我在医院工作，业余写给家长看的科普。这两年初稿很多是让 Claude 先起的，改稿时最花时间的就是把那股 AI 味去掉。今年想干脆做一个 Claude Code 的 skill 来干这件事，动手之前先去 GitHub 上看了看别人怎么做的。
中文的同类项目我读了 13 个，星数最多的一万八千多。读下来发现两个问题。
很多规则没被验证过
这些项目的规则清单大同小异：句子要长短参差，少用“首先、其次、最后”，删掉设问，少用比喻和排比，多加口语词，“值得注意的是”换成“说白了”。
其中只有一个项目认真测过。lieflat-less-ai-tone 的作者找了五个模型各写 60 篇，一共 300 篇，对照 329 篇人写的公开文章，总共 283 万字，把网上流传的 26 条判据挨个算了频率。
站得住的只有 11 条。
被推翻的那 15 条里，有几条是大家最爱引用的。句长均匀度人机没差别，早先“AI 均匀度是人的 51 倍”的说法，是程序把 Markdown 表格切成了一句话。正文里的设问，人类用得是 AI 的 17 倍，比喻是 2.4 倍。倒是“说白了”开头的句子，AI 多用 3.2 倍。
也就是说，照着很多教程去改，文字只会离人写的更远。
站得住的 11 条都很具体。最强的一条是段落开头直接下评论、却不说评论对象，比如上一段讲完用药，下一段开头来一句“关键在于家长要保持冷静”。人写这里通常会带个“这”字。AI 在这个位置的频率是人的 4.4 倍，改起来也简单，多数时候补一个字就行。
很多改写示范在编造
另一个问题更要紧。不少项目的示例会教模型“加入个人经历”“补充具体细节”，改完的稿子里就多出了原文没有的数字、作者没说过的态度，甚至一个“上周门诊遇到的孩子”。有两个大项目后来专门在更新日志里承认并修了这个问题。
对写医学内容的人来说，这比 AI 味本身危险。读者可以原谅一篇文章有点机器腔，但不会原谅一个编出来的病例。
我做了什么
我的 skill 把规则按证据分成三级。实测成立的 11 条加上几条中文学术研究里有数据的，当硬规则。多个项目都提到、但没有频率数据的，比如“具有重要意义”“未来可期”这类，只在命中而且确实空洞的时候才改。被推翻的，直接写进“不要做”。
硬规则之上还有四条约束，排第一的是信息守恒：终稿里每个事实都要能在原文里找到，缺材料就标出来交给作者，不替他补。第二条是不改论断强度，“可能”不能改成“会”。
我还写了个扫描脚本，只数那些能用正则定位的形式特征，给出每千字的密度和人机基线的对比。
验证
脚本写完，我用 HC3 中文数据集测了一下。这个数据集里同一批问题既有网友和医生的回答，也有 GPT-3.5 的回答。我又让现在的 Claude 回答了其中 60 个问题，另写了 12 篇科普稿。
一万两千多条人类回答里，被误判为有 AI 痕迹的占 3.4%；GPT-3.5 的回答是 18.9%；Claude 的回答是 85%，科普稿 83%。
GPT-3.5 的检出率低，是因为它的 AI 味主要在词上，“综上所述”“此外”这类词它用得是人的十几到二十几倍，而脚本把套话词只当提示、不计入判定。现在的 Claude 正好相反，这些词几乎不用，毛病全在格式上：65% 的回答先来一句“有以下几种情况：”再接一串列表。
破折号的变化最大。lieflat 测的旧版 Claude 每千字四个多；我翻出五月份让 Claude 写的几篇小红书稿，每千字七八个；现在的版本只有零点几个。同一家的模型，隔几个月就差一个数量级。所以任何固定的“AI 词表”都会过时，这也是我没有做词表黑名单的原因。
一次失败
改稿测试是让一个 agent 按 skill 改 6 篇科普稿，再让另一个没看过 skill 的 agent 当医学编辑，逐句核对有没有改动事实。
事实一个没多。但核查找出了三个问题，其中一个让我后背发凉。
高热惊厥那篇有一节“错误做法”，每条前面有个 ❌：“❌ 掐人中”“❌ 喂水、喂药”。改稿的 agent 按“去掉装饰性符号”的规则把 ❌ 删了。于是“掐人中”三个字成了一个粗体小标题，格式和上面的“让孩子侧卧”一模一样。家长在孩子抽搐的时候是慌着扫读的，截图也经常截不到节标题。
另外两个问题：一篇删掉了全文唯一一句“有疑问及时就医”；一篇把“剂量是关键，孕周也有影响”改成了“先看剂量，再看孕周”，主次没了。
这三条后来都写进了硬约束：删 ❌ 必须换成“别……”；危险信号的加粗不能去；唯一的兜底就医提示不能删；主次也算论断强度。改完规则重跑，前两个修好了，第三个修好了一部分。
局限
人类对照组是问答语料，长文章上的误报率还没测，带小标题的公众号文章可能会高一些。Claude 的样本只有 72 篇。阈值是看过这批数据之后调的，3.4% 偏乐观。DeepSeek、Qwen、Kimi 都还没测。
这些都写在仓库的验证记录里。skill 和脚本都是 MIT 协议开源，脚本只依赖 Python 标准库，不用 Claude Code 也能单独跑：
https://github.com/tangwenwen-md/chinese-de-ai-writing
如果你手上有其他模型的中文对照数据，或者发现哪条规则误伤了你的文字，欢迎来提 issue。
利益相关：文中的 skill 是我做的开源项目。本文初稿由 Claude 协助撰写，数据和结论经我本人核对。
