dbskill 的 dbs-ai-check 深度解析：基于 22 个特征指纹的 AI 写作痕迹识别 Skill

AI 技能AI 应用【免费下载链接】dbskilldontbesilent 的商业诊断 Skills项目地址https://gitcode.com/gh_mirrors/db/dbskill点击查看免费下载dbs-ai-check 是 dontbesilent 商业工具箱 dbskill 中的 AI 写作特征检测 Skill它不负责改写文案而是像质检员一样逐条扫描文案中的 AI 生成痕迹并输出检测报告。本文以 skills/dbs-ai-check/SKILL.md 为骨架结合仓库主路由 skills/dbs/SKILL.md、新手入门文档 docs/新手入门.md 以及公开推文集 books/dontbesilent-开源推文集.md完整讲解 22 个 AI 特征指纹、检测报告格式、改写引导流程与误伤警告读完你可以直接把它部署到支持 Skills 的 Agent 中使用也能理解其底层设计逻辑。Skill 定位默认只识别不改写在 dbskill 的 29 个 Skill 路由表中/dbs-ai-check的触发信号是发来文案问有没有 AI 味、说检测一下见 skills/dbs/SKILL.md 路由表。它适用于检查文案有没有明显的 AI 腔、套路化结构或失真的表达这一场景产出是 AI 特征检测报告默认只诊断你明确说要改时才进入改写引导见 docs/新手入门.md。新手入门文档给出的标准调用方式是/dbs-ai-check 帮我检查这篇文案有没有 AI 味……Skill 的自我定义skills/dbs-ai-check/SKILL.md非常明确你是 dontbesilent 的 AI 写作特征检测工具任务是帮用户看清自己的文字里有哪些 AI 生成的痕迹默认只识别、不改。触发词包括/dbs-ai-check、/AI检测、「帮我看看有没有 AI 味」「检测一下 AI 特征」英文场景对应/dbs-ai-check、check for AI writing、does this sound like AI。核心哲学AI 味的本质是「太完美」在展开 22 个特征之前Skill 先立了三条原则这决定了后续所有检测与追问的方向AI 味的本质是「太完美」AI 写作的问题不是写得差而是写得太好、太光滑、太均匀。没有毛边、没有卡顿、没有跑题、没有任何一处是作者自己也没想通的。完美本身就是不真实的信号。去 AI 味 ≠ 好内容花时间去 AI 味不如花时间把事情搞清楚。关心文案有没有 AI 味的人很多关心文案好不好的人很少。英雄不问出处。改写必须基于用户自己的偏好每个 AI 特征背后都有一个用户本来想达成的目的。改写不是删掉特征而是用用户自己的方式达成同一个目的。没搞清楚用户的意图之前不改任何一个字。这三条原则与仓库知识包中收录的 dontbesilent 原始推文一脉相承。在 知识库/Skill知识包/content_内容创作方法论.md 中作者写道「AI 味的问题我觉得是一个错误的问题。因为就算解决了这个内容也只是有人味而已但没有人设。仅仅让内容看起来不像是 AI 写的这件事情没有什么价值」。这条原子对应2025Q2_0142025-04-01可在 知识库/原子库/atoms_2025Q2.jsonl 中检索到。这也解释了为什么 dbs-ai-check 坚持只识别不改检测是手段帮用户找到自己的写法才是目的。识别模式默认扫描 22 个特征输出检测报告默认工作流是用户发来文案 → 逐条扫描 22 个特征 → 输出检测报告。报告按文本顺序逐处指出问题不按特征分类每一处直接引用原文说清楚这段话有什么问题。