AI 文章去 AI 化實作，24 種 AI 味特徵對照與改寫流程

本文重點

• AI 味的痕跡可以收斂成四類，內容層、語言語法層、風格格式層、交流殘留層共 24 種模式，逐列對照就查得完。這 24 條出自開源專案 blader/humanizer 與 op7418/Humanizer-zh，底本是維基百科的 AI 寫作特徵指南。
• 改寫流程五步：判情境、鎖保護清單、逐類改、台灣在地化、保真回讀。最後一步漏掉，去 AI 化會改出假資訊。
• 50 分自評表五個維度各 10 分，35 分以下不能交稿。表與級距同樣出自 Humanizer-zh，本站 2026 年 8 月之後的新稿與改寫都跑這一關。
• AI 偵測工具不適合當驗收標準，OpenAI 2023 年 1 月公告自家分類器時給的數字是 26% 正確率、9% 誤判率，這個分類器同年 7 月下架。

「去 AI 化」是台灣搜尋量最大的講法，要做的事其實很具體：把 AI 文章裡那些一眼就認得出來的寫作習慣挑出來改掉。多數教學停在「多讀幾遍」「加入個人經驗」，沒有可以逐條核對的清單，也沒有改完之後的驗收標準。

本站 2026 年 8 月之後的新稿與改寫都跑兩套開源規則。一套是 24 種 AI 痕跡的模式對照表，分四類逐列查；一套是五個維度的 50 分自評，低於 35 分不准交稿。兩套規則的出處與本站實際改了什麼，寫在第二段與第四段開頭。這篇把它們寫成你可以直接照做的流程。

往下的內容包含：一眼認出 AI 味的四個特徵與例句對照、24 種模式的查法與改法、五步改寫流程、自評表怎麼打分、AI 偵測工具能不能當去 AI 化的驗收，最後拿本站 2026 年 4 月的一篇舊文做改前改後對照，兩段都附扣分項。

一、AI 文章一眼被認出來的四個特徵

下面四組例句都是為了這篇文章現造的示範，主題就是去 AI 化本身。每組上面是 AI 味版本，下面是改寫後的版本。

（一）三段式排比與對仗句讓每個句子長得一樣

AI 產出的列舉常常剛好三項，而且三個子句的長度、結構、詞性都對得整整齊齊。讀者不一定說得出哪裡怪，但會覺得這段像廣告詞。

AI 味示範：去 AI 化不只是修辭的調整，更是思維的轉換，也是態度的重塑。

改寫後：去 AI 化要動的是四件事，刪掉沒有資訊的句子、把泛稱換成具體對象、補上可以點開的來源，最後回頭核對事實有沒有被改掉。

（二）誇大意義的空話拿掉之後資訊量不變

判斷方法很直接：把整句刪掉，看段落的資訊量有沒有減少。沒減少就代表這句只是在替前後文加重量。

AI 味示範：這套方法標誌著內容產製流程的重要轉折，為後續的品質管理奠定了基礎。

改寫後：這套方法就是一張 24 列的表，寫稿的人逐列核對，對得上的就改，對不上的跳過。

（三）缺少時間、地點、數字這類錨點

AI 很擅長寫「近年來」「越來越多」「業界普遍」，因為它不需要為這些話負責。人寫的句子通常會落在某個具體的時間點上。

AI 味示範：近年來，越來越多內容工作者開始重視 AI 文章的修改品質。

改寫後：OpenAI 在 2023 年 7 月 20 日下架自家的 AI 文字分類器，官方給的理由是準確率不足。

（四）模糊歸因，權威鋪墊後面接不到來源

這是最容易查的一類。看到歸因句就往後找連結，找不到就是問題。

AI 味示範：研究顯示，AI 偵測工具的準確率已經可以達到九成以上。

改寫後：GPTZero 官網寫的是混合了 AI 與人類寫作的文件準確率 96.5%、誤判率控制在 1% 以內（2026 年 9 月查看），這是廠商自己公布的數據，同一頁也寫了沒有任何偵測工具能保證 100% 準確。

