1. 写在测评前面：先搞清楚检测器到底在抓什么
1.1 为什么2026年“降AI率”成了绕不开的话题
这半年我手里经手的稿件，十篇里有七篇要过“AI检测”这关。很多人一上来就问：“有没有一款神器，粘进去点一下，AI率直接归零？”说实话，我一开始也天真过，后来把市面上能搜到的降AI率工具挨个试了个遍，才发现这里面的水远比想象中深。2026年了，各大内容平台、学术机构、企业内部审核普遍接入了AI检测能力，哪怕你确实是自己一个字一个字敲出来的，只要句式工整、逻辑太顺、缺少个人语气，同样容易被误判成“AI生成”。反过来，用AI写了初稿再自己润色一遍，检测率也可能高得吓人。这个背景下，降AI率工具从“可选项”变成了很多人的刚需。
我先说清楚这篇测评能给你什么：第一，8款工具分别靠什么原理降AI率，我会把技术路线讲明白，不讲玄学；第二，用同一篇测试文章、同一套检测标准做横向对比，谁强谁弱一目了然；第三，不同用途（学术论文、新媒体文案、职场汇报、技术文档）到底怎么选、怎么组合使用；第四，我实操中踩过的坑，全部列出来帮你避雷。同时也要说一句：工具只是工具，如果你的场景是毕业设计、期刊投稿，提交之前一定要先确认学校或期刊对AI辅助写作的边界规定，自己对自己交出去的内容负责，这个比任何工具都重要。
1.2 检测器的底层逻辑：困惑度、突发性与句式规律
不谈原理就测评工具，等于不看菜谱就点评厨艺。市面上的AI检测器，核心逻辑其实可以拆成三个抓手。
第一个抓手是困惑度（Perplexity）。简单说，检测器会拿你的句子去和它训练过的大量人类语料做概率比对，“人类通常这样写”的句子得分低，“AI喜欢这样写”的组合得分高。如果一句大白话偏偏用了极度工整的排比，检测器就会觉得不对劲。第二个抓手是突发性（Burstiness），也叫“词频突发”。人类写作的句子长短是忽长忽短的，逻辑递进也不是每一步都均匀推进；而大模型生成的文本往往句式长度稳定、信息密度均匀，这种“太均匀”本身就是破绽。第三个抓手是句式与词汇的重复模式，比如同样的关联词反复出现、段落开头总是同一结构、过度依赖“不仅...而且...”“总的来说”这类模板。
明白这三件事，你再回头看降AI率工具就好理解了：所谓降AI率，本质上就是四个动作——增加句子长短变化、打散均匀结构、加入人类语气词和个人化表达、把过于“标准”的词汇替换成更自然的说法。聪明的工具是在这四个动作里做组合，偷懒的工具只会做同义词替换，效果自然千差万别。这也是我这篇测评的核心判断框架：技术路线决定效果上限，参数设计决定使用体验。
1.3 我的测评方法：统一样本、统一回测、尽量可复现
为了避免“感觉流”，我把测评流程做成了相对固定的实验：准备一篇800字左右的测试文章，主题是城市交通治理，内容包括数据、专有名词、正常论述段落，属于典型的混合文本。先用三个常见AI检测器分别测出原始AI疑似率，作为基线；然后每款工具按它的推荐设置处理一遍；处理完的文本重新丢进这三个检测器回测，记录平均值；同时我自己通读一遍，从“信息是否丢失”“语言是否自然”“是否出现事实错误”三个维度打分。整个过程没有用极端参数，全部按工具默认或官方推荐方式操作，这样得到的结果，对普通用户更有参考价值。
这里先给一个总的结果预览：原始测试文章在三个检测器里的平均AI疑似率约为90%。8款工具处理之后，回测平均值从最高的71%到最低的18%不等，差距非常大。真正好用的工具绝不是“一键清零”，而是能帮你把文本调整到“机器味明显下降、人类痕迹自然浮现”的状态。下面我把8款工具逐一展开，每款都会讲清楚原理、操作步骤、实测数据和适用场景。
2. 八款工具总览：先看懂分类，再谈选型
2.1 降AI率工具的三种主流技术路线
我测评完之后发现，市面上的降AI率工具不管名字怎么起、界面多花哨，技术路线基本逃不出三类。
