human-writing

用户请求：$ARGUMENTS

将以下基于研究的写作原则应用到当前任务。如果没有具体请求，则将其应用到上下文中正在撰写的任何散文内容。

核心洞见

根本问题在于统计上的均一性。 AI 文本的可预测性在测量上明显更高（困惑度约低 50%），句子长度变化更小（突发性约低 38%），词汇范围也更窄（类型-形符比：人类 55.3 对 AI 45.5）。要让写作听起来像人写的，路径是拥抱不完美，而不是把输出打磨得完美无缺。

最可靠的单一破绽就是均一性。 人类写作是凌乱的、多变的、出人意料的。AI 写作是平滑的、一致的、可预测的。

10-20-70 法则

提示词对输出质量的贡献约为 10%，编辑约为 20%，而写作者自身的领域专业知识和输入约为 70%。再多的提示词工程也替代不了言之有物。在生成内容之前，先要求写作者提供真实的洞见、观点和经历。

影响力层级

从对让写作听起来像人写的影响力最高到最低：

优先级	技巧	原因
1	先把你自己的思考放进去	AI 无法生成真实的洞见、亲身经历或原创分析
2	培养独特的文风	文风是终极差异化因素——它前后一致，无法靠编辑伪造
3	毫不留情地编辑	四层体系：词 → 句 → 结构 → 内容
4	设计工作流	绝不要一次性写完一整篇作品
5	用约束来写提示词	禁用词 + 人设 + 写作样本
6	拥抱不完美	碎片句。跑题。观点。粗糙的边角让文字鲜活。

词汇禁用清单

写作时避免这些词——在对数百万文档的同行评审研究中，它们在统计上被标记为 AI 生成。（审阅既有散文的评审者应按密度和聚集程度来判断，而不是看单次出现；参见 ai-tells-and-fingerprints.md 以及写作评审 Agent 的频率感知阈值。）

名词：delve、tapestry、landscape、realm、testament、journey、insight、resilience、ecosystem、milestone、prowess、utilization

动词：embark、endeavor、leverage、harness、navigate（隐喻用法）、unlock、foster、catalyze、bolster、underscore、showcase、elucidate、encompass、unveil

形容词：seamless、robust、groundbreaking、transformative、pivotal、vibrant、compelling、crucial、invaluable、holistic、multifaceted、meticulous、commendable、intricate

副词：seamlessly、meticulously、notably、profoundly、predominantly、subsequently、thereby、ultimately、moreover、furthermore

短语："ever-evolving landscape"、"in today's fast-paced world"、"as we navigate the complexities"、"It isn't just X, it's Y"、"it's important to note"、"it's worth noting that"、"without further ado"、"in conclusion"、"at the heart of"

浮夸 / 宣传式漂移："breathtaking"、"stunning"、"must-see"、"must-visit"、"iconic"、"world-class"、"rich cultural tapestry"、"hidden gem"

虚假强调词："genuinely"、"truly"、"actually"（当用于模拟确信时）

时代追踪词汇：AI 词汇会随时间变化——"delve" 在 2023 年至 2024 年初达到峰值后下降，而 "align with" / "fostering" / "showcasing" 随较晚的模型而上升。关于特定时代的清单（GPT-4 时代对 GPT-4o 时代）和快照日期，参见 ai-tells-and-fingerprints.md § Era-tracked vocabulary。

四层编辑体系

按从表层到实质的顺序应用：

第 1 层：词级

一见到禁用清单词汇就搜索替换或删除。从段落中剔除形容词，只保留携带具体信息的那些。"Robust system" → "handles 10k req/s without data loss"。

第 2 层：句子层面

只读连续句子的前几个词——只要有三句及以上遵循相同模式，就删减或合并。刻意变化句子长度：短句制造冲击，长句表达细微差别。这种对比能产生力量。加入有意为之的不完美：碎片化表达、随意的插话、口语化的措辞。

