# Claude 寫的文章怎麼一看就是 AI？520 萬字實驗抓出的 4 個破綻，和開源的去 AI 味 skill

> 1,169 篇文章、520 萬字、50 萬次判斷的實驗：禁用詞幾乎沒差，真正的破綻是「不是 A 而是 B」、結論冒號、排比和比喻。附開源 skill 安裝方式、限制，以及我們拿自己 30 篇文章測的結果。

- 網址：https://yourjobpocket.com/learn/lieflat-less-ai-tone-claude-skill
- 發布：2026-11-07
- 主題：Skills 與 MCP
- 作者：@your.engineer.ben（https://www.instagram.com/your.engineer.ben/）
- 參考來源：https://github.com/larashero3-dotcom/lieflat-less-ai-tone
- 出處：Lesson by Job Pocket（https://yourjobpocket.com/learn），免費、不用登入

你叫 Claude 寫一篇文章，也交代了別用「賦能」「閉環」「抓手」。它照做了，讀起來還是一眼就知道是 AI。

作者 @lieflat_3（躺在废墟里）花了兩個月拿數據去測這件事，把結果做成開源 skill。11/5 他在 X 發的長文有 3K 讚、35 萬次瀏覽，GitHub 上 6.6k 顆星（11/7 查）。

這篇把他的結論用我自己的話整理一次。我讀了 README、研究紀錄和官方案例，也拿他公開的規則測了我們自己的文章，結果放在後面。先講清楚：**這個 skill 我沒有安裝來跑**，它的成效我只能引用作者的案例。

---

## 他怎麼測

兩輪實驗，總共 1,169 篇文章、約 520 萬個漢字、100 多項指標。

第一輪找 5 個模型各寫 60 篇，跟 329 篇人類文章比。跑完他自己發現一個漏洞：兩邊寫的題目不一樣。人類寫財報，數字當然多；AI 寫趨勢漫談，數字當然少。這種差異說明不了寫作習慣。

所以第二輪改成配對：把人類文章裡的事實整理成任務卡，叫 AI 寫同題、同事實、差不多長的文章，一共 270 對。這樣比出來的差異，才比較接近寫作習慣本身。

量測分三層：

- **腳本**：數得出來的東西，例如標點、句長、小標題密度
- **模型判斷**：腳本看不懂的語意，例如這個冒號是在引話還是在下結論，約 50 萬次判斷
- **人工盲讀**：比喻貼不貼切，只能人看

## 最反直覺的結果：黑名單沒什麼用

大家最常用的方法就是列禁用詞。配對之後，「賦能、閉環、抓手」這類詞的差距幾乎消失（δ 只有 +0.10，他的顯著門檻是 0.33）。「首先、其次、總之」更低，只有 +0.02。

δ 可以這樣理解：隨機抽一篇 AI 文和一篇人類文，AI 比較多的機率減掉比較少的機率。0 就是沒差。

「這意味著」也被洗白了：人類反而用得比較多。所以你花時間調禁用詞，改善有限。

## 真正的 4 個破綻

**1.「不是 A，而是 B」**

第一輪的數字是每千字 AI 0.73 次、人類 0.22 次，約 3.4 倍。配對之後 GPT 和 Opus 都還是很強的訊號（δ +0.88、+0.72），是他整份研究裡最強的純寫作訊號之一。

改法很簡單：刪掉「不是 A」，直接講 B。

**2. 下結論用的冒號**

「關鍵在於：」「核心是：」「一句話總結：」。有趣的是，如果只數冒號總量，人類反而比較多，他差點把這條規則刪掉。後來用模型把冒號按用途分類，才看到「提示結論」這一類 AI 是人類的 2.1 倍以上。真人的冒號常常拿來引別人的話，AI 拿來幫自己下結論。