第一类是“整段重写派”。这类工具会把你的段落整体读一遍，理解语义后用另一套句式重新表达，有时候会调整段落内部的信息顺序。它们的效果通常最好，因为是从结构上打破AI的“均匀感”，而不是在小词上做文章；但风险也随之而来——改完之后信息容易被压缩，原文里那些精确的数字、专有名词、法律条文引用，稍不留神就被改写掉了。
第二类是“词句微调派”。它们的做法更克制，主要做同义词替换、语序倒装、标点调整、长短句拆分合并。优点是速度快、原文信息保留度高，缺点是如果检测器的阈值很严，微调后的文本依然能被识别出来，甚至因为替换痕迹太重，反而暴露出新的机器特征。这类工具适合轻度处理，不适合深度降AI率。
第三类是“人味注入派”。这个路线比较取巧，通过在文本里加入口语连接词、个人化表达（比如“坦白说”“我印象最深的是”）、场景化细节、语气停顿，把文本的突发性拉高。人类写作最典型的特征就是“不平滑”，这类工具就是在努力制造这种“不平滑”。但问题也很明显：如果文章本身就要求严肃客观（比如政策分析、学术论述），硬塞口语词会显得很违和，所以使用时必须控制浓度。
2.2 八款工具速览表
为了让你在细读之前先有个整体印象，我把8款工具的信息整理成一张速览表，后续每个工具再单独展开实测细节。
| 工具代号 | 技术路线 | 处理强度 | 适合场景 | 人工参与度 | 平均回测AI率 |
|---|---|---|---|---|---|
| 工具A | 整段重写 | 强 | 长文案、学术段落 | 中 | 31% |
| 工具B | 词句微调 | 弱 | 短句、邮件 | 低 | 64% |
| 工具C | 范文仿写 | 强 | 有原创范文的写作 | 中 | 27% |
| 工具D | 人味注入 | 中 | 新媒体、自媒体 | 中 | 48% |
| 工具E | 多模型交叉改写 | 极强 | 对质量要求高的长文 | 高 | 22% |
| 工具F | 术语保护+分段改写 | 中强 | 技术文档、专业报告 | 中高 | 29% |
| 工具G | 多候选人工组合 | 极强 | 重要稿件、论文终稿 | 极高 | 18% |
| 工具H | 免费轻量改 | 弱 | 新手入门体验 | 低 | 71% |
注意，这里的回测AI率是三个检测器的平均值，不是某一个平台的绝对数值，不同检测器之间的判定差异本来就很大，所以这个数字的意义在于“横向对比”，而不是“绝对标准”。另外，所有工具我用的都是正常强度，刻意调到极端参数去刷数字没有意义，因为那种状态下改出来的文本基本没法读。
3. 逐款深度实测：操作过程还原与效果回测
3.1 工具A：上下文整段重写型，最稳但也最考验校对
工具A是我测评里最先遇到的“整段重写派”代表。它的核心逻辑是：把整段文字作为一个语义单元，先理解观点，再用完全不同的句式和词汇重组表达。操作界面上有“改写强度”选项，分1到5档，档位越高，偏离原文的幅度越大。我实测用的是3档，兼顾改写力度和信息保留。
操作流程是：把测试文章粘贴进去，选择“深度重写”模式，开启“关键信息保护”（它会自动识别数字和专有名词），然后点击生成。大概10秒钟后输出完成。我注意到它处理之后，原本那句“城市交通拥堵已经成为制约大城市发展的重要瓶颈”，被改写成了“对大城市而言，交通拥堵早已不只是出行体验的问题，更是影响整体运行效率的深层难题”。句式彻底换了，信息点保留，但原本“重要瓶颈”这个偏学术的表达被更口语化地拆解掉了。
回测结果：三个检测器的平均AI疑似率从90%降到了31%，效果在同类工具里属于第一梯队。但我必须提醒一点：它的改写是“语义级”的，意味着原文里那些精确的数据很容易被替换或模糊化。比如测试文章里“晚高峰平均时速仅18公里”这句，工具输出变成了“晚高峰平均时速不足20公里”，数字虽然变化不大，但如果你写的是需要精确引用的行业报告，这种改动就不可接受。所以用工具A处理完，一定要逐句核对数字、人名、地名、法律条文编号。我的习惯是处理完之后，把原文和改写文并排放在两个窗口里，快速扫一遍关键信息是否丢失，这一步不能省。
