最近收到不少私信问的最多的一句话是“GPT-6 降AI率用博导推荐的这个skill就够了”到底靠不靠谱先别急着抄作业我把话放在前面这个说法的方向是对的但网上很多人把它理解歪了。真正的“降AI率”不是教你躲过某种检测而是把AI生成的文本从“一眼假”“一股机器味”改写成“有观点、有节奏、有专业感”的内容。今天这篇文章就把这件事从头到尾拆开讲透AI味到底怎么来的、skill是干什么的、怎么用skill把稿子改出人味以及那些我踩过的坑。先说清楚我不会给你推荐任何“降AI率工具”更不会教你怎么冒充人类写作。我聊的是正经干活的方法在论文、报告、公众号文章这些场景里让AI当你的助手而不是代笔让你的稿子既高效又有你自己的痕迹。这套流程里skill技能包确实是个好东西用好了它能帮你把写作效率提升一大截这才是“一个skill就够了”的真正含义。1. 先聊聊“降AI率”到底降的是什么1.1 网上的“降AI率”为什么容易把人带偏我在各平台上刷到过太多类似的内容标题基本是“三招让AI文章秒变人写”“一键降低AI检测率”点进去一看无外乎让你把“首先、其次、总之”删掉、把“的”换成“地”、拆几个长句子。这种操作有用吗短期内可能有点用但本质上是在给文本“化妆”而不是在解决核心问题。你想想一篇内容空洞、观点平庸的文章就算把AI的措辞全部打乱重排它依然是一篇空洞的文章读者不傻看两段就关掉了。更麻烦的是在某些场景里比如学术投稿这种“专门为了规避检测”的做法本身就踩了红线。我认识的几位博导在组会上经常跟学生强调一句话AI可以用但用在哪、用了多少、怎么声明必须清清楚楚。他们推荐学生用AI推荐的是文献检索、初稿结构梳理、语法润色这些提效工具而不是让学生拿AI生成一整篇论文再想办法“降AI率”。所以你看“博导推荐”这件事本身没问题问题在于把方向理解错了。1.2 AI味是怎么来的以及为什么要管它要降AI率先得知道“AI味”是什么。大模型生成文本的时候本质是在做“概率最大化的造句”——它倾向于选择最通顺、最常见、最不容易出错的词和句式。结果就是句子永远完整语法永远正确逻辑永远平滑但读起来总觉得少了点什么。少了什么少了选择感。真人写作会有偏爱有人喜欢短句连发有人爱用长句铺陈有人习惯在关键处来一句口语化的断言。这些“偏爱”其实是文字最有辨识度的地方而AI恰恰会把这些棱角全部磨平。我观察下来AI味最常见的几个特征开头必是“随着……的发展”段落之间靠“此外”“然而”“值得注意的是”硬接结尾必然是“综上所述”“总而言之”形容词堆得又多又空像是“全面赋能”“深度赋能”“有效提升”这种词一段能出现三次。这样的文字不能说错但它没有记忆点。你让十个人读十个人都记不住你写了啥这就是“机器味”最要命的副作用。1.3 正确的目标写作效率和人味并存所以我理解的“降AI率”应该拆成三件正经事第一观点必须是你自己的AI只负责帮你组织语言、补充论据、检查漏洞第二语言要有个人特点哪怕不完美也要保留你习惯的节奏和用词第三涉及事实、数据、引用的时候必须逐条核验不能让AI替你“编”出处。做到这三点你的稿子就算用AI辅助过它读起来也是“你的”而不是“AI的”。很多人不知道的是AI辅助写作在学术圈和职场里其实是被允许的前提是“透明”。比如投稿时在正文或致谢里声明“我们使用了AI辅助进行语言润色”这完全合规。反过来如果隐瞒AI参与程度或者用AI批量生成内容再拿去投稿一旦被查出轻则退稿重则进入学术诚信黑名单。我自己做科研写作时一直守着这个底线AI帮我搭骨架、改病句但核心论点、实验设计、数据分析全得自己来。2. skill是什么凭什么“一个skill就够了”2.1 从prompt到skill一个理解AI技能的类比先做个类比。你在微信上找熟人帮忙直接发一句话说“帮我改个报告”对方只能凭经验干但如果你递过去一张“需求说明书”上面写清楚报告给谁看、核心结论是什么、忌讳用什么词、格式要求是什么他干出来的活是不是立刻不一样skill就是这个“需求说明书”只不过它写给AI看。