AI Writing Guardrails — 避免写作"AI味"的技能审查流程
What it is
AI Writing Guardrails 是一套用于识别和消除 AI 辅助写作中"AI 味"(AI-sounding language)的审查技能。由 Katie Parrott(Every Newsletter 作者)开发,核心是一个基于规则的红旗检测系统 + 五层评审流程,帮助作者在使用 AI 工具时保持人类声音和原创性。
Why it matters
当 AI 成为写作工具后,一个隐蔽的风险是风格同质化:大量内容开始共享相似的词汇选择、句式结构和论证节奏。这不仅降低了内容的独特性,还可能损害作者的个人品牌和读者信任。Guardrails 提供了一套可操作的防御机制,让 AI 成为增强工具而非风格替代者。
Core Framework
六个 AI 写作红旗(Red Flags)
这些词汇和表达是 AI 写作的"指纹"——它们本身不是错的,但高频出现意味着内容可能缺乏人类视角的独特性:
| 红旗词汇 | 问题 | 替代方向 |
|---|---|---|
| delve | 过度学术化,不自然 | "explore", "look into", "dig into" |
| leverage | 商务 jargon | "use", "make use of", "build on" |
| optimize | 过度优化暗示 | "improve", "refine", "make better" |
| foster | 抽象动词 | "encourage", "build", "create" |
| robust | 过度夸赞 | "strong", "solid", "well-built" |
| holistic | 伪全面性 | "complete", "full picture", "all sides" |
注意:这些词本身不是禁用词,而是"警示信号"——当它们集中出现时,需要警惕内容是否失去了作者的个人声音。
五层评审流程
Initial review → Check for tone → Expert reviewer → Fact-check → Polishing
| 层级 | 目的 | 关键动作 |
|---|---|---|
| 1. Initial review | 识别红旗词汇 | 扫描全文,标记六个红旗词汇的出现次数和位置 |
| 2. Check for tone | 验证语气一致性 | 确保 AI 生成的段落与作者的个人语气匹配;标记"听起来不像我"的部分 |
| 3. Expert reviewer | 深度内容审查 | 检查论证逻辑、事实准确性、数据引用;质疑可疑结论 |
| 4. Fact-check | 验证事实 | 核对所有统计数据、引用、案例来源;标记需要二次验证的声明 |
| 5. Polishing | 最终润色 | 替换红旗词汇、调整句式节奏、确保人类声音主导;不是语法修正,而是风格还原 |
关键原则:AI 是编辑,不是作者
Katie 的核心方法:
- AI 辅助初稿:用 AI 生成框架、扩展思路、克服写作障碍
- 人类主导修改:作者必须逐句审查,确保每个观点都经过自己的判断
- 风格优先于语法:语法可以交给 AI,但风格和判断必须属于人类
"我的编辑发现我开始听起来像 AI。所以我让 AI 先检查我,然后我再检查 AI。"
Evidence across sources
| Source | Key Claim | Relevance |
|---|---|---|
| Every Newsletter (Katie Parrott, 2026-06-09) | 六红旗 + 五层评审流程 | 一手实践经验,提供了可操作的写作审查技能 |
| ai-tools/codex-visual-design-loop | 设计审查中的对抗验证 | 与写作审查流程理念一致:AI 生成 → 人类审查 → 迭代优化 |
| harness-engineering/long-running-agent-harness | Generator + Evaluator 分离 | 写作流程中,AI 是 generator,人类是 evaluator |
Related
- writing/overview — 写作技能的整体框架(如果存在)
- outputs/archives/wiki-audit-2026-11-12/one-off/ai-tools/codex-visual-design-loop — AI 辅助设计的审查流程,与写作 guardrails 理念同源
- harness-engineering/long-running-agent-harness — Generator + Evaluator 的分离架构
- product-trends/software-soul-ai-slop — AI Slop 的宏观分析,写作 guardrails 是具体防御手段
- claude-code/skills-collection — 技能文件作为"可复用审查流程"的载体
Open Questions
- 六个红旗词汇是否足够覆盖 AI 写作的所有特征?随着模型进化,新的红旗词汇会出现吗?
- 五层评审流程是否太繁琐?对于日常写作,是否可以压缩为 2-3 层?
- 这套 guardrails 是否适用于非英语写作?中文 AI 写作是否有不同的红旗特征?
- 如何量化"AI 味"的降低效果?是否有客观的指标(如困惑度、词汇多样性)可以辅助判断?
- 在团队协作中,如何统一 guardrails 标准?不同作者的红旗词汇库是否应该个性化?
