这段文字有AI味"到底怎么判断

"这段文字有AI味"到底怎么判断？6项量化指标详解

前言

你一定见过这样的场景：有人贴出一段AI生成的文字，评论区有人说"明显是AI写的"，也有人说"我觉得挺自然的"。谁说了算？没有标准，全靠感觉。

上一篇讲了8级门禁中的G6------反AI味检测。当时只给了一个结论：当6项指标全部达标时，读者基本无法分辨这是AI写的还是人写的。但那篇的主角是门禁系统，G6只是其中一道关卡。

这篇把G6拆开讲透。

因为在整个8级门禁里，G6是最特殊的一道。G3检查大纲对不对，G4检查人设对不对，G5检查节奏对不对------这些都有明确的"对错标准"。但G6检查的是**"像不像人写的"**，这个问题天然带有主观性。

所以关键问题是：怎么把"AI味"这种主观感受，变成一组可计算的数字？

"AI味"到底是什么

在设计指标之前，得先搞清楚一件事：读者说"这段文字有AI味"时，他们到底在说什么？

我收集了200多条读者对AI生成小说的负面评价，做了聚类分析。发现所谓"AI味"并不是一个单一问题，而是6类不同问题的混合体。读者可能说不清具体是哪一类，但他们的"不舒服感"总能归到以下6个来源之一。

01 · 句式重复

AI喜欢在连续段落中使用相同的句式骨架。最典型的是"她不禁......""他微微......""缓缓开口道"这种模式反复出现。人类作者也会偶尔重复，但不会像AI这样机械地高频重复同一种结构。

02 · 词汇贫乏

AI生成3000字，可能只用到800个不同的词。人类作者写同样长度的章节，词汇量通常是AI的1.5到2倍。词汇多样性低会让读者产生**"翻来覆去就那几个词"**的疲劳感。

03 · 情绪直白

AI习惯直接"说"情绪------"她很愤怒""他感到震惊""她心中一阵无奈"。人类作者更倾向"演"情绪------用动作、表情、环境来暗示。直白的情绪词堆叠多了，文字会变得像心理报告而不是小说。

04 · 段落均匀

AI生成的段落长度高度均匀，每段几乎都是120-150字。人类作者的段落长度方差很大------有时一句话成段，有时一大段铺陈。均匀的段落节奏会让读者产生机械的催眠感。

05 · 对话过多

AI倾向于用大量对话推进剧情，因为对话是最"安全"的叙事方式------不容易出错，也省去了描写环境的麻烦。但当一章80%都是对话时，读者会觉得场景感稀薄，像在读剧本而不是小说。

06 · 缺乏细节

AI生成的场景描写往往是"功能性"的------只写推动剧情必要的信息，缺少闲笔、感官细节和氛围烘托。人类作者会写"窗外的梧桐叶被风吹得翻了个面"这种和剧情无关但有呼吸感的细节。

这6个来源有一个共同特征：它们都可以通过文本统计来量化。句式重复可以数，词汇多样性可以算，情绪词密度可以统计，段落长度可以测方差。这意味着"AI味"虽然听起来主观，但它的根源是客观的、可计算的。

6项量化指标的设计原理

基于上面6个来源，我设计了6项对应的量化指标。每一项都有明确的检测内容、阈值和超标后果。

M1 · 句式重复率

阈值：≤ 3次连续

检测同一句式骨架在正文中连续出现的次数。"句式骨架"的定义是：去掉主语和宾语后保留的句法结构。比如"她不禁笑了笑"和"她不禁皱了皱眉"骨架相同，属于重复。

检测内容	超标后果
连续段落中相同句式骨架的出现次数	读者产生"复读机"感，文字机械

来看典型超标案例：

超标（连续4次相同骨架）

她不禁笑了笑。她不禁摇了摇头。她不禁叹了口气。她不禁闭上了眼。

修正后

她笑了笑，没接话。摇了摇头，像是想甩掉什么。叹了口气，又觉得不妥，硬生生咽了回去。最后她只是闭上眼，靠在椅背上不说话了。

M2 · 词汇多样性 TTR

阈值：≥ 0.45

TTR（Type-Token Ratio）= 不同词的数量 / 总词数。TTR越高，词汇越丰富。AI生成的中文文本TTR通常在0.30-0.38之间，人类作者通常在0.45-0.60之间。