以前我们写prompt每次都要从头写一大段“你现在是一个资深编辑请把下面这段文字改得更有层次感注意不要用‘首先其次最后’……”写一次两次还行时间久了你会发现每次都在重复造轮子而且不同次对话里AI的理解还不稳定。skill解决的就是这个问题把一套完整的“角色设定工作流程输出规范示例”打包成一个文件放到指定目录里之后你只要说一句“用XXX技能处理这篇文章”AI就会自动加载这套配置按照你预先调好的标准干活。2.2 主流的skill生态Claude Skill、Codex、OpenCode目前市面上说“skill”一般指的是两类东西。一类是各家AI平台官方推出的技能机制比如Anthropic家的Claude Skill、OpenAI Codex里的技能包另一类是开源社区里的“技能市场”比如GitHub上有人整理了opencode-skill、awesome-skills仓库里面放着一堆现成的技能配置下载下来就能用。这几个生态怎么选我给一个比较主观的参考生态平台技能文件形式典型适用场景上手难度Claude Skills文件夹里的SKILL.md 脚本/资源写作润色、文献阅读、PPT大纲低Codex / OpenCode技能脚本或指令文件编程、文献检索、自动化操作中社区技能库各类现成Skill包通用领域装完即用低如果你只是想解决写作问题我建议从Claude Skill入手因为它对普通用户最友好。你把一个写好的技能文件夹丢进~/.claude/skills目录在对话里输入“技能名”就能触发整个过程不需要写代码。编程能力强的朋友可以试试Codex和OpenCode它们的技能可以做更“重”的事比如自动拉取论文库、批量处理文件、调用外部API。2.3 skill和agent的区别以及怎么选很多人会把skill和agent搞混。我打个简单的比方skill是“一本岗位说明书”告诉你某个岗位要做哪些事、按什么标准做agent是“一个能自己干活的外包员工”它收到目标之后会自己规划步骤、调用工具、决定先干什么后干什么。换句话说skill是给AI定义能力的“知识包”agent是拿着这些能力去执行任务的“执行体”。在实际使用里这两者经常配合。你可以给agent配置好几个skill让它遇到不同类型的任务时自己选择合适的技能去处理。但对大多数写作场景来说你不需要搞那么复杂——一个精调的写作skill加一个靠谱的大模型已经能覆盖90%的需求。这也是标题里说“一个skill就够了”的现实依据与其装一堆花里胡哨的技能包不如把最常用的那个打磨到极致。2.4 常见的实用skill场景文献检索、PPT、会议纪要、论文修改我给大家盘几个我自己用下来觉得特别香的场景全是网上搜得到的真实需求文献检索与综述草稿让AI根据指定关键词在公开学术库里检索汇总成带出处的综述初稿。这里一定要让skill规定“引用必须给出真实来源链接不允许编造”否则会很麻烦。PPT大纲生成输入一段课程或会议资料skill自动帮你拆成“封面页—目录页—内容页—总结页”的结构每页只写核心要点和页面备注。会议纪要把录音转写稿丢进去skill自动提取“决策项”“待办事项”“负责人”“截止时间”比人抓重点快得多。论文修改意见落地把审稿意见和原文一起丢给skill它会帮我们把审稿意见拆成“问题—修改建议—修改位置—参考措辞”的表格然后逐条处理。这些技能的共同点是它们做的都是“重复性、结构化”的活而不是替你动脑子。你真正要做的是给skill设定边界让它只处理结构和表达不替代你的判断。这就是我一直强调的用skill可以但别让技能反过来控制你。3. 实操用skill把一篇稿子改出“人味”3.1 先装一个现成的写作类skill第一次尝试别一上来就自己写技能文件先到社区里找一个成熟的写作类skill体验一下流程。GitHub上搜“awesome skills”“writing skill”能翻出一大堆。