3.2 工具B：同义词替换加语序倒装，速度最快但下限也最低
工具B是典型的“词句微调派”，它的卖点就是快：一键处理一篇2000字的文章，基本3秒内完成。技术上它主要做三件事：高频同义词替换、句子成分倒装、部分陈述句转反问。听起来很合理，但实测下来问题不小。
我用默认强度处理测试文章，回测平均AI率只从90%降到了64%，是8款工具里倒数第二。更麻烦的是，它在替换专有名词时闹了笑话——把“轨道交通”换成了“城市铁轨系统”，把“公交专用道”改成了“公交车专属通道”，意思没变，但表达非常别扭。最让我没法接受的是它对“潮汐车道”这个词的处理：它直接替换成了“潮汐式通行车道”，读起来像是机器硬凑出来的。
这类工具并不是完全不能用，只是你要明确它的能力边界：适合处理短句、邮件、社交媒体文案这类对精确度要求不高的内容；如果涉及专业领域、品牌名称、政策术语，一定要先开启术语保护功能，或者处理之后人工把专业词汇改回正确说法。另外我建议用它的“轻档”而不是“强档”，因为强档会触发大量同义替换，机器痕迹反而更重。它的价值主要体现在“快速过一遍”，适合当作写作助手即时润色，而不是当作深度降AI率方案。
3.3 工具C：范文仿写型，有原创素材时效果惊艳
工具C是我测完后印象最深的产品之一，因为它的思路和其他工具完全不一样。别人的逻辑是“改写你的文本”，它的逻辑是“参考你给的风格，重写你的内容”。使用前你需要准备一份参考文本，这份文本最好是你的原创内容，或者符合你目标风格的公开范文，工具会学习这段文本的用词习惯、句式节奏、段落结构，然后用这套“风格模板”去重写你的待处理文章。
我测试时把自己的过往一篇随笔摘了两段作为风格参考，然后让工具C处理测试文章。输出结果让我很意外：它的用词习惯确实更接近“人类随笔”的节奏，句子长短错落，有些地方还会带一点口语化的转折。回测平均AI率从90%降到了27%，效果仅次于工具E和工具G。
但它有几个明显的使用门槛。第一，参考范文必须是高质量、有辨识度的文本，如果你随便贴一段普遍性很强的文章，它学到的风格就很普通，效果会大打折扣。第二，版权风险必须注意。如果你从网上找了一篇别人的爆款文作为风格参考，生成的文本多多少少会带上原作者的表达习惯，一旦用于商业发布，容易产生抄袭争议，所以我一直坚持“用自己的旧文做风格模板”，既能降AI率，又完全不存在版权问题。第三，它的处理速度比工具A、B慢很多，单词数多的时候甚至要等一两分钟，急用的时候会比较焦虑。
3.4 工具D：口语连接词加个人化表达注入，新媒体文案好帮手
工具D走的是“人味注入派”路线，它的核心手段有两个：在句子之间加入人类常用的口语连接词，比如“坦白说”“换个角度看”“这里要说一下”“你可能会觉得奇怪”；同时把一部分陈述句改写为带有个人视角的表达，比如“我试过之后发现”“就我的经验而言”。
我拿测试文章实测，第一版用默认浓度，结果回测AI率虽然降到了48%，但通读时被“腻”到了——几乎每两句话就有一个“说实话”“讲真”，读起来像一个过度热情的人在和你套近乎。后来我调整了参数，把“人味浓度”从默认的70%调到40%，效果明显自然很多，回测AI率大概保持在50%左右。
这类工具最合适的场景是新媒体、自媒体、公众号、小红书这类本身就追求口语化和个人风格的内容。对学术论文、正式报告、制度文件来说，它必须慎用，因为硬塞口语词会破坏文体的严肃性。我自己现在用得比较多的方式是：先用工具D给文章加一层“人味”，然后再用工具A做一遍整段重写，两道流程叠加之后，文本的自然度提升非常明显，这个组合我后面在选型建议部分还会再讲。
3.5 工具E：多模型交叉改写，效果好但时间长、价格高