**3. 排比和列舉**

一個分句裡用頓號連排三項以上，AI 是人類的 1.8 倍（作者長文的數字）；廣義的密集並列是 1.45 倍；三句結構長得一樣的連發，則是 2.75 倍。

**4. 比喻**

這條最多人猜錯。比喻標記詞的密度，人類反而是 AI 的 2.4 倍，所以問題出在品質。AI 的比喻常常硬套大意象，或混在一起不通。可是貼切度連模型都判不準：六個模型兩兩比對的共識只有 0 到 40%，所以 skill 預設保留原文比喻，交給人看。

## 用 Claude 的人再看一個：破折號

GPT 和 Claude 的習慣有時方向相反。Opus 4.6 的測試文章百分之百用到破折號（δ +0.95），GPT-5.6 卻比人類還少（δ −0.54）。所以一條規則套到所有模型上會出事，得先知道這篇比較像誰寫的。

其他幾個值得留意的習慣：同一個意思一直換詞、小標題切得太碎、段落銜接太順。人類大約每 14 段就直接跳一次話題，AI 要 50 段才跳一次。

還有一個中文讀者很有感的：名詞前面掛一長串修飾。英文習慣把子句放在名詞後面，模型直譯成中文，就全堆到名詞前面，讀到最後才知道主角是誰。作者說 300 篇 AI 文章裡有 179 篇有這個問題。遇到這種句子，拆成兩句通常就順了。

## skill 怎麼用

安裝（README 寫法，我沒有實跑）：

```
npx skills add larashero3-dotcom/lieflat-less-ai-tone
```

裝好之後丟一篇稿子給 AI，流程是：

1. 跑腳本和語意判讀，交出檢測報告，列出例句和改法
2. **停下來等你回覆**，你說「按建議改」才動手
3. 只改命中的地方，事實和數字不動
4. 用同一支腳本複測，產出改前改後對照

他刻意不做「機械參差」：句子長短不會為了像人而硬拆。官方案例一篇 96 行的文章只改了 11 行，「不是 A 而是 B」從 2 處變 0 處，句長起伏幾乎沒變（0.559 → 0.545）。

## 我的查證

**1. 拿他的規則測我們自己。** 他的 `detect.py` 用一條公開的正則抓「不是 A 而是 B」。我照著寫成繁體版，掃我們自己 10/14 到 11/7 的 30 篇部落格（35,587 字）：

```
(?:不是|並非|不在於|與其說)[^，。！？\n]{1,20}[，]?(?:而是|而在於|不如說)
```

抓到 14 處，每千字 0.39 次，夾在人類 0.22 和 AI 0.73 中間。這只是粗略比較：我的語料是繁體的短文，他的是簡體長文，只看得出方向。但我們確實也中了。

**2. 數字有小出入。** 長文寫「將近 4 億 token」，README 寫 3.54 億；長文結尾有一處寫 538 萬字，其他地方都是 520 萬。不影響結論，引用時以 README 為準。

**3. 作者自己寫的限制也要一起看。** 語意層是單一模型判斷，抽樣誤判 15% 到 30%，方向可信，精確百分點不可信。語料有版權，沒有放進 repo，外人無法直接驗算，只能換自己的語料重跑。模型也一直在變，這些數字都只代表測試當時。

**4. 授權。** CC BY-NC 4.0，非商業使用；商用要聯絡作者。公司內容流程要用的話，先看這條。

## 這週做一件事

就算不裝 skill，也可以做這件事：打開你下一篇 AI 稿，搜尋「而是」。把前面的「不是 A」刪掉，直接講 B。接著搜「關鍵在於：」和「核心是：」，把前面那半句砍掉。

這兩個動作五分鐘做得完，改善比再加十個禁用詞明顯。

---

原始來源：[X @lieflat_3 長文（11/5）](https://x.com/lieflat_3/status/2118355780474937831)｜[GitHub repo](https://github.com/larashero3-dotcom/lieflat-less-ai-tone)（CC BY-NC 4.0）。文中例句和說明由我重新撰寫。

更多 AI 工具實測，追蹤 IG [@your.engineer.ben](https://www.instagram.com/your.engineer.ben/)。