以Claude Skill为例安装步骤一般是下载skill文件夹里面必须有SKILL.md这是主文件放到Claude配置目录下的skills文件夹里路径在客户端的设置页面能看到重启对话窗口输入“技能名”看技能是否被正常加载先拿一段自己以前写过的文字测试观察它的输出风格和提示内容。装好之后你会发现skill生效的时候AI会主动遵照顾问里的“原则”去干活。比如某个写作skill会先问你要“目标读者、使用场景、篇幅限制、想突出的重点”问题问得越细最后产出的东西越靠谱。这些问问题的逻辑都是技能作者提前写好的。3.2 自己写一个“学术写作辅助skill”用一段时间现成的技能你大概率会不满意它的通用写法和你的具体需求有偏差。这时候就该自己动手写一个了。其实skill没那么玄核心就是一个Markdown文件。我贴一个自己用的简化版示例你们可以照着改--- name: academic-writing-assistant description: 辅助中文学术与深度文章写作。负责优化结构、打磨表达但不新增观点、不改动事实与数据。 --- # 技能目标 将用户的草稿改写成结构清晰、表达自然、无“AI味”的中文文章。 # 使用流程 1. 先阅读用户提供的完整文本提炼出核心论点、分论点、已有论据。 2. 与用户确认三个信息目标读者、篇幅要求、是否允许调整段落顺序。 3. 改稿时遵循以下原则 - 保留原文所有事实、数据、引文和观点不新增、不篡改 - 将过于平均的句式打散适当使用长短句交错 - 删除“首先”“其次”“综上所述”等模板连接词改用语义自然过渡 - 保留用户明显的个人用词习惯 - 每一段的主题句尽量放在段首段尾要有小结或转折。 4. 输出时先用一段话说明你做了哪些改动再给完整修改稿。 # 禁止事项 - 禁止编造参考文献 - 禁止把口语化的分析改成生硬书面语 - 禁止直接重写用户的核心观点。这个文件里最重要的是“禁止事项”那段。大多数人的需求不是让AI“重新写一篇更好看的”而是让AI在“不改变我的意思”的前提下把语言打磨好。不把这条边界写死AI就会自作主张给你加戏尤其是一些很微妙的地方——它可能把你很审慎的“可能”改成“一定”把你的“推测”改成“结论”这是最危险的。写进skill里AI才会每轮对话都记得这条约束。3.3 实战对比同一段文字改前改后差在哪光说理论没意思来一段真实对比。下面是AI生成的“问题初稿”随着社会的不断发展人工智能技术在许多领域都得到了广泛应用。它不仅提高了工作效率还为人们的生活带来了极大的便利。然而我们也应该看到人工智能的发展也带来了一些挑战和问题。因此我们需要采取有效的措施促进人工智能的健康发展。这段话语法没毛病但你读一遍就知道它就是标准的“AI味模板”开头“随着”、中间“不仅……还……”“然而”、结尾“我们需要……”全是最大概率的词串没有任何作者态度。如果只靠删连接词来“降AI率”那改完就是干巴巴的骨架依然没有灵魂。我自己的写作skill改出来是这种效果人工智能落地比想象中更快。工厂里的质检、医院里的影像初筛、手机里的语音助手都在悄悄改变工作方式。效率确实上去了但问题也随之而来岗位如何重新分配算法出错谁来负责这些问题不是靠喊口号能解决的需要在规则、技术和公众讨论之间找到平衡。改动其实很明确第一把“随着社会发展”这种空洞开场删掉改成有画面感的“落地比想象中更快”第二加具体场景工厂质检、医院影像让抽象概念落地第三把“带来挑战”这个套话翻译成具体的“岗位重新分配”“算法出错谁来负责”第四结尾不再喊“采取有效措施”而是给一个明确的讨论方向。看出来了吗真正的“降AI味”不是在词法层面打补丁而是要做信息密度和表达节奏的调整。3.4 怎么防止AI“越权替你编观点”上面那个例子还有个隐藏风险如果AI把“需要采取有效措施”改成了“需要在规则、技术和公众讨论之间找到平衡”这其实是AI在替你给解决方案。万一你的本意不是这个文章就变味了。所以我在skill里专门加了一条“保留原文所有观点不新增、不篡改”——这句话能档掉90%的跑偏。