# AI 中文写作特征实测

中文 | [English](RESEARCH.en.md)

这份文档记录每一条规则的**预设与实测结果**，包括被推翻的预设。规则的依据是句式形态可定位，数字只用来决定某个句式够不够格立为规则。

一开始有一批基于 30 篇 AI 样本的倍率统计（句长 CV ×51、三连排比 ×7.3、段首序数词 29%、破折号「Claude 独有」等），后来用更大语料复测，多数对不上，已全部废弃。原因见文末「六次测量失误」。

## 方法

### 设计

对照实验。同一批话题，让 AI 写一遍，跟真实文章比。因变量是各个句式的出现频率，自变量是"谁写的"。

要让这个比较成立，得先控制三件事。

**话题与文体。** AI 侧 300 篇覆盖 38 个话题，话题范围和文体与人类侧对齐。如果两边写的不是一类东西，测出来的差异就分不清是模型造成的还是文体造成的。

**模型。** 用 5 个模型各 60 篇，而不是单一模型。早期只用 2 个模型 30 篇，得出的结论后来被推翻大半。比如"破折号是 Claude 独有"，扩到 5 个模型后发现 DeepSeek 更重。单模型的癖好会被误读成 AI 的共性。

**生成条件。** AI 侧不联网、不给写作指令，只给话题。加了风格要求就测不出模型的默认倾向。

### 语料

| | 篇 | 汉字 | 句 | 段 |
|---|---|---|---|---|
| AI | 300 | 1,179,105 | 37,642 | 14,549 |
| 人类 | 329 | 1,647,867 | 57,909 | 31,172 |
| 合计 | 629 | 2,826,972 | 95,551 | 45,721 |

模型：claude-opus-4-6、deepseek-v4-pro、gemini-3.1-pro、gpt-5.6-sol、kimi-k3，各 60 篇。

人类侧是真实中文作者的公开文章，分组独立统计，用来判断差异在人类内部是否稳定。某一项如果只在个别组偏高，说明那是个人风格或文体特征，不是人类共性。虚词和破折号都是这样被识别出来的。

### 切分

分句：先按行切，丢掉标题行、表格行、代码块、引用块和列表项，再按 `。！？；` 断句，保留 4 字以上的片段。

丢掉这些行是必要的。早期版本只按 `。！？` 断句，Markdown 表格和没有句号的长列表被当成一个句子，某一组的句长标准差算成了均值的 27 倍，由此得出"AI 句长比人类均匀 51 倍"。修正后重测，0.87 倍，没有差异。

分段：按空行切，丢掉标题、表格、代码块、引用、列表项和图片行，保留 8 字以上的段落。

### 分母

三种，按测什么选。

| 分母 | 用于 | 例子 |
|------|------|------|
| 每千汉字 | 词汇和标点层面的特征 | 破折号、顿号、"不是…而是" |
| 每百段 | 段落层面的结构特征 | 相邻句同构、比喻起段 |
| 占同类元素比例 | 依附于特定结构的特征 | 问句小标题占全部小标题的比例 |

分母选错会直接给出反向结论。AI 平均每篇 10 个小标题，人类 1-2 个。用每千字算，问句小标题是 32 倍；换成占小标题的比例，AI 2.7%、人类最高 3.6%，差异消失。前者测的是"AI 小标题多"，后者才是"AI 爱用问句当小标题"。

段首类特征的分母是"非首段"，因为首段没有上文可回指。

### 判定

倍率 = AI 频率 ÷ 人类频率。

| 倍率 | 判定 |
|------|------|
| ≥ 2.0 | 收录为规则 |
| 1.25 - 2.0 | 需人类侧稳定且量足够大才收 |
| 0.8 - 1.25 | 无差异，不收 |
| < 0.8 | 人类用得更多，反向也不能删 |

除倍率之外还有三个条件。

一是**人类侧稳定**，各组数值不能相差 5 倍以上。破折号在组间差了百倍（最低 0.01，最高 1.29），所以虽然倍率 3.0，仍在规则里另加了说明。

二是**触发标记可定位**，规则得能指出改哪一句、哪个词。"读起来太整齐"这种没法验收，不收。所以"比喻是否贴切""三个案例是否在凑数"这类语篇特征全部排除，哪怕感觉上很像 AI 味。

