有些 AI 文章一打开，就像刚拆封的塑料袋。
没有错字，没有病句，甚至每一句都挺顺。但读两段以后，读者脑子里会冒出一个很具体的声音：这更像模板机在吐棉花糖。
更尴尬的是，AI 自己闻不到这个味。让它“写自然一点”，它经常会换一批更自然的套话；让它“少一点 AI 味”，它可能先认真写一句“没有废话，没有套路，没有空话”。
这就像一个人喷了半瓶香水，还问旁边的人：“我是不是已经很清爽了？”
7 月 17 日，Simon Willison 做了一个小工具，叫 LLM cliché highlighter。它的功能很简单：把文章贴进去，工具会标出常见的 LLM 陈词滥调，比如某些连环否定、固定转折、过度总结句。它还会给出匹配数量、命中句子，并且全部在浏览器本地运行。
这个工具有意思的地方，不在于它能抓出几句套话，而在于它承认了一件事：AI 写作也需要验钞机。
问题不在会不会写
过去我们讨论 AI 写作，常常盯着“它会不会写”。现在更真实的问题是：它太会写了。
它知道公众号要有开头钩子，知道中间要有转折，知道结尾要有金句，知道每个段落都要显得有节奏。于是很多稿子看起来样样都有，但放在一起就像连锁酒店早餐：干净、稳定、可预期，也很难让人记住。
AI 味来自一组过度熟练的手势。它喜欢连环否定，喜欢万能转折，喜欢在结尾把所有复杂体验磨成一块没有棱角的肥皂。
这类问题只靠提示词很难彻底解决。因为提示词也是语言，模型会把“别写得像 AI”理解成另一种写作模板。
更稳的做法，是把坏味道显性化。先让检测器指出哪里像塑料袋，再由人判断这句话是应该删、应该改，还是其实保留也没关系。
这里有个很容易误判的地方：检测器不是用来消灭所有命中的。有些“套话”是作者故意拿来当靶子的，比如前面那句“没有废话，没有套路，没有空话”。它像犯罪现场的指纹，删干净了，反而没证据了。
真正要处理的，是那些作者没意识到、读者却闻得到的顺手句。
检测器负责闻味
LLM cliché highlighter 不会替作者判断文章好不好。它只是把那些容易被忽视的口头禅亮出来。
这很像代码里的 lint。lint 不理解业务该怎么做，但它能提醒代码作者：这里缩进乱了，这里变量没用，这里复杂度可能太高。好的工程师不会把 lint 当架构师，也不会假装 lint 没价值。
写作场景也一样。检测器处理证据，编辑同事处理审美。它负责把“哪里怪怪的”从感觉变成证据。
还有一点很重要：Simon 这个工具主要抓英文 cliché，不能直接搬来判断中文稿。中文里的 AI 味，往往会从原样的 “No X, no Y”，变成另一套写作手势：连环否定、万能二分、过度总结、报告腔收尾。
所以更有价值的做法，是训练自己的写作验钞机。机器先扫，看高频模板在哪里；编辑同事再判断，哪些命中是故意修辞，哪些只是偷懒；最后把反复出问题的句式写回规则层。
比如“短技术稿先给现场，再给判断”“段子只做翻译层”“用户说不吸引人时先砍字，不补论证”。这些东西如果只停在聊天记录里，下次还会重犯；写进规则层，才会变成复利。
AI 写作最大的误区，是把“生成”当成结束。可持续的流程，是生成之后还有检测、判断和沉淀。
AI 可以负责起草，但文章有没有人味，最后还得靠一只会闻味的系统。
