Claude Opus 5.5发布之后，我第一时间把手头能想到的文本任务都试了一遍。总结报告的提纲、产品发布文案、公众号长文、客服话术优化、甚至一段vlog的旁白……它确实聪明，逻辑极其严密，几乎不需要我再去做结构性的大改。但把生成的内容并排放在一起读几遍，一个非常扎眼的共同点又出现了：每一段都通顺、得体、正确，可就是“塑料感”十足，那股熟悉的AI味，一点没少。
这篇文章不聊参数，不聊跑分，只聊一件事：AI味到底是个什么东西，为什么像Claude Opus 5.5这样级别的模型依然除不掉它，以及我们在实际写稿、改稿、搭工作流的时候，能拿它怎么办。如果你平时主要用AI写东西、发内容，或者对“为什么一眼就能认出AI写的”这件事感到好奇，这篇内容可以给你一个比较完整的答案。
1. 先聊清楚：AI味到底是个什么问题
很多人以为“AI味”是个文风问题，觉得只要模型再强一点、语料再多一点，自然就消失了。我原来也这么觉得，但用Claude Opus 5.5这段时间，我越来越确信：这不是文风问题，是生成机制本身的结构性问题。只要语言模型还在用“预测下一个词”的方式工作，它就天然倾向于生产那种味道特别正的“平均文本”。
1.1 它不是玄学，是概率分布的副产品
语言模型本身不知道自己在写什么。它做的工作，本质上是根据前面所有的字，计算下一个字最可能是什么。翻译成人话就是：它每次落笔，都在选一个“在这段上下文里出现概率最高的词”。
这意味着什么？意味着模型写出来的每一个词，都是大规模语料统计出来的“最大公约数”。人写作的时候，一个东北人会写“这玩意儿挺好使”，一个上海人会写“这个蛮灵的”，一个产品经理会写“这个方案可行性较高”，这种地域、身份、场景带来的差异，在概率模型眼里全部被“平均”掉了。模型每次都会选那条最宽的、最不容易出错的路。
举个特别直观的例子。我让Claude Opus 5.5写一段关于项目延期的说明，它写的是“我们经过慎重评估，为确保交付质量，决定对项目周期进行适当调整”。“慎重评估”“确保交付质量”“适当调整”，这三个词任何一个单独拎出来都没毛病，但凑在一起就让你觉得：这就是AI。因为真实的人写这段话，会说“这次又延期了，主要是测试那边卡住了”，会带情绪、带具体细节、带个人视角。
我理解这件事的逻辑是这样的：模型的训练目标决定了它倾向于选择“最安全”的词，而不是“最有性格”的词。就像让一万个人同时画一只猫，最后平均出来的那只，一定是最没特点的。你一眼能认出来，不是因为那只猫画错了，而是因为它太“标准”了，标准到没有灵魂。AI味就是从这种统计平均中长出来的副产品。
1.2 对齐训练把人味也一起磨掉了
Claude Opus 5.5这种级别的模型，在训练阶段加入了大量的“人类反馈对齐”步骤。也就是说，它的回答被人为地朝着“符合人类偏好”的方向调整。这个机制的初衷是让模型更听话、更懂礼貌、更不容易犯错。但副作用也很明显：模型学会了所有“正确”的表达方式，却把人类写作中那些不够正确、不够理性、不够体面的部分也一起丢掉了。
真正的写作是需要“人味”的，而人味的来源恰恰是那些不理智的部分。比如抱怨、吐槽、偏见、突然的情绪转折、一句不合时宜的玩笑。我写过一篇游记，中间有一段是“这个景点我排了四十分钟队，结果就是一堆石头，我当场气得想骂人”。你让AI写这句话，它一定会写成“该景点游客较多，建议提前规划时间，错峰游览”。不是AI不知道“骂人”怎么写，而是它在对齐训练中被反复叮嘱过：你要得体，要礼貌，要帮用户解决问题。
