[F4]你让AI写的小说，为什么一眼就被看穿？

2026-10-01 · AI 写作观察 · 作者：潇然 · 全文约 4300 字 · 阅读约 12 分钟

判断一句话有没有 AI 味，词汇表帮不了你。真正起作用的是问句底下那层东西：这句话是谁在说，站在哪个位置说，他知不知道后面会发生什么。

AI 写小说露馅，多半露在“仿佛”“深吸一口气”这类词之外：在句式骨架上，在段落关系上，在谁在说话这件事上。

※ ※ ※

🔍 先看一个让我停下来的句子

上个月帮朋友审一篇重生文的开头，模型产出的，平台检测工具给的分数很体面。但第一自然段我就划了线：

林晚不知道的是，这句随口答应下来的婚约，会在三年后毁掉她整个家族。

工具没报警。人一眼就看见了。这一句的问题是叙述者站起来说话了：他站在三年后，回头告诉读者“注意，这里有坑”。真实的人写回忆录才会这样说话，而网文的开头九十页里出现这种全知旁白，等于作者隔着纸冲你眨眼。

我把稿子里这类句子归拢了一下，发现 AI 味在小说文本里的落点高度集中：不在词，在句式的骨架上；不在单句，在段落和段落的关系上。这一篇就顺着这条线，把“一眼被看穿”拆到可操作的程度：哪些句式是重灾区、为什么detector式的查词表拦不住它们、以及一套我自己跑的去味流程，检测交脚本，改交给人。

※ ※ ※

🧠 AI 味的根：叙述人格错位

先立一个判断，后面所有例子都挂在它上面：

小说文本里，AI 味的本质是叙述人格问题。模型没有稳定的“谁在说话”意识，它是在模仿“写得好”的平均样式。

拆开说就是三件事：

1. 视角越权。第三人称有限视角的小说，叙述者应该跟着主角走，主角不知道的，叙述者也不能说。但模型的训练语料里混着大量全知叙述、夹叙夹议的散文、甚至百科条目，它写着写着就飘到上帝位置上去了。“她不知道的是”这类句子就是这么漏出来的。
2. 替读者定性。人写情绪是给证据：手在抖、茶凉了三次没喝。AI 写情绪是给判决书：“她心中涌起一股说不清的失落。”读者本来可以自己判断出失落，你替他判断了，文本就塌了一层。
3. 为工整牺牲因果。“这不是告别，而是开始。”这种句子对仗工整，读着像金句，但它没有因果、没有信息，纯靠句式撑起来。人写小说十句里出一句这样的，正常；AI 三节出一句，就是指纹。

这三条在中文网络写作社区早就有说法，报幕腔、旁白剧透、金句炫技，叫法不一。这里不引任何具体作品和帖子，例子全部自造，你对着自己的稿子对号入座就行。

※ ※ ※

🪓 五个一眼露馅的句式骨架

我把最近经手的三十多万字 AI 网文稿扫了一遍，用确定性正则统计了句式命中密度（脚本收尾会讲思路）。下面这五类，命中率高、误判率低，是“一眼看穿”的主力。

骨架	例句（自造）	为什么它像 AI
否定翻转	他不是冷漠，只是把温柔留给了值得的人	先立一个靶子再推翻，是模型最爱的“深度句式”，人写作中低频出现
音量反差	他声音不大，却让全场安静了三秒	万能状语腔，配谁都能用，等于谁都不是
全知剧透	她不知道的是，那趟车再也没到站	叙述者提前离场，悬念被定调成“必然发生”
判决式心理	一股难以言喻的悲伤涌上心头	直接发情绪判决书，不给身体证据
对仗收尾	戏是演给别人看的，苦是自己咽的	每节结尾都工整一次，节奏均匀得像节拍器

有一说一：这五个骨架人也会用。区别在密度和位置。人在关键节点用一次，是重拍；AI 在每一节的同一位置用一次，是模板。我统计里最扎眼的一个数字是，模型产出的章节末尾出现“总结升华式句子”的比例，大约是人稿的三倍。章尾是最容易露馅的位置，因为模型把“段落要收住”理解为“结尾要点题”。

※ ※ ※

🚫 为什么查词表的工具拦不住

市面上去 AI 味工具第一代是词表：仿佛、一丝、深吸一口气，命中就标黄。这个思路治标，原因有三层：

第一，词是活的。“仿佛”在口语化叙述里出现得很正常，番茄高分样本的语料统计里 像/好像/仿佛/如同 在三百多章样本中出现了两百多章。你把它们清零，文本反而不像人了，像体检报告。

第二，模型会绕。你把词表喂给它当负面清单，它换个句式照样输出一样的味道：“深吸一口气”没了，来了“呼吸停了半拍”。骨架没动，皮换了。

第三，也是最实在的：AI 味的读感来自节奏均匀。段落全是三到五行，句子全是同样的换气点，对话永远信息完整逻辑清晰，没有人在此刻说错话、漏真话、接不上茬。这些全是统计特征，你把任何一张词表翻烂也枚举不完。

