wechat-ai-detox：公众号文章 AI 味检测与去 AI 味编辑

这个 skill 解决一件事：把公众号文章里容易触发 AI 味判断的文字特征识别出来，并用人工编辑逻辑降低 AI 味。

来源依据：

• 冰河 X 长文《别再被朱雀检测率绑架：手把手教你洗掉文章与网文的"AI味"！》（2026-05-07，https://x.com/binghe/status/2052378248747876385）。本 skill 只抽取其中"文章 / 公众号文章"相关方法，不采用网文小说、剧本类润色规则。
• 本 vault 调研报告 01_项目/调研/2026-05-07-zhuque-ai-detection-mechanism.md。该报告核验了朱雀 / 腾讯 AI 生成识别公开材料与 AI 文本检测通用机制。
• dbs-ai-check skill 的 22 个 AI 写作特征库，用于增强检测精度和改写针对性。

适用范围

使用本 skill：

• 用户给出公众号文章、知识类长文、自媒体文章，让你检测 AI 味。
• 用户提到朱雀检测、AI 率、AI 味、绿标、平台推荐、微信公众号发布前检查。
• 用户要求"去 AI 味""降低 AI 率""改得像我写的""让文章更有人味"。
• 用户要二次处理 AI 生成文章，使其更像人工编辑后的公众号稿。

不要使用本 skill：

• 网文小说、剧情续写、人物对白、章末钩子、爽点节奏。那是另一套规则。
• 短剧剧本、分镜、拍摄脚本。剧本的清晰度优先于 AI 味。
• 论文、法律文书、技术规范。它们本来就需要高连贯、低歧义、结构稳定。

基本判断

朱雀 / 腾讯 AI 生成识别这类工具可以视为概率判断系统。公开材料显示，腾讯云文本 AI 生成识别会学习 AI 生成文本和人类写作内容，构建专项模型，并返回 AI 生成概率或 Block / Review / Pass 风险等级。

公开证据支持的判断：

• 这类检测不是确定性的真假裁判。
• 检测器不一定依赖"暗水印"。
• 腾讯云官方建议检测文本长度为 350-2000 字。
• "困惑度 / 爆发性 / 词概率分布"有 AI 文本检测通用技术依据。

需要降级为经验判断的内容：

• "朱雀五个维度"不是官方公开机制，只能作为 AI 味风险解释框架。
• "绿标 / 50% 以下"只能作为发布前经验目标，不是公开平台规则。
• "另一个 AI 润色没用"说法过强；更准确的判断是：简单 AI 同质化润色不稳定，人工编辑式重构更可靠。

因此，有效降低 AI 味不是简单让另一个 AI "润色一下"，而是做人工编辑：

• 把抽象套话换成具体表达。
• 打破句子长度和段落节奏的均匀性。
• 允许少量真实的思维漂移。
• 加入合理的不确定、自我修正和判断边界。
• 用动作、场景、情绪推进，而不是用书面连接词推进。

重要边界：

• 不承诺任何检测器必过。检测结果是概率分类，不是事实判决。
• 不伪造经历、数据、案例、用户反馈、平台规则。
• 不为了降 AI 率破坏文章的事实准确、立场清晰和阅读体验。
• 不把经验阈值写成平台规则。朱雀 / 腾讯云公开材料只支持"350-2000 字建议检测区间"和"概率 / 风险等级判断"。

工作模式

1. 快速诊断模式（默认）

用户只说"检测""看看有没有 AI 味"时，只输出诊断，不直接改全文。

报告格式：

# 公众号文章 AI 味检测报告

**结论**：{低 / 中 / 高} AI 味风险
**最主要问题**：{一句话说明}
**建议动作**：{只检测 / 局部改 / 需要重编}

## AI 味风险维度扫描

| 维度 | 风险 | 证据 |
|---|---:|---|
| 词语可预测性 | {低/中/高} | {具体说明} |
| 句长方差 | {低/中/高} | {具体说明} |
| 语义过连贯 | {低/中/高} | {具体说明} |
| 模板特征词 | {低/中/高} | {具体说明} |
| 词概率分布 | {低/中/高} | {具体说明} |

