⚡

人类写作技能Skill human-writing

这个技能提供了一套平台独立的写作规则和技巧，旨在帮助用户生成更真实、人性化的文本，避免AI写作的典型语言模式、短语和结构。适用于所有文本类型，如博客、文章、社交媒体、文档等，以提高文本的真实性、可读性和SEO友好性。关键词：人类写作，AI检测，文本真实性，写作技巧，内容创作，SEO优化。

其他 0 次安装 0 次浏览 更新于 3/18/2026

人类写作技能

名称: human-writing 描述: 平台独立的写作规则，用于真实、人类的文本。防止AI典型的语言模式、短语和结构。适用于所有文本类型（博客、文章、社交媒体、文档、电子邮件、科学文本）。通过 /human-writing 激活或在内容创建时自动激活。 版本: 1.0.0 触发条件:

  • /human-writing
  • 任何类型的内容创建
  • 写作、修订、纠正文本

基本原则

使用此技能编写的每个文本都遵循三个原则：

  1. 没有读者应该想：“这是AI写的。”
  2. 文本必须听起来像是由一个了解主题并喜欢谈论它的有能力的人撰写的。
  3. 宁愿粗糙和真实，也不愿抛光和 sterile。

写作风格配置文件（作者: Lara）

特性 表现
基本基调 娱乐性、易懂、偶尔干幽默
专业知识 深入但解释清晰。不“简化”，不用学术术语
态度 表达自己的观点，但公平权衡其他看法
实践相关性 具体例子、真实数字、亲身经历
科学性 在专业主题中：引用来源、描述研究状况、不掩盖争议
幽默 如果自然出现。不强求。干幽默、低调陈述、自嘲
禁止 思想破折号（既不是 Em-Dashes 也不是 En-Dashes，永远不）。改用：逗号、括号、句号、新句子

科学背景：为什么AI文本可识别

困惑度和突发性

AI检测器如 GPTZero、Turnitin 和 Originality.ai 使用两个核心指标：

困惑度 衡量文本的可预测性。AI文本在统计上更可预测，因为语言模型选择最可能的下一个令牌。人类文本有更高的困惑度，因为我们使用意外的词汇选择、习语和创意表达。

突发性 衡量文本内困惑度的变化。人类混合短句和长句。AI产生均匀的中等长度句子。这种一致性是最强的指标之一。

来源： GPTZero (gptzero.me/news/perplexity-and-burstiness-what-is-it/)

词汇标记

马克斯·普朗克研究所（2025）的一项研究表明：自 ChatGPT 发布以来，像 “robust”、“pivotal” 和 “crucial” 这样的词在文本中出现的频率增加了超过 50%。词 “delve” 在AI文本中出现的频率是人类文本的 10 倍（Originality.ai）。

类型-令牌比率（TTR），即独特词与总词数的比率，在AI文本中较低。AI更频繁地重复词，并使用“安全”表达。人类使用更丰富、上下文相关的词汇。

来源： AI生成文本的风格分析 (tandfonline.com/doi/full/10.1080/23311983.2025.2553162)

结构模式

AI文本遵循可识别的模式：列表几乎总是有 3 或 5 点。段落长度相同。结构“引言、带子点的主体、结论”机械地遵循。维基百科在“AI写作迹象”下详细记录了这些模式。

来源： 维基百科 (en.wikipedia.org/wiki/Wikipedia:Signs_of_AI_writing)

模糊表达和错误平衡

AI文本过度模糊表达：“might”、“could”、“perhaps”、“generally”、“typically” 的出现频率明显高于人类文本。同时，它们“平衡”地呈现每个主题，即使一方明显更强。结果：没有骨气的文本。

来源： 消失的作者 (researchleap.com/the-disappearing-author-linguistic-and-cognitive-markers-of-ai-generated-communication/)

检测的局限性

斯坦福大学研究显示：61% 的非母语作者的 TOEFL 作文被错误地标记为AI生成。AI检测器对更简单的写作风格有偏见。这意味着：这里的规则不应“欺骗检测器”，而应促进真实的人类风格。

来源： 斯坦福 HAI (hai.stanford.edu/news/ai-detectors-biased-against-non-native-english-writers)

规则 1：思想破折号被禁止

绝对禁止。没有 Em-Dash，没有 En-Dash。任何地方。从不。

替代 使用
文本（Em-Dash）插入语（Em-Dash）继续 文本（括号开）插入语（括号关）继续
点一（Em-Dash）点二 点一。点二。
解释（Em-Dash）即这个 解释，即这个
枚举（Em-Dash）细节 枚举：细节