所以我现在的流程里，机器只负责定位，不负责判决。

※ ※ ※

📉 平台已经把“被看穿”做成了生计问题

以前这事只影响口碑，现在直接影响签约。番茄小说今年 8 月的内容治理公示给了两个公开数字：单月拒绝签约低质书籍 16.3 万本，处置低质违规书籍 6.1 万本。公告里给下架理由用的原话，跟前面那张骨架表几乎逐条对上：“行文机械、文笔空洞”，“词藻堆砌、句式呆板，文字质感较差”。同一轮专项整治里，单日更新上百本的量产账号被永久封禁了 855 个。

这个信号值得所有用 AI 辅助写作的人琢磨：平台治理和你肉眼判断用的是同一批特征。它不需要给你的稿子贴“AI 生成”的标签，只需要按“句式呆板、词藻堆砌”的低质标准收掉它。换句话说，去 AI 味这件事正在从“骗过读者”变成“过审线”。你就算坚信自己的稿子是 AI 起稿人修七成，平台的编辑和巡查看到的成品里那些均匀节奏和对仗收尾，照样按低质处理。

※ ※ ※

🎬 前 300 字是最容易露馅的地方

编辑审稿有个行规：开头三百字定生死。机器文也一样，而且机器的破绽在前三百字里是成串出现的。我拿两段同一题材的开头做个对照，都是“小人物夜里被叫去加班”。

AI 直出的版本通常是这样的节奏：先一句环境定调（“城市的霓虹在雨里晕开，像谁打翻的调色盘”），再一句心理概括（“李默看着手机屏幕，心里五味杂陈”），然后叙述者接管，把今晚这件事的意义直接讲给你听（“他不知道，这个电话将改变他的人生轨迹”）。三段话，一个比喻，一个情绪判决书，一个剧透定调子，全是上面表里的骨架，密度高到可以当教学案例。

人写的版本大概率是什么样？是物件和动作先出来：“泡面吃到一半，钉钉响了。李默看了一眼群名，把筷子搁下，又拿起来把那口面吃完，才点开消息。”他为什么把面吃完才敢点开？这句话不解释，读者自己会补：怕看见的内容等得了一分钟。你看，这就是叙述人格的差别：AI 的开头急着告诉你“这件事很重要”，人的开头只给你一个动作，重要性藏在动作的反常里。

所以我把去味的第一道人工检查放在开头三百字，比通读全文效率高得多。三个问题问完基本就有数：这段里有没有一句在替读者定性？有没有一个比喻是任何题材都能原样搬走的（打翻的调色盘、揉皱的蓝天，全是这种）？叙述者有没有比主角先知道结局？

※ ※ ※

🛠️ 我的去味闸门：脚本定位 + 人工改，改最少改最准

这是我实际在跑的三段式，跑通了再写进工作流，供参考。思路一句话：确定性检测打底，分级处理，改完必须复扫收敛。

第一段，机器初扫。核心逻辑不到四十行，谁都能抄走改规则，我把它贴在这：

#!/usr/bin/env python3
"""aiflavor_scan.py — 文本层 AI 味句式扫描器（只报告，不改写）"""
import re, sys

RULES = [
    ("R1", "否定翻转", r"不是[^。\n]{1,18}[，,](而|就|只)?是"),
    ("R2", "音量反差", r"声音不[大高][^。\n]{0,12}[，,](却|但)"),
    ("R3", "情绪套词", r"(眼中闪过|嘴角勾起|深吸一口气|不禁|缓缓开口)"),
    ("R4", "上帝剧透", r"(她不知道的是|殊不知|多年以后|仿佛预示着)"),
    ("R5", "总结升华", r"(这一刻[^。\n]{0,10}(终于|才)|才刚刚开始|注定(是|要))"),
]

def report(path):
    text = open(path, encoding="utf-8").read()
    for rid, name, pat in RULES:
        for m in re.finditer(pat, text):
            line = text[:m.start()].count("\n") + 1
            print(f"L{line:<4} [{rid} {name}] {m.group(0)}")
    sents = [s for s in re.split(r"(?<=[。！？\n])", text) if s.strip()]
    shorts = sum(1 for s in sents if len(s.strip("。！？\n")) <= 6)
    print(f"句数 {len(sents)}；≤6字短句占比 {shorts/max(len(sents),1):.0%}")

for p in sys.argv[1:]:
    report(p)

跑在一章 AI 直出的草稿上，输出长这样（本机实跑，样本为自造段落）：

L4    [R1 否定翻转] 不是冷漠，只是
L1    [R2 音量反差] 声音不大，却
L3    [R3 情绪套词] 眼中闪过
L3    [R3 情绪套词] 深吸一口气
L2    [R4 上帝剧透] 她不知道的是
L5    [R5 总结升华] 这一刻，他才
句数 6；≤6字短句占比 17%