检测内容	超标后果
全章去重词数 / 全章总词数	词汇贫乏，翻来覆去就那几个词

这个阈值不是拍脑袋定的。我统计了30篇人类作者网文章节和30篇AI生成章节的TTR，人类作者的TTR中位数是0.52，AI的中位数是0.34。0.45刚好在两者中间偏人类一侧------通过这条线，就进入了人类作者的统计区间。

M3 · AI高频词密度

阈值：≤ 5次/千字

统计一组"AI特征词"在正文中的出现频率。这些词是人类作者很少用、但AI高频使用的"指纹词"。

检测内容	超标后果
AI特征词表命中次数 / 千字	AI指纹暴露，读者一眼识别

AI特征词表（部分）：

特征词	AI文本均值(次/千字)	人类文本均值(次/千字)
缓缓	4.2	0.3
微微	3.8	0.5
淡淡	3.1	0.2
不禁	2.7	0.4
嘴角微扬	1.9	0.0
眸光	1.5	0.1
心中一凛	1.2	0.0

这张表是不断迭代的。每当我发现某个词在AI文本中异常高频，就加入词表。目前词表已有87个词，覆盖了大多数中文AI生成文本的典型指纹。

M4 · 段落长度方差

阈值：≥ 80

计算每个段落的字数，然后求方差。方差越大，段落长度越不均匀，节奏越有变化。AI生成的段落方差通常在20-40之间，人类作者通常在100-300之间。

检测内容	超标后果
各段落字数的方差	段落机械均匀，催眠感强

为什么人类段落方差大？因为人类作者有"呼吸感"。一个重要的转折会用一句话单独成段制造冲击力，一大段环境描写可能铺满半个页面。AI没有这种节奏意识，它倾向于把每段写得差不多长------因为这样"最安全"。

M5 · 对话占比

阈值：30% - 60%

统计正文中引号内文字（含引号）占总字数的比例。对话是双刃剑------太少显得沉闷，太多缺乏场景感。30%-60%是网文章节的舒适区间。

检测内容	超标后果
对话字数 / 全章总字数	<30%沉闷 / >60%像剧本

M5是唯一一个有上下限的指标。其他指标都是"不超过某值"，M5是"在30%到60%之间"。低于30%说明对话太少，环境描写和心理独白过多；高于60%说明对话太多，场景感和叙事厚度不足。

M6 · 情绪词密度

阈值：≤ 8次/千字

统计情绪类词语（"愤怒""震惊""无奈""悲伤""欣喜"等）的出现频率。人类作者用动作和细节暗示情绪，AI习惯直接"说"情绪。情绪词密度高是AI文本最容易被识别的特征之一。

检测内容	超标后果
情绪词表命中次数 / 千字	文字像心理报告，缺少"演"的层次

来看对比示例：

人类写法（演情绪）

她把杯子放在桌上，力气不大，但瓷底磕在桌面上发出一声脆响。手指在杯壁上停了两秒，才慢慢收回来。

AI写法（说情绪）

她感到一阵愤怒，心中震惊不已。同时又有一种无奈涌上心头，让她一时悲伤得说不出话来。

左边没有一个情绪词，但你能感受到她在压抑怒火。右边堆了4个情绪词，反而什么都感受不到。这就是M6检测的核心------好小说"演"情绪，AI小说"说"情绪。

阈值不是拍脑袋定的

6项指标的阈值怎么定？这直接决定了G6门禁的有效性------阈值太松，AI味检测形同虚设；阈值太严，人类作者的正常文本也会被拦下来。

我的方法很直接：对比统计。收集人类作者和AI生成文本各30篇，计算每篇在6项指标上的数值，画分布图，找到两者的分界线。

雷达图很直观地展示了人类作者和AI生成文本的统计差异。在6项指标上，两者的分布区间几乎没有重叠------这意味着只要阈值设在分界线附近，就能有效区分。

指标	AI均值	人类均值	设定阈值	阈值位置
句式连续重复(M1)	5.8次	1.7次	≤3次	偏人类侧
词汇多样性TTR(M2)	0.34	0.52	≥0.45	分界线偏人类
AI高频词密度(M3)	12.3次/千字	1.1次/千字	≤5次/千字	偏人类侧
段落长度方差(M4)	32	165	≥80	分界线偏人类
对话占比(M5)	72%	47%	30%-60%	人类区间内
情绪词密度(M6)	14.6次/千字	3.2次/千字	≤8次/千字	偏人类侧