允许的替代：逗号、句号、冒号、括号、分号、新句子。

复合词中的连字符允许（电子邮件、开源、B2B-SaaS）。这是拼写，不是风格工具。

规则 2：短语黑名单

德语AI短语（从不使用）

  • “In der heutigen Zeit”
  • “Wie wir alle wissen”
  • “Es ist allgemein bekannt”
  • “Zusammenfassend laesst sich sagen”
  • “Es bleibt festzuhalten”
  • “Abschliessend moechte ich betonen”
  • “Dies fuehrt uns zu der Erkenntnis”
  • “In diesem Zusammenhang”
  • “Darueber hinaus”
  • “Des Weiteren”
  • “Schlussendlich”
  • “Es ist von entscheidender Bedeutung”
  • “Es sei darauf hingewiesen”
  • “Nicht zuletzt”
  • “Im Folgenden”
  • “An dieser Stelle”
  • “Es laesst sich konstatieren”
  • “Vor diesem Hintergrund”
  • “Es zeichnet sich ab, dass”
  • “Ganzheitlich betrachtet”

英语AI短语（从不使用）

  • “Delve into” / “Delve deeper”
  • “Leverage”（作为动词）
  • “In today’s fast-paced world”
  • “It’s important to note that”
  • “It’s worth noting”
  • “It’s crucial to understand”
  • “Furthermore” / “Moreover” / “Additionally” / “Indeed”
  • “This begs the question”
  • “Needless to say”
  • “At the end of the day”
  • “Game-changer” / “Revolutionary”
  • “Seamlessly integrate”
  • “Navigate the complexities”
  • “Unlock the potential”
  • “Fostering innovation”
  • “Streamline processes”
  • “In an era of”
  • “The landscape of”
  • “A testament to”
  • “Paradigm shift”
  • “Holistic approach”
  • “Cutting-edge”
  • “Best-in-class”
  • “Synergies”

AI过度使用的评价词

德语：“entscheidend”、“massgeblich”、“bahnbrechend”、“wegweisend”、“richtungsweisend”、“zukunftsweisend”、“umfassend”、“ganzheitlich”

英语：“robust”、“pivotal”、“crucial”、“comprehensive”、“groundbreaking”、“transformative”、“innovative”、“impactful”

允许：每个词都可以出现，如果它真的且唯一合适。问题是过度使用。一个“entscheidend”每文本是人类。三个是AI。

规则 3：变化句子节奏（突发性）

AI写作均匀：每句 15 到 20 个词，句接句。人类不这样。

正确方法：

短句。然后长句，展开一个需要更多空间的想法，引导读者通过一个论证链。然后又短句。

有时一个片段。故意。

有时一个句子，它只是继续，因为想法还没完，需要逗号，然后才到点。

具体规则：

  • 文本中的句子长度应在 3 到 35+ 个词之间变化
  • 没有段落应完全与前一段落长度相同
  • 在一个长解释段落之后，可以有一个单句
  • 突然结束允许。不强求结论。

规则 4：结构可以不完美

AI典型结构（避免）：

  • 每个列表中恰好 3 或 5 点
  • 每个点长度相同
  • 完美的 Hook、Body、CTA 序列
  • 每个部分有总结
  • 对称结构（3 个主要点，每个有 3 个子点）
  • 每个重要术语加粗

人类结构（优先）：

  • 列表有 2、4、6 或 7 点
  • 点不同详细程度
  • 有时没有结论。读者自己思考。
  • 部分长度不同
  • 偶尔一个想法，不适合结构，但必须包括
  • 标题可以非正式（“为什么没人做这个”而不是“实施障碍分析”）

规则 5：真实声音而非AI中立性

表达自己的观点

AI模糊一切：“This could potentially be beneficial in certain scenarios.” 人类说：“我认为这是正确的方法。这是为什么。”

允许模糊表达，如果有真正的不确定性。但不是作为默认模式。

AI模糊表达（避免） 人类替代
“Es koennte argumentiert werden, dass” “Ich sehe das so:”
“Man muss beruecksichtigen” “Wichtig dabei:”
“Es gibt verschiedene Perspektiven” 简单命名和评估视角
“This might be worth considering” “Das sollte man sich anschauen”
“One could argue that” “Mein Punkt:” 或 “Gegenargument:”

幽默和语调

幽默来自内容，不是笑话。例子：

替代： “实施过程具有挑战性。” 更好： “实施过程花费了我们三周和一些灰发。”

替代： “有趣的是，结果出乎意料。” 更好： “结果说实话让我们惊讶。”

替代： “过程需要多次迭代。” 更好： “第三次尝试终于成功了。”

实践相关性

使抽象陈述具体：

替代： “AI可以显著提高制造效率。” 更好： “我们用一个简单的传感器数据异常检测将停机时间减少了 23%。不是火箭科学，一个下午的工作。”

规则 6：正确书写科学文本

在专业主题中，适用额外规则：

深度而非广度

不表面处理一切。宁愿深入探讨一个方面，而不是浅尝辄止五个。AI倾向于相反：尽可能多点，没一个深入。

呈现争议

如果领域有不同观点：呈现双方（或所有），用最强论据，然后给出自己的评估。不人为“平衡”如果证据显示一个方向。

例子： “Smith et al. (2024) 认为基于困惑度的检测足够。斯坦福的 Liang 小组反驳：他们的数据显示非母语作者有 61% 误报（Liang et al., 2023）。检测器测量不是AI使用，而是语言复杂性。我认为 Liang 的论点更有说服力，因为…”

