返回文章库这篇文章提到的资源
这篇文章提到的 Skill 和 Prompt 已经单独整理好，站内资源直接跳转，站外资源会标出链接。
现在用 AI 写内容，最常见的问题不是写不出来，而是写出来以后太像一份“正确答案”。
结构完整，语气礼貌，观点也不算错。可读者看两段就能感觉到：这里没有一个具体的人在说话。
所以去 AI 味不是把句子改短一点、把“首先其次最后”删掉、再加几个口语词。
那只是表面。
真正要处理的是三层问题：材料是空的，判断是滑的，声音是默认的。
材料空，文章就会靠“某个场景”“一些人”“很多案例”撑起来。判断滑，文章就会把每一边都照顾到，看起来成熟，实际上没有取舍。声音默认，文章就会自动变成礼貌、完整、正确、谁都能用的通用腔。
这三层不处理，改得再顺，也只是换了一种模板。
1. 去 AI 味的分工：人负责材料和判断，AI 负责组织和执行
AI 很适合整理、压缩、改结构、找问题、生成多个版本。
但它不应该替你发明经历、替你决定立场、替你假装懂读者。
更稳定的分工是：
- 材料归你：真实经历、观察、数据、客户反馈、踩过的坑、见过的反例。
- 判断归你：你相信什么，不认同什么，什么情况下有效，什么情况下别用。
- 声音归你：你平时怎么说话，句子长短，常用词，开头习惯，能接受的情绪边界。
- 组织交给 AI：帮你检测问题、删水分、重排结构、改出平台版本、做最后反查。
很多 AI 味不是“写作后”才出现的，而是写作前就已经埋下了。
你只给 AI 一个题目，它只能用平均答案补全。
2. 写之前先给 5 项输入
不要一上来就说“帮我写一篇关于 XXX 的文章”。
文中产品与最新优惠
这里展示当前核验结果，活动条件以原始说明为准。
下一步
选一个你现在真实要推进的场景，把文中最有用的一步整理成任务、清单或作品记录，放进自己的成长资产里。
- 体裁：短帖、长文、教程、复盘、评论、脚本，还是正式报告。体裁不同，节奏和密度完全不同。
- 作者意图：解释一个问题、说服读者、复盘经验、吐槽现象，还是建立一个判断。
- 目标读者：他已经知道什么，真正卡在哪里。不要让 AI 虚构一个什么都不懂的读者。
- 语气边界：冷静判断、现场复盘、轻微讽刺、克制说明，还是更像朋友聊天。
- 材料来源：哪些是真实经历或数据，哪些只是推测、转述、观察。
不要为了显得完整，让 AI 自动扩写成“宏大判断”。
3. 先检测，不要直接改
AI 接到这种指令，通常会开始表演：加语气词、加故事感、加金句，最后反而更假。
- 材料空：没有具体人、具体场景、具体动作、具体限制。
- 判断滑：观点过度安全，什么都说一点，最后没有选择。
- 结构机械：每段都同样长，排比匀速，标题和段落像模板套出来。
- 站位越位：替读者想、替读者错、再居高临下纠正读者。
- 语言漂浮：堆“赋能、闭环、底层逻辑、价值沉淀、长期主义”等没有动作托住的词。
- 格式露馅：连接词过密、破折号滥用、项目符号全是同一种格式、结尾像客服话术。
检测阶段的目标不是把文章骂一遍，而是找出到底是哪一类问题在制造 AI 味。
4. 最容易被忽略的是“替读者想”
很多文章让人不舒服，不是因为它笨，而是因为它站位太高。
- “很多人以为……其实……”
- “你可能会觉得……但真正关键的是……”
- “一提到这个词，你脑子里浮现的肯定是……”
问题在于：你说的那个“很多人”，真的存在吗？你替读者安排的那个误解，真的是读者的误解吗？
更稳的写法是少替读者下判断，多直接陈述自己的判断。
这就是去 AI 味里很关键的一层：不要只改词，要改站位。
5. 改写流程：删水分，再补真实，再做反查
- 检测报告：先列出 AI 味问题，不改正文。
- 标出空句：找出那些正确但没有信息量的句子。
- 先删 20%：能删就删，删不掉再改。
- 具体化：把抽象词换成动作、场景、例子、限制条件或判断标准。
