Nguồn Gốc: Tôi Đã Dành Hơn Mười Giờ Để Thử Nghiệm Mười Kỹ Năng "Khử Mùi AI"
Trước tiên, đây là địa chỉ mã nguồn mở của [Human Talk.skill]: https://github.com/Pluviobyte/rnskill
Gần đây, nhiều Kỹ năng "Khử mùi AI" và các dự án mã nguồn mở đã trở nên rất phổ biến trong cộng đồng Trung Quốc. Chỉ cần tìm kiếm nhanh trên GitHub với các từ khóa như humanizer, shuorenhua, stop-slop, qu-ai-wei, De-AI-writing... bạn có thể tìm thấy hơn một chục dự án.
Nhu cầu của tôi rất cụ thể: khi viết các bài báo kỹ thuật liên quan đến AI, tôi muốn bản thảo đọc giống như do chính tôi viết, ít cảm giác khuôn mẫu và "mùi AI" hơn. Vì vậy, tôi đã clone tất cả các dự án có thể tìm thấy về máy cục bộ và chạy một vòng thử nghiệm so sánh bằng cùng một bản thảo ngắn về chủ đề AI Native.
Sau khi thử nghiệm mười dự án, khám phá đầu tiên của tôi là: chúng hoàn toàn không phải cùng một loại Kỹ năng Khử AI. Tôi lại bị các blogger câu view đánh lừa.
Ba Kỹ Năng Có Thể Sử Dụng Trực Tiếp Cho Bản Thảo Kỹ Thuật Tiếng Trung
shuorenhua, Humanizer-zh và De-AI-writing.
shuorenhua có cảm nhận tinh tế nhất về bối cảnh và phong cách ngôn ngữ. Đầu tiên, nó xác định xem văn bản của bạn là bài đánh giá kỹ thuật, bài xã luận hay tài liệu hướng dẫn trước khi quyết định thay đổi gì và giữ lại gì. Sau khi chỉnh sửa, thuật ngữ và nhận định thường được giữ nguyên, trong khi lớp vỏ khuôn mẫu và các bản tóm tắt rỗng được loại bỏ.
Humanizer-zh có phạm vi quy tắc bao phủ rộng nhất, với các xử lý tương ứng cho 24 loại dấu vết viết AI. Nó phù hợp cho vòng làm sạch đầu tiên, nhưng đôi khi biến bản thảo thành thứ giống như một thông cáo báo chí chung chung được biên tập viên trau chuốt, làm yếu đi giọng nói cá nhân.
De-AI-writing thực hiện các thay đổi nhẹ nhàng nhất. Nó ưu tiên giữ nguyên cấu trúc ban đầu, chỉ loại bỏ các từ dẫn dắt, giọng điệu giảng bài và các bản tóm tắt cuối đoạn. Nó phù hợp khi bạn tương đối hài lòng với bản thảo gốc và lo ngại rằng thay đổi lớn có thể đi sai hướng.
Hai Kỹ Năng Phù Hợp Để Trích Xuất Quy Tắc
stop-slop và phiên bản tiếng Anh gốc của humanizer.
stop-slop có các quy tắc ngắn, cứng và trực tiếp. Ví dụ, nó nhắm vào các câu đối lập nhị phân ("XX không phải là A, mà là B"), cấu trúc song song ba phần, kết thúc đoạn kiểu châm ngôn và giải thích quá mức để xóa. Áp dụng trực tiếp vào tiếng Trung hơi cứng nhắc, nhưng nó rất xuất sắc khi được phân tích thành một "danh sách cấm".
Phiên bản tiếng Anh gốc của humanizer có hệ thống nhất, phân loại dấu vết AI thành bốn loại chính: mẫu nội dung, ngữ pháp, phong cách và mẫu giao tiếp. Việc thích ứng với tiếng Trung cần thực hiện thủ công, nhưng nó có giá trị cao như một tài liệu tham khảo thượng nguồn.
Hai Kỹ Năng Cho Sự Ổn Định Viết Lâu Dài
writing-agent là một pipeline viết hoàn chỉnh. Nó bao gồm toàn bộ quy trình từ chọn chủ đề, thu thập bằng chứng, xác nhận quan điểm đến hiệu đính, khử mùi và xuất bản. Tôi đã chạy xác thực quy trình làm việc và 15 bài kiểm tra đơn vị trên máy cục bộ, và tất cả đều thành công. Quy trình đầy đủ yêu cầu cấu hình mô hình và API, phù hợp cho nghiên cứu trong tương lai về viết bài cho tài khoản công khai dài hạn.
nuwa-skill tập trung vào chưng cất phong cách. Nó yêu cầu cung cấp 5-7 bài viết thực tế của bạn để nó trích xuất đặc điểm viết của bạn và tạo ra một Kỹ năng cá nhân hóa. Thử nghiệm nó với một đoạn văn đơn lẻ không có nhiều ý nghĩa.