三是**改法不违反白名单**。材料密度这项人类是 AI 的 2.8 倍，方向明确，但"补数字"违反信息守恒原则，所以只取可执行的一半，也就是原文已有具体数据时不许用概括盖掉。虚词同理，AI 确实少，但"补虚词"无法验收，整条弃用。

### 正则

每条规则一个正则，定义写在脚本顶部，可直接修改。

这是整套方法最薄的一环。正则匹配字面形态，不匹配语义，写宽了会抓进大量不该算的东西。本项目为此翻过六次车，详见文末。由此定的操作要求是，**改规则前先抽样看 20 条命中，再看频率。**

### 可复现性

语料不入库（版权与隐私），所以下面的数字第三方无法核验。能复用的是方法和脚本，换成自己的语料可以算出对应结果。

这是实质缺陷，不是免责声明。数字不可核验意味着读者只能选择信或不信。真正可检验的部分是切分规则、分母选择、判定门槛和正则定义，这些都在脚本里公开。

## 预设 vs 实测

倍率一列统一为「AI ÷ 人类」，大于 1 表示 AI 用得多，才可能是 AI 痕迹。

### 成立，已立为规则

| 特征 | 预设 | 实测 | 倍率 | 规则 |
|------|------|------|------|------|
| 段首零主语评论 | 未预设，用户指出 | AI 0.61%、人类 0.14%（占非首段） | 4.4× | 第 11 条 |
| 拟人化喻体 | 预设是「比喻包装抽象概念」 | AI 0.018、人类 0.002 | 7.3× | 第 7 条 |
| 冒号滥用（提示语） | 「模板感强」 | AI 0.29、人类 0.08 | 3.8× | 第 5 条 |
| 冒号滥用（空转句引列表） | 未预设 | AI 0.29、人类 0.03 | 9.4× | 第 5 条 |
| 翻案腔 | 「AI 最爱不是…而是」 | AI 0.73、人类 0.22 | 3.4× | 第 1 条 |
| 破折号 | 「Claude 独有，×3」 | AI 2.38、人类 0.80 | 3.0× | 第 4 条 |
| 起手式（说白了） | 未量化 | AI 0.025、人类 0.008 | 3.2× | 第 9 条 |
| 序数词当小标题 | 「GPT 29% 段落用序数词」 | AI 0.19、人类 0.06 | 3.1× | 第 6 条 |
| 材料密度（缺数字） | 未预设 | 数字 AI 6.34、人类 17.92 | 0.35×（人类多 2.8 倍） | 第 8 条 |
| 相邻句结构同款 | 预设是「三连排比 ×7」 | 每百段 AI 9.41、人类 4.81 | 2.0× | 第 3 条 |
| 顿号罗列过密 | 同上 | AI 3.21、人类 1.78 | 1.8× | 第 2 条 |
| 翻译腔五种 | 「保留英文句法」共 18 种 | 只有 5 种够格，见下表 | 2.6-5.3× | 第 10 条 |