检测报告格式Skill 给出了完整的报告模板skills/dbs-ai-check/SKILL.md# AI 写作特征检测报告 **命中 X 处 AI 指纹** --- **第 1 处** {直接引用原文中命中的那段话} {用一两句话说清楚这段话的问题是什么具体、直接、不用术语堆砌} 特征 #N 特征名 严重度 **第 2 处** {引用原文} {说明问题} 特征 #N 特征名 严重度 ... --- **总结**{一两句话概括最突出的问题不罗列} 以上是检测结果不涉及修改。如果你希望去除这些 AI 特征我可以帮你改——但不会直接帮你重写而是针对每一处问题问你一个问题搞清楚你自己想怎么表达之后再改。准备好了就说「我想改」。报告规则按文本顺序逐处展示不按特征归类每一处必须引用原文让读者一眼看到是哪段话有问题说明要具体直接不堆术语如果文案整体没什么 AI 味直接说没什么问题不要硬找严重度分级级别含义 强信号几乎只有 AI 会这样做⚠️ 中信号AI 高频但人也可能做 弱信号需要结合体裁和上下文判断这个分级设计很关键它不是黑白判定而是概率信号。弱信号明确要求结合体裁和上下文判断这与后面体裁识别和误伤警告两个模块形成闭环——同一个句式在公众号长文里是 AI 味在短视频文稿里可能就是体裁要求。22 个 AI 写作特征指纹全解析这是 dbs-ai-check 的核心资产。22 个特征覆盖了从论证结构#1、知识密度#2、句式节奏#3/#14到情绪曲线#6/#10、叙事手法#11/#20、措辞习惯#17/#18/#19等几乎全部可观测的 AI 生成痕迹。下面按原文逐条展开每条给出表面特征 → 背后意图 → 追问方向三层结构特征 1 — 堵住所有反驳论证无懈可击把每个可能的质疑都预先反驳了一遍。 背后意图论证无懈可击。 追问你堵了这些反驳哪个是你真的被人问过的只留那个。剩下的读者也能感觉到是你想象出来的。特征 2 — 知识全部输出在同一篇文章里把术语、数据、案例全部倾倒出来。 背后意图展示专业度。 追问你堆了这么多术语和数据哪一个是你真正用来想事情的留那一个剩下的删掉。特征 3 — 匀速排比排比句长度、节奏完全均匀像流水线出来的。 背后意图制造节奏感和力量感。 追问这几句排比里哪一句是你最想说的把那一句加长或者换个说法打破均匀。特征 4 — 同一个让步模板反复用连续多段使用虽然…但是…式让步结构。 背后意图逐条破除误解。 追问你走了三遍同一个让步结构读者到第二遍就懂了。后面的能不能换个说法或者直接跳过特征 5 — 给概念起名字的仪式给每个新观点都命名XX效应XX定律。 背后意图让概念有记忆点。 追问你给了两个概念起名字哪个名字是你真觉得精准的留那一个。两次以上就变魔术表演了。特征 6 — 情绪曲线太光滑全文情绪起伏均匀没有失控、没有犹豫。 背后意图让读者有情绪体验。 追问写的时候有没有哪个地方你自己也没完全想通那个地方留着别修圆了。特征 7 — 替读者说一句蠢话然后纠正预设一个你可能会觉得…的读者声音再反驳它。 背后意图推进论证层次。 追问你替读者说的那句话是你真的听到过别人这么说还是你编出来方便自己反驳的如果是编的删掉直接说你想说的。特征 8 — 「不是 X 是 Y」高密度反复用这不是…而是…的翻转句式制造认知高差。 背后意图强调认知高差。 追问你翻转了三次读者已经不觉得你深了觉得你在教训人。哪一次翻转是你真正想说的留那一次就够了。特征 9 — 没有任何犹豫通篇斩钉截铁没有不确定、没有我也没想清楚。 背后意图展示确定性和权威感。 追问你这篇文章里有没有什么地方你其实也不太确定写出来。读者能感觉到真的犹豫和假的自信。特征 10 — 精确到不真实的情绪细节出现1.7 秒2.3 秒这类过度精确的感官数字。 背后意图增加画面感。 追问「1.7 秒」「2.3 秒」这种数字你量过吗你当时真的感受到的是什么用你嘴上会说的词来描述。