skills/haiyuan-ai/agent-skills/ai-flavor-detector

ai-flavor-detector

SKILL.md

AI Flavor Detector

深度分析文本的 AI 生成特征,从多个维度评估文本的"人味"程度。

When to Use This Skill

Trigger this skill when the user:

  • 要求检查文本是否像 AI 写的
  • 问"这篇文章 AI 味重吗"
  • 需要去 AI 化改写
  • 想要绕过 AI 检测器(如朱雀)
  • 想要让文本更有人味、更自然
  • 提到"检查 AI 味"、"检测 AI 味"等触发词

Core Workflow

  1. 获取待检测文本 - 用户粘贴文本或指定文件路径
  2. 多维度分析 - 从 6 个维度检测 AI 特征
  3. 输出评分 - 给出整体 AI 味评分(0-10)
  4. 逐段标注 - 标注问题位置和关键词
  5. 提供改写建议 - 给出具体的去 AI 化改写示例

Output Format

整体评分

AI 味评分:X/10
- 0-3 分:人味很浓,几乎看不出 AI 痕迹
- 4-6 分:人味为主,偶有 AI 特征
- 7-10 分:AI 味明显,需要改写

逐段分析

对每段文字进行:

  • AI 味评分(0-10)
  • 问题位置标注(行号、关键词)
  • 具体问题说明
  • 修改建议

问题汇总

按优先级列出所有 AI 味问题:

  • 高优先级(必须改)
  • 中优先级(建议改)
  • 低优先级(可选)

朱雀专项检测(如适用)

如用户提到朱雀检测,额外输出:

  • 连接词密度分析
  • 结构化程度检测
  • 括号使用说明标注
  • 段落规整度分析

Detection Dimensions

1. 句式结构分析

  • 三段式法则:检测"定义 - 说明 - 总结"的标准化结构
  • 过度结构化:分析是否过度使用"首先、其次、最后"
  • 段落长度:AI 倾向用均匀长度的段落
  • 句子复杂度:AI 句子结构往往过于工整

2. 词汇特征分析

  • 连接词频率:检测"然而"、"此外"、"值得注意的是"、"总而言之"、"与此同时"
  • 量化词汇:AI 喜欢"大大"、"显著"、"广泛"、"全面"
  • AI 特有词汇:"赋能"、"抓手"、"闭环"、"赛道"、"矩阵"、"底层逻辑"
  • 禁用词检测:小红书禁用词(绝绝子、yyds、无敌、巨好用)

3. 主语和语气分析

  • 主语使用:"我们"、"让我们" vs "我"、"我的"
  • 语气判断:客观理性 vs 有情绪、自嘲、个人化
  • 祈使句比例:AI 倾向用"建议"、"应该"、"必须"
  • 疑问句缺失:AI 很少用反问、自问

4. 具体性和真实性

  • 时间细节:是否有具体时间(20 号晚上、1 月 21 日)
  • 地点细节:是否有具体地点、场景
  • 个人经历:是否有真实故事、具体案例
  • 数据精确度:AI 用"大约、大概",真人用"1 分 52 秒"

5. 网络用语和口语

  • 网络用语使用:是否使用网络流行语
  • 使用自然度:用力过猛 vs 自然融入
  • 口语化表达:"好家伙"、"新坑"、"绝了"等

6. 句子开头模式

  • 句首重复:AI 倾向用相似的句式开头
  • 被动语态:过度使用被动语态
  • 名词化:过度把动词变成名词

Zhuque AI Detection

朱雀 AI 检测是另一个专业的 AI 检测工具,需特别关注以下特征:

朱雀重点检测的连接词(高优先级)

以下连接词在正常文本中密度很低,如果每 3-4 句话就出现一个,判定为 AI:

  • 结构连接词:首先、其次、再次、然后、此外、总之、总而言之
  • 转折连接词:然而、但是、其实、实际上
  • 补充连接词:还有啊、其实啊、值得注意的是
  • 时态连接词:随着、发展、在某某时代、在某某今天
  • 总结连接词:综上所述、由此可见、可以说

朱雀禁用特征(必检项)

  1. 序号和列表

    • 禁止出现:一、二、三,以及阿拉伯数字 1、2、3 等
    • 检测:真人写观点时很少用序号列举
  2. 括号和说明性标记

    • 禁止任何括号(圆括号、方括号等)及说明性标记
    • 检测:真人很少用括号做补充说明
  3. 破折号使用

    • 频繁使用破折号进行补充说明
    • 示例:"这个功能——不仅仅是功能的扩展——代表了..."
    • 检测:自然写作中破折号使用很少,AI 则偏爱使用
  4. 段落结尾标点

    • 真人写作风格:段落结尾不使用标点符号
    • AI 写作特征:每个段落都有句号结尾
    • 检测:观察段落是否都以标点结束

反朱雀核心策略(人味信号)

以下特征是强人味信号,用来对抗朱雀检测:

  1. 思维过程真实化

    • 展现真实的思考过程,包括犹豫、转折、突然想到
    • 示例:"对了,还有个事情想说..."
    • 在某处提出问题后自己回答
    • 分享个人小故事或感受
  2. 表达不完美化

    • 段落长短不一,有时可能就一句话成段
    • 口语化表达和不太规范的句子
    • 某些观点可能会多说几句,而不是面面俱到
    • 用自然的方式过渡,而不是明显的结构词
  3. 情感波动自然化

    • 加入自己的情感和看法,有时甚至有点主观
    • 和读者互动,问问题,引发思考
    • 该感叹时就感叹,但不要太夸张
    • 整体看起来随性自然,不像是精心设计的
  4. 视角切换自然化

    • 讲述个人经历时使用"我"
    • 分享共同经验时使用"我们"
    • 直接对读者建议时使用"你"
    • 讨论普遍现象时可使用第三人称

Resources

详细检测标准参考:

  • references/wikipedia-ai-features.md - 维基百科 AI 写作特征综合指南
  • references/zhuque-detection.md - 朱雀 AI 检测详细指南和反制策略

Troubleshooting

误判技术定义为 AI 味

  • 问题:将技术定义引言误判为 AI 特征
  • 解决:技术定义引入是合理的,不应判为 AI 味

误判 prompt 指令为正文

  • 问题:将"我是一个工作 20 年..."这种给 AI 的指令判为 AI 味
  • 解决:区分 prompt 指令和文章正文

误判代码和命令

  • 问题:将标准化的代码、命令判为 AI 特征
  • 解决:技术命令本身就是标准化的,不应判为 AI 味

误判引用内容

  • 问题:将引用官方文档或标准判为 AI 味
  • 解决:引用内容本身是标准化表达,不应判为 AI 味

检测逻辑

AI 味 = (标准化句式 × 连接词频率) + (缺乏个人细节 × 缺乏情绪表达) - (个人经历 × 口语化 × 具体细节)

输出原则

  1. 不要只给分数 - 要给出具体位置和原因
  2. 区分正文和 prompt - 区分是文章正文还是给 AI 的指令
  3. 提供修改建议 - 给出具体的改写示例
  4. 避免误判 - 技术定义、引用内容不要误判为 AI 味
  5. 鼓励个人化表达 - 强调个人经历和口语化表达的价值

参考标准

  • 维基百科"AI 写作特征"综合指南
  • 反朱雀 AI 检测提示词(姚金刚 V2.0)
Weekly Installs
4
First Seen
Mar 1, 2026
Installed on
github-copilot4
codex4
kimi-cli4
gemini-cli4
cursor4
amp4