Prompts for witness
- 回顾你最近用 AI 辅助写的内容,有没有出现六个红旗词汇?频率如何?
- 你的"个人声音"是什么?如果 AI 写了你的内容,读者能分辨出来吗?
- 五层评审流程中,哪一层是你现在做得最好的?哪一层是最弱的?
- 如果你要给团队写一份"AI 写作 guardrails"技能文件,你会添加或删除哪些规则?
2026-09-05 更新:去除模型腔应成为写作验收环节
来源:AI Briefing 2026-09-05 Morning
Addy Osmani 分享了 Anthropic 关于减少 Fable 5.1 程式化文风和 AI 套话的官方提示词指南。这个信号把写作 guardrail 从作者经验推进到模型特征适配:模型升级后,需要重新检查高频句式、抽象商务词和过度包装,而不是假设旧的去 AI 味规则仍然完整。
时间线中的 Astra 评测也出现相反风险:模型写作干净,但在界面设计中容易过度构建。写作和产品输出的共同验收原则是保留作者判断、删除无必要的包装,并让事实核验与风格核验分开进行。
Counterpoints & Gaps
- 官方指南的效果需要在实际中文和英文样本上分别测试。
- “AI 味”没有单一客观指标,词汇扫描不能替代作者判断和事实核验。
Pending Jean review
- ai-tools/ai-writing-guardrails —
ai_draft; suggested action: test the de-flavoring prompt on one draft and compare style, factuality, and steering effort.
Sources (addendum)
2026-09-06:去 AI 腔需要可执行的删改规则
来源:AI Briefing 2026-09-06 Morning
时间线中的 Astra 写作提示把写作验收具体化为一轮删除操作:减少术语,删掉空洞过渡,避免重复结尾,并直接说清实际关系。它补充了本页原有的红旗词汇清单,说明 guardrail 不应只检查词语,还应检查句子是否在用新概念包装已经说清的关系。
更可复用的流程是把事实核验、结构核验和风格核验拆开。先确认内容准确,再删掉不必要的包装,最后比较修改前后的密度与作者判断是否仍在场。这个流程适用于中文和英文,但两种语言需要分别建立样本和反例。
Counterpoints & Gaps
- 这条指南来自单条时间线转述,中文效果和长期稳定性尚未验证。
- 删除规则可能误删必要的限定条件,因此仍需要作者复核事实和语义边界。
Pending Jean review
- ai-tools/ai-writing-guardrails —
ai_draft; suggested action: test the deletion pass on one Chinese draft and compare factuality, density, and authorial voice.
2026-09-06 evening:模型能力和人类感应分开评估
来源:AI Briefing 2026-09-06 Evening
AI_Jasonyu 的个人比较把写作模型选择拆成正文、短稿润色和去除人工痕迹三个阶段。他称 Opus 4.6 更适合中文正文,Gemini 3.7 Flash 适合快速日更,Sonnet 4.6 在一项 AI 痕迹测试中表现较少。这个材料的可复用部分不是某个版本的排名,而是把“模型更聪明”和“文本更像作者”作为不同验收维度。
因此,写作 guardrail 应保留两个独立检查:事实与结构是否正确,以及是否仍然保留作者的判断、节奏和具体表达。模型版本、榜单和 AI 痕迹数字都应被视为待复现信号,不应直接替代作者审阅。
Counterpoints & Gaps
- 该比较来自个人样本、社区观察和一个未附方法的检测测试。
- AI 痕迹计数会受文体、样本长度和检测器影响,不能作为单一质量指标。
- 不同语言和不同写作任务可能需要不同模型组合,当前材料没有提供统一盲测。
Pending Jean review
- ai-tools/ai-writing-guardrails —
ai_draft; suggested action: run a blind comparison on one Chinese draft and score factuality, authorial voice, edit distance, and detected AI markers separately.
2026-09-07 evening:从词汇红旗扩展到逐词删减
来源:AI Briefing 2026-09-07 Evening
Voxyz_ai 提供了一个比词汇扫描更细的删除步骤。它要求逐词删除不影响含义、语气、限定条件和幽默的内容,再检查段尾和全文结尾是否只是重复前文。这个规则把“AI 腔”从词语层面扩展到信息密度、段落功能和重复结构。
它适合成为写作验收中的独立一轮,但不能替代事实核验。必要的限定条件不能为了缩短而被删除,最终仍需作者检查语义和个人声音。
Counterpoints & Gaps
- 规则来自单条时间线提示,尚未在中文和英文样本上进行对照测试。
- “不影响含义”的判断仍需要作者或审查者完成,不能完全自动化。
Sources (addendum)
Pending Jean review
- ai-tools/ai-writing-guardrails —
ai_draft; suggested action: compare a draft before and after the deletion pass for factuality, qualifier retention, density, and authorial voice.