工具E的原理是“多模型交叉改写”：它内部聚合了多个不同风格偏好、不同训练方向的大模型，处理一篇文章时，会让模型A先改写第一遍，再把结果交给模型B改写第二遍，以此类推。你可以设置改写轮数，从1轮到5轮可选。我实测用了3轮，处理800字的测试文章，等了两分多钟才出结果。
效果确实对得起等待：回测平均AI率降到了22%，在8款工具里排第二。更难得的是，经过多轮交叉改写之后，文本的“均匀感”几乎被彻底打破了，句子长短变化非常明显，有些地方甚至出现了人类写作时才会有的“思路跳跃”。不过这也带来了新的问题：多轮改写之后，原文逻辑链条会有一定程度的松动。比如测试文章里“在高峰期实行拥堵收费”这段，经过三轮改写后，收费的出发点被弱化了，读起来更像是在讨论“要不要收费”而不是“为什么收费”。
工具E的使用建议很明确：适合处理初稿已经成型、且不涉及太多精确数据和复杂逻辑的长文；处理前最好把文章里最核心的论述逻辑用自己的话先标出来，处理完对照一遍，看看逻辑主线有没有跑偏。价格方面它是8款里比较贵的，免费额度少得可怜，基本是冲着重度用户和商业团队去的。
3.6 工具F：术语保护加分段精度控制，专业写作的可靠选择
工具F解决的是我最头疼的问题——降AI率过程中专业术语被改坏。它的设计思路很清晰：第一步，自动抽取整篇文章里的专有名词、术语、固定搭配，生成一个“保护清单”让你勾选；第二步，把文章按段落拆分，你可以对每一段单独设置改写强度，重要段落选“轻度改动”，一般叙述段选“中度改写”；再配合术语锁定，处理之后那些关键名词几乎原封不动。
我用它处理测试文章时，把“交通拥堵”“潮汐车道”“公交优先”等词全部勾选保护，然后主体段落用中度强度。处理完一检查，术语全部保留，只有句式被调整了。回测平均AI率降到了29%，表现相当稳定。整个过程中我最喜欢的是“段落级别的强度控制”——像一段包含统计数据的论述，我用的是“轻度改动”，工具就只做了少量语序调整；而那段偏观点性的结论段落，我给了“深度改写”，输出结果自然很多。
它的短板在于前期准备步骤多。自动抽词偶尔会漏掉重要术语，需要人工补勾；如果文章里生僻术语特别多，光整理保护清单就要花好几分钟。但对医学科研、法律文书、技术方案、产品说明书这类内容来说，这个工具值得列入首选梯队。毕竟对你来说，专业名词一个都不能错，比降低一两个百分点的AI率重要得多。
3.7 工具G：多候选人工辅助工作台，我最信赖的“笨办法”
工具G是我这次测评里主观评分最高的一款，因为它不做“一键生成”，而是给每个句子生成3到5个改写候选，同时标注每个候选的“改动幅度”，由你来决定采纳哪一个。界面可以按句对照原文，逐句勾选，也可以快速跳过。
我用它处理测试文章花的时间最长，大概15分钟，但效果也是最好的：回测平均AI率降到了18%，是8款工具里的最低值。而且因为每一步都是自己拍板，我对输出内容完全放心，知道哪句话为什么这样改、哪个词为什么替换，后期几乎不需要再返工。工具会把整篇文章的“人工确认率”显示出来，我控制在85%以上，意思是大部分句子我都亲自选过。
说它“笨”是因为效率确实低，800字文章我用15分钟，如果换成3000字的报告，可能要花上一个小时。但很多时候，重要文章恰恰需要这种“慢工出细活”。我的使用策略是：初稿阶段用工具A或E做快速整体降AI率，到了终稿阶段再用工具G逐句过一遍“收尾”，把那些机器味最重的句子单独挑出来人工重新确认。这个组合既兼顾了效率，又保证了质量，后面第4部分我还会展开讲。
3.8 工具H：免费轻量版，入门够用但别指望太多
工具H出现在榜单里，主要是因为它代表了一大类“免费降AI率工具”，也是很多新手接触到的第一类产品。它的基本功能包括同义词替换、语序调整、标点符号优化，每天免费处理一定字数，超出之后可以通过分享链接或签到获得额外额度。
我特意测试了它的免费额度，官方宣称每日免费5000字，实际用下来，一篇文章超过1500字时会有概率被限速，需要排队。处理效果方面，回测平均AI率从90%降到了71%，是所有工具里最弱的。而且它的替换逻辑和工具B类似，对专业术语不敏感，比如把“公共交通”改成“公共出行工具”，虽然不算错，但显得生硬。