但只写在skill里还不够实操中我还习惯加一句提示“如果文中存在事实性表述或你不太确定的数据请单独列出来让我核对”。AI很擅长一本正经地胡说尤其在你给它一篇文献摘要让它补充阐述的时候它可能会顺手补一个“据相关研究显示”然后编一个不存在的出处。这个问题不管在多高级的模型上都会出现唯一的解决办法就是让AI把可疑信息单独标出来你自己去核。这习惯养成了你会少踩非常多坑。4. 常见翻车现场与补救办法4.1 不是skill越多越好我见过有人一口气装了二十几个skill目录拉得老长真到用的时候反而不知道调哪个。skill这东西跟手机App一样装多了全是负担一方面AI加载技能会占用上下文空间多余的文字会让有效对话长度变短另一方面同名或功能重叠的技能多了AI可能会同时触发两个输出风格互相打架。我给的建议是保持“小而精”一个负责写作润色一个负责文献/信息检索一个负责会议或PPT类结构化输出最多再加一个你本专业的垂直技能比如编程规范、数学建模模板。够用就好别收藏癖上头。很多网上传的“神级skill”下载下来一看内容也就那样远不如你自己按需求定制一个。4.2 生成的内容还是有AI味怎么办就算用了skill偶尔还是会得到一股“机翻感”的文本。这时候不要急着换工具先检查三件事。一是看skill里的示例够不够具体。skill文件里的示例相当于给AI的“标准答案”如果只有一句“请自然一些”AI根本不知道你要的自然长什么样。我会在skill里放两段“原文→改后”的对照样本AI照着样本去模仿效果会明显好一截。二是看输入材料的颗粒度。你丢给AI一大段烂翻译腔指望它一次改好那是难为它。正确做法是分段处理先让它找每段的主题句再逐段打磨。用skill里的“使用流程”引导AI先做分析再做润色也是这个目的。三是适当调低生成温度。很多AI工具界面里能调temperature参数这个值越高输出越发散、越容易飘写作场景下建议设为0.4到0.7之间。太低会呆板太高会跑题多试几次找到你顺手的位置。4.3 skill装不上、不生效怎么排查我最初用skill时也遇到过“明明放对了目录但AI就是不认”的情况。排查顺序基本是固定的确认文件名必须是SKILL.md大小写都不能错有些平台连md后缀都会严格检查确认文件夹命名不能有中文和空格尽量用英文短横线连接检查你是否在对话里输入了正确的触发词比如“技能名”直接说“帮我润色”是触发不了的重启一下客户端或会话很多平台加载技能是在会话初始化时完成的中途改文件不重开会话就不会生效。实在不行就新建一个临时目录把技能文件逐步精简排除是不是某段指令格式错了。skill文件本质上还是纯文本用编辑器打开仔细检查花括号、冒号这些符号有没有全角半角混用很多解析失败都是这种小细节造成的。4.4 关于学术诚信的最后提醒聊到这里我必须把底线说清楚AI辅助写作不是洪水猛兽但“用AI代写然后冒充原创”绝对是雷区。如果你是想把AI生成的课程论文、毕业论文、期刊投稿直接交上去再靠“降AI率”去骗过系统那我劝你趁早收手。导师和审稿人摸爬滚打这么多年靠的从来不是某个检测软件的判定而是对领域深度和字里行间风格变化的敏感。一篇内容扎实、逻辑自洽、所有引用都能溯源的文章哪怕你明说“用了AI润色”也一样会被认可反过来一篇靠prompt批量生成、数据来路不明的文章就算措辞再像人类也很容易在答辩环节露馅。我自己的做法是涉及实验数据、文献引用、核心结论的部分一律不经过AI改写AI的活儿只限于理顺段落衔接、调整语序、检查语法。而且凡是投期刊的稿子我都会在致谢或投稿声明里如实说明AI的使用情况。这不仅仅是合规问题更是对自己的学术声誉负责。最后分享一个我自己的小习惯吧我现在写长文都会先用skill把提纲搭出来再自己动手把最核心的段落写一遍最后用AI做“找茬式润色”——让它专门挑我文里啰嗦、含糊、结构不顺的地方而不是让它重写。这么做下来文章既高效又始终带着我自己的笔触。你要找的“降AI率”其实从来不在某个技巧里而在你愿不愿意做那个“拿主意的人”这件事上。多写几轮你会找到感觉的。
