ai-anti-patterns

AI 写作反模式

此技能包含的内容 — 如果下方列出的名称未涵盖某个主题，请在 references/ 中 grep： !d=${CLAUDE_SKILL_DIR}; command -v skill-toc >/dev/null 2>&1 && exec skill-toc "$d"; s=$HOME/.claude/skills/plugin-utils/bin/skill-toc; [ -x "$s" ] && exec "$s" "$d"; echo "(skill-toc unavailable: references and scripts are NOT listed here — install the plugin-utils plugin, or start a new session so its bin/ reaches PATH)"

本指南介绍如何根据 Wikipedia 的“AI 写作迹象”指南，检测并修改 AI 生成内容的特征。

何时使用

在以下情况下调用此技能：

• 完成任何 AI 辅助写作后，提交前
• 检查文本是否具有 AI 写作特征时
• 编辑内容，使其读起来更自然时
• 完成写作任务后（通过钩子自动调用）

铁律

提交前，必须依据这些模式检查每一段 AI 辅助写作内容。

这不是可选项。AI 写作模式可以被检测出来，并会损害可信度。

快速筛查顺序

从最客观的特征开始：

优先级	部分	检查内容
1	ChatGPT 痕迹	turn0search0、oaicite、contentReference
2	引用问题	虚构的 DOI、失效链接、不存在的来源
3	提示词拒绝语	“作为一个 AI 语言模型……”“希望这能帮到你”
4	浮夸辞藻	“堪称……的见证”“丰富多彩的画卷”“坐落于”
5	结构	章节摘要、“尽管面临挑战”、三段式规则
6	矫饰文风	本可直白表达，却使用了隐喻（见下文）

必须避免的关键模式

严重程度：严重（必须立即修改）

这些模式是明确无误的 AI 痕迹：

ChatGPT 特有痕迹：

• turn0search0、turn1search2（内部搜索引用）
• oaicite:X（引用占位符）
• contentReference[oaicite:X]（未解析的引用）
• 输出中的 JSON 归属信息块

提示词拒绝语：

• “作为一个 AI 语言模型……”
• “我无法提供……”
• “希望这能帮到你！”
• “希望这封邮件能在一切安好时送达”

严重程度：高（强烈建议修改）

已发布的列表位于 ~/.claude/skills/ai-tic/linter/tics.yaml，而不是本表。 该文件包含两部分——通过针对 14,294,148 个句子的近乎零人类写作率门槛的词句，以及一个 rejected: 区块，列出未通过的短语，避免再次提议这些短语。这里有六个短语被列为 AI 特征，但它们其实位于该 rejected: 区块中：serves as（141.35/M）、it is important to note that（44.42/M）、不带修饰语的 plays a crucial/vital/key role（21.94/M）、不带修饰语的 delve into（11.69/M）、underscores the importance（5.93/M）以及 Of course,（386.94/M）。它们已从下方表格以及仓库中所有可执行表格中移除。这与下方三十行处的“用户语气”部分对另一个列表所做的修正一致——“如果你喜欢，可以将这些内容作为语气偏好……不要将其作为 AI 检测依据。”——现在同样应用于此列表。要检查某个短语，请运行 /ai-tic <phrase>；不要在此处添加行。

浮夸和夸张（通过门槛的词句）：

• “堪称……的见证”
• “丰富多彩的画卷”
• “坐落于……之中”
• “……的格局”

宣传性语言：

• “开创性的”“变革性的”“革命性的”
• “无与伦比的”“前所未有的”
• “尖端的”“最先进的”

中等级别（审阅并斟酌）

结构模式：

• 重复标题内容的章节摘要
• “尽管面临［挑战］，仍取得［积极结果］”句式
• 负向排比：“然而……尽管如此……”
• 三项规则：每次都恰好列出三个示例
• 模糊措辞：“有些专家认为”“人们相信”