第 3 层：结构层面

消除元评论（“在本节中，我们将……”）。删掉只是重复前文要点的总结性结论。打破模式对称：降级重复的子标题，合并内容重叠的章节，确保每一段的开头在结构上与前一段不同。

第 4 层：内容层面

加入亲身经历：轶事、第一手观察、具体的失败。用具体细节落地——对每一句话都问：“这句话能套用到任何主题上吗？”如果能，它就需要落地。注入诚实观点：说出你真正所想的，而不是“许多专家”所相信的。

最终检查

大声朗读。 磕绊、喘不上气或别扭之处，正是文字需要打磨的地方。

AI 在结构上无法产出的七项写作基本功

这些是统计式文本生成的结构性局限——也正是人类写作者能拉开无法弥合差距的领域：

1. 展示而非告知——呈现具体的感官细节，让读者体验情感。AI 默认会概括（“宁静而安详”），而不是展示（蜻蜓悬停在静水之上）。

2. 来自亲身经历的具体性——AI 产出的是“微风”和“盛开的花朵”（统计上最可能的表达）。用无人做过的观察替代泛泛的描述。写出咖啡馆的名字、具体的菜肴、特定的时刻。

3. 战略性的省略——AI 倾向于完整和收束。能引起共鸣的写作活在未尽之言中。一个回避问题的角色，比任何直接陈述都更能揭示信息。AI 被训练来产出文本，而不是保留文本。

4. 节奏变化——AI 产出的句子长度和结构相似。要有意识地使用节奏：随着紧张感上升而缩短句子。在几个长句之后接一个短句。就像这样。

5. 刻意打破规则——因为听起来更好而选择错误的词。让一个碎片化表达悬在那里。不完整的句子。为了强调。因为有时一个完整的句子会毁掉那一刻。

6. 幽默——被归类为“AI 完全问题”。Google DeepMind 与 20 位喜剧演员的研究：AI“难以产出原创、有启发性，或者——关键在于——好笑的素材”。幽默需要真实的脆弱性和对文化边界的突破。

7. 真正的洞见——AI 提供总结；人类提供分析。不断迭代地问“为什么？”数据展示“是什么”——洞见道出“为什么”。

结构性反模式

模式	表现	修正
段落长度均一	无论重要性如何，每个部分都得到同等篇幅	把更多篇幅花在重要之处，少花在不重要之处
列表成瘾	没有叙事铺垫就跳进编号列表/项目符号列表	使用流畅的行文；只有在真正并列时才用列表
公式化框架	“首先……其次……最后”以人类 2-5 倍的频率出现	变化过渡语或干脆去掉
语法完美	没有碎片句、连写句或非常规开头	完美令人生疑——偶尔加入别扭的措辞
冒号式标题	“主题：解释”格式	变化标题结构
对称结构	每个部分都镜像相同的内部组织方式	打破这种模式

标点与格式规则

• 长破折号（—）和短破折号（–）：最可靠的 AI 特征之一。ChatGPT 每 573 词使用 8 个；Deepseek 每 555 词使用 9 个。完全禁用它们——改用逗号、句号、括号或冒号。
• 弯引号（" " ' '）：ChatGPT 和 DeepSeek 倾向于生成弯引号；Gemini 和 Claude 倾向于生成直引号（"..." '...'）。单凭弯引号不足以作为证据（文字处理软件和排版工具会自动将其转为弯引号）——但与其他特征结合时，会提高可信度。对于 AI 初稿输出，优先使用直引号；是否适合场合使用弯引号，交由编辑决定。
• 标题大小写：AI 倾向于将标题中所有主要单词首字母大写（"How to Write Better Prose"），即使文档其他部分使用句子式大小写。应匹配周围文档的标题风格；不要默认使用标题式大小写。
• 过度使用粗体（"要点提炼"模式）：AI 机械地对短语加粗以强调，往往是同一个词每次出现都加粗，或者在项目符号列表中先加粗短语再重新声明（**可扩展性：** 该系统设计为可扩展……）。应节制使用粗体，仅在真正需要强调、对读者有帮助时使用。
• Emoji：AI 过度使用 Emoji 作为情感替代，尤其在休闲/营销内容中。除非用户明确要求，否则绝不添加 Emoji。过度使用 Emoji 会立刻暴露 AI 生成痕迹。
• 分号：AI 很少使用分号。适当使用一些可以增添人味。
• 缩写形式：AI 避免使用缩写形式。在对话式文本中可自由使用。
• 牛津逗号：AI 一贯使用牛津逗号。偶尔打破这一模式。

