读者大概只需要两句话，就能闻出一段文字是不是机器写的。他们不是有特异功能，那些破绽具体、可数，一旦你认得它们，就会到处看见，包括在自己已经发布的东西里。
这些破绽是模型在没人编辑时容易滑进去的模式：套话词汇、"不只是X，而是Y"的句式、什么都凑成三样、夸大的重要性，以及没有任何只有作者本人才知道的内容。单拎一条都证明不了机器写了它，但凑在一起，就是读者会注意到的东西。
有一份被写进生成流程的禁用词清单，是几个月里反复读AI草稿、反复撞见同样破绽之后攒出来的。草稿一旦触发清单，就不发。
十二个信号分成四组：词汇、句式、结构、缺失的实质内容。提示词能减少它们，五步编辑能清除它们，而编辑前后各数一次破绽，能告诉你编辑到底有没有生效。把信号当作编辑的理由，永远别当作"谁写的"的证据。
四个杀伤力最大的信号
十二个里有四个造成了大部分伤害，大致按读者察觉的速度排序。
- 水印词：delve、leverage、seamless、robust、elevate、unlock、game-changer、landscape、navigate、tapestry、harness、unleash，再加上"In today's fast-paced world"这类套话开头和"In conclusion"这类套话收尾。这些词本身没错，破绽在密度——人可能用其中一个，模型会用六个，因为它们是训练数据里统计上最安全的选择，而安全听起来就是被平均过的声音。
- 对称结构：开头复述你提的问题，三个长度几乎一样的论点，一段不管内容需不需要的要点列表，一段重复开头的总结。什么都是三样。人的结构更疙瘩：重要的那点写四段，另一点一句话带过。如果草稿每一节分量都一样，读者说不出原因也会先起疑。
- 节奏平直：把草稿读出声。模型句子长度扎堆在中等，从句每次都摆在同一个位置。人的写法会拐弯：短句。然后一个慢慢来的长句，因为那个想法需要空间。
- 没有只有你能说的话：这是最深的一层。模型写的是它读过的一切的共识，所以纯模型草稿里没有意外——没有你自己结果里的数字，没有你自己客户的故事，没有一个别人可以反对的立场。它只会打太极："值得注意的是""结果可能因人而异"。读者能察觉，奖励作者可信度的搜索引擎和AI答案引擎也能，因为没有任何新东西的内容换不来引用。
为什么会写成这样
两个原因，都不是bug。语言模型预测最可能的下一个词，而在数十亿文档里最可能的词，按定义就是最平庸的那个。让它写营销，你得到的是史上所有营销文章的平均值。其次，让模型变得礼貌的微调也让它变得顺从：被训练去讨好所有人，于是它打太极、给每个论断配平衡、把可能被读成观点的东西磨平。平均加顺从，正是你认得出的"AI"腔调。
理解这一点，才知道提示词能修什么、不能修什么。词汇和结构可以提示掉，但你没法提示出一个模型并不拥有的亲身经验。
五步编辑，1200词草稿约20到25分钟
- 砍水印词。维护一份真清单，拿草稿逐词搜一遍，两分钟，去掉最响的信号。
- 打破对称。合并两节，把承载论点的那节扩开，删掉总结段——文章已经表过态了。
- 变化节奏。每三个长句拆一个，让某一句单独站着。
- 每节加一样只有你知道的东西：自己工作里的数字、一次失败、一个别人可以争的立场。这一步把草稿变成文章，没有模型能替你做。
- 杀掉太极话。每一句"值得注意的是"，要么变成论断，要么删掉。
实际效果对比。改前："在当今快节奏的数字图景中，利用AI工具可以帮助企业解锁无缝的内容创作并提升品牌存在感。"改后："AI工具写得比你快。这就是全部卖点。问题在于它写出来的东西。"同一个意思，一句你读过一千遍，另一句没有。
提示词能走六成，剩下靠编辑
提示词大概能解决六成，值得用。基础指令块大意是：用平实直接的英文写，变化句长，保留一些短句；禁用delve、leverage、seamless、robust、elevate、unlock、game-changer、landscape、tapestry、harness；不要复述问题的开头，不要总结段，不要"In conclusion"；给出明确立场而不是两边都摆；不要打太极。
它有用，但稳定地在两处失效：模型写了几百词之后会漂回平均值；没有任何指令能注入第四步那种基于经验的细节。提示词减少破绽，编辑清除破绽。
怎么检查自己的文字像不像AI
可以过一遍AI检测器，但把结果当信号，别当判决。检测器在单句上噪声很大，也会误伤熟练的人类写作者，永远别把一个分数当真相。它擅长的是衡量变化：编辑前95%判为AI、编辑后30%，说明编辑生效了。这个前后差值才是诚实的用法。
更快的检查不花钱：读出声。你的耳朵会比任何检测器更早抓到平直的节奏和套话。
AI腔不是AI的问题，是一个有清单可查的编辑问题。按清单走一遍，"机器人写的"那种感觉就会消失——因为到发布的时候，收尾的不是机器人，是你。
热门跟贴