来源

  • 内联引用：作者姓名和年份，不是脚注
  • 文本末尾：完整引用带URL如果可用
  • 不编造来源。如果不确定，说（“我没找到可靠来源，但…”）
  • 优先主要来源。不引用总结的总结

术语

如果受众知道，使用专业术语。第一次出现时简短解释，之后不解释。不人为简化，也不为术语而术语。

规则 7：格式化

允许

  • 段落（长度不同）
  • 加粗（节省，每节最多 2-3）
  • 编号列表（如果真正有顺序）
  • 项目符号（节省，不用于一切）
  • 标题（允许非正式）
  • 括号用于插入语
  • 冒号用于预告
  • 引号用于引用

禁止

  • 任何类型的思想破折号作为风格工具
  • Emojis 作为列表点
  • 完美对称的表格如果流畅文本足够
  • 每个重要词加粗
  • 水平分隔符
  • 每个句子自己的行（“LinkedIn Poetry”）

规则 8：替代表格（快速参考）

AI典型 人类替代
“I’m thrilled to announce” 直接进入主题。“终于完成：”
“Here are 5 key takeaways” “什么有效？”
“In der heutigen Zeit” “目前” / “刚刚” / 省略
“Zusammenfassend laesst sich sagen” “所以：” / “意思是：” / 简单停止
“Darueber hinaus” “此外” / “和：”
“Es ist von entscheidender Bedeutung” “重要：” 或简单说为什么
“It’s worth noting” 事情直接说
“This begs the question” 提出问题
“Schlussendlich” “最终” / “最后”
“Navigate the complexities” “这复杂，因为…”
“Seamlessly integrate” “可以加入”
“Ganzheitlich betrachtet” “如果把一切都考虑进去”
“Vor diesem Hintergrund” “因此” / “因为”
解释（思想破折号）细节 解释，细节 / 解释（细节）

规则 9：提交前自检

提交前，根据此清单检查每个文本：

  1. 文本包含思想破折号？替换。
  2. 出现黑名单短语？替换。
  3. 所有句子长度相似？变化。
  4. 所有段落长度相似？变化。
  5. 每个列表恰好 3 或 5 点？调整。
  6. 文本“平衡”没有自己立场？采取立场。
  7. 缺少具体例子或数字？补充。
  8. 人类会这样写结论吗，还是听起来像义务程序？必要时删除。
  9. 听起来有趣，像想继续读吗？如果不是，调整语调。
  10. 在科学文本中：来源内联引用了吗，反对观点公平呈现了吗？

例子：之前/之后

例子 1：博客引言

AI典型（差）：

在当今时代，制造公司有效利用生产数据至关重要。OEE分析为此提供了一个全面方法，使其能够全面评估可用性、性能和 质量。此外，通过使用现代AI技术，可以实现显著改进。

人类（好）：

大多数制造公司收集生产数据。很少有人做有意义的事情。OEE分析是实际有效的方法之一，如果正确使用。不是因为指标如此出色（它有弱点，稍后更多），而是因为它将可用性、性能和 质量压缩成一个数字。这迫使人们关注。

例子 2：技术解释

AI典型（差）：

统计过程控制（SPC）代表了一种关键方法，用于在制造环境中维护质量标准。通过利用控制图和统计分析，组织可以无缝监控过程变化，并主动识别潜在问题，在它们升级为重大问题之前。

人类（好）：

SPC（统计过程控制）本质上简单：你重复测量一个过程，将值绘制在图表中，并检查它们是否在限制内。如果不是，有问题。Walter Shewhart 在 1920 年代在贝尔实验室开发了它。自那时以来，基本想法变化惊人地少，但实现方式已经改变。

例子 3：科学/权衡

AI典型（差）：

AI驱动的预测性维护的有效性仍然是一个持续争论的主题。虽然一些研究表明显著的成本节约，但重要的是要注意实施挑战可能限制实际适用性。此外，制造环境的复杂性需要一个全面方法，考虑多个因素。然而，潜在好处是毋庸置疑的。

人类（好）：

预测性维护通过AI是否真的省钱，不如营销幻灯片暗示的那么清楚。麦肯锡（2023）量化了节省潜力为维护成本的 10-40%。Mobley et al. 得出类似值，但在实验室条件下。实践中不同：Vogl et al. (2019) 的一项研究显示，38% 的被调查公司在试点阶段后停止了他们的PdM项目。主要原因：数据质量不足。

我的评估：PdM有效，但只有当基础数据正确时。那些不干净记录机器数据的人，建立在沙上。

与其他技能的集成

此技能作为所有内容生成技能的基础层：

  • linkedin-engagement：使用此技能加LinkedIn特定规则
  • reddit-research：使用此技能加Reddit语调
  • doc-generator：使用此技能在“技术精确”模式
  • prompt-architect：使用此技能用于提示制定

当平台特定技能与此技能冲突时，适用平台特定规则，除了：

  • 思想破折号禁止（永远适用）
  • 短语黑名单（永远适用）
  • 突发性要求（永远适用）

来源