所以AI味的本质，我觉得是一种“过度懂事”的味道。就像一个受过严格家教的孩子，坐在你面前，每一句话都滴水不漏，但你总觉得他不太像一个有血有肉的人。模型的智商在不断提高，情商也在不断提高，但“性格”依然是被概率和对齐稀释过的。这也解释了为什么Claude Opus 5.5在写技术文档、代码注释、工作总结的时候几乎无懈可击，但一写散文、段子、朋友圈文案就露馅——哪些场景需要“正确”，哪些场景需要“跑题”，模型分得还不够细。
1.3 安全边界的代价：表达被大幅收窄
还有一个不太好摆上台面、但真实存在的因素：现阶段的模型都被要求“严守边界”。它对写作的影响是潜移默化的，最典型的表现就是模型宁愿平庸，也不要出格。
你让AI点评一部你不太喜欢的电影，它会说“影片在某些方面尚有提升空间”；让AI写一句失败的心情，它会写成“经历了一些暂时的挑战”。不是因为模型词汇量不够，而是因为它被训练成在“可能会引发争议”的语义区域里尽量避开。久而久之，模型的表达就被压缩到了一条极其狭窄的“安全通道”里，所有的形容词、副词、动词，都被换成了风险最低的选项。
我自己的体会是：这种影响比很多人意识到的要深。它会渗透到所有类别的写作里，哪怕你让AI写一个童话故事，它也会忍不住加上“通过这个故事我们学到了……”。不是它想当老师，是它的训练数据告诉它，这样做最稳妥。所以去AI味这件事，有一部分其实是在跟模型的“谨慎本能”做对抗，你需要在提示词里明确允许它犯错、出格、不体面，它才敢稍微放开一点。
2. 解剖AI味：四个肉眼可见的典型特征
要解决一个问题，先得能精准地描述它。我把这段时间积累的、能一眼识别AI文本的特征归纳成四类。这四类特征不是互相独立的，它们经常同时出现，叠加起来就是那种我们熟悉的“塑料感”。
2.1 特征一：词汇层面的“口头禅黑洞”
每个AI模型都有自己的高频口头禅，Claude Opus 5.5当然也不例外。你不能说这些词错了，但它们出现的频率远远高于真人作者，一旦密集出现，读者立刻就能察觉。
我整理了一个自己在改稿时的“高频词黑名单”，遇到这些词我会优先考虑替换：
| AI高频词/短语 | 问题 | 更自然的替代思路 |
|---|---|---|
| 赋能 | 太“商业黑话” | 帮助、支持、让……能 |
| 闭环 | 整齐得像PPT | 完整的流程、把事做完 |
| 颗粒度 | 抽象又装 | 细致程度、具体一点说 |
| 值得注意的是 | 典型的“AI引子” | 其实、别忘了、说个有意思的 |
| 不仅如此/更重要的是 | 排比式递进的粘合剂 | 直接说下一件事 |
| 综上所述/总体而言 | 机器式总结 | 干脆删掉，直接上结论 |
| 无疑/显而易见 | 过度自信的填充 | 换成具体论证 |
| 在当今这个……的时代 | 教科书开头 | 直接说具体场景 |
这里有一个小技巧：把AI生成的稿子丢进一个词频统计工具里，或者用“Ctrl+F”逐个查这些词，查出来的结果往往比你自己“读出来”的更震撼。我第一次这么做的时候，一篇两千字的稿子里，“赋能”出现了4次，“值得注意的是”出现了3次，这种密集程度，真人作者打死都不会写出来。
2.2 特征二：句式和篇章的“教科书综合征”
AI写文章，结构感特别强，强到“结构感”本身就是破绽。它极度偏爱排比句，动辄三连击：“无论是……还是……都……”“不仅……更……甚至……”。这种句式在演讲里是有效的，但普通人日常写作真不这么说话。