最近收到不少私信问的最多的一句话是“GPT-6 降AI率用博导推荐的这个skill就够了”到底靠不靠谱先别急着抄作业我把话放在前面这个说法的方向是对的但网上很多人把它理解歪了。真正的“降AI率”不是教你躲过某种检测而是把AI生成的文本从“一眼假”“一股机器味”改写成“有观点、有节奏、有专业感”的内容。今天这篇文章就把这件事从头到尾拆开讲透AI味到底怎么来的、skill是干什么的、怎么用skill把稿子改出人味以及那些我踩过的坑。先说清楚我不会给你推荐任何“降AI率工具”更不会教你怎么冒充人类写作。我聊的是正经干活的方法在论文、报告、公众号文章这些场景里让AI当你的助手而不是代笔让你的稿子既高效又有你自己的痕迹。这套流程里skill技能包确实是个好东西用好了它能帮你把写作效率提升一大截这才是“一个skill就够了”的真正含义。1. 先聊聊“降AI率”到底降的是什么1.1 网上的“降AI率”为什么容易把人带偏我在各平台上刷到过太多类似的内容标题基本是“三招让AI文章秒变人写”“一键降低AI检测率”点进去一看无外乎让你把“首先、其次、总之”删掉、把“的”换成“地”、拆几个长句子。这种操作有用吗短期内可能有点用但本质上是在给文本“化妆”而不是在解决核心问题。你想想一篇内容空洞、观点平庸的文章就算把AI的措辞全部打乱重排它依然是一篇空洞的文章读者不傻看两段就关掉了。更麻烦的是在某些场景里比如学术投稿这种“专门为了规避检测”的做法本身就踩了红线。我认识的几位博导在组会上经常跟学生强调一句话AI可以用但用在哪、用了多少、怎么声明必须清清楚楚。他们推荐学生用AI推荐的是文献检索、初稿结构梳理、语法润色这些提效工具而不是让学生拿AI生成一整篇论文再想办法“降AI率”。所以你看“博导推荐”这件事本身没问题问题在于把方向理解错了。1.2 AI味是怎么来的以及为什么要管它要降AI率先得知道“AI味”是什么。大模型生成文本的时候本质是在做“概率最大化的造句”——它倾向于选择最通顺、最常见、最不容易出错的词和句式。结果就是句子永远完整语法永远正确逻辑永远平滑但读起来总觉得少了点什么。少了什么少了选择感。真人写作会有偏爱有人喜欢短句连发有人爱用长句铺陈有人习惯在关键处来一句口语化的断言。这些“偏爱”其实是文字最有辨识度的地方而AI恰恰会把这些棱角全部磨平。我观察下来AI味最常见的几个特征开头必是“随着……的发展”段落之间靠“此外”“然而”“值得注意的是”硬接结尾必然是“综上所述”“总而言之”形容词堆得又多又空像是“全面赋能”“深度赋能”“有效提升”这种词一段能出现三次。这样的文字不能说错但它没有记忆点。你让十个人读十个人都记不住你写了啥这就是“机器味”最要命的副作用。1.3 正确的目标写作效率和人味并存所以我理解的“降AI率”应该拆成三件正经事第一观点必须是你自己的AI只负责帮你组织语言、补充论据、检查漏洞第二语言要有个人特点哪怕不完美也要保留你习惯的节奏和用词第三涉及事实、数据、引用的时候必须逐条核验不能让AI替你“编”出处。做到这三点你的稿子就算用AI辅助过它读起来也是“你的”而不是“AI的”。很多人不知道的是AI辅助写作在学术圈和职场里其实是被允许的前提是“透明”。比如投稿时在正文或致谢里声明“我们使用了AI辅助进行语言润色”这完全合规。反过来如果隐瞒AI参与程度或者用AI批量生成内容再拿去投稿一旦被查出轻则退稿重则进入学术诚信黑名单。我自己做科研写作时一直守着这个底线AI帮我搭骨架、改病句但核心论点、实验设计、数据分析全得自己来。2. skill是什么凭什么“一个skill就够了”2.1 从prompt到skill一个理解AI技能的类比先做个类比。你在微信上找熟人帮忙直接发一句话说“帮我改个报告”对方只能凭经验干但如果你递过去一张“需求说明书”上面写清楚报告给谁看、核心结论是什么、忌讳用什么词、格式要求是什么他干出来的活是不是立刻不一样skill就是这个“需求说明书”只不过它写给AI看。