- 声音校准：如果要像作者本人，给 AI 2-3 段真实样稿，让它学句长、开头方式、用词习惯和转场方式。
- 输出第一版：保留原观点，不擅自编经历、数据、人物和来源。
- 最后反查：让 AI 再问一次“这版哪里还明显像 AI”，只修残留问题。
第一版改写通常只能解决最明显的问题。隔几分钟再看，“此外”“值得注意的是”“真正重要的是”这些熟悉的味道还会冒出来。
6. 排版也会暴露 AI 味
- 段落不要永远一样长。
- 项目符号不要全是“关键词：解释”。
- 中英文和数字之间保持一致的空格习惯，比如 “AI 写作”“5 个问题”。
- 不要把每一段都写成金句。
- 不要用“希望本文对你有所帮助”这类客服式结尾。
- 文章结束了，就停。
真人写作有呼吸感。长句、短句、停顿、转向、犹豫和明确判断都会出现。
7. 入行365去 AI 味 Skill v2 怎么用
它不是一个“润色提示词”，而是一套写作质检和改写流程。
如果你不使用 Codex Skill，也可以先复制下面这段最小版：
你是我的中文写作编辑。你的目标不是把文章改得更顺，而是保留真实材料、作者判断和个人声音，去掉模板化 AI 写作痕迹。
处理前先确认 5 项：体裁、作者意图、目标读者、语气边界、素材来源。信息不足时，先说明缺口，宁可写窄一点，不要自动编故事、数据、案例或来源。
请按这个流程处理：
1. 先输出 AI 味检测报告，不要直接改。
2. 按材料空、判断滑、结构机械、站位越位、语言漂浮、格式露馅分类列出问题。
3. 标出正确但没有信息量的句子，并建议删除或合并。
4. 保留核心观点，把抽象表达改成具体动作、场景、限制或判断标准。
5. 如果我提供了过往样稿，先做声音校准：学习我的句长、开头方式、常用词、语气边界，不要把我改成另一种通用人类腔。
6. 输出可直接发布的新版正文。
7. 最后做一次反查：指出新版哪里还像 AI，并给出最终修订版。
边界：不编造个人经历、数字、引语、案例、身份、客户反馈和外部来源。整体没有明显 AI 味时，不要为了修改而修改。
最简单的测试方式是：拿一篇“看起来还行，但你自己不想发”的 AI 初稿，丢给它。
8. 长期方案：让 AI 先认识你
如果你长期写公众号、小红书、知乎、X、方案、脚本，更值得做的是一份“个人写作说明书”。
- 我是谁，长期写什么。
- 我的读者是谁，他们常见卡点是什么。
- 我常用哪些表达，讨厌哪些表达。
- 我写作时通常有什么判断边界。
- 哪些经历、案例、数字可以用，哪些不能编。
- 我希望 AI 怎么帮我：先问、先检测、先删水分，还是直接给版本。
如果你用 ChatGPT、Claude、豆包，就把这份说明书放进记忆或自定义指令。
如果你用 Codex、Claude Code 这类 Agent，就把长期规则放到项目的 AGENTS.md 或 CLAUDE.md 里。
两边的记忆不互通。一个地方配好了，另一个工具不会自动知道。
这件事做完以后，AI 写出来的东西不一定立刻惊艳，但会少很多默认腔。
9. 这套方法适合谁
第一类，是正在做个人 IP、公众号、小红书、知乎、X 内容的人。你需要 AI 提效，但不想让内容变成模板。
第二类，是做 AI 服务交付的人。你帮客户写文章、脚本、方案时，不能只交一份“看起来完整”的东西，而要让客户觉得这确实像他的表达。
第三类，是想把经验沉淀成方法论的人。你有很多实践，但一写出来就散。AI 可以帮你整理结构，但前提是它不能把你的判断磨平。
10. 最后说一句实话
它应该帮你把模糊的经验变清楚，把散乱的判断变成结构，把难以复用的方法变成流程。
如果你自己没有对象感、没有取舍、没有想交付给读者的东西，AI 只能帮你写出一篇更完整的空话。
而是让内容重新回到人身上：你看见了什么问题，你为什么这么判断，你希望读者少走哪一步弯路。