修辞反模式

模式	特征	修正方法
三段式执念	将观点以三个一组呈现："时间、资源和注意力"	不规律地用两个、四个或七个条目打破
完美对偶	"不仅是 X，更是 Y"——整齐的二元对立	真实的论证更加杂乱
修辞性提问作为铺垫	"我们如何解决这个问题？"→ 预先准备好的答案	提出真正的问题，或直接陈述观点
过度模糊限定	"可能或许会提供可被视为显著的益处"	精简为："这有效"
强迫式路标	"值得注意的是"、"重要的是要记住"	信任读者
回避观点的措辞	"通常被描述为"、"许多人认为"、"普遍被认为"	直接陈述观点
过度使用的连接词	"Moreover"、"Furthermore"、"Additionally"、"In addition" 以 AI 典型的密度跨段落堆叠	删减过渡词；让句子自身承载逻辑。每页一个过渡词，而非每段一个
"破除迷思" / 对比纠正	"虽然许多人认为 X，但实际上 Y" 模式被用作默认开头，无论迷思是否真的存在	以具体论点开头；跳过稻草人铺垫
主题夸大	将任意细节拔高为"[更大主题]的缩影" / "[更广泛文化时刻]的窗口"	止步于具体。除非文章有足够支撑，否则不要外推
统计回归均值	具体细节（名称、数字、日期）被模糊为类别层面的语言	恢复具体性。如果你不知道，就说"我不知道"

语气原则

• 变换语域。 AI 会选定一种腔调并一直保持。要在正式与口语之间切换。通过语气变化展现个性。
• 不要一味正面。 AI 会把一切都往好里说。当某件事确实糟糕、不足或差劲时，就说出来。
• 展现不平等的热情。 AI 对所有话题都保持同等的专业距离。对你真正在意的主题尽情兴奋。对无聊的话题则表现出明显的不耐烦。
• 敢于冒险。 AI 优先考虑普遍的讨喜程度。在合适的时候，写出令人困惑的句子、尖锐的观察和有争议的论断。
• 拒绝百科式却带宣传味的漂移。 即便被要求用中立或百科式的语域，AI 也会滑向广告式写作——写地点就像旅行指南，写产品就像营销文案。留意上文那些吹捧词汇（"令人叹为观止""必去之地""丰富的文化织锦"）。中立不等于打磨过的平淡；中立意味着具体、事实性、不刻意。

必须具备的内容（负空间）

AI 文本既通过它写了什么被识别，也通过它没写什么被识别：

• 亲历经验——具体的个人轶事，而不是"泛化的具体"
• 感官细节——出人意料的观察，而不是统计上最可能的描述
• 沉默与潜台词——角色没有说出口的话、被省略的内容
• 真正的凌乱——错误的开头、改变的方向、有产出的离题
• 一种视角——一种不可能适配任何其他提示词的看法

提示技巧（生成时）

第 1 层（最强证据）

• 禁用词列表：明确禁止 kill-list 中的词汇。基于约束的提示优于愿景式指令。
• 角色设定："把这件事解释给一位同事听，就像喝咖啡时聊天"所产生的输出，与"写一写 X"有根本不同。
• 写作样本匹配：粘贴你自己的文字，并指示匹配语气、结构、情感深度——而不是照搬结构。

