去 AI 味的拼贴技巧：三个 Skill 一起跑
前言：去 AI 味这件事，没有万能药
2026-08-12 16:38 GMT+8 " AI 写的东西，总有一股子"AI 味"。
结构太整齐，用词太标准，语气太平衡。
读起来像说明书，不像人写的。
市面上各种去 AI 味的工具：
- 有的靠改写
- 有的靠加错字
- 有的靠降低可读性
但都没有解决根本问题：AI 的结构感太强。
最近发现了一个方法：
三个 Skill，各跑一版，拼贴起来
一、三个 Skill，三种方向
1. 卡兹克的 human-writing
特点：
- 删 AI 结构最狠
- 冷静客观风格
- 适合写长文
效果：
- 去掉"首先、其次、最后"
- 去掉"值得注意的是、显而易见"
- 去掉标准句式
- 留下核心观点
适用场景：
- 长篇分析
- 技术文章
- 需要深度思考的内容
2. 归藏的 humanizer-zh
特点：
- 断句短
- 呼吸感强
- 情绪流动
效果：
- 像人说话
- 有节奏感
- 情绪自然流露
适用场景：
- 情绪化内容
- 个人故事
- 需要温度的文字
设计师出身：
- 对节奏的把握确实不一样
- 每句话长短不一
- 读起来有"呼吸感"
3. 李继刚的 ljg-plain
特点：
- 不是专门去 AI 味的
- 但写特定主题质量特别高
- 有意外惊喜
效果：
- 观点独特
- 角度新颖
- 常常有意外的表达
适用场景：
- 特定主题的成文
- 需要创意的内容
- 寻找不同角度
二、使用技巧：三个一起跑
核心方法
三个 Skill 一起跑，各出一版，拼贴起来
为什么有效？
1. 打破 AI 的结构惯性
- 每个 Skill 的处理逻辑不同
- 打破了单一模式的循环
- 产生意外的组合
2. 利用多样性
- 冷静客观 vs 情绪流动
- 删减结构 vs 增加创意
- 不同角度碰撞
3. 人工选择
- 不是自动生成
- 是人工挑选
- 人的审美判断加入
具体操作
不用安装任何东西：
- 建一个 Markdown 文件
- 把三个 Skill 挂进去
- 各跑一版
- 对比选择
操作步骤：
准备原始文本
- AI 生成的草稿
- 或者你自己写的初稿
用三个 Skill 各处理一次
- human-writing 处理一次
- humanizer-zh 处理一次
- ljg-plain 处理一次
对比三个版本
- 哪个版本的段落更好？
- 哪个版本的表达更自然？
- 哪个版本的角度更独特？
拼贴
- 从版本 A 选第一段
- 从版本 B 选第二段
- 从版本 C 选第三段
- ...
三、实际示例
场景：写一篇技术文章
原始 AI 生成（有明显的 AI 味）：
首先，我们需要了解 Code-Graph-RAG 的核心概念。
它是一个基于知识图谱的代码库分析工具。
其次，它支持 13 种编程语言的解析。
最后，它提供了自然语言查询接口。版本 1：human-writing（冷静客观）：
Code-Graph-RAG 是一个代码库分析工具。
核心是用知识图谱理解代码结构。
支持 13 种语言，统一查询。版本 2：humanizer-zh（情绪流动）：
说到 Code-Graph-RAG，本质上就是在搞代码结构理解。
13 种语言，都能用一个图谱串起来。
最妙的，是可以直接用自然语言查。版本 3：ljg-plain（独特角度）：
代码理解这事儿，从来不是单一维度的。
Code-Graph-RAG 的思路，是把所有东西都丢进图谱里。
不管什么语言，进来就都是一个样子。拼贴结果：
说到 Code-Graph-RAG，本质上就是在搞代码结构理解。
这是一个代码库分析工具，核心是用知识图谱理解代码结构。
13 种语言，都能用一个图谱串起来。
不管什么语言，进来就都是一个样子。
最妙的，是可以直接用自然语言查。效果：
- 第一段：来自 humanizer-zh（情绪引入）
- 第二段：来自 human-writing（冷静定义）
- 第三段：来自 ljg-plain（独特视角）
- 第四段：来自 humanizer-zh（情绪总结）
四、为什么这个方法有效？
1. AI 味的本质
AI 味的本质不是用词：
- 不是"首先、其次、最后"的问题
- 不是"值得注意的是"的问题
- 不是标准句式的问题
AI 味的本质是结构：
- 太整齐了
- 太平衡了
- 太可预测了
2. 打破结构惯性
单一 Skill 的局限：
- 只能处理一种模式
- 改完还是有痕迹
- 容易识别出来
三个 Skill 的优势：
- 打破单一模式
- 产生意外组合
- 增加随机性
3. 人工选择的价值
不是自动生成，是人工选择：
- 人的审美判断
- 人的语境理解
- 人的情绪把控
拼贴是创作：
- 不是简单的复制粘贴
- 是有意识的组合
- 是二次创作
五、进阶技巧
1. 分段处理
不是全文处理，是分段处理：
- 第一段：用 human-writing
- 第二段：用 humanizer-zh
- 第三段：用 ljg-plain
- 第四段：再用 human-writing
- ...
