列表、表格、代码块的位置先固定白名单边界生效逐项检查只按 11 条规则逐项过不引入清单外的标准最小改写命中处只改必需部分信息不增不减信息守恒生效验收复查每一处改动都能对应某条编号规则、每个实词都能在原文指出出处指不出就撤销。语义排除则贯穿全程遇到「比喻贴不贴切」这类问题规则明确不处理交还给人。新手上手规则集、结果表与复算脚本资料内容SKILL.md规则集全貌硬边界 11 条改写规则 最终验收清单可直接作为 system prompt 使用RESEARCH.md每条规则的预设 vs 实测、被推翻的条目与六次测量失误scripts/compare-human-ai.py句层特征在两侧语料的频率与比值scripts/check-structure.py段落层结构相邻句同构、段首零回指scripts/check-translationese.py生成侧译文句式频率筛查三个脚本的算子定义都写在文件首部换成自己的语料即可复算全部指标——这也是这个开源去 AI 味 skill 最值得学习的一点规则不只给结论方法链切分规程、分母选择、判定阈值、算子定义全部可复核。一句话总结lieflat-less-ai-tone 用 283 万字语料证明了一件事——好的去 AI 味工具不靠「语感」而靠可定位的触发标记、守恒的信息和一份明确的白名单。【免费下载链接】lieflat-less-ai-tone一个基于 283 万字语料统计的去 AI 味 skill · An AI-tone removal skill grounded in a 2.83-million-character corpus study项目地址: https://gitcode.com/gh_mirrors/li/lieflat-less-ai-tone创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 lieflat-less-ai-tone 去AI味三大改写约束深度解析：从统计显著到可执行规则（白名单、信息守恒、语义排除）
lieflat-less-ai-tone 去AI味三大改写约束深度解析从统计显著到可执行规则白名单、信息守恒、语义排除【免费下载链接】lieflat-less-ai-tone一个基于 283 万字语料统计的去 AI 味 skill · An AI-tone removal skill grounded in a 2.83-million-character corpus study项目地址: https://gitcode.com/gh_mirrors/li/lieflat-less-ai-tonelieflat-less-ai-tone 是一个基于 283 万字语料统计的去 AI 味 skill它先用语言学方法量化「什么是 AI 味」再把 11 项统计显著的特征转写成可执行的改写规则。但统计显著不等于能直接拿去改文章——本文深度解析它从数据到规则之间的三重约束白名单、信息守恒与语义排除帮新手看懂这套去 AI 味规则集的设计逻辑。项目速览283 万字对照语料筛出 11 条「真 AI 味」特征这个 skill 的研究设计很直白300 篇由五个主流模型Claude、DeepSeek、Gemini、GPT、Kimi在受控条件下生成329 篇人类作者的公开文章作对照合计 629 篇、282.7 万汉字。对公共讨论中常见的 26 项「AI 文风」候选特征逐项计算频率比只有倍率 R AI 侧 ÷ 人类侧 ≥ 2.0 的特征才被立为规则最终 11 项通过、15 项淘汰。通过检验的特征实测倍率AI ÷ 人类翻案腔“不是 A 而是 B”3.4×顿号罗列过密1.8×相邻句结构同构2.0×破折号3.0×提示性冒号 / 空转句引列表3.8× / 9.4×序数词充当小标题3.1×拟人化喻体“像一位智慧的导师”7.3×概括表述覆盖已有数据0.35×反向起手式“说白了”“先说结论”3.2×译文句式仅 5 种够格2.6–5.3×段首零回指评论4.4×区分力最强更关键的是那些没通过的检验正文设问句人类用得多 17 倍、比喻人类多 2.4 倍、句内同构排比人类反而更高。也就是说流行清单里不少「AI 味」条目要么站不住方向甚至是反的。完整结果表见 RESEARCH.md。为什么统计显著还不够倍率 ≥ 2.0 只是收录门槛把统计结果直接变成改写规则还会踩三个坑方向反了或无法验收。单字虚词 AI 侧确实偏低但正确方向是「补虚词」补完没法验收、还容易把正式文章改出口语味——整项弃用。材料密度一项人类侧是 AI 的 2.8 倍「补充数据」会违反信息守恒只保留可执行的一半原文已有数据时不许用概括词盖掉。特征落不到具体词句。「比喻贴不贴切」「案例是否堆砌」这类判断依赖语义理解无法转写成可执行算子写了也没法验收。无界改写会破坏原文。