五个动作，挨个过一遍 —— 给文字植入人味
拆长句，换主语，打节奏
AI 写出来的句子是一排 18～25 字的标准件，整齐得吓人。同一段里主语永远不变——“本文”“该研究”“结果表明”循环。
拆句 · 换主语
先找到一段超过三句主语不变的文字。把其中一个长句拆成 2～3 个短句。再把其中一个“本文/该研究”换成“我们”。
...改前：本文通过实证分析发现数字化转型对企业绩效具有正向促进作用，且该促进作用在中小规模企业中表现更为明显。 ...改后：我们拿了一批企业数据来对比。结果很明确：数字化改得越早，业绩往上走的速度越快。有意思的是，这个规律在中小企业身上比大企业更明显。三句话三个长度（7 字、8 字、18 字），主语从“我们”跳到“结果”再跳到“这个规律”。检测系统读到这种节奏会降分。
把“总分总”揉成一团
AI 组织段落就是一套模板：先给总论点，中间列三条论据，结尾再总结一遍。千篇一律的“首先—其次—最后”。
人要怎么写？先说结论也行、先讲故事也行、中间突然插一句“不过这里有个问题”也行。无规律的逻辑线才是最像人的。
揉碎总分总
找一段标准“总分总”的段落。把结尾那句总结删掉。把中间第一条论据挪到最后。在开头直接给一个具体的案例代入。
...改前：造成人才流失的原因有三：首先，薪酬水平偏低；其次，晋升通道狭窄；最后，工作环境不佳。综上，企业应从这三个方面入手。 ...改后：一个入职两年的技术骨干上周提了离职。我问他为什么，他说不是因为钱——是看不到自己五年后在这个公司能干什么。薪酬确实是个问题，办公环境也不算好。但真正把人推走的，是那条看得见尽头、走不上去的路。模板没了，但信息全在。
把高频词换成“低频专业词”
AI 喜欢用安全词——“重要”“明显”“提高”“改善”。这些词本身没错，但一篇论文出现三十次“重要”，就变成了检测信号的发射台。
词频统计法
圈出全文出现最多的 5 个形容词和 5 个动词。每个替换成更具体、更少见的同义表达。
| AI 高频词 | 换成 |
|---|---|
| 重要 | 决定性的 / 起核心作用的 |
| 明显 | 肉眼可见地 / 可量化地 |
| 提高 / 提升 | 拉动了 X 个百分点 / 上了一个台阶 |
| 优化 | 重构 / 调整到 X 的配置 |
注意：不是往华丽了换，是往具体了换。“这个因素很重要”改成“这个变量在回归模型中解释了约 40% 的方差”——具体了就没人味儿了？恰好相反。人写东西天然带具体数据，机器写才天然模糊。
往里塞“只有你才会说的话”
这一招是降 AI 率最稳固的方式。因为检测系统无论多强，它判断的依据永远是统计相似度。你塞进去一句只有你写得出来的东西，统计分布就偏了。
怎么塞
1.在文献综述里加一句你读某篇论文时的真实感受：“这篇的方法部分写得很扎实，但结论那段逻辑跳得有点大，我们反复梳理了三次才接上”。 2.在数据分析里加一句意料之外的发现：“跑了三次回归，每次的控制变量一换，系数的符号就反转——我们起初以为是数据录入有错，后来发现不是”。 3.在讨论部分留一句不确定性：“坦白说，这个结论目前只在我们的样本范围内成立，能不能推得更远还需要后续验证”。这些不是废话，是认知痕迹。AI 生成内容里没有“我一开始以为是错的”这种叙事。留一些无伤大雅的不完美——比如一句偏长的句子，一段不影响理解的补充说明——比追求 100% 光滑安全得多。
删掉 AI 为了凑字数写的东西
AI 有一个习惯：从来不觉得“够了”。每个观点后面补一句解释，每个结论前面加一句过渡，每个定义后面再套一个更细的定义。这些叠上去的东西读着没问题，删掉也没问题——但它们每多一层，检测信号的规律性就增加一分。
通读全文，狠心删
1.大段背景介绍（三句话能说清写了两段）。 2.对基本概念的冗长解释（这是论文不是教材）。 3.每个段落结尾的“综上所述”类总结（删了之后段落更有力）。写在最后 · FINAL
五步走完，再查一次。如果还有残余的红段——恭喜你，大概率出在第 4 步没做透。回头往里面塞一句真心话。
降 AI 率的终点不是反 AI。是把自己的脑子从 AI 的“安全模式”里拔出来，让它重新按你的方式运转。
戳这里：爱查宝降AIGC率入口