Sources (addendum)
Sources (addendum)
2026-09-08 evening: 逐词删减提示可作为写作验收一轮
来源:AI Briefing 2026-09-08 Evening
本次时间线提供了两种轻量写作规则。其一是要求每个词都证明自己的存在必要,其二是转述 Anthropic 的写作提示词并称其同时改善了 Fable 5.1 和 GPT-5.6 Sol。前者适合做信息密度检查,后者说明提示词可能跨模型有效,但两者都不能替代事实核验和作者对语气、限定条件的判断。
Counterpoints & Gaps
- 逐词删减规则来自单条时间线提示,尚未在中英文样本上做盲测。
- 跨模型改善来自个人报告,没有统一任务、评分标准或编辑距离。
- 删除阶段必须保留必要限定条件,不能为了短而损害事实精度。
Sources (addendum)
Pending Jean review
- ai-tools/ai-writing-guardrails —
ai_draft; suggested action: compare before and after edits for factuality, qualifier retention, information density, and authorial voice.
2026-09-09:跨模型有效的写作提示仍需受控验证
来源:AI Briefing 2026-09-09 Morning
Omar Sar 分享 Anthropic 的一条写作提示词,据其个人经验,这条规则同时改善了 Fable 5.1 和 GPT-5.6 Sol 的编辑结果。可复用的信号是把提示词当作持续的编辑协议,而不是一次性魔法指令。它仍需与事实核验、限定条件保留和作者语气审查并行。
Counterpoints & Gaps
- 跨模型改善来自个人报告,没有统一任务、盲评或编辑距离。
- 提示词可能改变语气而非事实质量,不能只凭顺滑度判断成功。
- 删除和重写必须保留必要限定条件,避免把简洁误当成准确。
Sources (addendum)
Pending Jean review
- ai-tools/ai-writing-guardrails —
ai_draft; suggested action: test the prompt on matched drafts and compare factuality, qualifier retention, density, and authorial voice.
2026-09-17:从红旗词汇到概率化写作检查
Mike Taylor 将 Every 的 AI 写作 skill 转成 21 个可并行判断的问题,检查重复观点、强行对称论证、过度解释等模式。Jev 在 27 篇真实文章和 10 篇刻意 AI 化的对照文章上完成 777 个判断,耗时不到 0.7 秒。相比原有的词汇红旗扫描,这种方法可以对句子功能、论证关系和段落质量返回概率,但仍需要作者复核语气和事实。
可复用的分层流程是:先用结构化判断器发现可能的问题,再由人检查事实、限定条件和个人声音,最后决定是否修改。判断器适合做高吞吐预筛,不应单独定义“像不像人”或替代作者的最终判断。
Counterpoints & Gaps
- AI 写作模式不是稳定的词汇清单,模型升级后需要重新建立样本和反例。
- Jev 的 6/7 缺陷结果来自小型合成测试,尚未证明对中文写作或真实编辑任务有效。
- “AI 味”没有单一客观指标,概率输出仍需与作者偏好、事实核验和编辑后的实际接受度结合。
Sources (addendum)
Pending Jean review
-
ai-tools/ai-writing-guardrails — ; suggested action: keep draft / run one matched Chinese writing comparison with human labels.
-
Review status: ai_draft; suggested action: keep draft / run one matched Chinese writing comparison with human labels.
2026-09-24:Humanizer skill 的分化
来源:AI Briefing 2026-09-24 Evening
AI_Jasonyu 汇总了多个去 AI 味写作 skill,包括长文向、作者声音档案、平台场景和学术写作版本。这个清单说明 Humanizer 不再只是单一规则集,而是按文本类型、平台和作者声音分化。选择 skill 时仍应保留事实、确定程度和作者声音,不应把“更不像 AI”当作唯一质量指标。
Counterpoints & Gaps
- 清单是推荐性质,未比较各仓库的规则、维护状态或输出质量。
- 去 AI 味结果需要人工审阅,不能视为作者身份或原创性的证明。
Pending Jean review
- ai-tools/ai-writing-guardrails — ai_draft; 选择一个长文和一个平台短文做并行比较,记录事实保真与作者声音变化。