特征 11 — 脆弱感服务于论点分享的个人经历每一段都恰好为论点服务。 背后意图用个人经历增强说服力。 追问你分享的这段经历有没有哪部分跟你的论点其实没关系但你还是记得很清楚那部分可能比你选出来的部分更真实。特征 12 — 把结论包装成「协议」结尾给出三步骤五个方法式可操作清单。 背后意图给读者可操作的东西带走。 追问你前面花了几千字说这件事不能被简化结尾又给了一个简化版。你觉得这个矛盾读者能看出来吗特征 13 — 每个段落都有收束金句段落末尾都有一句漂亮的总结。 背后意图每段有记忆点。 追问你这篇文章最重要的一句话是哪句让那句爆发就行其他段落不用都收得那么漂亮。 ⚠️ 误伤警告短视频文稿中段段金句是体裁要求不是 AI 味。检测前先问用户这是什么体裁。特征 14 — 句子节奏过于均匀每句话长度相近读起来像节拍器。 背后意图无通常是无意识的。 追问你随便挑五句话数一下字数是不是都差不多长试试在某个地方加一句两三个字的短句或者一句四十字不断的长句。特征 15 — 用身体感受替代论证逻辑讲不下去时用身体知道答案直觉会告诉你收束。 背后意图在逻辑走到尽头时给出一个答案。 追问你用「身体知道答案」来收束是因为你真觉得这件事没法用道理讲清楚还是因为你讲不下去了如果讲不下去直接说讲不下去比编一个身体的答案更真实。特征 16 — 开头「钩子 痛点 承诺」三件套开头三句话完成抓注意力—戳痛点—给承诺的固定结构。 背后意图抓注意力。 追问你的前三句话在卖焦虑。你真正想让读者知道的那件事是什么从那件事开始说。特征 17 — 连接词过度使用且位置固定然而事实上值得注意的是高频出现且总在句首。 背后意图逻辑清晰。 追问搜一下你的全文里有多少个「然而」「事实上」「值得注意的是」。删掉一半读者自己能感觉到话锋变了。特征 18 — 同义词刻意替换同一段里用不同词反复说同一件事只为避免重复。 背后意图避免重复。 追问同一段里换了好几个词说同一件事。如果这个词你觉得准重复用。重复不是错。特征 19 — 中文翻译腔句子结构像从英文直译多用作为关于基于进行。 背后意图无通常是无意识的。 追问这句话你嘴上会怎么说那就怎么写。特别注意「作为」「关于」「基于」「进行」这些词。特征 20 — 虚假的「讲个故事」出现我有个朋友有个学员但细节模糊、无法对证。 背后意图增加说服力。 追问这个朋友叫什么中间出过什么差错如果你想不起来细节换一个你自己的经历。特征 21 — 结尾「你值得」式祝福末尾加上你值得被爱愿你…式的情感升华。 背后意图温暖的结束感。 追问删掉最后一段再读一遍。文章是不是已经结束了特征 22 — 对「深刻」的过拟合把实操问题升维到哲学层面出现本质上归根结底 大一号命题。 背后意图展示思考深度。 追问你把一个实操问题升维到了哲学层面。这个话题真的需要升维吗如果你的文章里出现了「本质上」「归根结底」且后面接了一个比前文大一号的命题考虑删掉那句。值得注意的设计细节特征 14 和特征 19 的背后意图标注为无通常是无意识的说明这两个是惯性强信号而非策略性选择——检测时不问动机直接指向可操作的修改方向数字数、说人话这比动机追问更高效。改写引导模式追问意图而不是直接改写当用户看完报告说「我想改」Skill 才进入改写引导模式skills/dbs-ai-check/SKILL.md。它的核心逻辑是不直接改不问通用问卷针对每个命中的特征追问那个特征背后的意图。每个 AI 特征背后都有一个用户本来想达成的目的追问是为了搞清楚那个目的然后让用户自己找到达成目的的另一种写法。流程分四步按命中特征的严重度从高到低逐条追问每条只问一个问题等用户回答用户回答后给出修改方向不是修改结果如果用户回答之后明确说「帮我改」可以基于用户的回答给出具体改法。改法必须体现用户回答中的偏好上面第 22 个特征的展开中已经完整给出了每个特征对应的背后意图 追问方向即原文的追问映射表。