### 不成立，已删除

| 特征 | 预设 | 实测 | 倍率 | 结论 |
|------|------|------|------|------|
| 句长均匀度 | 「AI 均匀度是人类 50 倍」 | 句长 CV AI 0.58、人类 0.67 | 0.87× | 原 ×51 是切句缺陷造成的假象 |
| 相邻句长差 | 同上 | AI 21.7、人类 21.7 | 1.00× | 完全无差异 |
| 段落长度均匀度 | 「AI 段落也极均匀」 | 稳健离散度 AI 0.94、人类 1.00 | 0.94× | CV 3.9 倍是一个 19335 字的未分行段落造成的 |
| 单字虚词（就/很/了） | 「人类多 3-7 倍」 | 就 AI 2.93、人类 6.45 | 0.45× | 方向是补不是删，且人类侧组间波动大，单组即可拉高倍率 |
| 口语连接词 | 「人类多 3-6 倍」 | AI 1.01、人类 3.87 | 0.26× | 同上 |
| 少用代词、反复写全称 | 「AI 反复写全称」 | 相邻句同名词开头 AI 0.02、人类 0.04 | 0.5× | 人类反而更多 |
| 被动句 | 「AI 保留英文被动」 | 抽象被动 AI 0.09 | — | 远低于门槛，人类 3.2% vs AI 4.5% 也无差异 |
| 设问句自问自答 | 「Claude 尤其常见」 | AI 0.13、人类 0.13 | 1.03× | 三轮测量结论都翻，见下文 |
| 问句小标题 | 「AI 爱用问句当骨架」 | 占小标题比例 AI 2.7%、人类最高 3.6% | 0.75× | 每千字 32 倍是分母陷阱 |
| 正文问句 | 同上 | AI 0.10、人类 1.83 | 0.05× | 人类是 AI 的 17 倍，删了更不像人写 |
| 句内同构排比 | 「三连排比 GPT ×7.3」 | 同字开头两项 AI 2.35、人类 3.87 | 0.61× | 句内人类更多，只有句间成立 |
| 比喻本身 | 「非虚构不用借喻」 | 比喻标记词 AI 0.16、人类 0.38 | 0.42× | 人类 2.4 倍，独立成段用比喻 8 倍 |
| 抽象名词配具体动词 | 「时间保管细节、焦虑显形状」 | AI 0.001、人类 0.001 | 0.7× | 两边都几乎不写 |
| 动词名词化 | 「完成了对…的优化」 | AI 0.003、人类 0.005 | 0.52× | 人类更多；改用抽象后缀词测才是 AI 多 1.6 倍 |
| 正文序数词 | 「GPT 29% vs 人类 4%」 | 句首「首先，」AI 0.06、人类 0.03 | 2× | 最弱形态，且句中「第一，」1.2× 无差异 |

### 冒号：按用途分类才有意义

人类侧有一个来源的冒号用量远高于其余，占人类语料冒号总数的 77%，会主导合计结果。下表已剔除该来源，人类侧为 189 篇。

冒号总量 AI 5.30/千字、人类 3.65，1.45 倍。但人类两组是 2.39 和 6.05，其中一组高于 AI，内部差异接近人机差异，总量不可作为判据。按用途拆开：

| 用法 | AI | 人类 | 倍率 | 组1 | 组2 | 组间极差 | 判定 |
|------|-----|------|------|-----|-----|---------|------|
| 提示语引出（核心是：） | 0.29 | 0.08 | 3.78× | 0.06 | 0.11 | 1.8× | 收录 |
| 空转句引列表（几种场景：） | 0.29 | 0.03 | 9.38× | 0.03 | 0.03 | 1.1× | 收录 |
| 句中总说分说（后接汉字） | 3.00 | 1.80 | 1.66× | 0.61 | 4.07 | 6.6× | 组间不一致 |
| 加粗小标题+冒号 | 0.43 | 0.26 | 1.66× | 0.10 | 0.56 | 5.7× | 组间不一致 |
| 引出分项（后接编号） | 0.87 | 0.62 | 1.40× | 0.80 | 0.27 | 2.9× | 差异不足 |
| 定义式（名词+冒号） | 1.34 | 0.98 | 1.38× | 0.67 | 1.56 | 2.3× | 差异不足 |
| 引语式（言说动词/说话人） | 1.44 | 1.54 | 0.93× | 0.93 | 2.71 | 2.9× | 无差异 |

只有前两种同时满足两个条件：倍率足够，且人类两组都接近零。这说明「人类基本不这么写」是稳定的，可以据此判断一处冒号的来源。

**句中总说分说这一类测不出来。** 1.66 倍看似有差异，但人类两组是 0.61 和 4.07，差 6.6 倍。一位写作者几乎不用，另一位比 AI 用得还多。给定一处这样的冒号，无法判断出自 AI 还是那位写作者。排除带引述线索的实例后，极差仍是 6.8 倍，不是引述结构造成的。

这一类同时是 GB/T 15834 认可的冒号用法（用在总说性话语之后，引出分说）。把它改成逗号会丢失层级关系，改成句号会切断对应关系。因此明确列入不改。

**标题冒号是分母陷阱。** 按每千字算 AI 1.07、人类 0.07，15.7 倍；但 AI 小标题总量本就是人类的 6 倍。换成占小标题的比例，AI 41.6%、人类 24.1%，只有 1.7 倍，且人类组间从 7.7% 到 62.1%，其中一组高于 AI。与问句小标题同理，不收。