拿这份命中清单当靶子逐条过，比通读十遍都有数。规则全是正则，误报可以调，但它只报告不改写。这一步我故意不让它碰文本，改写权留给人。

第二段，对照处理。按“改最少、效果最大”的原则过一遍，这里有一条我贴在屏幕边的删除优先判断：

每个命中先问三个问题：
1. 删掉这句，丢不丢伏笔/信息/转折？不丢 → 直接删，不润色。
2. 删不掉但会伤连贯 → 压成动作、物件或短句，别换成另一个形容词。
3. 疑似套路但拿不准 → 标记[需复核]，不当场动刀。

改法给两个真实对照片段（都是自造例）。

否定翻转，删靶子写正文：

改前：他不是不想救她，他只是没有那个能力。
改后：他站在河边看了一夜，天亮时人已经没影了。他转身往回走。

第二个例子是把“心理告知”换回“身体证据”，但注意不是所有情绪都值得外化，低强度的过场直接写“他有点烦”就够了，每句都外化是另一种模板：

改前：她心中涌起一股说不清的失落，仿佛有什么东西碎掉了。
改后：她把手机放回口袋，又拿出来，屏幕还是黑的。

第三段，确定性收尾加复扫。标点机器兜底：清理残留的省略号刷屏、无功能破折号；然后重跑第一段，同一段连续两轮没有新增改动就停手，最多三轮。这个收敛条件是防止把文本改过头：我见过有人把稿子去味去成了电报体，通篇五字短句，那是另一种 AI 味。

※ ※ ※

📊 效果怎么验收

改完不吹感觉，做盲测。我的土办法很简单：同一情节，AI 直出稿和去味稿各抽三百字，隐去来源发给五个常看网文的朋友，问一句“哪段像机器写的”。样本小，结论别当科学，但方向和我前面的判断一致：句式闸门跑完之后，被猜中的比例明显下来了，最关键的下降来自章尾和第一自然段。

还有两个免费信号源，成本更低：一是章尾最后一句，如果它读起来能当签名档，大概率有问题，人在写连载时没空每章升华一次；二是对话，把台词单独抽出来连读，如果每句都信息完整、答到点上，全删了重写，真人的对话一半是答非所问。

还有一类检测器抓不到、人肉一眼能看见的位置：对话里的接茬。人跟人说话，一大半是接不住茬的。上一句问东，下一句答西；有人打断，有人重复对方的词，有人用“嗯”拖着一段对话不结束。AI 写的对话每一句都精准回应上一句的信息点，像两个客服在对账。我改对话有个笨办法：把台词单独抽出来连读，凡是每句都答到点上的章节，整段推倒重写，强制让三分之一的人在这一场里说废话、跑题、答非所问。改完念出声，磕巴的地方不用修，人说话本来就磕巴。

还有一个更隐蔽的信号藏在段落之间的接缝里。你去看 AI 稿子的段落首句，十有八九带连接词：然后、与此同时、而另一边、片刻之后。它是在用连接词缝段落，人写连载靠的是镜头切换，切完就切了，不需要向读者报备时间流逝。把段落首句的连接词删掉大半，文本立刻不像机器了，这个手段在实践里比换词表有效得多。

※ ※ ※

🎭 但管道治不了的那一半

写到这得泼自己一盆冷水。

上面全是形：句式、密度、节奏。去味管道能把你稿子里的“一眼假”降到“细看才假”，降不到零。因为最露馅的东西在情节层，而脚本扫不到情节。

模型写的故事有一种结构性的“礼貌”：冲突刚起来就有人递台阶，误会最多撑两章必解，坏人在关键节点一定会解释动机。它见过太多“大团圆收束”的文本，于是所有弧线都被它往完满了收。这跟句式没关系，你把“不是……而是……”杀干净了，那种处处妥帖的剧情照样一眼认出机器。人写的小说有烂尾、有写劈了的支线、有人物中途变心作者追不回来，这些“失控”恰恰是人味儿的一部分，也是生成模型在目标函数上被系统性消灭掉的东西。

所以我的结论不圆润，甚至有点扫兴：在可见的这几年里，AI 网文的可辨认度不会消失，只会移位。句式层的手段会像验证码一样互相卷，人肉检测的重心会一路从“词”退到“句”，再退到“事”，直到最后退无可退：你得靠“这个角色为什么非做这个选择不可”来验人。

那已经是编辑和作者的活了。脚本只能陪你走到这。

※ ※ ※

下一篇预告：拆完一个竞品小程序，我不写一行代码，倒推出了整本需求清单。

※ ※ ※

📚 资料来源

• ▪ 文中句式统计基于作者近期经手的约 30 万字 AI 生成网文稿的本地扫描结果，样本为个人工作稿，未公开；例句均为本文自造，不引任何真实作品
• ▪ 番茄高分样本语料统计（段落中位字数、“像/仿佛”出现章数占比等）转引自公开网文写作研究社区的样本口径，非作者实测
• ▪ 去味三段式流程（正则句式扫描 → 人工分级改写 → 标点兜底与复扫收敛）为作者本机实跑的自建脚本管道，检测器只报告不改写
• ▪ 盲测为作者邀请 5 位读者的非正式对照实验，无统计显著性，仅方向参考
• ▪ 生成日期：2026-10-01