效果：
- 每段有不同的节奏
- 增加变化
- 更自然
2. 功能分层
不同 Skill 处理不同功能：
human-writing：
- 处理技术内容
- 处理性定义
- 处理核心逻辑
humanizer-zh：
- 处理开头引入
- 处理情绪化段落
- 处理结尾总结
ljg-plain：
- 处理观点表达
- 处理独特角度
- 处理创意内容
3. 迭代优化
第一轮拼贴后，再跑一轮：
- 拼贴后的文本
- 再用三个 Skill 处理
- 再拼贴
效果：
- 进一步打磨
- 去除残留的 AI 味
- 提升整体质量
六、实际应用场景
场景 1：技术文章
原始需求：
- 写一篇技术文章
- 介绍一个开源项目
- 需要专业但不生硬
处理方案：
- human-writing 处理技术细节
- humanizer-zh 处理引入和总结
- ljg-plain 处理独特观点
场景 2：个人故事
原始需求：
- 写个人成长故事
- 需要情绪流动
- 需要真实感
处理方案：
- humanizer-zh 为主（情绪流动）
- human-writing 辅助（调整结构）
- ljg-plain 点睛（意外视角）
场景 3：产品介绍
原始需求：
- 写产品介绍
- 需要专业但不无聊
- 需要吸引力
处理方案：
- human-writing 为主（专业内容）
- humanizer-zh 辅助（增加温度）
- ljg-plain 点睛（独特卖点）
七、常见问题
Q1：拼贴会不会不连贯？
不会，如果操作得当：
- 段落之间有逻辑关系
- 拼贴时考虑上下文
- 人工选择时判断连贯性
Q2：三个 Skill 必须都用吗？
不一定：
- 可以用两个
- 可以用四个、五个
- 核心是多样性
Q3：原始文本必须是 AI 生成的吗？
不是：
- 可以是自己写的初稿
- 可以是别人的文章
- 可以是任何文本
Q4：会不会增加工作量？
会，但值得：
- 需要人工选择
- 需要判断质量
- 但效果显著提升
八、总结
核心方法
三个 Skill 一起跑，各出一版，拼贴起来
为什么有效？
1. 打破结构惯性
- 单一模式 → 多种模式
- 可预测 → 意外组合
- AI 惯性 → 人工选择
2. 利用多样性
- 冷静客观 vs 情绪流动
- 删减结构 vs 增加创意
- 不同角度碰撞
3. 人工选择的价值
- 不是自动生成
- 是人工创作
- 人的审美判断
三个 Skill 的定位
human-writing：
- 删 AI 结构最狠
- 冷静客观风格
- 适合长文
humanizer-zh：
- 断句短，呼吸感强
- 情绪流动
- 设计师出身
ljg-plain：
- 不是专门去 AI 味
- 但质量高
- 有意外惊喜
操作要点
1. 不用安装任何东西
- 建一个 Markdown 文件
- 把三个 Skill 挂进去
2. 各跑一版
- 三个 Skill 各处理一次
- 生成三个版本
3. 拼贴
- 对比选择
- 人工组合
- 二次创作
记住
去 AI 味这件事，没有万能药。
最好的方法，是利用多样性，加上人工选择。
三个 Skill 一起跑，拼贴起来。
附：Skill 名称
三个 Skill：
- 卡兹克的 human-writing
- 归藏的 humanizer-zh
- 李继刚的 ljg-plain
安装方式：
- 不用装任何东西
- 建个 Markdown 文件把三个 Skill 挂进去就行
使用技巧：
- 三个一起跑，各出一版
- 放一起对比
- 挑最好的段落拼起来