阈值设定的三条原则：

第一，偏人类侧。 所有阈值都设在分界线偏人类一侧，宁可偶尔误杀，也不放AI味过关。误杀可以通过退回重写修复，但漏网之鱼会直接流入读者眼中。

第二，可调。 所有阈值定义在配置文件中，不写死在代码里。随着AI模型的迭代，AI生成文本的质量会提升，阈值需要动态收紧。

第三，有据可查。 每个阈值旁边都记录了统计样本数量和分布数据。这不是经验法则，是数据驱动的决策。

深挖一项：段落长度方差，最被低估的AI指纹

6项指标中，M4（段落长度方差）是最容易被忽略的------很多人在做"去AI味"时只关注词汇和句式，不会想到段落长度也是一个信号。但它其实是最稳定的区分指标之一。

原因是：句式和词汇可以通过prompt引导来改善（比如告诉AI"不要用'缓缓'这个词"），但段落长度的均匀性是AI生成机制的内禀特征------大语言模型在生成时倾向于保持输出节奏的一致性，这种倾向很难通过prompt消除。

柱状图显示了30篇人类作者样本和30篇AI生成样本的段落长度方差。人类作者的方差分布在100-300之间，中位数165；AI生成的方差分布在15-50之间，中位数32。两者的分布区间完全不重叠。

这意味着M4是一个几乎零误判的指标------只要方差低于80，几乎可以100%确定这段文字是AI生成的。在我的实测中，M4的准确率是6项指标中最高的。

不要只盯着"写了什么"（词汇、句式），也要关注"怎么排列"（段落结构）。有时候，把AI生成的均匀段落手动打散成参差不齐的长度，就能显著降低AI味。这是成本最低、效果最好的"去AI味"操作之一。

metrics.py 的实现细节

6项指标的设计原理讲完了，接下来是实现。整个检测脚本metrics.py的核心流程可以概括为：分词 → 逐项检测 → 汇总报告。

检测流程

python 复制代码

# metrics.py 核心检测流程（伪代码）

def run_metrics(chapter_text, config):
    """对一章正文执行6项反AI味检测"""

    # 1. 预处理：分词 + 段落切分
    tokens = tokenize(chapter_text)           # 全文分词
    paragraphs = split_paragraphs(chapter_text)  # 段落切分
    total_chars = len(chapter_text)
    total_words = len(tokens)

    results = {}

    # 2. M1: 句式重复率检测
    skeletons = [extract_skeleton(p) for p in paragraphs]
    results["M1"] = check_consecutive_repeat(
        skeletons, max_consecutive=config.M1_THRESHOLD  # 默认3
    )

    # 3. M2: 词汇多样性 TTR
    unique_words = set(tokens)
    ttr = len(unique_words) / total_words
    results["M2"] = {
        "value": round(ttr, 4),
        "pass": ttr >= config.M2_THRESHOLD  # 默认0.45
    }

    # 4. M3: AI高频词密度
    ai_hits = count_ai_words(chapter_text, config.AI_WORD_LIST)
    density_m3 = ai_hits / (total_chars / 1000)
    results["M3"] = {
        "value": round(density_m3, 2),
        "pass": density_m3 <= config.M3_THRESHOLD  # 默认5
    }

    # 5. M4: 段落长度方差
    para_lengths = [len(p) for p in paragraphs]
    variance = calculate_variance(para_lengths)
    results["M4"] = {
        "value": round(variance, 1),
        "pass": variance >= config.M4_THRESHOLD  # 默认80
    }

    # 6. M5: 对话占比
    dialogue_chars = count_dialogue(chapter_text)
    dialogue_ratio = dialogue_chars / total_chars
    results["M5"] = {
        "value": f"{round(dialogue_ratio*100, 1)}%",
        "pass": 0.3 <= dialogue_ratio <= 0.6
    }

    # 7. M6: 情绪词密度
    emotion_hits = count_emotion_words(
        chapter_text, config.EMOTION_WORD_LIST
    )
    density_m6 = emotion_hits / (total_chars / 1000)
    results["M6"] = {
        "value": round(density_m6, 2),
        "pass": density_m6 <= config.M6_THRESHOLD  # 默认8
    }

    # 8. 汇总
    all_pass = all(r["pass"] for r in results.values())
    failed = [k for k, r in results.items() if not r["pass"]]

    return MetricsReport(
        passed=all_pass,
        failed_metrics=failed,
        details=results,
        suggestions=generate_suggestions(failed, results, chapter_text)
    )