另一个我经常发现的破绽是“每段必有主题句”。真实的写作者经常跑题，经常一段话里塞进去三个想法，经常一个逗号从头用到尾。但AI的每一段都像新闻稿：第一句说观点，后面几句展开论证，段尾再总结一句。整篇文章是一个完美的“总—分—总”结构，开头必做铺垫，结尾必做升华。好几篇生成文章放在一起，几乎可以叠成同一个框架。
跟AI文本打交道久了，我反而开始珍惜普通人写作里的“乱”。那种想到哪写到哪的随意感、一句话说不完就换行的节奏、偶尔冒出来的口头禅，这些“瑕疵”恰恰是文本具有人类体温的证据。模型追求的是“整齐的美”，但真实写作追求的是“准确的美”。
2.3 特征三：情绪颗粒度太粗
AI不是没有情绪，它的情绪是从语料里学来的“平均值情绪”。什么叫平均值情绪？就是你问任何AI“你开心吗”，它都会给你一段类似“我感到非常高兴，因为能帮助用户解决问题”的回复。复杂微妙的人类情绪，在模型那里被简化成了几个大类的标准化描述。
人的情绪是非常细腻的。同样是一篇旅行的感想，AI会写“当我看到这片湖水的第一眼，内心感到无比平静与喜悦”。但真实的人可能会写“那湖水比照片上蓝，蓝得我一时半会儿没缓过神来”。前者的词都是“正确的情绪词”，但没有画面；后者的情绪藏在“没缓过神来”这个细节里，读者能自己感受到。
所以在识别AI味的时候，我有个习惯：看它有没有“具象的细节”。AI写“她愤怒地说”，缺乏“她摔了手里的文件夹”；AI写“我很感动”，缺乏“鼻子一酸，转头假装看风景”。没有细节支撑的情绪，就是一坨干瘪的形容词，读起来味同嚼蜡。这也是AI文本识别中非常可靠的一个判断维度。
2.4 特征四：逻辑严密到不像真人
这条听起来很奇怪，逻辑严密明明是优点，为什么也成了AI味的来源？因为人类的写作逻辑，是“看起来严密但其实夹杂了很多跳跃、省略、双标和口误”的。你写一篇日记，不可能每一句话都和前一句严丝合缝地衔接，你会有废话，会有忘词，会有逻辑断裂。
AI不一样，它的每一段都经过概率计算，确保句与句之间平滑过渡。这种平滑是好事，但放在所有文体里就变了味。比如让AI写一个家里的趣事，它会把事情讲得像案例复盘一样，有起因、经过、结果，最后还要加一句“这件事让我明白了一个道理”。真实的人讲故事，经常讲着讲着自己先笑了，或者东拉西扯说了一大堆跟主题无关的背景，这些“失控感”才是故事的生命力。
我要说明的是，不是说逻辑严密就该被批评，而是“严密的逻辑”本应该是写作工具的一种，不该成为所有文体的默认选项。AI的问题是：它永远在做“正确”的选择，从不允许自己“失控”。这恰恰成了它最容易被识别出的特征。
3. 去AI味实操：从源头控制到三遍修改的完整流程
聊完了问题，说点实在的。面对AI味，我们能做什么？
事实上，经过一段时间的摸索，我找到了一套还比较有效的组合方案。核心思路是三步：第一，在提示词阶段就用工程手段降低AI味的浓度；第二，对输出稿做至少三遍“去味修改”；第三，识别哪些部分必须人工介入。这三步缺一不可，只改提示词不改稿，效果有限；只改稿不调提示词，效率又太低。
3.1 在源头杀死一半AI味：提示词里设置“负面清单”
很多人在写提示词时只告诉AI“要做什么”，很少告诉它“不要做什么”。想让生成的文本不那么像AI，恰恰要把“不要什么”说清楚。
我最常用的一版去味提示词是这样的（可以直接复制用）：