以前我们写prompt每次都要从头写一大段“你现在是一个资深编辑请把下面这段文字改得更有层次感注意不要用‘首先其次最后’……”写一次两次还行时间久了你会发现每次都在重复造轮子而且不同次对话里AI的理解还不稳定。skill解决的就是这个问题把一套完整的“角色设定工作流程输出规范示例”打包成一个文件放到指定目录里之后你只要说一句“用XXX技能处理这篇文章”AI就会自动加载这套配置按照你预先调好的标准干活。2.2 主流的skill生态Claude Skill、Codex、OpenCode目前市面上说“skill”一般指的是两类东西。一类是各家AI平台官方推出的技能机制比如Anthropic家的Claude Skill、OpenAI Codex里的技能包另一类是开源社区里的“技能市场”比如GitHub上有人整理了opencode-skill、awesome-skills仓库里面放着一堆现成的技能配置下载下来就能用。这几个生态怎么选我给一个比较主观的参考生态平台技能文件形式典型适用场景上手难度Claude Skills文件夹里的SKILL.md 脚本/资源写作润色、文献阅读、PPT大纲低Codex / OpenCode技能脚本或指令文件编程、文献检索、自动化操作中社区技能库各类现成Skill包通用领域装完即用低如果你只是想解决写作问题我建议从Claude Skill入手因为它对普通用户最友好。你把一个写好的技能文件夹丢进~/.claude/skills目录在对话里输入“技能名”就能触发整个过程不需要写代码。编程能力强的朋友可以试试Codex和OpenCode它们的技能可以做更“重”的事比如自动拉取论文库、批量处理文件、调用外部API。2.3 skill和agent的区别以及怎么选很多人会把skill和agent搞混。我打个简单的比方skill是“一本岗位说明书”告诉你某个岗位要做哪些事、按什么标准做agent是“一个能自己干活的外包员工”它收到目标之后会自己规划步骤、调用工具、决定先干什么后干什么。换句话说skill是给AI定义能力的“知识包”agent是拿着这些能力去执行任务的“执行体”。在实际使用里这两者经常配合。你可以给agent配置好几个skill让它遇到不同类型的任务时自己选择合适的技能去处理。但对大多数写作场景来说你不需要搞那么复杂——一个精调的写作skill加一个靠谱的大模型已经能覆盖90%的需求。这也是标题里说“一个skill就够了”的现实依据与其装一堆花里胡哨的技能包不如把最常用的那个打磨到极致。2.4 常见的实用skill场景文献检索、PPT、会议纪要、论文修改我给大家盘几个我自己用下来觉得特别香的场景全是网上搜得到的真实需求文献检索与综述草稿让AI根据指定关键词在公开学术库里检索汇总成带出处的综述初稿。这里一定要让skill规定“引用必须给出真实来源链接不允许编造”否则会很麻烦。PPT大纲生成输入一段课程或会议资料skill自动帮你拆成“封面页—目录页—内容页—总结页”的结构每页只写核心要点和页面备注。会议纪要把录音转写稿丢进去skill自动提取“决策项”“待办事项”“负责人”“截止时间”比人抓重点快得多。论文修改意见落地把审稿意见和原文一起丢给skill它会帮我们把审稿意见拆成“问题—修改建议—修改位置—参考措辞”的表格然后逐条处理。这些技能的共同点是它们做的都是“重复性、结构化”的活而不是替你动脑子。你真正要做的是给skill设定边界让它只处理结构和表达不替代你的判断。这就是我一直强调的用skill可以但别让技能反过来控制你。3. 实操用skill把一篇稿子改出“人味”3.1 先装一个现成的写作类skill第一次尝试别一上来就自己写技能文件先到社区里找一个成熟的写作类skill体验一下流程。GitHub上搜“awesome skills”“writing skill”能翻出一大堆。