内容预览:

写完一段文字,读两遍总觉得哪儿不对劲——句子都对,逻辑也顺,可就是透着一股说不清的“机器味”。设问句一个接一个,小标题工整得像模板,翻到第三段读者就滑走了。

有人把这件玄学做成了工程。一个叫 lieflat-less-ai-tone 的开源项目,用两轮共1169篇、约520万汉字的语料做统计,把“AI味”拆成能检测、能定位、能逐句修的指标。更关键的是,它不急着改稿。

先出体检报告,再动刀

配图

多数改写工具的套路是:你把稿子丢进去,它哗啦一遍重写,出来一篇面目全非的东西。你还得逐句比对,看它有没有把你的原意改跑偏。

这个项目的顺序反过来。给它一篇成稿,它先输出一份检测报告,带指标、带原文例句,告诉你哪几句有问题、问题出在哪类特征上。你回复确认之后,它才进入改写和复测环节。

这个设计解决的是一个很实际的痛点:你永远知道它在改什么,也知道为什么改。改完还能复测,前后对比一眼看清。

520万字语料,只留真正影响阅读的特征

配图

市面上关于“AI味”的说法很多,有人说是词汇太中性,有人说是句子长度太均匀,有人说是过渡词太密。猜来猜去,不如拿数据说话。

这个项目的数据基础是两轮共1169篇、约520万汉字语料统计。做的一件事很朴素:从大量文本特征里,筛出真正影响阅读体验的那几个。

这一步的意义在于做减法。文本特征可以列几十上百个,但多数对读者感知没影响,抓着一堆无关指标改稿,只会越改越累。只留下真正起作用的那几条,检测报告才不会变成噪音。

配图

最小改写:别把好句子一起误伤

配图

改AI味最容易翻车的地方,是矫枉过正。

原本一个自然的设问句,被改成陈述句;原本清晰的小标题结构,被打散重组。改完确实不像AI了,但也不像你了。

这个项目采用的是最小改写思路:只动有问题的句子,尽量不误伤原本自然的设问句和小标题结构。检测报告已经定位到具体句子,改写就只在这些位置上做文章,其余部分原样保留。

对经常改稿的人来说,这条原则比任何花哨功能都值钱。改稿的成本大头从来不是改,是改完之后重新校对那些本不该动的地方。

装起来有多省事

配图

支持 Agent Skills 的 AI,可以直接安装仓库中的 skill。装完就能在对话里调用,不用切工具、不用开网页。

不想装 skill 也行,项目支持在本机运行脚本,本地跑检测和改写,稿子不出自己的机器。

项目在 GitHub 公开,采用 NOASSERTION 协议,免费开源。协议名字看着陌生,实际含义是作者保留了署名等权利,但项目本身公开可用、不收费用。

具体怎么用,一句话就够:告诉你的 AI 助理“帮我安装好这个开源项目,并告诉我如何使用”,剩下的它会带你走完。

配图

拿桌面级 AI 助理举例,每日免费提供2000万token的额度,装个 skill 完全够日常改稿用。装好之后,一篇稿子从检测到复测,流程就跑通了。

需要提醒一句:工具能给的是指标和定位,最终判断哪句该留哪句该改,还是你自己的语感说了算。检测报告是参考,不是判决书。

收个尾

如果你手上正压着几篇“读着别扭但说不上哪不对”的稿子,不妨照这个顺序走一遍:先检测拿报告,再定点改写,最后复测对比。改之前把原稿存一份,改完回头看看,哪些是真问题,哪些是你自己的风格被误伤了——这个对比本身就是最好的练习。