ต้นกำเนิด: ฉันใช้เวลากว่า 10 ชั่วโมงทดสอบทักษะ "ลดกลิ่น AI" 10 อย่าง
ก่อนอื่น นี่คือที่อยู่โอเพนซอร์สของ [Human Talk.skill]: https://github.com/Pluviobyte/rnskill
ช่วงนี้ ทักษะ "ลดกลิ่น AI" และโปรเจกต์โอเพนซอร์สต่างๆ กำลังได้รับความนิยมอย่างมากในชุมชนจีน แค่ค้นหา GitHub ด้วยคำว่า humanizer, shuorenhua, stop-slop, qu-ai-wei, De-AI-writing... ก็เจอเป็นสิบโปรเจกต์
ความต้องการของฉันเจาะจงมาก: เวลาเขียนบทความเทคนิคเกี่ยวกับ AI ฉันอยากให้ร่างบทความอ่านแล้วรู้สึกเหมือนฉันเขียนเอง มีความรู้สึกเป็นเทมเพลตและ "กลิ่น AI" น้อยลง ดังนั้น ฉันจึงโคลนโปรเจกต์ทั้งหมดที่หาได้มาไว้ในเครื่อง แล้วรันการทดสอบเปรียบเทียบรอบหนึ่ง โดยใช้ร่างบทความสั้นๆ หัวข้อ AI Native เดียวกัน
หลังจากทดสอบสิบโปรเจกต์ สิ่งแรกที่ค้นพบคือ: พวกมันไม่ใช่ทักษะลดกลิ่น AI ประเภทเดียวกันเลย ฉันถูกบล็อกเกอร์คลิกเบทหลอกอีกแล้ว
สามตัวที่ใช้กับร่างบทความเทคนิคภาษาจีนได้ทันที
shuorenhua, Humanizer-zh และ De-AI-writing
shuorenhua มีความละเอียดอ่อนที่สุดในการรับรู้บริบทและระดับภาษา มันจะตรวจสอบก่อนว่าข้อความของคุณเป็นบทวิจารณ์เทคนิค บทความแสดงความคิดเห็น หรือเอกสารประกอบ ก่อนตัดสินใจว่าจะเปลี่ยนแปลงอะไรและคงอะไรไว้ หลังแก้ไข คำศัพท์เฉพาะและการตัดสินใจมักจะยังคงอยู่ ในขณะที่โครงสร้างเทมเพลตและบทสรุปที่ไร้เนื้อหาจะถูกกำจัดออกไป
Humanizer-zh มีขอบเขตของกฎครอบคลุมมากที่สุด โดยมีการจัดการกับร่องรอยการเขียนแบบ AI ถึง 24 ประเภท เหมาะสำหรับการทำความสะอาดรอบแรก แต่บางครั้งก็ทำให้ร่างบทความกลายเป็นเหมือนข่าวประชาสัมพันธ์ทั่วไปที่บรรณาธิการขัดเกลา ทำให้เสียงส่วนตัวอ่อนลง
De-AI-writing ปรับเปลี่ยนน้อยที่สุด ให้ความสำคัญกับการรักษาโครงสร้างเดิม โดยล้างเฉพาะคำเชื่อม น้ำเสียงแบบสอนหนังสือ และบทสรุปท้ายย่อหน้า เหมาะเมื่อคุณพอใจกับร่างต้นฉบับแล้ว และกังวลว่าการเปลี่ยนแปลงมากเกินไปอาจทำให้หลุดประเด็น
สองตัวที่เหมาะสำหรับการสกัดกฎ
stop-slop และ humanizer ต้นฉบับภาษาอังกฤษ
stop-slop มีกฎที่สั้น กระชับ และตรงไปตรงมา เช่น มันกำหนดเป้าหมายประโยคเปรียบเทียบแบบคู่ ("XX ไม่ใช่ A แต่เป็น B") การขนานสามชั้น การลงท้ายย่อหน้าแบบสุภาษิต และการอธิบายเกินความจำเป็นเพื่อลบทิ้ง การนำไปใช้กับภาษาจีนโดยตรงอาจดูแข็งๆ แต่ยอดเยี่ยมเมื่อแยกย่อยเป็น "รายการต้องห้าม"
