AI 帮你写好的稿子，字面全对，读起来却"哪里怪"？这就是俗称的 AI 味。speak-human-tw（說人話）是一个面向繁体中文的去 AI 味 skill：抓 38 种 AI 写作痕迹，顺手校正中国用语与半形标点，给 Claude Code、Codex、Cursor 用。本文带你 30 秒完成安装，看懂它的工作流程，并学会把它放进你的写作流程。

为什么 AI 写的文字"字都对"，却不像人话

大语言模型按统计概率猜词，内容会往"最常见、最保险、最正向"的方向靠拢。结果就是：用词笼统、什么都提一点、每段用漂亮句子收尾，却没有一句非它不可的具体细节。

• "標誌著我們邁入全新階段"——没有第几场、来了多少人
• "業界專家普遍認為"——查不到出处
• "總的來說，讓我們共同期待"——罐头收尾

这些句子单看都正确，堆在一起就像新闻稿不像你在跟读者讲话。speak-human-tw 要解决的正是这道"缝"：把稿子里的 AI 套路刮掉，但绝不替你发明观点。

speak-human-tw 是什么：校对，不是创作

先划清边界，避免误用：

一句话概括它的设计哲学：先保事实 → 再清掉 AI 味 → 最后才加人味。核心规则只有一个文件 SKILL.md，完整规则在 references/ 目录；MIT 协议，永远免费。

一眼看懂效果：AI 味改写前后对比

社群贴文（emoji 轰炸 + 劝诫收尾）

改写前：🚀 重磅消息！AI 写作工作坊正式上线啦！💡 这不仅仅是一堂课，更是一场思维的革命……机会永远留给准备好的人，不是吗？🔥

改写后：AI 写作工作坊开放报名了。三个小时，教你三件事：怎么让 AI 抓到你的语气、怎么建自己的改稿流程、怎么把重复的产文工作自动化。上一梯 40 个名额，三天就额满，这梯加开到 60 个，别错过了。

台湾在地化（中国用语校正）

改写前：这个视频的质量真的很高，信息量很大，博主讲得特别接地气。

改写后：这支影片品质很高，资讯量很大，创作者把抽象概念讲得很生活化。

更多销售页、客服回信、公告等 13 组 before/after 见 references/examples.md。

它抓什么：38 种 AI 写作痕迹全景图

完整清单在 references/patterns.md，每种痕迹都附误杀边界（有事实撑着的排比放行，没有就砍）。概览如下：

五大场景（社群贴文、电子报、销售页、客服回信、办公文书）力度不同：社群改轻保留口语感，销售页改重但 CTA 力道不能变弱。细则见 references/scenes.md。

30 秒上手：各平台安装步骤

Claude Code（一条命令）

git clone https://gitcode.com/gh_mirrors/sp/speak-human-tw.git ~/.claude/skills/speak-human-tw

装好后在对话里说"帮这段去 AI 味""这段好 AI，说人话"就会自动触发，不需要额外配置。

Cursor

git clone https://gitcode.com/gh_mirrors/sp/speak-human-tw.git ~/.cursor/skills/speak-human-tw

Codex（单次使用）

git clone https://gitcode.com/gh_mirrors/sp/speak-human-tw.git && cd speak-human-tw codex exec -C . "读取 ./SKILL.md，按规则改写以下文字，这次直接套用不用先问我：（贴上你的文字）"

只想先看问题、不要改稿？指令加一句"先标问题不要改"，会切到 annotation mode，只列出 1 到 5 个最严重的问题点。

各平台完整安装方式（含 symlink 跟随更新、OpenCode）见 install/claude-code.md、install/codex.md、install/cursor.md、install/opencode.md。

第一次用会遇到的事：它不会直接改你的稿

这是新手最容易"卡住"的地方，其实是刻意设计。

默认行为是两轮：

1. 第一轮：它只给一张编号清单，每条写清：在哪一行、原句是什么、对应哪种 AI 痕迹、建议改成什么。列完问一句"以上 N 处有什么地方是你觉得需要修改的？"然后停下。
2. 第二轮：你回"都改""4 跟 8 不用，其他都改"，它才动笔写进文件。

上图是真实运行截图：AI 代写的 YouTube 留言回复，skill 逐条列出 6 处 AI 味（罐头客服开场、emoji 超限、破折号过密、简繁字"给"混入、Markdown 粗体错置），每条都给出原句、原因和具体改法，但还没动笔。