请按照以下要求写作： 1. 使用自然口语化的表达，像朋友在聊天 2. 不要使用任何总结性过渡句（如：综上所述、值得注意的是、不仅如此） 3. 不要写排比句，不要用对仗的句式 4. 每段不要以主题句开头，允许随意切入、跑题再拉回来 5. 必须包含至少一个具体的细节（某个动作、某句对话、某个数字或某个场景） 6. 整体语气要有节奏变化：长短句交替，允许粗口和省略号 7. 不要升华，不要讲道理，不要“通过这件事我们明白了”这个提示词的核心是把模型的“安全意识”降下来。你会发现，一但告诉它“不要排比、不要总结、不要升华”，它反而会输出一些更松弛的内容。另外，Claude Opus 5.5对示例非常敏感，在提示词里给一段“真人写的同一主题段落”作为风格锚点，效果会好很多。这时候你可以随便摘一段自己以前的文字，哪怕写得不太好，AI也会努力去模仿那种“真实的不完美”。
还有一个容易忽略的参数细节：写作类任务不要用“temperature=1”这种默认高随机值，也不要调太低。对我来说，0.7到0.8之间是一个比较好的平衡点，太高容易乱，太低又会回到模板化。需要统一品牌调性的正式文案用0.6，个人风格的随笔和口播稿可以放到0.9左右。
3.2 三遍“去味修改法”：每次只盯一类问题
就算提示词写得再好，AI生成的初稿依然需要人工过一遍。我总结的“三遍去味修改法”是这样的，每遍只负责清除一种类型的AI痕迹，改完一遍原文的“机器感”就会少一大半。
第一遍，全局扫描“AI高频词”。打开查找替换，把“赋能、闭环、颗粒度、无疑、值得注意的是、综上所述”这类词全部揪出来。不需要机械地全部删掉，而是换成更具体的说法。比如“赋能”换成“让新手三天就能上手”，“闭环”换成“从需求收集到发布上线，一整个流程都串起来了”。具体词替换抽象词，AI味立刻下降一个量级。
第二遍，“打断节奏”。AI写的段落太规整了，几乎每句话都是2到4个停顿的均衡结构。修改的时候，要故意制造长短句交替。找一个长句，从中狠狠拆开，变成两三句短句；再把两句短句合并成一句长的。哪怕内容完全不动，仅仅是节奏的变化，看起来就“像人写的”了。这一步还有一个操作技巧：把AI写出的每个排比句都拆掉，只保留重复结构中的第一个，剩下内容展开来讲。
第三遍，“注入真实颗粒”。这是最花功夫但也最值钱的一步。AI没有真实经历，它根本写不出你昨天在咖啡店里看到的那个戴灰色针织帽老奶奶。所以你需要往稿子里塞细节：一个真实发生的对话、一个具体的时间节点、一个只有你自己知道的数字。这一步做完，这篇文章就从“AI生成的”变成了“你借助AI完成的”，这是一个质的差别。
3.3 认清边界：哪些内容必须由人来补
去AI味做到一定程度，你得接受一件事：有些内容是任何提示词和修改技巧都无法解决的，只能靠人来补。
第一类是真实经历。AI没有在这家公司加过班，没有陪你通宵改方案，没见过你楼下那家凌晨两点的面馆。它如果写这些，全是编的。经验性内容建议你提供素材给它加工，不要让它从零开始编。
第二类是私人化的判断。AI的价值观是训练出来的平均值，它没法替你判断“这事让我觉得恶心”，也没法告诉你“虽然老板说没问题，但我总觉得哪里不对”。这些判断必须是你自己的，AI能做的只是帮你把话组织得更流畅。
第三类是情绪底线。前面说过，AI倾向于得体、周全、正确，但你文章里某些不可妥协的情绪，比如愤怒和委屈，真的只能自己写。我通常的做法是：把AI生成的稿子当作“骨架”，把那些最戳人的、最有情绪冲击力的句子，全部自己重写一遍。去AI味不是让模型写得像人，而是让模型先写一遍，然后你把人味补进去。
4. 常见问题速查与我的个人避坑心得
实际操作中，大家遇到的问题其实高度重复。我整理了一份速查表，基本上覆盖了我这段时间被问到的各种问题，你可以先对号入座再去找解决方案。
| 现象 | 直接原因 | 建议处理方式 |
|---|---|---|