二、AI 味的 24 種痕跡分成四類，一類一類查

這 24 種模式來自開源專案，本站沒有參與歸納，出處可以逐層追溯。最上游是維基百科編輯社群的英文版 AI 寫作特徵指南，由 WikiProject AI Cleanup 從數千篇被標記的草稿裡整理出來，中文維基另有對應的中文版特徵頁。把維基百科那份攤平的長清單編成 24 條並分組排序的是 blader/humanizer，簡體中文版是 op7418/Humanizer-zh。本站用的是 Humanizer-zh 的正體化分支，只做了繁體轉換與台灣用語調整，24 條模式的內容一條都沒動。下面四張表對上游唯一的改動，是把原本分開的「交流模式」與「填充詞和迴避」兩組併成一組，層數才變成四層。

（一）內容層，講了很多但沒有資訊

模式	怎麼認	怎麼改
誇大意義與遺產	出現「標誌著」「見證了」「奠定基礎」，整句刪掉後段落資訊量不變	刪掉整句，換成做了什麼、結果是什麼
過度強調知名度	反覆說某工具「廣受好評」「備受關注」，卻沒有使用者數或報導連結	補上可查證的數字或來源，補不到就刪掉形容
句尾硬湊深度	句子結尾接「展現了⋯」「體現出⋯的重要性」這種收束	砍掉尾巴，句子在事實講完的地方結束
廣告式語言	「充滿活力的」「令人讚嘆的」「不可或缺的」堆在名詞前面	換成可觀察的描述，例如把「不可或缺」改成「少了它流程會停在哪一步」
模糊歸因	出現「專家認為」「業界報告顯示」這種 AI 味示範句，後面接不到可點的來源	找到原始出處補連結，找不到就整句刪掉
公式化的展望段	段落主題是「挑戰與未來展望」，內容全是通則	刪掉，或改寫成你打算怎麼做、什麼時候回頭檢查

（二）語言語法層，句型本身就有味道

模式	怎麼認	怎麼改
AI 詞彙	「此外」「至關重要」「賦能」「佈局」密集出現	「此外」多半可以直接刪，其餘換成口語說法
繫詞迴避	用「作為」「擁有」繞開「是」，例如「作為一種方法，它擁有⋯」	改回直述句，「它是⋯」「它有⋯」
否定式排比	「不僅⋯而且⋯」「這不僅僅是 X，更是 Y」整篇反覆出現	全文最多留一次，其餘拆成兩個直述句
三段式過度使用	幾乎每個列舉都剛好三項，句子節奏一致	改成兩項或四項，讓長度不一樣
同義詞循環	同一個概念在段落裡換三種說法，怕重複	統一用同一個詞，重複沒關係
虛假範圍	「從 A 到 B」但兩端不在同一個尺度	兩端改成同層級的例子，或直接列舉

（三）風格格式層，用眼睛掃就看得到

模式	怎麼認	怎麼改
破折號過度使用	一個段落裡出現兩次以上破折號，多半是句子沒斷乾淨	每 300 到 500 字最多一次，其餘改成逗號或斷句
粗體過度使用	一段有三處以上粗體，重點反而看不出來	一個段落最多一處，或整段不用
內嵌標題的垂直列表	每個項目都是「粗體小標＋冒號＋一句解釋」	短清單改寫成句子，長清單保留但拿掉粗體小標
英文詞首字母大寫	中文段落裡把 search engine optimization 寫成 Search Engine Optimization	照原文大小寫，專有名詞才大寫
表情符號裝飾	小標前面加 emoji 當項目符號	中文正式稿件一律拿掉
彎引號混入中文	中文句子裡出現英文的彎引號	換成全形的「」與『』

（四）交流殘留層，聊天視窗的殘骸

模式	怎麼認	怎麼改
對話殘留	段落開頭出現「當然！」，結尾出現「希望這對你有幫助」	整句刪掉，文章不需要跟讀者寒暄
知識截止免責	「截至我所知的資訊」「在我的知識範圍內」	刪掉，改成查得到的日期與來源
諂媚語氣	「這是一個很好的問題」「你問到重點了」	刪掉，直接回答
填充短語	「為了實現這一目標」「在這樣的前提下」	刪掉後句子通常還是通順，那就是廢話
過度限定	一句話裡疊了「可能」「通常」「在某些情況下」	一句最多留一個限定詞，其餘刪掉
通用積極結論	段落收在「未來充滿更多可能」這種話	刪掉，段落停在最後一個具體資訊