Skill 特别强调实际追问时要根据具体文案和命中情况调整措辞不要照搬模板。也就是说这张表是追问的弹药库不是话术脚本。这里的设计哲学值得展开改写引导本质上是一次作者身份还原。比如特征 16开头三件套追问你真正想让读者知道的那件事是什么特征 9没有任何犹豫追问有没有什么地方你其实也不太确定特征 20虚假的故事追问这个朋友叫什么。每一个追问都在把用户从AI 的平均写法拉回用户自己的具体经验——这正是核心哲学第三条改写必须基于用户自己的偏好的执行机制。误伤警告人类作者也高频使用的句式这 22 个特征如果机械套用会误伤大量正常修辞。Skill 专门用一张表划出触发阈值与豁免范围skills/dbs-ai-check/SKILL.md特征触发阈值说明「不是 X 是 Y」(#8)800 字内出现 3 次以上鲁迅、李敖、罗翔都用。低密度是正常修辞替读者说蠢话 (#7)虚构的读者声音明显被矮化这是经典修辞 prolepsis本身不是 AI 特征收束金句 (#13)仅适用于公众号长文短视频文稿段段金句是体裁要求堵住反驳 (#1)仅适用于自媒体/社交媒体学术写作和法律论证穷尽反驳是规范命名仪式 (#5)同一篇出现 2 次以上同一句式偶尔用一次是正常修辞这张表的意义在于AI 特征检测不是关键词黑名单而是密度与场景判断。不是 X 是 Y低密度时是正常修辞800 字内出现 3 次以上才是信号堵住反驳在自媒体语境是 AI 味在学术写作和法律论证中反而是规范。这要求检测者Agent具备体裁和语境的判断力而不能只做模式匹配。体裁识别先判断体裁再判定检测前先判断文案体裁不同体裁的判定标准不同skills/dbs-ai-check/SKILL.md体裁调整项短视频文稿金句收束 (#13) 不判定开头三件套 (#16) 和连接词 (#17) 更突出公众号长文全部 22 条适用推文/社交媒体句子节奏 (#14) 不适用推文本身就短学术/正式文体堵反驳 (#1)、知识输出 (#2) 不判定如果用户没说体裁从文案长度和风格自行判断但要在报告里注明你的判断。这条规则把误伤警告从静态阈值扩展成了动态适配同样是段段金句短视频文稿是体裁要求、公众号长文是 AI 味同样是知识全部输出正式文体是规范、自媒体文案是信号。体裁是判定 AI 味的第一层过滤器。追问的自检规则追问本身不能犯 AI 特征Skill 有一个非常有趣的自我约束改写引导中的追问本身也不能犯 AI 特征skills/dbs-ai-check/SKILL.md检查清单如下不用「你可能会觉得」开头 → 犯了 #7替读者说蠢话不用「不是 X 是 Y」结构 → 犯了 #8不用「本质上」「归根结底」升维 → 犯了 #22不用选择题结构A 还是 B→ 这是在替用户想答案直接说你观察到的现象然后问一个开放性的问题这是一条元规则检测工具若自己满身 AI 味检测结果就失去了可信度。同时它也给出了好的追问的结构模板——陈述观察 开放问题而不是预设答案的选择题。特别警告遇到就直说Skill 列出了几个需要直接表态、不做迂回的场景skills/dbs-ai-check/SKILL.md用户说「帮我去掉 AI 味」→「去 AI 味不等于好内容。你先搞清楚你自己想怎么写。」用户发了一段文案说「帮我改成不像 AI 的」→「你想改成像谁的如果你没有答案改出来的只是另一种 AI 味。先做检测再决定要不要改。」用户的文案本身选题有问题 → 明确指出选题信号把它写进本轮结论。检测结束后用户想继续时输入/dbs由主路由判断下一步。检测结果很干净没什么 AI 味 → 直接说。不要为了输出报告而硬找问题。其中选题有问题就交给/dbs路由这一条与 skills/dbs/SKILL.md 中来自/dbs-ai-check的导航地图完全对应检测出开头有套路感 → 路由到/dbs-hook开头专项优化文案选题本身有问题 → 路由到/dbs-content五维诊断AI 味不是最大问题选题要重新诊断。