去 AI 味 skill地址：github.com/larashero3-dotcom/lieflat-less-ai-tone

这个 skill 希望用语言学的研究方式，来量化"什么是 AI 味"，并致力于去除 AI 写作的"AI 味"。该 skill 在 moxt.ai 制作。

研究以 629 篇文章（2,826,972 汉字，95,551 句，45,721 段）构建对照语料，其中 300 篇由五个主流模型在受控条件下生成，329 篇为人类作者的写作文本。检验了 26 项在公共讨论中被广泛认作"AI 文风"的候选特征，逐项计算生成侧与人类侧的频率比。

结果显示，11 项特征通过检验，有明显的区分度，其中区分力最强者为段首零回指评论（4.4 倍）。另有 15 项不具备区分力，部分项的方向与流行认知相反：人类使用比喻的频率为生成文本的 2.4 倍，正文设问句为 17 倍，句内同构排比亦高于生成文本。

研究同时发现，不同大模型的"AI 味"表现不同。例如破折号，DeepSeek 每千字 5.16 次、Claude 4.25 次，而 GPT 只有 0.11 次，极差达四十倍；提示性冒号最重的是 DeepSeek 与 Claude，问句小标题最重的是 Gemini。所谓"AI 文风"并非单一形态。

文末报告了六次因算子设计缺陷导致的测量失误及其修正过程，并讨论了单一模型样本、分母选择与语料不可核验三项方法局限。