台灣的中文編輯社群也在做同一件事。T客邦報導維基百科編輯辨識 AI 寫作時列出的常見痕跡，包含「重要」「具有歷史意義」這類強調詞、「此外」「總的來說」這類銜接詞出現頻率異常、每段結尾硬掛一個小結論、英文標題大小寫錯誤、亂用粗體與表情符號，以及編造 ISBN 與 DOI，跟上面四張表對得起來。至於「不僅⋯更是⋯」這種句型，那篇報導沒有列，但它不是本站的發現，上游 Humanizer-zh 的第 9 條「否定式排比」就是在講這個。

三、去 AI 化的五步改寫流程

四類痕跡查完只是知道要改哪裡，改的順序也會影響結果。下面五步的骨架取自 Raymond Hou 的 speak-human-tw（1.4.0 版，2026 年 7 月 18 日更新，MIT 授權），本站照它的順序執行，跳步或顛倒會出問題。

（一）先判情境再鎖保護清單，這兩步決定改寫力度

第一步是判斷這段文字要出現在哪裡。社群貼文可以大動作刪句、合併段落；銷售頁與公告的每一句都可能有法律或承諾效力，只能微調用詞。同一段 AI 文章，放在兩個地方的改法完全不同。

第二步是動筆前先圈出不能動的內容：價格與數字、專有名詞、連結、引號裡的原話與真實姓名、退費與保固這類承諾條款。這份清單先鎖起來，後面逐類改寫時碰到就繞過。多數改壞的案例都是漏了這一步，把「30 天內可退」順手改成「一個月內可退」。

（二）逐類改寫時同步做台灣在地化

第三步照第二段的四張表逐類處理，一次只查一類，不要一邊改誇大形容一邊調格式。長文要逐句對應，不要為了通順隨意合併段落，否則之後要跟原稿比對會找不到位置。

同一輪順手做台灣在地化。AI 產出的中文很容易混進中國用語，把視頻改影片、質量改品質、信息改資訊、數據庫改資料庫、屏幕改螢幕、默認改預設。標點也要一起看，中文一律用全形，數字與英文的前後留半形空格。這一層做不做得到，決定文章會不會被台灣讀者一眼讀成不是本地寫的。

（三）保真回讀，去 AI 化不能改掉事實

第四步是回讀，核對下面三項：

1. 保護清單有沒有被誤改。
2. 原文的每個資訊點是否都還在。
3. 有沒有多出原文沒有的內容。

第三項最容易出事。去 AI 化的常見手法是「把泛稱換成具體」，改著改著就會想替作者補一個年份、補一個數字、補一句「我實測過」。這些補上去的東西如果沒有出處，你只是把 AI 味換成了假資訊。查不到就寫「目前找不到」，這比編一個數字安全得多。

（四）加一條零刻意修辭規則，還有它的副作用

這篇文章本身套了一條硬規則，全文不使用下列寫法：

• 三項式排比的句式（名詞清單可以，三個並列子句不行）。
• 否定式對比與轉折句型，AI 味示範是「不是 A，而是 B」與「與其⋯不如⋯」。
• 比喻與擬人，像把某個方法寫成「一把鑰匙」。
• 設問句開場、金句收尾、對仗與押韻。
• 誇飾形容詞（AI 味示範：革命性、無比、深刻）。
• 轉場套語（AI 味示範：值得注意的是、總的來說）。
• 沒有出處的歸因（AI 味示範：研究顯示、專家認為）。

這條規則跟 Anthropic 的官方文件對得上。Anthropic 在 2026 年 9 月更新的 Prompting Claude Fable 5.1 加了「Writing density」一節，把用隱喻與辭藻取代直述的寫法稱為 mannered prose，給的例句是把 a parameter worth varying 寫成 a dial worth turning、把 this point still matters 寫成 this point earns its keep。文件的說法是這種句子的存在是為了展示作者，讀者感覺得出來，而且隱喻會帶進作者沒有選擇也控制不了的言外之意。同一節給了一句可以直接貼進提示詞的短指令「Please remove all mannered prose.」。上面那張禁用清單就是把這句英文指令展開成中文的具體項目，因為只講「去掉 mannered prose」，中文寫作者不會知道哪些句式算數。

