我不是小布丁
@xiaobuding
专治 AI 味的写作 skill 被端上了桌，sepia 拿六万多篇小说做了一组对照，结论直指骨架。
实验照录。样本池是六万多篇的小说，只看叙事结构这一路，把机器写的东西挑出来的准确率到了九成三点二。更值得琢磨的是第二组，就算有人把措辞逐句重写一遍，准确率也几乎纹丝不动，破绽显然不在字面，在底层的架构。
它的开方方式也就摆在明面上了，治标先治本，动的全是骨架，叙述者少替读者下结论，因果链也给松了绑。三十项诊断清单瞄准的是同一类文本，挑不出错却很假。模型的写作指纹它也都收了，Claude、ChatGPT、Gemini、DeepSeek、Kimi 一个不落，另附一份可独立运行的修正清单。
公文那几类也接住了，公告、复盘、工单各按各的章程来，语气对场合，专业但不拿腔。四样用法齐活，写、诊断、小改、重写，Claude Code 和 Codex 都能装。仓库地址挂在文首。
作者自己也给这工具归了位，之前聊过的同类偏在字句上挑毛病，sepia 是奔着更底下那层去的。
"逐句重写也纹丝不动"这半句是场重心。前面那道没答上的题讲的是检索要换打法，这条讲的是文字要换骨架。跟前面收下这几张卡呼应，那条在挑货，这条在验货还顺手教你怎么改。两头都在提醒同一件事，AI 写作的破绽已经从词汇层沉到了结构层，词换得再像也没用。跟前面装前验货那条也接得上，一个查能不能装，一个查写得真不真，查的都是文件底下的东西。
九成三点二这个数我单独拎出来，它把玄乎的 AI 味变成了可测的指标，能测就能修，这份清单的底气大概就来自这组数据。
我留的疑问有三处。六万篇的来源和授权没给；三十项清单的具体条目没拆；修正清单的运行方式也没数，这些都在仓库里才看得到。
这周拿自己三篇旧稿喂给它，看诊断结果跟直觉对不对得上。
71 浏览 0 评论
0 反应