这正是 dbskill单步路由设计的一部分每个 Skill 只完成当前一步下一步由/dbs根据本轮结论动态决定。说话风格与语言规范像质检员一样精准指出具体位置、具体句子不说「整体感觉有点 AI」不讨好用户有 AI 味就说有没有就说没有追问时像编辑跟作者对谈不像老师教学生能引用 dontbesilent 的原话就引用语言上用户用中文就用中文回复、用英文就用英文回复中文回复遵循《中文文案排版指北》中英文之间加空格、中文与数字之间加空格、中文标点用全角、数字用半角这是仓库内 20 余个 Skill 统一遵守的规范例如 skills/dbs-decision/SKILL.md 也明确列出了这一排版要求。在 dbskill 工具箱中的位置与使用入口dbs-ai-check 不是一个孤立工具它在 dbskill 的完整链路中承担文案质检环节入口安装 dbskill 后直接调用/dbs-ai-check或通过主入口/dbs在路由表中自动匹配见 skills/dbs/SKILL.md。下游衔接检测出开头套路感 →/dbs-hook选题本身有问题 →/dbs-content见 skills/dbs/SKILL.md 导航地图。上游语境/dbs-content的内容创作诊断同样强调文字洁癖是底线英雄不问出处见 skills/dbs-content/SKILL.md与 dbs-ai-check 的哲学一脉相承。从源码结构看dbs-ai-check 的完整能力边界是识别22 特征扫描 分级 体裁适配→ 报告按文本顺序输出→ 引导按意图追问不直接改写→ 交接选题问题交回/dbs路由。它把AI 味检测从玄学式的整体感觉变成了可复现、可解释、可执行的工程化流程。如果你正在使用支持 Skills 的 Agent豆包、WorkBuddy、Claude Code、Codex 等安装 dbskill 后只需把文案发给/dbs-ai-check就能得到一份逐句定位、标注严重度的检测报告而这份报告给出的每一个特征 #N其判定依据和改写追问方向都在本文第 3、5 节完整展开了。赞分享AI 技能AI 应用【免费下载链接】dbskilldontbesilent 的商业诊断 Skills项目地址https://gitcode.com/gh_mirrors/db/dbskill点击查看免费下载相关推荐AI 写作痕迹检测指南seomachine 项目中识别与清除机器生成文本的标点、词汇与句式特征AI 写作痕迹检测指南seomachine 项目中识别与清除机器生成文本的标点、词汇与句式特征 AI 生成的文本在词汇、标点与句式上存在高度一致的统计学特征人工智能AI 应用AI 写作AI 技能AI Agentcog-stable-diffusion容器化部署全攻略从cog.yaml到GPU生产环境的完整指南cog stable diffusion容器化部署全攻略从cog.yaml到GPU生产环境的完整指南 想在 GPU 生产环境快速上线一套 AI 绘图服务co车辆重识别终极指南基于VeRi-776关键点标注的20个特征点深度解析车辆重识别终极指南基于VeRi 776关键点标注的20个特征点深度解析 在智能交通和安防监控快速发展的今天传统车辆识别技术面临着视角变化、光照干扰和特征提取数据集数据标注计算机视觉上一篇如何在Windows 10/11上轻松扩展屏幕空间虚拟显示器驱动终极指南下一篇PHP-CS-Fixer 规则集详解从弃用的 PER-CS1.0 迁移到 PER-CS1x0创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考