規則的限制要講清楚：只把修辭拿掉，文章會變得平板而且更難讀，因為原本撐場面的東西沒了，句子之間會空一塊。補的方法是往具體的方向填，時間點、版本號、有出處的數字、可以點開的連結、自己實際做過的步驟。這篇文章第五段的偵測工具數字、第七段的舊文段落，都是為了填這一塊而寫的。修辭刪掉之後沒有補具體內容，讀起來會像會議紀錄。

四、50 分自評表怎麼打，35 分是不能交稿的線

這張表出自上游的 Humanizer-zh，五個維度、各 10 分、總分 50 分都照原樣沿用，本站沒有增減維度。上游只給了維度名稱與一句評估標準，下面（二）的打分依據與（三）的兩條線怎麼用，是本站補的操作細節。

（一）五個維度各自在看什麼

維度	檢查什麼
直接性	段落有沒有直接講重點，還是鋪陳兩三句才進主題
節奏	句子長短有沒有變化，還是每句都差不多長
信任度	有沒有把讀者當笨蛋，同一件事反覆解釋
真實性	讀起來像一個具體的人在講他做過的事，還是誰都寫得出來
精煉度	還有沒有整句刪掉也不影響資訊的內容

（二）每個維度怎麼給 0 到 10 分

打分要有可以指認的依據，不能憑感覺。直接性：段落第一句就是結論給 8 到 10 分，鋪陳超過兩句才進主題就掉到 5 以下。節奏：把段落裡每個句子的字數列出來，最長跟最短差一倍以上是 9 到 10 分的樣子，全部落在 25 到 35 字之間給 4 分以下。

信任度 9 到 10 分的樣子是同一件事只講一次、講完就往下走，扣分的訊號是同一個概念在兩個段落各解釋一次。真實性 9 到 10 分要有日期、版本或作者親手做過的步驟，只要整段抽掉專有名詞還能用在別的題目上，這一項就到不了 6 分。精煉度直接數：整段裡刪掉不影響資訊的句子有幾句，一句扣 2 分，一句都刪不掉才是 9 到 10 分。

（三）35 分與 45 分兩條線怎麼用

35 分以下回頭重寫，35 到 44 分挑最弱的維度再修一輪，45 分以上可以交稿。

這兩個數字出自 Humanizer-zh 的品質評分段，原文寫的是 45 到 50 分「優秀，已去除 AI 痕跡」、35 到 44 分「良好，仍有改進空間」、低於 35 分「需要重新修訂」。本站自訂的部分只有一項：把低於 35 分的「需要重新修訂」從建議改成不得交稿的硬門檻。數字本身的理由可以算給你看：五個維度平均 7 分就是 35 分，而 7 分的意思是「這個維度還留著一處明顯問題」。五個維度同時都有一處明顯問題的稿子不該交出去，所以 35 分當下限。45 分代表最多只有一個維度扣 3 分、其餘接近滿分。

自評的前提是逐句核對，不是讀完覺得順就給高分。做法是把每個維度的扣分項寫下來，寫不出扣分項就代表你沒真的查。本站的完整寫稿順序另外寫在本站 SEO 文章的產製流程與人工把關範圍。

五、AI 偵測工具能不能當去 AI 化的驗收

（一）偵測工具測的是統計特徵，不是內容品質

偵測工具量的是文字的機率分布，判斷這串字有多接近語言模型會產生的樣子。它不檢查事實對不對、來源在不在、對讀者有沒有用。所以一篇滿是錯誤但寫得夠亂的文章，可以輕鬆通過偵測；一篇查了三小時資料、句子寫得工整的人類文章，可能被標紅。

（二）連工具自己都不敢保證準

OpenAI 在 2023 年 1 月 31 日的官方公告裡就寫明自家 AI 文字分類器的數字：在英文的挑戰測試集上只正確標出 26% 的 AI 文字，同時把 9% 的人類文字誤判成 AI 生成，1,000 字元以下的短文尤其不可靠。這頁後來補上 2023 年 7 月 20 日下架的註記，理由是準確率太低，TechCrunch 也報導了下架這件事。

Stanford 團隊 2023 年發表在期刊 Patterns 的偵測器偏誤研究測出更麻煩的問題：超過一半的 TOEFL 非母語英語作文被偵測器判成 AI 生成，同一批工具對美國八年級生的作文卻幾乎零誤判。推測的原因是非母語寫作的困惑度天生偏低，統計特徵剛好跟 AI 文字重疊。