若凭印象对全文「润色」信息会被悄悄加进来或删掉去 AI 味反而变成了改写内容。为此项目把 11 项特征转写为规则时附加了三重约束原文见 README.md 第 4 节。约束一白名单原则只改清单内的 11 项 ✅白名单原则是这套去 AI 味规则的「硬边界」核心只有一条未命中任何规则的句子逐字保留。只处理清单内 11 项不增加清单外的判断标准标题层级、章节顺序、段落数量与顺序、列表、表格、代码块位置一律不动一句话即使命中规则也只改解决该问题所必需的最小部分不顺便润色、不调语气对某处是否命中没有把握时保持原文。与之配套的是「不作为改写理由」表句长不够参差、虚词偏少、被动句、正文问句、比喻本身等看着像 AI 味但实测站不住不能据此改字。这张表和规则一样是硬约束——比如按流行建议「删设问」会让文本进一步偏离人类写作特征。相关边界与免改清单见 SKILL.md、SKILL.md。约束二信息守恒不许新增也不许删减 信息守恒回答的是「改写时能不能动内容」不能。不许新增——哪怕只是为了让句子更具体、更像人写的以下一律不得凭改写添加姓名与机构、数字与金额、日期与顺序、引语与对话、来源与出处、因果与心理活动、任何原文没写的细节或案例。不许删减——原文的观点、结论和限定词“可能”“通常”“据说”“在某些情况下”必须完整保留。把「可能提升」改成「提升」属于篡改判断强度不是去 AI 味。验收方法很朴素改写后每个实词都要能在原文里指出出处指不出来就是新增必须撤销。这条直接写进了文末的最终验收清单。也因此「把抽象写具体」明确不属于这个 skill 的职责——原文抽象就让它抽象第 8 条只允许把原文已有的具体数据提到概括词的位置绝不自己造数字。完整条款见 SKILL.md。约束三语义排除语感不立为规则 第三重约束处理的是最隐蔽的坑把「感觉像 AI」写进规则。有三类判断被明确排除在规则之外比喻是否贴切、设问是否解决了读者的真实疑问、并列案例是否属堆砌。它们的共同点是依赖语义理解无法转写成可执行算子若写入规则只会诱导执行者依主观语感改写改多少都说不清对错。项目原文的表述是「不因主观上『接近 AI 文风』而破例。」这条约束有方法论上的工程保障每个特征以正则算子实现而本项目如实记录了六次算子设计缺陷导致的测量失误例如把正常并列误判为嵌套定语、分母选错得出 32 倍的假差异并确立操作规程——任何算子在采信频率前须先抽样检视 20 条命中实例。失误记录见 README.md 第 5 节。一个典型对照「比喻是否贴切」被排除因为实测人类用比喻是 AI 的 2.4 倍但其中的形态化子项「拟人化喻体」像一位智慧的导师、永不疲倦的审查员倍率达 7.3触发行定位明确于是只收这一项。规则的依据是触发标记可定位而不是频率高低或印象分。三条约束如何配合一次改写的完整流程把三重约束串起来就是 SKILL.md 中规定的标准用法锁定框架标题、章节、段落、列表、表格、代码块的位置先固定白名单边界生效逐项检查只按 11 条规则逐项过不引入清单外的标准最小改写命中处只改必需部分信息不增不减信息守恒生效验收复查每一处改动都能对应某条编号规则、每个实词都能在原文指出出处指不出就撤销。语义排除则贯穿全程遇到「比喻贴不贴切」这类问题规则明确不处理交还给人。新手上手规则集、结果表与复算脚本资料内容SKILL.md规则集全貌硬边界 11 条改写规则 最终验收清单可直接作为 system prompt 使用RESEARCH.md每条规则的预设 vs 实测、被推翻的条目与六次测量失误scripts/compare-human-ai.py句层特征在两侧语料的频率与比值scripts/check-structure.py段落层结构相邻句同构、段首零回指scripts/check-translationese.py生成侧译文句式频率筛查三个脚本的算子定义都写在文件首部换成自己的语料即可复算全部指标——这也是这个开源去 AI 味 skill 最值得学习的一点规则不只给结论方法链切分规程、分母选择、判定阈值、算子定义全部可复核。一句话总结lieflat-less-ai-tone 用 283 万字语料证明了一件事——好的去 AI 味工具不靠「语感」而靠可定位的触发标记、守恒的信息和一份明确的白名单。【免费下载链接】lieflat-less-ai-tone一个基于 283 万字语料统计的去 AI 味 skill · An AI-tone removal skill grounded in a 2.83-million-character corpus study项目地址: https://gitcode.com/gh_mirrors/li/lieflat-less-ai-tone创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考