humanizer ต้นฉบับภาษาอังกฤษ มีระบบมากที่สุด โดยแบ่งร่องรอย AI ออกเป็น 4 ประเภทหลัก: รูปแบบเนื้อหา ไวยากรณ์ รูปแบบการเขียน และรูปแบบการสื่อสาร การปรับใช้กับภาษาจีนต้องทำด้วยตนเอง แต่มีคุณค่าสูงในฐานะข้อมูลอ้างอิงต้นทาง
สองตัวสำหรับความเสถียรในการเขียนระยะยาว
writing-agent คือไปป์ไลน์การเขียนที่สมบูรณ์ ครอบคลุมตั้งแต่การเลือกหัวข้อ การรวบรวมหลักฐาน การยืนยันจุดยืน ไปจนถึงการพิสูจน์อักษร การลดกลิ่น และการส่งออก ฉันรันการตรวจสอบเวิร์กโฟลว์และการทดสอบหน่วย 15 รายการในเครื่อง และทั้งหมดผ่าน กระบวนการทั้งหมดต้องกำหนดค่าโมเดลและ API เหมาะสำหรับการวิจัยการเขียนบล็อกระยะยาวในอนาคต
nuwa-skill เน้นการกลั่นกรองรูปแบบการเขียน ต้องป้อนบทความจริงของคุณ 5-7 ชิ้นเพื่อให้มันสกัดลักษณะการเขียนของคุณและสร้าง Skill เฉพาะบุคคล การทดสอบด้วยย่อหน้าเดียวยังไม่มีความหมายมากนัก
สามตัวที่ยังห่างไกลจาก "ลดกลิ่น AI สำหรับบทความเทคนิคภาษาจีน"
chatgpt-comparison-detection คือคลังข้อมูลสำหรับชุดข้อมูล HC3 และการวิจัยการตรวจจับ ฉันรันข้อความตัวอย่างโดยใช้รายการคำสั่งภาษาจีนในตัว และมันเจอคำ ChatGPT ความถี่สูงคำหนึ่ง: "so" มันมีไว้สำหรับการวิจัยการตรวจจับ ไม่ใช่เครื่องมือแก้ไข
ai-flavor-remover คือพรอมต์เดี่ยวๆ ไม่มีโครงสร้าง Skill เหมาะสำหรับโยนเข้าโมเดล reasoning โดยตรงเพื่อทดลอง
taste-skill คือ Skill ด้านความสวยงามส่วนหน้า ที่จัดการการออกแบบอินเทอร์เฟซ และไม่เกี่ยวข้องกับข้อความ
สิ่งที่ค้นพบทีหลัง
ผลลัพธ์ที่มีประโยชน์ที่สุดไม่ใช่ร่างสุดท้ายจาก Skill ใด Skill หนึ่ง แต่เป็นกฎเฉพาะที่สกัดจาก Skill ต่างๆ
shuorenhua ทำให้ฉันสังเกตปัญหาการสลับบริบท การเขียนรีวิว Fable-5 กับการเขียนบทความแสดงความคิดเห็น AI Native ต้องรักษาสิ่งที่แตกต่างกัน ในรีวิว ข้อมูลแข็งๆ เช่น ราคา ความเร็ว และการเปรียบเทียบโมเดล แตะต้องไม่ได้ ในบทความแสดงความคิดเห็น การตัดสินใจส่วนตัวและรายละเอียดจากประสบการณ์ไม่ควรถูกทำให้เรียบเนียน
