AI 时代的快速写作方式与新的问题
LLM 带来了巨大的生产力提升。我目前主要用 Codex 辅助日常任务，写作也不例外。LLM 本来就是通用自然语言模型，最擅长处理语言文字，但带来便利的同时，也产生了新的问题。在我自己的观察和写作过程中，我遇到两个明确且突出的问题：
1. LLM 生成的句式、结构、语法同质化严重，简称 AI 味
现在抖音刷到的八成小博主的科普讲解类文章，都有非常浓重的 AI 味，非常影响听感，很容易让人觉得这是一个没有个人观点的 AI 生成稿，第一印象就会被打上不专业的标签。如果你是内容输出作者，这其实是一件非常严重的事情。
尤其是你刚开始用 AI、缺少主观判断，并且准备生成一些技术分享、演讲稿、口播稿等内容时，一定要注意场合。在公开场合讲稿有 AI 味，是极其尴尬的一件事。（你可以想象成在严肃场合模仿豆包说话😂）当前我感觉最普遍的就是 GPT 和豆包式的 AI 味，非常明显。
2. 相比 LLM 对正文生成的辅助，文章插图要麻烦得多
虽然现在已经有很多 AI 生图工具和模型，但设计本身也是创作，需要一些门槛。我能找到的一些辅助文章插图的 Skill，体验下来也都不符合我的预期。我总结下来有两个痛点：
- 能自动根据文章语义找准需要插图的位置。
- 贴合文章，快速生成插图设计的类型、风格和样式，并且方便地随时修改和微调。
解决这两个问题，能极大降低插图带来的心智负担。
基于以上问题，在日常写作中，我整理了两个 Skill 并在 GitHub 上开源。经过一段时间的使用，它们比较符合我的预期，大幅缩短了我的文章写作时间。
欢迎 star
1. zu-article-image-skill：可编辑的长文视觉配图 Skill
项目地址 ：github.com/wwenj/zu-ar...
zu-article-image-skill
核心设计
这个 Skill 只解决两件事：
- 在什么地方配插图
- 配什么样的插图
它把流程拆成两层：
- Prompt 层：先根据文章结构，在正文里插入可检查、可修改的插图预渲染 Prompt 标签。
- 生图层 ：用户确认后，再根据这些 Prompt 生成图片，保存到
imgs/，并把图片引用插回原位置。
文章 Markdown 是唯一状态源。不创建计划文件、独立 Prompt 文件、任务 JSON 或额外状态文件。
设计方案
1. 中间态标签
第一次执行只写入隐藏标签，不直接生成图片：
makefile
<!-- article-illustration id="01-agent-runtime" preset="process-flow" type="flowchart" style="sketch-notes" palette="macaron" ratio="16:9" alt="Agent 执行流程"
创建一张用于技术文章的横向流程图，帮助读者理解 Agent 请求从输入到输出的执行链路。
Layout: 从左到右的五段流程，整体保持充足留白。
Content: 用户输入、Router、Planner、Executor、Validator 和最终答案。
Style: sketch-notes 手绘教育信息图风格，暖色纸张背景，黑色手绘线条。
Palette: macaron。浅蓝表示系统模块，薄荷绿表示成功输出，珊瑚红只用于风险提示。
Text: 只使用中文短标签，保持大字号和清晰可读。
Aspect: 16:9。
-->生成中间态的图片描述提示词，直接插入原文中，先做占位；再随着原文内容编辑，以一种"图片源码"的方式在草稿中存在，等全部编辑和微调完成后再一次性生图并插入。
2. 内置样式体系
Agent 会参考 references/ 中的规则自动选择样式，用户也可以指定或修改。
| 层级 | 数量 | 作用 |
|---|---|---|
preset |
8 | 常用场景组合，例如知识图、架构图、流程图、对比图 |
type |
6 | 信息结构：infographic、flowchart、comparison、framework、scene、timeline |
style |
7 | 画面语言：手绘、蓝图、矢量、白板、编辑、海报、温和场景 |
palette |
6 | 色彩语义：柔和教育、技术蓝、均衡、黑白墨线、海报双色、暖色 |
3. 插图风格预览
示例图统一以"Markdown 文章配图 workflow"为主题，按内置 style 生成。
 sketch-notes 手绘教育信息图，适合概念解释、教程和流程说明。 |
 blueprint 技术蓝图风格，适合架构、系统边界和数据流。 |
|---|---|