不过我也要说句公道话：对于第一次接触降AI率、不确定自己需不需要这类工具的人来说，工具H是个不错的入门选择。你可以先体验一下“降AI率到底是怎么回事”，感受一下“处理前后文本有什么差别”，然后再决定是否升级到付费工具。不要对它抱太高期待，更不要用它处理重要稿件，这一点我后面会反复强调。
4. 不同场景的组合选型建议
4.1 学术论文与大作业场景：保留原意是第一位
如果你的目的是毕业论文、课程论文、期刊投稿，我的建议是三条：第一，优先选择带术语保护功能的工具，比如工具F，它能从机制上保证专业名词不被改坏；第二，不要迷信“一键降AI率”扫完就交，再好的工具也需要人工逐句审核，工具G的逐句选择模式放在终稿阶段非常合适；第三，我建议的顺序是“工具F做段落级深度改写 + 工具G做人工逐句收尾”，这个组合我去年的使用体验最稳，既能有效降低机器味，又能最大程度保留学术表达的严谨性。
另外需要特别提醒：很多学术数据库或期刊对AI辅助写作有自己的规定，有的要求披露，有的严格禁止。降AI率工具处理完的文本，本质上依然是“AI参与的修改过程”，是否违规要看具体平台规则。我的习惯是处理完之后，把所有引文、数据、参考文献逐条核对一遍，确保改动没有影响学术规范要求，然后自己通读一遍，确保文字表达符合自己的真实水平，做到“改完之后我认这个稿子是我写的”。
4.2 新媒体、职场汇报与个人博客：人味优先，效率至上
这些场景对“信息精确度”的要求没有学术那么高，但对“读起来像不像人写的”非常敏感。所以我的首选是工具D做第一遍人味注入，把口语化表达拉起来，再用工具A做一遍整段重写，把文本的句式进一步打散。这个组合处理完的文字，回测AI率通常在25%到35%之间，而且阅读体验非常自然，基本看不出机器痕迹。
如果你是做小红书、公众号这类强个人风格的内容，我还有一个更进阶的用法：先用工具C上传自己的几篇老文章作为风格参考，再让工具C重写新内容。这样处理后，整篇文章的行文习惯会非常接近你本人，别人一眼看上去就觉得“这是你写的”，而不是“这像AI写的”，降AI率反而成了附带效果。
4.3 预算有限的人群：免费版加人工二改
我知道并不是所有人都有预算购买付费工具。如果你只能使用免费版，我的建议是用工具H做第一轮快速处理后，自己手动把所有觉得别扭的句子改写一遍。这里有一个小技巧：把处理后的文本通读一遍，盯住“太工整”的句子，主动把它们拆成长短不一的语段，加一点自己的语气词，替换掉过于书面化的连接词。这套人工二改的操作我之前单独写过，核心原则就是“打破均匀”——我不需要把它改得多华丽，只需要让它不像机器那样句句对称、字字均匀。
免费工具的另一个用途是“测试阈值”：你先用免费工具处理一小段文字，丢进检测器看结果，大致能判断出当前检测器的判定严格程度，然后再决定要不要为付费工具掏钱。这个方法省钱又实用，适合刚入门的同学。
5. 实测中踩过的坑与排查技巧
5.1 为什么有些稿子“越降越高”
这是我在测评过程中遇到的最诡异的问题。按常理说，文本经过降AI率工具处理后，被识别的概率应该降低才对，但实测中确实出现了个别工具处理后，回测AI率反而比原文还要高的情况。我复盘之后总结出两个原因：第一，工具进行了大规模的过度替换，导致整个文本的用词“又新又偏”，检测器反而认为这种不自然的用词方式是机器特征；第二，某些工具的“整段重写”把所有句子改成了长度相近、结构相似的排比句，虽然表面上看句式变丰富了，但均匀度反而更高了，更容易被判定为AI生成。
排查方法其实很简单：处理后不要直接提交，先用检测器回测一次，如果发现AI率没降反升，优先调整工具的处理强度档位，或者换一种技术路线的工具。越降越高不是工具坏了，而是参数选得不合适，把强度从“深度”改到“中度”或“轻度”，很多时候问题就解决了。
