或许你常常把自己写的短文丢进模型里润色。返回来的版本语法完美、结构工整，读完却像吞了一口温水。没有明显错误，只是哪里都不疼，也哪里都不热。或者，让另一个模型生成一个收银工具的落地页，结果是熟悉的紫蓝渐变、三张一模一样的功能卡片，按钮写着“Start free”。
这两件事指向同一个现象：模型在没有明确约束时，会自动滑向训练数据里出现频率最高的安全区。文字变成平均的“好文章”，界面变成平均的“好看页面”。用户未必说得出哪里不对，但身体先感到厌倦。
这就是“AI味”。
Photo by Claudio Schwarz on Unsplash
AI味长什么样
在写作里，它最常见的表现几乎可以列成清单。开场先铺三五段宏大背景，核心矛盾被埋在后面；句子追求左右对称，大量使用“不是……而是……”；结尾习惯性收回来做总结，把刚刚升起的一点能量按回去；过渡依赖“此外”“值得注意的是”“综上所述”；形容词偏爱“赋能”“闭环”“深度”“全面”。读起来流畅，却缺少具体的摩擦和体温。
在网页界面里，对应的症状同样鲜明。颜色默认走向靛紫渐变；信息卡片尺寸统一、字重统一，视觉没有主次；功能区永远是三列等宽卡片，图标在上、标题居中、两行描述垫底；文案放之四海皆准——“Welcome back!”、“Enter your details to continue your journey”。页面能用，却不属于任何一个具体产品。
用户体验上的代价是隐性的。文字让人快速判断“这是机器写的”，信任和耐心同时下降；界面让人产生“又是一个模板站”的预感，停留时间和转化都会受影响。更麻烦的是，这种平均感会互相强化：AI写的文案配上AI生成的布局，整站会散发同一种塑料光泽。
高价值路径：先立负面约束，再给正面方向
去掉AI味的有效方法，不是要求模型“写得更有人味”或“设计得更独特”——这种指令太模糊，模型只会回到另一个安全区。真正高杠杆的做法是两件事并行：建立清晰的负面清单，同时提供来自真实场景的正面约束。
写作是大多数人每天都在消耗和产生的内容，值得放在更优先的位置。
先建立负面清单。我把高频病症分成红黄灯，写作部分占主要权重。
红灯必须清零：
“不是X，而是Y”的对仗结构；总结式收尾；开场先讲历史或行业趋势；无来源的“研究表明”；高频对冲词堆砌（其实、或许、仅仅、在某种程度上）；公式化过渡（此外、综上所述、值得注意的是）；营销黑话（赋能、抓手、闭环、无缝、杠杆、深入挖掘）。
这些句式和词语是模型最省力的默认路径。一旦出现，文字立刻失去具体的摩擦和作者的判断力。
黄灯限制使用：漫长开场最多保留一段；修辞问句全文不超过两个；理论必须紧跟具体场景或个人瞬间；列表不能代替关键论述段落。
界面侧可以同步设立对应红灯：靛紫默认渐变、四张等大的数据卡片、三列完全同构的功能卡片、任何产品都能套用的通用文案。但真正决定内容消费体验的，仍然是文字本身是否带着人的体温。
光有禁止还不够。模型需要知道“往哪里走”。
写作上的正面约束，核心是把抽象指令替换成可验证的具体规则。不要说“要有洞察力”，而要规定：每个核心观点必须绑定至少一个具体场景、数据或个人瞬间；禁止纯抽象判断连续出现超过两句。不要说“语气要自然”，而要明确：开场必须在第一段出现真实摩擦（失败、怀疑、身体紧绷或明确的代价）；结尾必须延伸或重新框定问题，而不是回收总结。
进一步，建立属于自己的招牌动作（Signature Moves）。比如固定使用“摩擦 → 放大到文化或工具层面 → 给出可立刻使用的小框架”这条路径；在情绪节点主动加入身体感受（“那种轻松是肩膀先松下来的”）；把技术概念强制用“聪明外行也能懂”的方式解释一遍。这些招牌动作一旦写进指南，模型就有了可模仿的具体形状，而不是继续漂向平均。
界面设计的方法可以反过来服务写作。颜色从产品世界取，对应到写作就是用词从作者真实经验里取；每屏只设一个视觉主角，对应到文章就是每段只服务一个清晰的推进动作；布局要有节奏，对应到文字就是句子长短和段落密度要随内容重量变化，而不是全程保持同一种光滑的工整。为你的用户撰写足够具体的文案，而不是任何人都能使用的文案模板。设计每一种状态，而不仅仅是理想的屏幕。外观正常，但真实用户遇到的情况远不止于此。
当这些正面规则和红黄灯清单同时生效，模型的输出会明显从“正确的平均文”转向“有选择的个人文”。
可复用的工作流
实际操作可以收束成一个轻量闭环，写作占主要篇幅。
第一步，为自己的文字建立红黄灯清单，并放进模型的系统提示或项目知识库。生成任何初稿后，先强制跑一遍清单，红灯必须清零，黄灯逐条检查是否超标。这一步能迅速去掉最刺眼的AI腔。
第二步，用正面约束二次生成。提供3到5段自己最满意的真实文字作为样本，明确要求模型提取并遵守你的Voice张力、开场方式、招牌动作和句子节奏。同时丢进去具体的写作任务场景——不是“写一篇关于AI工具的文章”，而是“写我上周用Claude处理邮件时，中途崩溃又重新找节奏的那两小时”。材料越具体，模型越难逃回默认安全区。
第三步，做对照测试。把新生成的文本和自己过往真正满意的段落放在一起，问自己三个问题：第一眼是否还能分辨出机器痕迹？有没有出现红灯句式？结尾是在延伸问题，还是在安全地收束？如果分数不理想，立刻把本次手动修改的高频点补充进红黄灯清单或招牌动作。
界面部分可以作为平行检查项存在：生成页面后，确认主色是否来自产品自身世界，每屏是否只有一个视觉主角，文案是否只能用于当前产品。但日常内容生产的主战场仍是文字，写作指南的迭代频率应该明显高于设计约束。
这个闭环不需要一次完美。每写完三到五篇，就更新一次清单和正面规则。指南会随着真实使用变厚，也会随着使用变得更准。最终它会从一份文档，变成你和模型之间可复用的协作协议。
AI味的本质是平均。平均在技术上正确，在体验上却让人迅速失去兴趣。当文字带着具体的身体感和选择痕迹，当每一段都在服务一个清晰的推进而非追求工整，读者会在潜意识里感到：这是有人认真做过判断的结果。
判断本身，就是去掉AI味最有效的路径。
Photo by Kari Shea on Unsplash
《AI风格指南》用二分法来建立可复用的AI风格指南（AI Style Guide）：负面清单（Blacklist）解决“AI默认病”，正面学习解决AI“像你”的问题，并落地成“负面约束 + 正面建模 + 迭代闭环”三层结构。让AI大模型写出贴合你个人风格的文字。