 vector-illustration 平面矢量风格，适合方案对比和知识卡片。 |
 ink-notes 白板笔记风格，适合方法论、框架和心智转变。 |
 editorial 杂志信息图风格，适合数据、指标和报告摘要。 |
 screen-print 丝网印刷海报风格，适合强观点和象征性主视觉。 |
 warm 温和叙事插图，适合个人经历和轻隐喻表达。 |
4. 状态机
scripts/article_tags.py 负责确定性扫描和回插：
| 命令 | 作用 |
|---|---|
scan |
解析标签、校验属性、输出每张图的状态和保存路径 |
sync |
在图片已存在时，把  插回标签后方 |
状态含义：
| 状态 | 含义 |
|---|---|
needs_generation |
标签存在，但 imgs/{id}.png 不存在 |
needs_insertion |
图片存在，但文章里还没有图片引用 |
complete |
图片文件和图片引用都存在 |
error |
标签非法、ID 重复或图片引用重复 |
使用方式
规划配图：
css
使用 zu-article-image-skill 为 article.md 规划配图第一次执行结束后，Skill 会总结每张图的位置、目的和样式。此时可以：
- 确认继续生成图片。
- 手动编辑文章里的 Prompt 标签。
- 要求换成其他 preset 或 style 后重新生成 Prompt。
确认后生成图片并回插：
css
根据文章内已有 `article-illustration` 标签生成图片。适合场景
- 中文技术文章、教程、观点长文、项目复盘
- 需要流程图、架构图、概念图、对比图的 Markdown 草稿
- 希望把配图 Prompt 直接维护在文章里，避免拆到额外配置文件
2. zu-article-polisher-skill：精准去除 AI 味
项目地址 ：github.com/wwenj/zu-ar...
zu-article-polisher-skill
zu-article-polisher-skill 是一个面向中文技术表达的 Skill。它的目标是拆掉 AI 生成内容里常见的模板骨架，保留作者原本的判断、事实和技术边界，让文章更像一个真实、有经验的工程师写出来。
它适合处理：
- 中文技术文章、观点长文、公众号草稿
- 口播稿、演讲稿、分享稿
- AI 初稿的二次整理和发布前检查
核心能力
1. 去除中文 AI 味
识别并处理中文内容里常见的 AI 写作痕迹，例如：
- 模板开场和假问题
不是...而是...、不仅仅是...更是...这类 GPT 经典的否定式排比- 三段式结构、强行列点、粗体小标题列表
- 空泛意义升华、句尾强行总结
- 宣传腔、白皮书腔、行业黑话
- 模糊归因和无来源背书
- 过度平衡、套路化挑战与展望
- 聊天回复残留和模型免责声明
2. 保留作者真实判断
这个 Skill 优先保留作者自己的观点、经验和技术 caveat。它不会为了让文字更自然而凭空添加年份、数字、案例、来源、用户反馈或更激进的判断。
处理技术观点文时，它会优先保护这些内容：
- 明确判断
- 工程边界
- 成本、权限、稳定性、评测、迁移、维护等真实约束
- 原文已有的事实和观点归属
3. 重建文章结构
它会先提炼文章真实主张，再围绕主张重写段落，避免只做同义词替换。
常见处理方式包括：
- 把假问题改成判断句
- 删除空泛铺垫和重复总结
- 调整段落顺序，让核心观点更早出现
- 同步阅读大纲、正文标题和章节编号
- 收敛标题、列表、表格和 Markdown 格式
4. 支持发布前检查
仓库内置了一个辅助脚本：
bash
python3 zu-article-polisher/scripts/check_article_style.py <markdown-file>脚本只负责定位疑似问题，不会自动改写文章。它可以检查：
- 阅读大纲和正文标题是否一致
- 章节编号是否连续
- 固定 AI 句式和模板结构
- 术语大小写
- 粗体滥用、空行、尾随空格等 Markdown 问题
内置了大量常见的 AI 句式用于检查匹配，这是最有效的方法。你不能指望让 AI 自己检查自己的 AI 味。
使用场景
文章框架基本写完、不再需要 AI 大幅修改或生成文章内容后，可以让该 Skill 整体修改一下文章内容。
项目地址
欢迎大家 star！！
项目地址 ：github.com/wwenj/zu-ar...
项目地址 ：github.com/wwenj/zu-ar...
原创声明
原创文章，转载请注明作者和文章原文链接。插图来源为 AI 生成，关注公众号看更多文章哦！
内容创作 AI 自律声明