文风怪癖：

• 虚假精确——概括性数字精确到看似无意义的小数位 （“比率为 1.3771％”“覆盖了宇宙的 85.63％”）。 在摘要和引言中，数字只是概括而非报告数据时，优先使用较粗略的比例；将精确数值放在支持该数据的图表旁。此规则以 style·false_precision 强制执行。
• 优雅变换（为避免重复而轮换使用同义词）
• 虚假范围（没有真实数据却使用“从 X 到 Y”）
• 所有标题都采用标题式大写
• 过度使用破折号（—）
• 过度使用粗体强调

用户语气偏好（不是 AI 特征——已于 2026-08-05 对语料库进行核验）

本节是个人文风偏好，并非检查器；它过去的名称（“用户语气检查器”）造成了实质性误导。 这里的内容从未出现在可执行规则表中，因此 writing-verify 检查会运行所有评分器，却对这些短语一无所知，而标题却暗示有四条强制规则。现在已将其中四条中的三条与 14,294,148 个人类学术写作句子进行比对（8.73M 篇金融／会计论文 + 5.56M 篇法律评论），结果显示它们都是正常的人类写作：

短语	金融	法律	结论
has bite / have more bite	1.9/M	5.2/M	人类写作——包括一篇法律评论的标题：“Do the SEC's New Rating Agency Rules Have Any Bite?”
the cut（监管削减）	8.7/M	4.7/M	人类写作——“the cut in the corporate tax rate”
Of course,	299.9/M	523.7/M	人类写作
To be sure, ← 本节过去曾推荐此表达	11.5/M	194.0/M	人类写作，在法律评论中的出现频率是其替代表达的 3 倍
Admittedly,	15.5/M	63.3/M	人类写作
cuts against	0.9/M	13.1/M	人类写作

如果你喜欢，可以将这些表达保留为语气偏好——它们不可证伪，这没问题。不要将它们说成 AI 检测依据。完整记录：docs/investigations/2026-08-05_emphasis-enforcement.md。

通过筛选并保留下来的内容现作为语段规则强制执行：

• ai-tic·sev3·rule-bites — “the reform should bite hardest”。这种动词用法没有语料记录（1/14.29M，且该命中是脚注中引用的 Financial Times 标题）。上文所述的名词用法则不是如此。名词与动词的区分就是这条规则的核心。
• ai-tic·sev2·sharpest-version — “the sharpest version of the objection”。出现次数为 0/14.29M；而 <superlative> version of 的全部四个命中都是 “the strongest version of”，the sharpest <noun> 则有 86 个命中。这个词很普通，问题在于它的搭配。

过渡句重复仍是旧列表中唯一真正受到强制检查的条目——skills/writing-verify/scripts/bridge_repetition_check.py，由 workflows/writing-verify.js 调用。它针对章节开头执行真实逻辑，并非短语规则表。

自行检查短语： /ai-tic <phrase> — 它会针对语料库的两个部分运行 FP-hunt，并拒绝添加任何未达到资格门槛的内容。

如何修改

针对浮夸措辞

AI 模式	人类写作替代说法
“stands as a testament to”	“shows” 或 “demonstrates”
“rich tapestry of”	具体说明其中包含什么
“nestled in the heart of”	“in” 或 “located in”

针对结构

AI 模式	人类写作替代说法
标题内容的章节摘要	开门见山，不要进行元评论
“Despite challenges...”	直接陈述实际情况，不要套用固定句式
恰好三个示例	使用合适的数量：2、4、5 个，或只用 1 个

避免矫饰文风

定义（Anthropic 指引——引用原文，不要改述）：

矫饰文风用隐喻和修饰取代直接陈述。作者不会说「一个值得调整的参数」，而会写成「一个值得拨动的旋钮」。作者不会说「这一点依然重要」，而会写成「这一点仍有其价值」。这些短语是为了展示作者，而不是传达观点，读者看得出来。这就是矫饰文风令人恼火的原因：它让读者更费力，只为让作者有机会表演。这种文风也不准确。隐喻会带入作者未曾选择、也无法控制的内涵。解决办法是说出你的本意。只要有直白的说法，就用直白的说法。