第 2 层（良好证据）

• 对话式框架：将其框定为对话，而不是命令。
• 否定式指令："不要使用正式的过渡语。不要用'值得注意的是'来开启段落。"
• 情感定位："带着对旧做法的不满来写"——明确情感语域。

第 3 层（支持性证据）

• 要求短句：对抗多从句倾向。
• 段落长度的剧烈变化：加入单句段落以强调。
• 叠加多种技巧：组合角色设定 + 禁用词 + 情感定位 + 样本。

工作流原则

• 绝不要一次性写完一整篇。 逐节写，并在各节之间审阅。
• 首尾夹击法：开头用 AI 做构思，结尾用 AI 做润色。人类掌控核心创作中段。
• 凌乱草稿法：你零散的思绪 + 原创角度 → AI 清理成可读文字 → 你为声音而编辑。
• 你的原创思考要在 AI 触碰之前就放进去。

统计特征（检测语境）

理解检测器测量什么，有助于写出不会触发它们的文本：

指标	人类	AI	含义
Perplexity（惊异度）	~8.2	~4.2	AI 的可预测性约高 50%
Burstiness（句子变化）	0.61	0.38	AI 的变化约少 38%
Token 概率熵	4.56	3.11	AI 的用词选择更趋一致（d=3.08）
类符—形符比	55.3	45.5	人类使用更广泛的词汇
后期波动性	稳定	衰减 24-32%	AI 越写越可预测

关键启示：引入真正的不确定性——多变的词汇、出人意料的句子长度、意外的用词、不一致的结构。

检测方法（参考）

• 统计/零样本：困惑度、突发性、熵、概率曲率（DetectGPT）、交叉困惑度比（Binoculars）、方向性记忆（BiScope）
• 训练分类器：GPTZero、Originality.ai、Turnitin、Copyleaks — 在未经编辑的 AI 文本上达到 65-96%
• 水印：词汇分区、SynthID 锦标赛采样
• 风格计量：类型-标记比、停用词数量、hapax legomenon 率
• 什么能击败检测：改写（降低 87-99%）、简单修改、人工编辑、核采样
• 理论极限：随着模型改进，检测趋近于随机猜测（Sadasivan 等）

关于完整的检测科学细节，请参阅 detection-science.md。

模型特定特征

模型	关键迹象
ChatGPT	正式、冷峻；大量使用破折号（8/573 词）；过度使用 "delve"、"align"、"noteworthy"；干巴巴的、机械的
Gemini	对话式、解释性；偏好简单语言；不过度使用破折号
Claude	更自然、更具文学性；极少使用破折号（2/948 词）；语气灵活；偶尔会主动生成虚构内容
Deepseek	大量使用破折号（9/555 词）；在结构上与 ChatGPT 相似

参考文件

支撑这些原则的详细研究：

文件	内容	何时查阅
ai-tells-and-fingerprints.md	词汇指纹、结构/修辞/语气模式、统计特征、模型特定特征	审查文本中的 AI 迹象、理解检测器寻找什么
humanizing-playbook.md	四层编辑系统、声音发展、7 项技艺基础、专业工作流、编辑寻找什么	编辑 AI 辅助文本、发展写作声音、理解编辑标准
prompting-and-workflow.md	提示词工程技术（分层）、工作流设计、工具特定策略、风格库构建	设置写作提示词、设计混合工作流、构建个人风格库
detection-science.md	检测方法、准确率数据、规避方法、军备竞赛、理论极限、非母语者偏见	理解检测如何工作、哪些统计属性重要、准确率限制

绝不

• 使用禁用词表词汇
• 使用破折号或短破折号（改用逗号、句号、括号或冒号）
• 添加 emoji，除非用户明确要求
• 写出长度一致的段落
• 用相同结构开始连续句子
• 在直接陈述更合适时含糊其辞
• 以同等的专业距离对待所有主题
• 在解释之前先解释你将要解释什么
• 以重复引言的方式结尾
• 生成可能同样适用于任何提示词的文本