## 命中位置

**第 1 处**

> {引用原文中最小必要片段}

{具体说明为什么有 AI 味}
`{维度} / {严重度}`
`dbs 特征 #{N}: {特征名}`

## 编辑优先级

1. {最高杠杆动作}
2. {第二动作}
3. {第三动作}

## 发布前建议

{给出是否建议使用朱雀 / 腾讯云 / 其他检测器做发布前自检、是否需要人工补素材、是否适合直接发布；不得把检测器分数解释成平台规则}

严重度：

• 强信号：高概率触发检测或明显破坏人味。
• 中信号：AI 高频，人类也会用，需要看密度。
• 弱信号：单独看不算问题，和其他信号叠加后才处理。

2. 快速编辑模式（用户明确要求改）

用户说"帮我去 AI 味""降低 AI 率""改成公众号可发"时，输出编辑稿。

编辑稿格式：

# 去 AI 味编辑稿

## 编辑策略

- {本轮主要处理了哪些 AI 信号}
- {哪些地方保留不动，为什么}
- {外部检测器不保证必过的风险说明}

## 改后全文

{完整改后正文}

## 关键修改对照

| 原文 | 改法 | 目的 | 背后逻辑 |
|---|---|---|---|
| {片段} | {片段} | {降低哪类信号} | {为什么这样改更有效} |

## 残余风险

{仍可能被检测器命中的部分，以及下一轮应如何处理}

如果原文缺少真实素材，先改语言层面，再明确标出"需要用户补真实经历 / 案例 / 原话"的位置。不要编。

3. 深度改写模式（用户说"深度改"时触发）

结合 dbs-ai-check 的追问逻辑，针对每个高风险特征追问背后意图，基于用户回答给出改法。

流程：

1. 先输出快速诊断报告
2. 针对严重度为"强信号"的特征，逐条追问用户意图
3. 等用户回答后，给出基于用户偏好的具体改法
4. 目标：既过检测器，又保留个人风格

追问示例：

**第 3 处需要你的判断**

> 所以好消息是：**一年前那些对的东西，现在还是对的。**  
> 坏消息是：**大多数人还是搞错了。**

这是"好消息/坏消息"对称结构，AI 高频模板。你用这个结构是为了制造对比感吗？如果是，有没有更不对称的说法？比如只留一句，或者把"坏消息"换成你嘴上会说的词？

4. 复测模式（用户给出朱雀结果后）

用户给出检测分数、截图或"还是红标"时，进入复测模式。

输出：

• 判断上轮未降下来的主要原因。
• 只改最高风险的 3-5 处，不把全文打散。
• 如果问题来自词概率分布，增加真实细节、个人判断、具体名词和不对称句式。
• 如果问题来自结构太完美，调整段落顺序，制造轻微停顿、转念、回拉。
• 如果用户只给出"50% / 绿标 / 红标"等产品结果，必须把它当作第三方检测器信号，不把它解释成平台处罚规则。