简短说法——「请去掉所有矫饰文风」——单独使用就有效，而且通常已经足够。

其运作机制是用隐喻替换直白说法。 这比笼统的「修饰」范围更窄：判断标准在于，是否有直白的说法可用，却被舍弃了。用「一个值得拨动的旋钮」替代「一个值得调整的参数」属于矫饰；长句不是，华丽的句子则是浮夸文风，属于另一种问题。吹嘘会夸大事实（「是……的有力证明」）；矫饰文风则是表演。

不准确才是最关键的反对理由，而不是令人恼火。 隐喻会带入作者未曾选择的内涵：「酒吧绕开了诉讼」暗示有组织地规避，而「律师提出了相同的主张，要求以徒增诉讼费用为由驳回」则没有对动机作出任何断言。只从个人喜好出发修改，会忽略矫饰的版本往往声称了作者无法证实的内容。

修改步骤，按顺序进行：

1. 将每个矫饰的短语替换为它所回避的直白说法。
2. 将每处替换制成表格：修饰语、直白说法，以及它暗中带入的内涵。
3. 指出作者最常重复的习惯。

三项限制——违反任何一项，修改效果都会比不修改更差：

• 保留原意和结构。 这是措辞调整，不是重写。
• 不要改动直接陈述的句子。 没有隐喻的句子，就没有需要替换的内容。
• 不要为了缩短而缩短。 目标是直白，不是简短。直白的替换即使比修饰语更长，仍然是正确的替换。

为什么表格才是交付成果，而不只是修改记录。 第三列才是重点。只列出替换，却不指出每处替换暗中带入了什么，就会掩盖实质性的变化。指出反复出现的习惯，也比任何单次替换都重要：单个隐喻很容易修正，却会立即再次出现；真正值得作者着手改正的是这种习惯。

一种相关的、更高层级的问题（属于支持性研究，而非定义）。 让修辞手法读起来像机器生成内容的，是密度，而不是手法本身：「问题不在于大模型使用这些技巧，而在于它们使用这些技巧的方式如此机械而一致，以至于变成了滥用……大模型缺少的不是技术能力，而是品味」（Colin Gorrie，Why ChatGPT writes like that）。需要留意的修辞手法包括对照（「不是 X，而是 Y」）、三段式、等长结构和缺乏依据的深刻论断。每节结尾都用一个结构均衡的两部分句子收尾，属于这一问题，而非隐喻替换——因此不属于上方替换表的范围，应当另行指出这是一种习惯。

模型说明。 Claude Fable 5.1 的文风比 Fable 5 更密集——句子更长，段落分隔更少。在用户消息中（首选）或系统提示词中定义反模式，是有据可查的缓解方法。

针对虚假精确度

摘要或引言中的数字是在概述；表格旁的数字是在报告数据。只有后一种情况才需要保留小数位。在概述中保留四位小数，会暗示估算值并不具备的精确度，读起来也像是机器生成的。

AI 模式	人类替代表述
“比率为 1.3771%”	“约为 1.5%”
“大约是 2.7361% 总体弃答率的十倍”	“大约是总体弃答率的十倍”
“575,553 个可检验项目中有 6,612 个——即 1.15%——低于”	“约 1% 的可检验项目低于”
“覆盖了可检验总体的 85.63%”	“覆盖了可检验总体的大约七分之六”
“28.3328% 这个数字”	“这个数字”