关键实现细节

M1的句式骨架提取是最tricky的部分。中文没有自然的空格分词，句式骨架需要依赖分词工具（jieba）做词性标注，然后保留动词结构和助词结构，去掉名词和代词。两句话的骨架相同，就算重复。

python 复制代码

# M1: 句式骨架提取
def extract_skeleton(sentence):
    """提取句式骨架：保留动词/助词，去掉名词/代词"""
    pos_tags = jieba.posseg.lcut(sentence)
    skeleton = [
        word for word, flag in pos_tags
        if flag.startswith('v')    # 动词
        or flag.startswith('u')    # 助词
        or flag.startswith('d')    # 副词
        or flag.startswith('a')    # 形容词
    ]
    return ''.join(skeleton)

# "她不禁笑了笑" → 骨架 "不禁笑了笑"
# "她不禁皱了皱眉" → 骨架 "不禁了皱" → 相似度高 → 判定重复

M3的AI特征词表维护在一个独立的JSON文件中，方便随时增删。每当发现新的AI指纹词，只需更新词表文件，不需要改代码。

M5的对话统计需要注意中文引号的两种写法（""和「」），以及引号嵌套的情况。实际实现中用正则匹配最外层引号对，统计引号内字数。

检测一章3000字的正文，6项指标全部跑完大约0.3秒。瓶颈在jieba分词。对270章的体量来说，全量检测一次只需不到2分钟------完全可以作为门禁的常规检查项，不会拖慢写作流程。

检测结果如何反馈给AI

检测出AI味只是第一步。更关键的问题是：检测出问题后，怎么让AI改？

如果你只是告诉AI"你的文字有AI味，请重写"------它大概率会换一批词重写，AI味依然在。因为AI不知道"AI味"具体指什么，不知道哪句话有问题，不知道应该怎么改。

所以G6门禁的反馈机制不是简单的"不通过"，而是生成一份结构化的修复指令，精确到每一处超标项，附上具体的替换建议。

反馈流程

检测超标：metrics.py报告M3（AI高频词密度）超标，值为8.2次/千字，阈值5次/千字。

定位超标词：扫描全文，列出所有命中的AI特征词及其位置。

text 复制代码

"缓缓" 出现3次 (第2段, 第5段, 第8段)
"微微" 出现2次 (第3段, 第7段)
"嘴角微扬" 出现1次 (第6段)
"眸光" 出现1次 (第9段)

生成替换建议：为每个超标词提供人类化的替换方案。

text 复制代码

"缓缓开口" → "顿了顿才说" 或 "沉默了两秒才开口"
"微微一笑" → "嘴角动了动" 或 "没什么表情，但眼底柔和了一点"
"嘴角微扬" → 删除，改用动作暗示
"眸光一闪" → "眼神变了变" 或 直接删除

组装退回指令：将超标项和替换建议打包成结构化JSON，退回DRAFT阶段。

json 复制代码

{
  "gate": "G6",
  "action": "REVISE_DRAFT",
  "failed_metrics": ["M3"],
  "details": {
    "metric": "AI高频词密度",
    "value": 8.2,
    "threshold": 5.0,
    "exceeded_by": 3.2
  },
  "suggestions": [
    {
      "word": "缓缓",
      "location": "第2段, 第5段, 第8段",
      "replace_with": "顿了顿才说 / 沉默了两秒才开口",
      "reason": "'缓缓'为AI高频特征词，人类作者极少使用"
    },
    ...
  ],
  "max_retries": 3
}

AI重写：AI收到退回指令后，针对超标项逐个修改，然后重新提交检测。通常1-2轮就能通过。

**不要只说"不合格"，要说"哪里不合格、不合格多少、怎么改"。**这三层信息缺一不可。"哪里不合格"让AI定位问题，"不合格多少"让AI理解严重程度，"怎么改"给AI修复方向。这就是门禁从"拦截器"升级为"修复指导器"的关键。

退回前后对比

退回前（AI高频词密度 8.2次/千字）

林知晚缓缓开口，声音里带着一丝不易察觉的颤抖。沈婧微微一笑，嘴角微扬 ，似乎并不在意。眸光流转间，她端起茶杯缓缓送至唇边。林知晚看着她这副做派，心中一凛。

退回后重写（AI高频词密度 1.3次/千字）

林知晚开口时停了一下，声音里有什么东西在发抖，很轻。沈婧没什么表情，嘴角动了动，端起茶杯，慢慢送到嘴边，没喝，又放下了。林知晚盯着她的手------稳得很。这女人从来不在该慌的时候慌。

