前言¶

讓模型寫公衆號、寫彙報、寫客服回覆，最麻煩的不是內容不對，而是腔不對：滿篇「首先、其次、總而言之」，每段都「值得注意的是」，結尾必定「讓我們一起…」。人工逐句改很費時間，改完還常常不徹底。AI味去除這個 Skill 的思路是把這類問題寫成可執行的檢測規則，在 Agent 生成或改寫時自動過一遍。

這是什麼¶

AI味去除（座標 @user_e892ecf2/zlzy12301127）是一個社區來源的通用寫作類 Skill，發佈者 user_e892ecf2，當前版本 1.0.4，分類 content-creation。它解決的問題很集中：當用戶要求「去AI味、去AI化、自然化、人味化、說人話、de-ai、humanize」，或者只是要求把文字改得更像人寫的，就按內置規則檢測並修復文本里的 AI 腔。

SkillHub 頁面顯示評分 100000，下載 1357。注意：該數據與任務簡報中的數字（評分 99713、下載 347）不一致，以抓取到的官方頁面爲準。

核心功能¶

1、檢測並修復 AI 高頻詞彙：模型常用的套話、空洞大詞。
2、修復最毒句式：信息密度低、主謂模糊的長句。
3、標點違規：該斷不斷、頓號逗號混用、引號書名號錯配等。
4、過度結構化：小標題層層嵌套、每段字數齊刷刷一致的排版腔。
5、機械化連接詞：首先、其次、總而言之、綜上所述一類模板化銜接。
6、情感告知：直接寫「這令人感動」而不是讓讀者自己感受到。
7、公式化結尾：強行昇華、展望式收尾。
8、注入活人感：在修復的同時補足口語停頓、具體細節和判斷語氣，避免改完變成另一種模板。

關於職業專項：任務線索中標註該 Skill 內置房產、數據分析、客服、市場營銷、技術、管理 6 大職業場景專項規則，但本次抓取到的官方簡介並未列出對應細節，因此這裏只記錄維度，不展開具體內容。

安裝與啓用¶

官方地址：https://api.skillhub.cn/user_e892ecf2/zlzy12301127

已抓取資料裏沒有給出具體安裝命令、目錄路徑或配置文件字段，只有評分、下載量、標籤 requires_api_key=false。因此下面不寫未經覈實的命令，只說明啓用前提：

1、該 Skill 不需要 API Key，適合直接在本地環境跑。
2、它遵循通用 SKILL.md 格式。具體的放置目錄（如 Claude Code 的 skills 目錄、Codex CLI 的配置路徑、Cursor 的 .cursor/skills）需按你所用工具的文檔確認，此處不做斷言。
3、安裝完成後，在對話裏直接提出「去AI味」「說人話」這類要求即可觸發，不需要額外配置參數。

典型用法¶

官方資料沒有給出可復現的示例命令或輸入輸出樣例，以下用法來自簡介中給出的觸發條件：

1、把一段 AI 生成的稿子貼給 Agent，並明確說「幫我去AI味」。
2、也可以要求更具體的方向，例如「這段客服回覆太書面了，改得說人話一點」。
3、Agent 加載該 Skill 後，會按上面七類問題逐項檢查並改寫，再返回修改稿。

需要區分的是：這個 Skill 輸出的是改寫後的文本，不是量化的「AI 味評分」。

適用場景與注意¶

適合的讀者：經常用模型批量產出公衆號、內部稿件、客服回覆、產品文檔，又不願意讓機器腔直接上線的團隊或個人。

需要注意的地方：

1、規則是通用的。專業領域裏一些看起來像「AI 味」的表達（比如技術文檔裏的固定術語）可能被誤判，改完要人工過一遍。
2、它解決的是腔調問題，不是事實問題。如果原文本身有數據錯誤或編造成分，這個 Skill 不會幫你改對。
3、職業專項規則的實際效果取決於各職業詞表的維護情況，抓取資料未展示細節，建議先拿自己行業的樣本試一次再決定是否批量用。
4、SkillHub 頁面顯示安裝數爲 0，說明它更偏向小範圍使用，遇到問題建議直接在官方地址反饋給發佈者。

結尾¶

AI味去除做的事很有限：把「像模型寫的」改成「像人寫的」，覆蓋詞彙、句式、標點、結構、連接詞、情感告知、結尾七個層面。它不能替人思考，但能省下反覆打磨語氣的時間。如果你手上正有一批需要去腔的稿子，可以從官方地址開始試：https://api.skillhub.cn/user_e892ecf2/zlzy12301127