（三）廠商自報準確率與獨立測試的落差

GPTZero 官網自述在混合了 AI 與人類寫作的文件上準確率 96.5%，誤判率控制在 1% 以內，TOEFL 作文降到 1.1%，這是廠商自己公布的數據（2026 年 9 月查看）；獨立測試的結果落差很大：Turnitin 自稱誤判率低於 1%，INSIDE 整理的實測報導裡卻測到 4%；Stanford 團隊的研究拿 TOEFL 作文測七款偵測器，平均 61.22% 被誤判成 AI 寫的。同一款工具、不同測試方法，數字可以差一個數量級以上。

其他廠商的數字也都是自報：INSIDE 整理的對照提到 Turnitin 自稱整篇文章誤判率低於 1%、逐句分析 4%，Bloomberg 實測 GPTZero 與 Copyleaks 得到 1% 至 2%。這些數字可以參考，但沒有一個能拿來當你發稿的門檻。

（四）中文語料沒有同儕審查的驗證，這件事要誠實講

上面引的研究全部是英文語料。我找過中文，尤其繁體中文的 AI 生成偵測研究，找到的多是廠商行銷頁面自報的 90% 或 98%，沒有第三方驗證，也沒有同儕審查的論文可以引用。

這代表兩件事。第一，中文偵測工具的實際準確率目前沒有人知道，包含賣工具的人。第二，你如果拿偵測分數當去 AI 化的驗收標準，你是在用一個沒被驗證過的量尺量自己的 AI 文章。合理的用法是把它當寫完之後的參考訊號，看它標紅哪幾句，再自己判斷那幾句該不該改。

六、Google 在乎的是有沒有付出心力

Google 的立場從 2023 年到現在沒變，判斷的是內容品質而非產出方式；2024 年 3 月的垃圾內容政策更新加上「規模化內容濫用」之後，人工、自動化與混合產製一律用同一把尺量。搜尋品質評量指南把「主要內容整段複製、改寫或自動生成，幾乎沒有付出心力、原創性與附加價值」列為最低分的判定條件之一，關鍵字在「幾乎沒有付出心力」。

所以去 AI 化的目的在讓文章多出一點只有你給得出來的東西，騙過機器沒有意義。政策的完整界線、三條紅線與判斷框架，寫在AI 內容的官方政策與評分者指南界線這篇，這裡不重複。

七、本站舊文的兩段改前改後

下面兩段原文出自本站的 E-E-A-T 怎麼判斷內容可信度，2026 年 4 月 22 日上線，是本站早期還沒導入這套流程的文章。兩段都逐字照引，示範改寫的日期是 2026 年 9 月 8 日。原文目前還維持改前的版本，留著當對照組。

（一）開場段落，21 分改到 40 分

改前（原文照引，AI 味示範）：想要在 Google 搜尋結果中脫穎而出，光靠塞滿關鍵字已經行不通，你還必須向搜尋引擎與讀者證明你的內容可信度。這篇文章將帶你深入了解 E-E-A-T 評估標準，解析 Google 是如何判斷一篇文章到底值不值得推薦，幫助你打造真正具備高排名潛力的優質內容。

扣分項逐條列：直接性 4 分，兩句都在鋪陳，讀完不知道 E-E-A-T 是哪四個字。節奏 5 分，兩句都是 40 字以上的長句，結構相同。信任度 5 分，「光靠塞滿關鍵字已經行不通」預設讀者還在堆關鍵字。

真實性 3 分，把 E-E-A-T 換成任何 SEO 名詞這段都成立，沒有時間、版本或來源。精煉度 4 分，兩處粗體、「打造真正具備高排名潛力的優質內容」屬於廣告式語言。合計 21 分，低於 35 分的線。

改後：E-E-A-T 是 Google 搜尋品質評量指南裡的四個字母，經驗、專業、權威、可信度。它不是寫在演算法裡的排名因素，Google 花錢請真人評估員照這四項替搜尋結果打分，分數回饋給工程團隊，不直接動個別網站的排名。這篇把四項各自的判斷點拆開，最後列十個今天就能改的網站信號。

