发现一个特别有意思的github仓库：Humanizer-zh: AI 写作去痕工具（中文版），仔细研究了一下，写了几点感想： 01 去平均化 AI 倾向于让每句话、每段话在信息密度和确信度上保持高度一致。现实中的人有偏心——某些命题果断，某些命题犹豫，某些话题详写，某些话题一笔带过。 02 去支架化 AI 写作充满显式的逻辑黏合剂：首先/其次/再次/此外/因此/综上。现实中的人会让相邻内容通过语义本身衔接，不需要把每个逻辑关系都写明白。 03 增局部性 AI 喜欢全景总括：“覆盖了广泛的应用场景”、“从多个维度深入分析”。把抽象宏词压回具体对象、条件、方法或边界——只用源文本已给出的材料，不补细节。 04增非对称性 AI 生成的结构高度对称：三项并列等长、每段完整自足、详略均匀。打破对称性——合并某项、详写某段、跳过某个话题——是让文本脱离统计平均的核心手段。 其实，从上面4点可以看出，那些百家号、头条号、番茄、公众号等自媒体平台的AI文本检测功能也不如此；知道了这些AI被检测的原理，是不是可以写一个Skillls来规避这些问题？以后会不会都是AI自身不断检测、对抗以及再检测、再对抗，循环往复下去，呈现出一种“螺旋式”上升的未来景象。 #说话有条理 #AI聊天 #人工智能会取代人类吗 #人工智障与人工智能 #ai