引语式冒号占人类冒号总量的 41-45%，AI 只有 27.6%。两侧对冒号的用途分布不同，但引语的绝对量持平（0.93 倍）。

## 段落级结构特征

分母是段数，不是字数。

```
python3 scripts/check-structure.py --human <目录...> --ai <目录...>
```

| 指标 | AI | 人类 | 倍率 | 人类侧稳定性 |
|------|-----|------|------|-------------|
| 连续两句同构（每百段） | 9.41 | 4.81 | 1.96× | 稳定 |
| 连续三句同构（每百段） | 0.84 | 0.41 | 2.03× | 稳定 |
| 段首零主语评论（占非首段） | 0.61% | 0.14% | 4.38× | 稳定 |
| 比喻起段（每百段，对照） | 0.03 | 0.21 | 0.13× | 波动较大 |

段首衔接词的总量无差异（AI 14.4%、人类 15.1%）。AI 并没有少用衔接词，问题出在评论句省掉了回指成分。补一个「这」字就接回来了。

句内和句间要分开看。句内的同构排比人类用得不比 AI 少：

| 句内形态 | AI | 人类 | 倍率 |
|----------|-----|------|------|
| 同字开头两项（要…要…） | 2.35 | 3.87 | 0.61× |
| 同字开头三项 | 0.34 | 0.36 | 0.95× |
| 更X、更X | 0.13 | 0.15 | 0.84× |
| X的A、Y的B、Z的C | 0.14 | 0.12 | 1.10× |

所以规则只处理句间重复（第 3 条），句内排比保留。

比喻独立成段人类反而多 8 倍（其中一组高达 0.43）。读着突兀通常是缺回指，不是比喻本身的问题。

案例堆砌分两个问题，结论相反。密度上 AI 确实多，含「专名+动作」案例句的段落占比 AI 9.11%、人类 3.13%，各档都是 3-4 倍。但「偏好凑三个」不成立。

| 案例数 | AI | 人类 |
|--------|-----|------|
| 恰好 1 个 | 91.0% | 92.6% |
| 恰好 2 个 | 8.4% | 6.5% |
| 恰好 3 个 | 0.6% | 0.5% |
| ≥4 个 | 0.0% | 0.4% |

条件分布几乎一样。AI 只是整体案例句多 3 倍，三个并排跟着变多，不是偏好三这个数。抽样看 AI 的三案例段落，多数是叙事推进（先发生什么、怎么做、结果如何），属正常写法。所以第 3 条把这一层写成提示而非硬规则。

## 翻译腔：18 种筛到 5 种

```
python3 scripts/check-translationese.py <AI 语料目录...>
```

| 句式 | AI 每千字 | 覆盖 | 结论 |
|------|-----------|------|------|
| 过长前置定语 | 0.42 | 179/300 | 收录 |
| 当…时 | 0.26 | 136/300 | 收录 |
| 前置话题壳 | 0.22 | 137/300 | 收录 |
| 句首连接词 | 0.18 | 102/300 | 收录 |
| 这意味着 | 0.15 | 122/300 | 收录 |
| 被动-抽象 | 0.09 | 75/300 | 删 |
| 在…的过程中 | 0.07 | 64/300 | 删 |
| 不仅仅是 | 0.05 | 41/300 | 删 |
| 存在着/有着 | 0.04 | 29/300 | 删 |
| 轻动词（进行了…分析） | 0.03 | 30/300 | 删 |
| 使得…能够 | 0.03 | 26/300 | 删 |
| 程度直译（在某种程度上） | 0.02 | 25/300 | 删 |
| 扮演角色 | 0.02 | 22/300 | 删 |
| 形式主语（值得注意的是） | 0.02 | 19/300 | 删 |
| 如果…的话 | 0.01 | 9/300 | 删 |
| 以一种…的方式 | 0.01 | 8/300 | 删 |
| 复数硬译（一系列的） | 0.00 | 5/300 | 删 |
| 受到…的关注 | 0.00 | 4/300 | 删 |

