BaoShare
AI 教程AI教程3 次浏览 · 2026-11-16

open-writing-skill:去 AI 味写作系统设计与开源实战指南

原文链接

https://x.com/realchendahuang/status/2120555090545459548
打开链接

核心配图

一、核心亮点与背景概述

在生成式 AI 泛滥的背景下,「AI 泔水(AI Slop)」现象日益严重——表现为无错别字、结构规整却充满套话、毫无真情实感与决策代价的机器味文章。研究表明,这一现象根源在于人类反馈强化学习(RLHF)中对书面大词的偏好放大,以及大模型缺乏真实物理世界的行文代价。

针对「去 AI 味」的最后一公里问题,开发者开源了零代码依赖的通用写作骨架项目 open-writing-skill。该项目摒弃了传统「事后用漏勺过滤垃圾词」的低效逻辑,提倡「事前提供真实人类范文打底 + 降低模型过度思考 + JIT 分流音色卡 + 精简禁词兜底」的技术范式,助开发者与创作者十分钟打造高辨识度的个人文风。

内容整理自 X 博主 陈大黄(@realchendahuang)的推文。

二、核心机制与技术细节拆解

1. 传统去 AI 味方案的四大瓶颈

市面上主流开源工具(如 humanizer、avoid-ai-writing、shuorenhua 等)普遍存在局限:

  • 做纯减法导致内容干枯:仅封禁公关套话,导致模型退化为死板的短促陈述句。
  • 粉色大象效应与注意力稀释:巨量禁词表会点亮模型高频同义词区域,且长上下文会冲淡规则限制。
  • 多 Agent 流水线割裂文气:分步审查与多轮改写打碎了上下文的呼吸感,且 Token 开销翻倍。
  • 硬配额伪造活人感:强行塞入口语词或限制标点,容易从「公文腔泔水」转变为「带货腔泔水」。

2. open-writing-skill 底层解法

  • 模型选择与思维降级:选用自然语感较强的 Gemini 模型,并将思考等级(Thinking Level)手动设为 Low。避免高档位 CoT(思维链)在后台生成四平八稳的公关八股架构(普林斯顿研究表明,长链条显式推理会损害直觉与语感表达)。
  • Few-Shot 纯真人范文打底:保留人类原文的标点、换行与词汇呼吸感,结合行文骨架指导模型进行模式模仿。
  • 按需加载音色卡(JIT Voice Cards):按长文、短帖、提问、踩坑随笔等场景拆分独立 Markdown 音色文件,避免多重指令冲突打架。
  • 精简禁词护栏:仅保留 20~30 个高频塑料词(如「赋能/闭环/双刃剑」),锁死事实保真与改稿骨架。

三、安装配置与实操上手

1. 项目目录结构

open-writing-skill/
├── SKILL.md                    # 总调度台:按场景匹配音色卡与全局铁律
├── voices/                     # 场景音色卡(正向描述 + 专属禁忌 + 范文原文)
│   ├── deep-article.md         # 深度长文与经验复盘
│   ├── short-post.md           # 短评与开源工具推荐
│   ├── probe-question.md       # 互动提问与社区话题
│   └── craft-notes.md          # 踩坑随笔与选型算账
├── references/
│   ├── banned-words.md         # 全局 20-30 个高频塑料词护栏
│   └── bad-vs-good-examples.md # 真实正反例对照手册
└── prompts/
    └── web-single-prompt.md    # 网页聊天框一键复制单文件版

2. Agent 环境一键安装

在支持本地 Skill 的终端或 IDE 工具(如 Claude Code / Cursor / Codex / Antigravity)中运行:

npx skills add realchendahuang/open-writing-skill

3. 三步配置个人专属文风

  1. 挑选真人原生样例:准备 2~3 篇纯手写历史文章,切忌使用 AI 生成稿充当样板。
  2. 填入音色卡槽位:将样例贴入对应的 voices/*.md 文件中,并简要提炼行文推进逻辑。
  3. Gemini Low 档调优:将配置挂载至 Gemini 模型(思考等级设为 Low),进行 2~3 轮生成微调,将偶现的习惯性套话补充进 references/banned-words.md。

四、适用场景与避坑建议

1. 适用场景

  • 开源项目/工具安利:砍掉底层抽象黑话(如异步、LRU 缓存),直击最终视觉与使用效果。
  • 技术科普长文:放弃教科书定义,采用具象生活场景与物理账本做比喻。
  • 社区提问与互动:适度留白示弱,抛出真问题而非自问自答。
  • 架构踩坑复盘:平视算账,明晰成本、性能损耗与折衷方案。

2. 避坑建议

  • 切勿拿 AI 稿喂养 Skill:避免用生成内容训练生成模型导致「近亲繁殖」,加重机器味。
  • 禁止过度依赖事后过滤:务必在动笔前通过样本与低思考档位定好基调。
  • 注重真实信息密度:提示词工程仅解决表达方式,文章核心竞争力取决于输入的真实踩坑细节与物理账本数据。

相关推荐

返回资源大厅