改後打分：直接性 9、節奏 8、信任度 8、真實性 7、精煉度 8，合計 40 分。真實性只有 7 分是因為這段還是沒有作者本人的操作細節，要補上「我在哪一天查了指南的哪一節」才拉得到 9 分，那部分我沒做，就不編。

（二）章節結尾段，21 分改到 39 分

改前（原文照引，AI 味示範）：因此，與其尋找程式碼層面的漏洞，不如回歸內容本質。當你的網站內容完全符合 E-E-A-T 的精神時，自然就能在未來的演算法更新中獲得優勢。

扣分項逐條列：真實性 2 分，「符合精神」與「獲得優勢」兩個說法都無法驗證，也沒有出處。精煉度 3 分，整段刪掉不影響前面章節的資訊，屬於公式化的展望段。直接性 5 分、節奏 5 分、信任度 6 分。合計 21 分。這段命中的模式有三個：第二段列的公式化展望段、通用積極結論，以及第三段禁用清單裡的否定式對比句型。

改後：這一段的實際做法是拿評估員指南列的判斷點，逐條對照自己的文章有沒有做到，做不到的補上。指南是公開的 PDF，Google 每次改版都會更新，最低分那一級的判定條件之一是主要內容幾乎沒有付出心力、原創性與附加價值。

改後打分：直接性 8、節奏 7、信任度 8、真實性 8、精煉度 8，合計 39 分。兩段都停在 40 分上下，差的都是同一件事，只有作者才拿得出來的第一手細節。這也是為什麼 AI 文章的去 AI 化不能整包外包出去，純改寫大概就到 40 分，剩下的分數要作者自己補。

舊文要不要花時間改，判斷順序可以照舊文翻新的判斷指標與執行步驟，先看有沒有排名基礎再決定改哪一篇。

八、FAQ

（一）Q1: AI 寫的文章會被 Google 懲罰嗎

Google 在 2023 年 2 月的官方說法是重點在內容品質而非產出方式，2024 年 3 月的垃圾內容政策再補上「規模化內容濫用」，對人工與自動化一視同仁。會出事的是大量產出、主要目的在操縱排名、對讀者幾乎沒有價值的內容。問題不在有沒有用 AI，在有沒有付出心力。完整界線寫在本站的政策那篇。

（二）Q2: 去 AI 化要改到偵測工具測不出來才能發嗎

不用。偵測工具量的是文字的統計特徵，跟內容有沒有價值是兩件事。OpenAI 2023 年 1 月公告自家分類器時給的數字是只正確標出 26% 的 AI 文字、誤判 9% 的人類文字，同年 7 月下架。拿這種工具當發稿門檻，你會為了討好它把好句子改壞。合理的用法是當參考訊號，驗收留給自評表與事實查核。

（三）Q3: AI 偵測工具說我的文章是 AI 寫的該怎麼辦

先看它標紅的是哪幾句。多數情況那幾句真的有 AI 味，改掉對讀者也是好事。如果那幾句是你自己寫的、也講了具體的事，那就是誤判：Stanford 團隊 2023 年的測試顯示，超過一半的非母語英語作文被判成 AI 生成。中文誤判找不到同儕審查的研究可引。我的做法是不申辯，只確認事實、來源、可讀性。

（四）Q4: 中文的 AI 味跟英文的 AI 味一樣嗎

分類邏輯一樣，具體詞彙不一樣。英文維基百科整理的 AI 寫作特徵，像誇大意義、模糊歸因、破折號過度使用，在中文一樣成立，中文版另外整理了自己的清單。中文多出一層用語地區差異：AI 產出常混進「視頻」「質量」「信息」這類中國用語與半形標點，台灣讀者對這個特別敏感，去 AI 化時要一起處理。

（五）Q5: AI 文章改到什麼程度才算及格

本站的標準是 50 分自評表拿到 35 分以上才能交稿，45 分以上才算改得乾淨。這張表與這兩個數字出自開源專案 Humanizer-zh 的評分級距，本站自訂的只有把低於 35 分的「需要重新修訂」改成不得交稿的硬門檻。數字的理由是五個維度平均 7 分代表每個維度都還留著一處明顯問題。實務上最難拉高的是真實性，它要的是只有你才寫得出來的細節：哪一天做的、用哪個版本、結果是什麼，這部分只能作者自己補。