为什么这么"啰嗦"？因为改稿工具最危险的不是漏改，而是你还没看清它想干嘛就把原稿盖掉了。你不想要这关，在指令里明讲"不用列清单，直接帮我改"即可；codex exec、CI、排程等非互动环境会自动跳过确认、跑完给一份"原句/为什么改/改成什么"的事后摘要，方便用git diff回溯。

它的六步改写流程，每一步都替你把关

1. 判情境：这段文字读者会出现在哪里？力度随之而定
2. 锁保护清单：价格、优惠码、专名、链接、真名与引号原话、退费承诺先圈起来，全程不动（见 references/protected-list.md）
3. 判范围：长文（约 1000 字以上）不擅自缩水，建议尽量逐句对应
4. 逐类改写：38 种痕迹逐类处理，模式优先、词表兜底；禁止"换汤不换药"（删掉"標誌著"不能补"象徵著"）
5. 保真回读：每个信息点可追溯，不新增原文没有的事实
6. 交稿前自评：长文用 5 维 50 分制打分，低于 35 分不交稿

它还会主动往"人味"方向拉：允许岔题、允许立场随时间改变、允许不收尾——这些是 AI 写不出来的东西（见 references/humanize.md）。但硬界线只有一条：人味是作者的，不是工具的。作者没给过的故事和立场，它只会留下"（需作者补充）"标注，绝不代编。

附加福利：内建"台湾在地化"校正层

AI 模型的中文语料以简体为大宗，就算输出繁体字，用语和语感常常还是大陆的。台湾读者一眼就出戏。这一层是本项目与简体去 AI 味工具的最大差异，包含 60+ 组用语对照、全形标点与引号规则：

注意这不是简单的简繁转换："賦能""抓手"这类词不是换个近义词就完事，而是整句重写。完整对照表见 references/taiwan-localization.md。

它有多可靠？看 42 条评测用例

上图是"误杀测试"：把作者 2024 年真人手写的电子报丢进去，skill 逐项核对 36 种痕迹后判定"这篇不用改"——没有 AI 痕迹。

评测集 evals/benchmark.md 共 42 条用例：

• 27 条 SF（Should Fix）：含 AI 味的文本，必须命中改掉，且不碰保护清单
• 15 条 SNF（Should Not Fix）：保护误杀——有事实撑着的排比、金流制式条款、有选择条件的"用 A 或用 B"等必须放行

判分还含"不换汤"规则：删掉"標誌著"却补上"象徵著"，记失败。跑法见 evals/run-eval.md。

也要诚实地说清它保证什么：42 条验证的是"该改的改到、不该动的没动、事实一字没漂"。没有任何一条在测"改完更有人味"——人味没法自动判分，那部分靠你自己的判断。

常见问题 FAQ

Q：这是拿来骗 AI 检测器的吗？不是。目标是让文字真正读起来更好：更具体、更诚实、更像一个具体的人在说话。最好的"去 AI 味"是文字里有真实的思考。

Q：改完会变成某个人的风格吗？不会。它把稿子洗干净，不替你注入人设。"去 AI 味"和"有个人风格"是两件事：前者是及格线，后者要你自己（或你的风格 skill）来加。

Q：会把我的销售页改到没有转换力吗？不会。销售页情境明文规定：CTA 力道与急迫感是功能不是 AI 味；价格、优惠码、期限、退费条款在保护清单里一字不动，评测集有专门的 SNF 用例盯着。

Q：简体中文能用吗？规则大多通用，但台湾在地化层（用语对照、全形标点惯例）是为繁体中文读者设计的。简中场景建议另寻简中工具。

结语：把它放进你的写作流程的正确位置

AI 写作可以拆成两件事：让 AI 做架构设计、初稿撰写、资料整理；不该让 AI 做的是决定立场、选择语气、写出金句。speak-human-tw 做的就是把右栏从稿子里刮掉，让左栏留下来。

推荐的正确姿势：

1. 用你自己的风格写初稿（或让 AI 起草）
2. 用 speak-human-tw 抓 AI 味、拿改写建议
3. 自己判断取舍，补回你的经验和语气，再定稿

刮干净只是及格线；清掉的只是套路，想法要你自己有。觉得有用的话，去 CHANGELOG.md 看它如何从一个自用工具迭代到 v1.4.0，也欢迎按 CONTRIBUTING.md 回报一个 bad case——告诉我哪一段改完还是像 AI，这比点星更有用。