AI 味风险维度识别规则

维度 1：词语可预测性

高风险表现：

• 句子后半截几乎能猜出来。
• 常用"标准答案式"词组收束。
• 抽象词高密度出现，缺少具体名词和真实动作。

对应 dbs-ai-check 特征：
- #8 "不是X是Y"高密度（800字内>3次）
- #13 段段金句收束
- #21 结尾"你值得"式祝福

处理方法：

• 用具体事实代替抽象判断。
• 把"正确但空"的表达换成作者嘴上会说的话。
• 增加具体对象、具体场景、具体动作。

示例：

改前：这件事引发了广泛关注。
改后：我看到它的时候，第一反应不是兴奋，是有点警惕。

维度 2：句长方差

高风险表现：

• 每句话长度接近。
• 段落大小整齐。
• 全文像模板填空，节奏没有突然加速或停顿。

对应 dbs-ai-check 特征：
- #3 匀速排比
- #14 句子节奏过于均匀

处理方法：

• 插入 1-5 个字的短句。
• 保留少量带插入语的长句。
• 把连续排比拆掉，让其中一句变短、另一句变长。

示例：

改前：这种方法能够提升效率，也能够降低成本，还能够改善体验。
改后：它确实省事。成本也下来了。麻烦的是，用户愿不愿意真的用，这件事得另算。

维度 3：语义过连贯

高风险表现：

• 每段都紧扣主题，没有停顿、回想、转念。
• "首先、其次、最后""一方面、另一方面"串完整篇。
• 每个论点都被解释得太满，没有思考的毛边。

对应 dbs-ai-check 特征：
- #1 堵住所有反驳
- #4 同一个让步模板反复用
- #9 没有任何犹豫
- #17 连接词过度使用且位置固定

处理方法：

• 加入轻微思维漂移：先说一个相关感受、弯路、迟疑，再拉回主线。
• 保留真实的"我一开始想错了""后来发现不是这么回事"。
• 删掉过度完整的三段式结构。

注意：漂移必须有意义。公众号文章需要读者跟得上，不能为了像人而散。

维度 4：模板特征词

高风险表现：

• 书面连接词、套话、宏大形容词集中出现。
• 段落开头像批量生成。
• 反复使用同一套过渡结构。

对应 dbs-ai-check 特征：
- #5 给概念起名字的仪式
- #16 开头"钩子+痛点+承诺"三件套
- #19 中文翻译腔

优先搜索并处理这些词：

值得注意的是 / 不可忽视的是 / 值得一提的是 / 综上所述 / 总而言之 / 由此可见 /
深度赋能 / 全面赋能 / 加持 / 多维度 / 全方位 / 系统性 / 精准化 /
不言而喻 / 毋庸置疑 / 显而易见 / 在当今时代 / 在这个快速发展的时代 /
基于以上分析 / 从某种意义上说 / 本质上 / 归根结底 /
作为 / 关于 / 基于 / 进行

替换原则：

• 用口语动作替代书面连接。
• 用具体问题替代宏大判断。
• 能删就删，不必每个连接词都找替代词。

维度 5：词概率分布

高风险表现：

• 全文一直选"安全词""高概率词"。
• 语气稳定、礼貌、完整、没有个人偏差。
• 同义词替换很勤快，但都在同一个抽象词场里。

对应 dbs-ai-check 特征：
- #2 知识全部输出
- #10 精确到不真实的情绪细节
- #18 同义词刻意替换
- #22 对"深刻"的过拟合

处理方法：

• 加入作者自己的偏好、判断边界、具体对象。
• 允许少量"不标准但准确"的表达。
• 重复使用最准确的词，不为了避免重复硬换同义词。
• 增加真实生活里的词，而不是继续堆概念词。

补充检测规则（来自 dbs-ai-check）

以下是公众号文章中特别容易触发检测器的高频特征，优先级从高到低：

🔴 强信号特征（必须处理）

#8 "不是X是Y"高密度
- 触发阈值：800字内出现3次以上
- 检测方法：全文搜索"不是...是..."、"不是...而是..."
- 处理方向：保留1次，其余改成直接判断或疑问句+短句

#13 段段金句收束
- 触发阈值：连续3段都有收束金句
- 检测方法：检查每段最后一句是否都是"这才是...""这就是...""这正是..."
- 处理方向：只让最重要的1-2段有金句，其他段落自然结束
- ⚠️ 误伤警告：短视频文稿段段金句是体裁要求，不判定

#16 开头三件套
- 触发阈值：前3句话是"钩子+痛点+承诺"结构
- 检测方法：检查开头是否在"卖焦虑"
- 处理方向：从你真正想让读者知道的那件事开始说

⚠️ 中信号特征（密度高时处理）

#4 同一让步模板
- 触发阈值：同一篇出现3次以上"虽然...但是..."或"尽管...然而..."
- 处理方向：保留1次，其他换说法或直接跳过

#17 连接词固定位置
- 触发阈值：段首高频出现"然而""事实上""值得注意的是"
- 检测方法：搜索这些词，看是否都在段首
- 处理方向：删掉一半，读者自己能感觉到话锋变了