修改后的版本没有一个AI特征词，但情绪反而更强了------"稳得很""这女人从来不在该慌的时候慌"比"心中一凛"有冲击力得多。这就是量化反馈的价值：它不只去掉了AI味，还逼迫AI用更好的方式表达。

这6项指标不是万能的

诚实地说说这套系统的局限。量化检测解决了80%的问题，但还有20%是它管不了的。

80% 可量化AI味覆盖
20% 主观感受残留
1.5轮 平均退回重写次数

局限一：6项指标覆盖不了"缺乏细节"

6个AI味来源中，"缺乏细节"是最难量化的。你不能简单统计"有没有写梧桐叶"------细节的价值不在数量，在于是否在合适的时机出现。目前G6不检测这一项，靠G8人工关卡兜底。

局限二：阈值需要随模型迭代调整

今天的AI特征词表是基于当前模型统计的。当模型更新后，"缓缓"可能不再是高频词，新的指纹词会出现。这意味着词表和阈值需要定期重新校准。目前我每跑完30章会做一次校准。

局限三：文体差异未被考虑

不同题材的网文，对话占比和情绪词密度的正常区间不同。都市文对话多，玄幻文描写多。目前的阈值是"一刀切"的通用值，更精确的做法是为每个题材设定不同的阈值。这是下一步的改进方向。

局限四：无法检测语义层面的套路

AI味不只是词汇和句式的问题，还有叙事套路的重复------比如每次打脸都是"反派嘲讽→主角沉默→真相揭露→反派震惊"这个模板。这种语义层面的套路，靠统计指标检测不了，需要更复杂的语义分析。

下一步计划引入语义嵌入相似度检测------用embedding模型计算相邻章节的叙事结构相似度，如果连续多章的叙事弧线高度相似，即使6项指标全过，也发出预警。这将把"去AI味"从词汇层面推进到结构层面。

总结

回到开篇的问题："这段文字有AI味"------从主观判断到客观指标，我们走了多远？

答案是：很远，但还没到终点。

"去AI味"不是一个主观判断，是一组客观指标。当6项指标------句式重复率、词汇多样性TTR、AI高频词密度、段落长度方差、对话占比、情绪词密度------全部达标时，读者基本无法分辨这是AI写的还是人写的。

这套系统的价值不在于"完美检测AI味"，而在于把一个模糊的主观问题，转化成了一组可执行的工程任务：

阶段	状态	解决的问题
量化前	"感觉有AI味"	无法定位、无法修复、无法验证
量化后	"M3超标，值8.2，阈值5.0"	可定位、可修复、可验证

核心要点提炼：

"AI味"不是玄学，是6类可量化问题的混合体 --- 句式重复、词汇贫乏、情绪直白、段落均匀、对话过多、缺乏细节
6项指标都有数据驱动的阈值 --- 不是拍脑袋定的，是30篇人类文本+30篇AI文本对比统计出来的
M4段落长度方差是最被低估的AI指纹 --- 几乎零误判，因为段落均匀性是AI生成机制的内禀特征
反馈机制的核心是"精确退回" --- 不只说不合格，还要说哪里不合格、不合格多少、怎么改
6项指标覆盖80%的问题，剩下20%靠人工兜底 --- 不是万能的，但把主观问题变成了工程任务

这正是工程化方法论的核心------把质量从"主观感觉"变成"系统保证"。在软件工程中，代码质量从"靠程序员自觉"变成了CI/CD流水线保证。在AI写作中，"去AI味"从"靠作者感觉"变成了metrics.py的6个数字。

当然，6项指标不是终点。随着AI模型越来越强，"AI味"的表现形式会变化，检测方法也必须迭代。但方法论是不变的：找到可量化的特征，设定有据可查的阈值，用数据驱动的方式持续校准。

下一篇，我会讲Soul Field------如何给AI角色注入"灵魂"，让角色不只是人设卡上的一组属性，而是一个有记忆、有偏好、有行为逻辑的"人"。这是G4人设一致性检测背后的数据基础。

本文是「AI写作工程化」系列第6篇。如果觉得有帮助，点个赞吧。你觉得"去AI味"能不能完全靠量化指标搞定？评论区聊聊你的看法。