以Claude Skill为例安装步骤一般是下载skill文件夹里面必须有SKILL.md这是主文件放到Claude配置目录下的skills文件夹里路径在客户端的设置页面能看到重启对话窗口输入“技能名”看技能是否被正常加载先拿一段自己以前写过的文字测试观察它的输出风格和提示内容。装好之后你会发现skill生效的时候AI会主动遵照顾问里的“原则”去干活。比如某个写作skill会先问你要“目标读者、使用场景、篇幅限制、想突出的重点”问题问得越细最后产出的东西越靠谱。这些问问题的逻辑都是技能作者提前写好的。3.2 自己写一个“学术写作辅助skill”用一段时间现成的技能你大概率会不满意它的通用写法和你的具体需求有偏差。这时候就该自己动手写一个了。其实skill没那么玄核心就是一个Markdown文件。我贴一个自己用的简化版示例你们可以照着改--- name: academic-writing-assistant description: 辅助中文学术与深度文章写作。负责优化结构、打磨表达但不新增观点、不改动事实与数据。 --- # 技能目标 将用户的草稿改写成结构清晰、表达自然、无“AI味”的中文文章。 # 使用流程 1. 先阅读用户提供的完整文本提炼出核心论点、分论点、已有论据。 2. 与用户确认三个信息目标读者、篇幅要求、是否允许调整段落顺序。 3. 改稿时遵循以下原则 - 保留原文所有事实、数据、引文和观点不新增、不篡改 - 将过于平均的句式打散适当使用长短句交错 - 删除“首先”“其次”“综上所述”等模板连接词改用语义自然过渡 - 保留用户明显的个人用词习惯 - 每一段的主题句尽量放在段首段尾要有小结或转折。 4. 输出时先用一段话说明你做了哪些改动再给完整修改稿。 # 禁止事项 - 禁止编造参考文献 - 禁止把口语化的分析改成生硬书面语 - 禁止直接重写用户的核心观点。这个文件里最重要的是“禁止事项”那段。大多数人的需求不是让AI“重新写一篇更好看的”而是让AI在“不改变我的意思”的前提下把语言打磨好。不把这条边界写死AI就会自作主张给你加戏尤其是一些很微妙的地方——它可能把你很审慎的“可能”改成“一定”把你的“推测”改成“结论”这是最危险的。写进skill里AI才会每轮对话都记得这条约束。3.3 实战对比同一段文字改前改后差在哪光说理论没意思来一段真实对比。下面是AI生成的“问题初稿”随着社会的不断发展人工智能技术在许多领域都得到了广泛应用。它不仅提高了工作效率还为人们的生活带来了极大的便利。然而我们也应该看到人工智能的发展也带来了一些挑战和问题。因此我们需要采取有效的措施促进人工智能的健康发展。这段话语法没毛病但你读一遍就知道它就是标准的“AI味模板”开头“随着”、中间“不仅……还……”“然而”、结尾“我们需要……”全是最大概率的词串没有任何作者态度。如果只靠删连接词来“降AI率”那改完就是干巴巴的骨架依然没有灵魂。我自己的写作skill改出来是这种效果人工智能落地比想象中更快。工厂里的质检、医院里的影像初筛、手机里的语音助手都在悄悄改变工作方式。效率确实上去了但问题也随之而来岗位如何重新分配算法出错谁来负责这些问题不是靠喊口号能解决的需要在规则、技术和公众讨论之间找到平衡。改动其实很明确第一把“随着社会发展”这种空洞开场删掉改成有画面感的“落地比想象中更快”第二加具体场景工厂质检、医院影像让抽象概念落地第三把“带来挑战”这个套话翻译成具体的“岗位重新分配”“算法出错谁来负责”第四结尾不再喊“采取有效措施”而是给一个明确的讨论方向。看出来了吗真正的“降AI味”不是在词法层面打补丁而是要做信息密度和表达节奏的调整。3.4 怎么防止AI“越权替你编观点”上面那个例子还有个隐藏风险如果AI把“需要采取有效措施”改成了“需要在规则、技术和公众讨论之间找到平衡”这其实是AI在替你给解决方案。万一你的本意不是这个文章就变味了。所以我在skill里专门加了一条“保留原文所有观点不新增、不篡改”——这句话能档掉90%的跑偏。