| AI全文都在“系统性地总结” | 模型训练偏好总-分-总结构 | 在提示词里单独加一条“不要总结，不要升华” |
| 文章读起来很“端着” | 缺少真实细节颗粒 | 手动插入一个具体场景、动作或对话 |
| 排比句泛滥 | 模型对整齐结构的“路径依赖” | 在修改时把排比拆散，只留一个平铺句式 |
| 每段开头都是主题句 | 模型“分类讨论”的本能 | 打乱段落顺序，再重新合并逻辑相近的段落 |
| 全文过于礼貌克制 | 对齐训练导致的“谨慎” | 提示词里允许适度口语、粗口、直接表达情绪 |
| AI自己写“通过这件事我们学到了” | 训练数据里的“升华”惯性 | 直接全局搜索删除这类句子 |
| 生成内容太正确、太官方 | 安全边界收窄了表达空间 | 在提示词中主动给AI“出格”的许可 |
这里有几个坑，是我自己反复踩过的。
第一个坑是“追求绝对无AI味”。刚开始做这事的时候，我恨不得把生成文本改到“任何AI检测工具都测不出来”，后来发现这是个无底洞。AI味的本质是概率统计的产物，它可以被降低、被稀释，但无法被完全清除，尤其是长篇文本，总会留下那么一点痕迹。与其纠结检测工具的打分，不如花时间把内容修到“让人愿意读完”，这才是去味的真正目的。
第二个坑是“拿第一版直接发”。很多朋友问我为什么AI写的稿子一眼假，我一看就是因为他们根本没有修改就发布了。Claude Opus 5.5能力强不强？强。但它的强是“生产高质量初稿”的强，不是“一步到位”的强。我现在养成了习惯：任何AI生成的对外内容，至少要经过一轮人工修改，修不修是态度问题，修得好不好是水平问题。
第三个坑是“只改提示词不练手”。网上有很多“万能去味提示词模板”，但同一个模板换到不同场景，效果天差地别。提示词在去AI味这件事上能解决大概一半问题，另一半问题需要靠你对自己的写作习惯、平台特性和读者偏好的理解去解决，这部分是没办法外包给AI的。
还有一个我最近在琢磨的方向，是多模型协作去味。做法是先让Claude Opus 5.5生成一版标准稿，再把它丢给另一个模型做“灵魂改写”，专门做口语化、破坏结构、注入野路子的工作。虽然大模型们都有AI味的底色，但不同模型训练偏好的差异还是存在的，有些模型在“自然语言”上的调教更好一些。我自己尝试了让不同模型互相修改同一段内容的流程，有时候效果意外地好。不过这也看具体任务，正式程度高的文本，建议你还是自己动手改更稳一些。
5. 最后的操作体验
跟Claude Opus 5.5这段时间磨合下来，我个人的体感是：它已经强到可以承担大部分“从零到一”的书面工作，但“从一到十”那一段路，终究还是得靠人去走。AI能给你一个逻辑自洽、用词合理的底稿，这是十年前完全不敢想的效率；但它给不了你真实的经历、私密的情绪和不肯妥协的判断，这是模型天生的边界。
所以我现在的工作方式基本固定了：涉及对外发布的内容，AI负责出骨架和初稿，我负责补血肉和呼吸；涉及个人表达比较强的内容，AI只负责帮我梳理大纲，真正的正文我一个字一个字自己写，顶多请它帮我想几个候选标题。AI味这个东西，不是靠换更强的模型就能解决的，它需要你在使用过程中有意识地定义“什么是你想要的表达”，然后把这份定义写进提示词、写进修改流程、写进每一次发布前的检查清单里。
最后分享一个我一直在用的笨办法：AI生成完初稿之后，把它大声读一遍。凡是读起来像主持人念新闻稿的句子，全部重新写。文章是你自己的，哪怕它不那么完美、不那么整齐，只要读起来像你说话的样子，AI味就已经去了大半。