收录的五种人类侧倍率 2.6-5.3 倍。删掉的十三种低于 0.09/千字，是翻译腔但不是 AI 痕迹，现代汉语书面语本来就这么写。

其中三种是最初版本自带的（以一种…的方式、使得…能够、扮演角色），实测都在 0.03 以下，一并删除。

## 模型差异

同一特征在模型之间差一个数量级，不要按「某个模型的味」套判断。

| 特征 | Claude | DeepSeek | Gemini | GPT | Kimi |
|------|--------|----------|--------|-----|------|
| 破折号 | 4.25 | **5.16** | 0.51 | 0.11 | 2.32 |
| 提示性冒号 | 0.38 | **0.43** | 0.22 | 0.25 | 0.32 |
| 不是…而是 | 0.61 | 0.86 | 0.29 | **1.26** | 0.51 |
| 段首序数词 | **1.00** | 0.69 | 0.22 | 0.73 | 0.82 |
| 过长前置定语 | 0.64 | **0.65** | 0.48 | 0.06 | 0.22 |
| 问句小标题 | 0.043 | 0.086 | **0.173** | 0.008 | 0.000 |

破折号最重的是 DeepSeek 不是 Claude，GPT 几乎不用；提示性冒号最重的是 DeepSeek 和 Claude，不是 Gemini（早先记成 Gemini 是宽正则误测）。

GPT 破折号只有 0.11，有观点据此认为破折号已不算 AI 痕迹。但 Claude 4.25 是人类的 5 倍多，而写作场景里 Claude 使用广泛，所以这条保留。

## 六次测量失误

每次都是拿宽泛的正则去测一条有精确定义的规则，或者用了错的分母。都是先看到数字、后看命中内容导致的。

1. **长前置定语 3.04/千字** → 正则把普通句子（「质量管理是从0到1阶段最容易被忽视的问题」）算成长定语。收紧后 0.35。
2. **并列连词 0.26** → 规则写的是「一句内两次以上」，正则测的是单个「而且/并且」。按规则测是 0.00。
3. **「的…的…的」连用 0.25** → 正则跨顿号匹配，把「巴西的LGPD、印度的DPDPA、日本的APPI」这种正常并列算成嵌套定语。收紧后 0.06。
4. **提示性冒号 5.97 vs 5.45（无差异）** → 正则是「汉字+冒号」，6431 处命中里标题 1266、列表 1225、对话 207，全是规则明确不改的。按定义测是 0.32 vs 0.08。
5. **问句小标题 32 倍** → 分母用每千字，而 AI 平均每篇 10 个小标题、人类 1-2 个。换成占小标题比例，AI 2.7%、人类最高 3.6%，无差异。
6. **比喻包装 0.000** → 正则是写死的 11 词表（仓库/抽屉/温度/钥匙…），而实际比喻（「像一栋楼的门禁」）一个词都不在表里。改测构式后发现人类比 AI 多 2.4 倍，方向与预设相反。

由此得出一条操作要求。**改规则前先抽样看 20 条命中，再看频率。** 涉及结构元素（小标题、段落、列表）的指标，分母必须是同类元素总数。

## 局限

1. **人类语料规模有限**。语料内部差异已经很大（破折号相差百倍，虚词密度差 3 倍），扩充语料可能再次改变结论
2. **AI 侧无人类对照的部分**只能给绝对频率。某句式在 AI 里频率高，不等于人类不这么写
3. **正则近似**：语篇层面的特征无法用正则表达，只能退回到可定位的形态。已知测不了的有几项。问句是否解决真实疑问，三个案例是否平级，比喻是否贴切，比喻是否只在重复上文。这几项都只能靠人读，不要因为「感觉像 AI」就写成规则
4. **话题不对齐**：AI 语料是同批话题生成，人类文章跨多年多话题，部分差异可能来自话题而非风格
5. **数字有保质期**：模型每次更新都在向人类文风靠近。GPT 破折号从「几乎每句一个」到 0.11 只用了不到一年

## 自己测

上面的数字来自不入库的语料，无法直接核验。方法是通的。换成你自己的语料重跑。

```bash
# 句级：人类 vs AI 各规则命中率
python3 scripts/compare-human-ai.py --human <人类语料目录...> --ai <AI 语料目录...>

# 段落级：句子同构、段首零主语
python3 scripts/check-structure.py --human <人类语料目录...> --ai <AI 语料目录...>

# AI 侧：翻译腔各句式频率
python3 scripts/check-translationese.py <AI 语料目录...>
```

三个脚本都只按目录参数读 `.md`，不含任何语料，也不用目录名做标签（语料目录常带来源信息，避免输出带出身份）。正则定义在脚本顶部，可直接改。

---

**English** [RESEARCH.en.md](./RESEARCH.en.md) · **规则集** [SKILL.md](./SKILL.md) · **概览** [README.md](./README.md)