5.2 专业术语和数据被改坏：这是最常见的事故
整篇测评下来，我遇到频率最高的问题就是专有名词被改动。有把“5G基站”改成“第五代移动通信基础站”的，有把“碳排放”改成“二氧化碳释放量”的，还有把政策文件名称强行替换成同义描述的。所有降AI率工具的底层都是语言模型，它们对“改写”的理解天然偏向语义等价，而不是字面一致，所以专业内容在改写过程中变形几乎是必然事件。
对策有三条：一是优先选带术语保护功能的工具，比如工具F，把关键名词全部锁死；二是改完以后用对比工具把原文和处理文并排扫描一遍，重点盯数字、人名、地名、法规名称、型号参数；三是最笨但最靠谱的方法——在预处理阶段把这些关键信息用占位符替换掉，比如把“2025年城市交通发展报告”改成“【报告A】”，等降AI率处理完成后再把占位符替换回来。这个方法多花几分钟，但能彻底杜绝误改问题。
5.3 降AI率不等于降质量：人味和逻辑必须兼顾
很多人在追求低AI率的时候会走进一个误区：只要检测数字低了就觉得万事大吉。我见过有朋友把一个技术方案改得AI率只有12%，但通读下来逻辑断层、数据前后矛盾、概念张冠李戴，这种稿子交出去不仅评分不会高，甚至会被审稿人看出“非正常修改”的痕迹。检测器所谓的“AI率”只是一个统计学指标，它不能代表文本的真实质量。
所以我自己的流程一直都是“三步走”：第一步，用工具把AI率降下来；第二步，人工通读一遍，把被改写掉的核心逻辑、关键信息补回来；第三步，再回测一次检测器，确认补回来的部分没有把AI率重新拉高。这个流程看起来麻烦，但实际操作熟练之后，一篇3000字的文章也就多花二十分钟，换来的却是稿子敢直接投出去、直接发布的底气。
5.4 常见问题速查表
| 问题现象 | 可能原因 | 解决办法 |
|---|---|---|
| 处理后AI率反而升高 | 改写强度过大或句式过度均匀 | 降低强度档位，或更换技术路线工具 |
| 专有名词被改错 | 工具没有术语保护机制 | 使用工具F或在处理前用占位符替换关键信息 |
| 处理后读起来很生硬 | 同义替换过度 | 人工恢复自然表达，优先修改最别扭的句子 |
| 文章逻辑断层 | 多轮交叉改写导致观点弱化 | 逐段核对核心论证链，补回论述逻辑 |
| 口语感过重 | 人味注入浓度太高 | 降低注入浓度，控制每200字只保留1到2处口语表达 |
| 英文缩写或型号丢失 | 小模型不认识专有缩写 | 提前把缩写和型号加入保护清单或使用占位符 |
| 免费工具每天限额用完 | 厂商限制免费额度 | 分散处理，或先处理核心段落其余部分人工修改 |
| 处理速度过慢 | 多模型轮次多或服务器繁忙 | 减少改写轮数，或错峰使用 |
6. 我个人现在的固定搭配习惯
测完这8款工具之后，我自己现在的工作流基本固定下来了，顺便分享给大家参考：先用工具D做第一遍人味注入，把整篇文本的口语感和句子长短变化拉起来，这一步大约花两三分钟；然后用工具F做术语保护和段落级改写，核心段落用中度强度，一般叙述段落用深度强度，这一步处理完，AI率大概能降到30%上下；最后如果有时间，我会用工具G逐句过一遍“收尾”，把那些我最不放心、机器特征最明显的长难句单独挑出来，选一个自己满意的改写版本。
这套流程看着繁琐，实际上800字的稿子全程下来不到二十分钟，3000字的深度长文也就一个小时左右。它最大的好处是每一步都在我掌控之中：人味、术语、逻辑三个关键点全有人工确认，不会出现改完以后内容“四不像”的情况。工具确实能帮我们省下很多时间，但真正决定一篇稿子能不能用的，依然是人在处理过程中投入的注意力。我的体会是，降AI率工具发展到今天，拼的早就不只是谁的数字更低，而是谁能帮你在“降低机器痕迹”和“保留人类表达”之间找到那个平衡点。这个平衡点没有固定答案，只能靠一篇一篇稿子试出来。