但只写在skill里还不够实操中我还习惯加一句提示“如果文中存在事实性表述或你不太确定的数据请单独列出来让我核对”。AI很擅长一本正经地胡说尤其在你给它一篇文献摘要让它补充阐述的时候它可能会顺手补一个“据相关研究显示”然后编一个不存在的出处。这个问题不管在多高级的模型上都会出现唯一的解决办法就是让AI把可疑信息单独标出来你自己去核。这习惯养成了你会少踩非常多坑。4. 常见翻车现场与补救办法4.1 不是skill越多越好我见过有人一口气装了二十几个skill目录拉得老长真到用的时候反而不知道调哪个。skill这东西跟手机App一样装多了全是负担一方面AI加载技能会占用上下文空间多余的文字会让有效对话长度变短另一方面同名或功能重叠的技能多了AI可能会同时触发两个输出风格互相打架。我给的建议是保持“小而精”一个负责写作润色一个负责文献/信息检索一个负责会议或PPT类结构化输出最多再加一个你本专业的垂直技能比如编程规范、数学建模模板。够用就好别收藏癖上头。很多网上传的“神级skill”下载下来一看内容也就那样远不如你自己按需求定制一个。4.2 生成的内容还是有AI味怎么办就算用了skill偶尔还是会得到一股“机翻感”的文本。这时候不要急着换工具先检查三件事。一是看skill里的示例够不够具体。skill文件里的示例相当于给AI的“标准答案”如果只有一句“请自然一些”AI根本不知道你要的自然长什么样。我会在skill里放两段“原文→改后”的对照样本AI照着样本去模仿效果会明显好一截。二是看输入材料的颗粒度。你丢给AI一大段烂翻译腔指望它一次改好那是难为它。正确做法是分段处理先让它找每段的主题句再逐段打磨。用skill里的“使用流程”引导AI先做分析再做润色也是这个目的。三是适当调低生成温度。很多AI工具界面里能调temperature参数这个值越高输出越发散、越容易飘写作场景下建议设为0.4到0.7之间。太低会呆板太高会跑题多试几次找到你顺手的位置。4.3 skill装不上、不生效怎么排查我最初用skill时也遇到过“明明放对了目录但AI就是不认”的情况。排查顺序基本是固定的确认文件名必须是SKILL.md大小写都不能错有些平台连md后缀都会严格检查确认文件夹命名不能有中文和空格尽量用英文短横线连接检查你是否在对话里输入了正确的触发词比如“技能名”直接说“帮我润色”是触发不了的重启一下客户端或会话很多平台加载技能是在会话初始化时完成的中途改文件不重开会话就不会生效。实在不行就新建一个临时目录把技能文件逐步精简排除是不是某段指令格式错了。skill文件本质上还是纯文本用编辑器打开仔细检查花括号、冒号这些符号有没有全角半角混用很多解析失败都是这种小细节造成的。4.4 关于学术诚信的最后提醒聊到这里我必须把底线说清楚AI辅助写作不是洪水猛兽但“用AI代写然后冒充原创”绝对是雷区。如果你是想把AI生成的课程论文、毕业论文、期刊投稿直接交上去再靠“降AI率”去骗过系统那我劝你趁早收手。导师和审稿人摸爬滚打这么多年靠的从来不是某个检测软件的判定而是对领域深度和字里行间风格变化的敏感。一篇内容扎实、逻辑自洽、所有引用都能溯源的文章哪怕你明说“用了AI润色”也一样会被认可反过来一篇靠prompt批量生成、数据来路不明的文章就算措辞再像人类也很容易在答辩环节露馅。我自己的做法是涉及实验数据、文献引用、核心结论的部分一律不经过AI改写AI的活儿只限于理顺段落衔接、调整语序、检查语法。而且凡是投期刊的稿子我都会在致谢或投稿声明里如实说明AI的使用情况。这不仅仅是合规问题更是对自己的学术声誉负责。最后分享一个我自己的小习惯吧我现在写长文都会先用skill把提纲搭出来再自己动手把最核心的段落写一遍最后用AI做“找茬式润色”——让它专门挑我文里啰嗦、含糊、结构不顺的地方而不是让它重写。这么做下来文章既高效又始终带着我自己的笔触。你要找的“降AI率”其实从来不在某个技巧里而在你愿不愿意做那个“拿主意的人”这件事上。多写几轮你会找到感觉的。