Ba Kỹ Năng Không Liên Quan Đến "Khử Mùi AI Cho Bài Viết Kỹ Thuật Tiếng Trung"
chatgpt-comparison-detection là một kho lưu trữ cho bộ dữ liệu HC3 và nghiên cứu phát hiện. Tôi đã chạy văn bản mẫu bằng danh sách hướng dẫn tiếng Trung tích hợp sẵn của nó, và nó đã trúng một từ ChatGPT tần suất cao: "vì vậy". Nó dành cho nghiên cứu phát hiện, không phải công cụ chỉnh sửa.
ai-flavor-remover là một prompt độc lập không có cấu trúc Kỹ năng, phù hợp để ném trực tiếp vào các mô hình suy luận để thử nghiệm.
taste-skill là một Kỹ năng thẩm mỹ giao diện người dùng quản lý thiết kế giao diện và không liên quan gì đến văn bản.
Những Gì Tôi Khám Phá Sau Đó
Kết quả đầu ra hữu ích nhất không phải là bản thảo cuối cùng từ một Kỹ năng cụ thể, mà là các quy tắc cụ thể được trích xuất từ các Kỹ năng khác nhau.
shuorenhua khiến tôi chú ý đến vấn đề chuyển đổi bối cảnh. Viết một bài đánh giá Fable-5 và viết một bài xã luận AI Native đòi hỏi phải giữ lại những thứ khác nhau. Trong bài đánh giá, dữ liệu cứng như giá cả, tốc độ và so sánh mô hình không thể động đến; trong bài xã luận, nhận định cá nhân và chi tiết trải nghiệm không nên bị làm mịn.
stop-slop khiến tôi nhận ra tần suất xuất hiện của cấu trúc câu "XX không phải là A, mà là B" trong các bản thảo của chính mình. Một khi đã nhận ra, nó trở nên khó chấp nhận. Các vấn đề tương tự bao gồm kết thúc tóm tắt rỗng, cấu trúc song song ba phần và từ chuyển tiếp như "nói cách khác".
Phát hiện đối lập nhị phân của Humanizer-zh và chiến lược trung thành của De-AI-writing cũng có thể được trích xuất để sử dụng riêng lẻ. Cái trước giúp tôi xác định vấn đề cấu trúc câu, trong khi cái sau ngăn chỉnh sửa quá mức làm phân tán thuật ngữ và nhận định.
Cách Tôi Sử Dụng Cuối Cùng
Tôi không chọn một Kỹ năng "mạnh nhất" để cài đặt; thay vào đó, tôi biên soạn danh sách kiểm tra của riêng mình từ các dự án này. Sau khi viết một bài báo kỹ thuật, tôi xem xét nó:
Bản thảo có chứa trải nghiệm thử nghiệm thực tế và nhận định của riêng tôi không? Nếu không có những điều này, bài viết trở thành một hướng dẫn chung chung mà ai cũng có thể viết, và độc giả sẽ không biết nó đến từ một thử nghiệm cụ thể.
Có vỏ đối lập nhị phân, tóm tắt rỗng, cấu trúc song song ba phần hoặc kết thúc châm ngôn không? Xóa ngay khi thấy.
Thuật ngữ và tên mô hình có bị phân tán không? Nếu Fable-5 bị đổi thành "mô hình này" hoặc Claude Opus bị đổi thành "sản phẩm này", đó là chỉnh sửa quá mức.
Độ dài câu có quá đồng đều không? Nếu mọi câu đều có độ dài gần như nhau, nó đọc rất phẳng, như thể được trau chuốt đồng nhất.
Những quy tắc này hiệu quả hơn bất kỳ Kỹ năng đơn lẻ nào. Phong cách viết của mỗi người là khác nhau, và nguồn gốc của "mùi AI" cũng khác nhau. Phân tích các quy tắc và kết hợp chúng theo cách của bạn hiệu quả hơn là áp dụng trực tiếp một Kỹ năng chung chung.
Cuối Cùng, Mô Hình Phù Hợp Nhất—Opus 4.6
Trong quá trình thử nghiệm của tôi, dòng GPT hoạt động kém nhất, đặc biệt khi sử dụng trong Codex, vì nó thường bỏ qua các quy tắc Kỹ năng. DeepSeek V4 Pro hoạt động tốt hơn. Opus 4.8 có khả năng đã chưng cất phong cách của GPT và cũng hoạt động kém. Mô hình hoạt động tốt nhất là Opus 4.6.
Bài viết trên được sản xuất bằng Human Talk Skill và là mã nguồn mở: https://github.com/Pluviobyte/rnskill
Chào mừng bạn theo dõi tôi @Pluvio9yte. Trong số tiếp theo, tôi sẽ giải thích cách sử dụng chi tiết của Kỹ năng này.
Xem trước số tiếp theo: "1.000 Người Theo Dõi Trong 7 Ngày: Tôi Đã Phân Tách Sản Xuất Video Thành Một Dây Chuyền Sản Xuất AI"