规则本身已包含的例外必须继续作为例外保留：表格、图注、代码块或脚注中的精确数值；年份、法规和规则引文、案卷号、页码和版本号；以及分币金额是重点时的金额。

针对宣传性语言

AI 模式	人类替代表述
“开创性的”	描述它实际做了什么
“革命性的”	与此前的做法进行比较
“尖端的”	具体说明所用技术
“变革性的”	用证据展示变革

参考文件

如需了解详细模式和大量示例，请参阅：

本表的重点是“由什么强制执行”这一列。 列出 11 章参考资料，会让人以为涵盖了 11 章内容；事实并非如此。其中 4 章没有可执行模块，在此标记为仅供参考，这样就没人需要在将草稿提交干净审查流程后才重新发现这一缺口。（第 05 章的粗体条目正是如此，直到 v5.134.0 才得到强制执行——参见 docs/investigations/2026-08-05_emphasis-enforcement.md。）

文件	内容	强制执行方式
references/_index.md	概述和快速筛查指南	—
references/01-puffery-and-exaggeration.md	“堪称”、浅显分析	wikipedia-puffery
references/02-promotional-language.md	“丰富多彩的图景”、免责声明	wikipedia-promotional
references/03-structural-patterns.md	章节摘要、否定式平行结构	wikipedia-structural
references/04-stylistic-quirks.md	优雅变体、虚假范围	仅供参考 — 可用正则表达式匹配，但必须先通过 ai-tic 语料库门槛
references/05-formatting-and-typography.md	粗体、长破折号、表情符号	emphasis、formatting、em-dash（粗体/表情符号自 v5.134.0 起）；行内标题列表部分覆盖
references/06-communication-patterns.md	主题行、“希望这能帮到你”	wikipedia-communication
references/07-template-artifacts.md	疯狂填词模式、占位符	wikipedia-template-artifacts
references/08-markup-issues.md	Markdown 与维基文本混淆	仅供参考 — 特定于维基文本；仓库内没有对应项
references/09-chatgpt-specific-artifacts.md	turn0search、oaicite	wikipedia-chatgpt-artifacts
references/10-citation-problems.md	虚构的 DOI、失效链接	仅供参考 — skills/cite-check、skills/source-verify 和 cite-fidelity-* 约束的覆盖效果更好；它们会将引文与来源核对，而不是对引文进行模式匹配
references/11-meta-indicators.md	突然截断、风格差异	仅供参考 — 需要判断；已纳入 user-agents/writing-reviewer.md 评估标准

每个具名系统都是 ${CLAUDE_PLUGIN_ROOT}/scripts/prose-audit.py 中的系统，因此它报告的问题都带有 span id。 标记为仅供参考的章节不会生成 span；根据“读者规则”，它指出的任何问题都属于判断，而非确定性发现。

自动检测

此插件包含 PostToolUse 钩子，会自动扫描 Write/Edit 输出中的反模式。检测到相关模式时：

1. 钩子会发出警告，并指出检测到的具体模式
2. Claude 会立即修改内容
3. 修改会移除或替换被标记的模式

钩子会自动检查所有严重性为 CRITICAL 和 HIGH 的模式。

核查事实

• 用户对风格的要求（“写得简洁有力”“语气专业”）是对预期效果的要求，而不是对 AI 痕迹的要求；如果用浮夸措辞、模棱两可的表述或强调格式来实现这些要求，交付的文本读起来就会明显像 AI 生成的，损害用户的信誉。
• 快速浏览不等于核查。核查需要逐句对照模式列表；如果因为觉得指出浮夸措辞过于吹毛求疵，就在快速浏览时放过它，那么把未经审查的文本说成已审查过，就是未经证实的说法。

核心原则

摘自 Wikipedia 的指南：

1. 这些是迹象，而非证据 - 多种迹象会增强判断的可信度
2. 语境很重要 - 有些模式也会出现在人类写作中
3. 关注更深层的问题 - 表面缺陷反映出综合能力和质量方面的问题
4. 不要依赖检测工具 - 需要人工判断

相关技能

• /writing - 《风格的要素》中的核心写作原则
• /writing-legal - 法律写作（第 2 阶段）
• /writing-econ - 经济学写作（第 2 阶段）