stop-slop ทำให้ฉันตระหนักว่าโครงสร้างประโยค "XX ไม่ใช่ A แต่เป็น B" ปรากฏในร่างของฉันบ่อยแค่ไหน เมื่อสังเกตเห็นแล้ว ก็ยากที่จะทนได้ ปัญหาที่คล้ายกัน ได้แก่ การลงท้ายด้วยบทสรุปที่ไร้เนื้อหา การขนานสามส่วน และคำเชื่อมเปลี่ยนผ่านอย่าง "พูดอีกนัยหนึ่ง"
การตรวจจับเปรียบเทียบแบบคู่ของ Humanizer-zh และกลยุทธ์การรักษาความเที่ยงตรงของ De-AI-writing ก็สามารถสกัดมาใช้แยกกันได้เช่นกัน อย่างแรกช่วยให้ฉันระบุปัญหาโครงสร้างประโยค ในขณะที่อย่างหลังป้องกันไม่ให้การแก้ไขมากเกินไปทำให้คำศัพท์เฉพาะและการตัดสินใจกระจัดกระจาย
วิธีที่ฉันใช้ในที่สุด
ฉันไม่ได้เลือก Skill "ที่แข็งแกร่งที่สุด" สักตัวมาติดตั้ง แต่รวบรวมรายการตรวจสอบของตัวเองจากโปรเจกต์เหล่านี้ หลังจากเขียนบทความเทคนิค ฉันจะตรวจสอบ:
ร่างมีประสบการณ์การทดสอบจริงและการตัดสินใจของฉันเองหรือไม่? ถ้าไม่มี บทความก็จะกลายเป็นคู่มือทั่วไปที่ใครก็เขียนได้ และผู้อ่านจะไม่รู้ว่ามันมาจากการทดสอบเฉพาะ
มีโครงสร้างเปรียบเทียบแบบคู่ บทสรุปที่ไร้เนื้อหา การขนานสามชั้น หรือการลงท้ายแบบสุภาษิตหรือไม่? ลบทิ้งทันที
คำศัพท์เฉพาะและชื่อโมเดลกระจัดกระจายหรือไม่? ถ้า Fable-5 ถูกเปลี่ยนเป็น "โมเดลนี้" หรือ Claude Opus ถูกเปลี่ยนเป็น "ผลิตภัณฑ์นี้" แสดงว่าแก้ไขเกินไป
ความยาวประโยคสม่ำเสมอเกินไปหรือไม่? ถ้าทุกประโยคยาวเท่าๆ กัน จะอ่านแล้วราบเรียบมาก เหมือนถูกขัดเกลาอย่างสม่ำเสมอ
กฎเหล่านี้มีประสิทธิภาพมากกว่า Skill ใดๆ เพียงตัวเดียว รูปแบบการเขียนของแต่ละคนแตกต่างกัน และที่มาของ "กลิ่น AI" ก็แตกต่างกัน การแยกย่อยกฎและประกอบเข้าด้วยกันเองได้ผลดีกว่าการใช้ Skill ทั่วไปโดยตรง
สุดท้าย โมเดลที่จับคู่ได้ดีที่สุด—Opus 4.6
ระหว่างการทดสอบ ซีรีส์ GPT ทำผลงานแย่ที่สุด โดยเฉพาะเมื่อใช้ใน Codex มักจะพลาดกฎของ Skill DeepSeek V4 Pro ทำผลงานดีกว่า Opus 4.8 น่าจะกลั่นกรองสไตล์ของ GPT มาและ ก็ทำผลงานแย่เช่นกัน โมเดลที่ทำผลงานดีที่สุดคือ Opus 4.6
บทความข้างต้นผลิตโดยใช้ Human Talk Skill และเป็น โอเพนซอร์ส: https://github.com/Pluviobyte/rnskill
ยินดีต้อนรับ ติดตามฉัน @Pluvio9yte ใน ฉบับหน้า ฉันจะอธิบายการใช้งาน Skill นี้โดยละเอียด
ตัวอย่างฉบับหน้า: "1,000 ผู้ติดตามใน 7 วัน: ฉันแยกย่อยการผลิตวิดีโอเป็นสายการผลิต AI"