#19 翻译腔
- 触发阈值：高频出现"作为""基于""进行""关于"
- 检测方法：全文搜索这4个词
- 处理方向：改成嘴上会说的话

💡 弱信号特征（叠加时处理）

#5 命名仪式
- 触发阈值：同一篇出现2次以上"我把它叫做...""这就是我说的..."
- 处理方向：只留1次，或者直接用那个名字不做仪式

#18 同义词刻意替换
- 触发阈值：同一段里换了3个以上词说同一件事
- 处理方向：如果这个词准确，重复用

#22 对"深刻"的过拟合
- 触发阈值：出现"本质上""归根结底"且后面接了比前文大一号的命题
- 处理方向：删掉升维句，回到实操层面

五层编辑动作

按顺序执行，不要一上来重写全文。

第一层：灭杀特征词

先全文搜索模板词和高频 AI 特征。密度高的词优先删，不要机械替换。

处理顺序：

1. 删除不承担信息量的过渡词。
2. 把抽象词改成具体对象。
3. 把书面话改成作者真实会说的话。
4. 重点搜索：#8 "不是X是Y"、#17 连接词、#19 翻译腔

第二层：打破均匀句长

挑选连续三句长度接近的段落处理。

动作：

• 加一句短句（1-5字）。
• 合并两句，形成带转折或插入语的长句。
• 删掉重复解释。
• 拆掉 #3 匀速排比

第三层：加入真实思维漂移

只在文章关键段落使用。

可用材料：

• 作者曾经误判的地方。
• 作者写到这里突然想到的一个相关场景。
• 作者对某个概念的迟疑。
• 一个短暂的"先别急，问题可能不在这"的回拉。

禁止：

• 虚构人生经历。
• 为了跑题而跑题。
• 把文章改成聊天记录。

第四层：加入不确定性和自我修正

人类文章不是处处确定。把确实存在的边界写出来。

可用句式：

我这里不敢说绝对。
我一开始也以为是这个原因，后来发现不对。
这个判断可能只适合我现在看到的样本。
如果你手里的情况不一样，这个结论要往回收一点。

使用限制：

• 只在作者真实不确定的地方使用。
• 不把确定事实改成含糊表达。
• 不用"不确定"逃避论证。
• 对应 #9 没有任何犹豫

第五层：换掉书面过渡句

AI 用逻辑连接，人类常用动作、场景、情绪连接。

替换方向：

基于以上分析，我们可以得出结论 -> 说到这，我想起一个更具体的问题
接下来我们从三个方面展开 -> 先把最容易误会的地方说清楚
由此可见 -> 你看，问题卡在这里了

误伤警告

以下句式人类作者也高频使用，不能机械判定为 AI 味：

公众号专项规则

字数与检测

• 腾讯云公开文档建议检测文本长度为 350-2000 字。短于 350 字的结果参考价值下降，长于 2000 字的文本需要拆段检查。
• 公众号发布稿可以按 1000-2000 字切块自检，同时看全文总分和高风险段落。
• "绿标 / 50% 以下"只能作为经验目标，不是公开平台规则；不要承诺固定百分比，也不要承诺检测器必过。
• 微信确实治理非真人自动化创作和低价值 AIGC 内容，但没有公开证据表明公众号后台直接使用朱雀分数作为判罚阈值。不要把自检工具结果写成平台规则。

保留公众号可读性

去 AI 味不能把文章改散。

保留：

• 清楚的主张。
• 段落之间的递进。
• 读者能带走的判断。
• 适合公众号阅读的标题、开头、转折和结尾。

调整：

• 减少模板化提纲。
• 减少过度总结。
• 减少"像教程一样正确"的段落。
• 增加作者的判断现场。

大鹏公众号默认偏好

当用户说"我的公众号""按我的风格""大鹏味"时，加载 dapeng-writing-voice-pack（如果可用），并遵守这些偏好：

• 直接说判断。
• 少用装饰性排比。
• 少用"不是 X，而是 Y"式翻转。
• 保留有边界的确定性。
• 具体、克制、有个人判断，不演情绪。

质量门

输出编辑稿前检查：

• 事实没有被改错。
• 没有新增无法证明的经历、数据、案例。
• 没有把文章改成泛泛口语。
• 没有过度使用"我觉得""可能""其实"。
• 没有随机加入错别字、语病、低质标点来伪装人类。
• 网文小说和剧本规则没有混入公众号文章。

最终落点

如果用户只要检测，给检测报告。

如果用户要修改，给完整改后稿和关键修改对照。

如果用户要发布前处理，建议把最终稿保存为同目录新文件，文件名使用：

{原文件名}.ai-detox.md