问题
采用「AI 搭大纲 + 人工逐段填充」流程的内容创作者，产出后仍被朱雀等检测器判定为高 AI 占比。V2EX 用户描述：「网上常见的提示词和各种 skill 我基本都试过，可拿到朱雀上一测，AI 占比还是很高。改来改去花的时间，还不如我自己从头写。」痛点不在生成，而在改：现有降 AI 味方法不稳定、靠试错，时间成本超过直接人工写作。另一面，TechCrunch 报道显示模型输出有可识别特征（Opus 5.5 中
目标用户
中文内容创作者：公众号作者、自媒体运营、营销文案写手等，采用 AI 大纲加人工填充流程的人。市场为长尾个人创作者群体，规模可观但付费能力存疑。
解决方案
- AI 味预检：基于公开检测方法（如 DeBERTa 类检测模型 + 风格计量特征）对文章逐句评分并热力图高亮，让作者知道哪里最「像 AI」
- 针对性改写建议：只对高 AI 占比句子给出改写方向（词汇替换、句式重组），而非整篇重写
- 改写前后对比：显示每次修改对评分的影响，把试错循环变成可度量的迭代
- 提示词方案库：沉淀对不同检测器有效的稳定生成模板，替代网上零散、不稳定的 skill
AI 角色：负责检测评分（分类模型 + 统计特征）和针对性改写（LLM 局部重写），人保留大纲与事实填充的主导权。
为什么是现在
信号显示检测端和生成端都在快速变化：朱雀等检测器已在创作者流程中被广泛使用并直接决定内容能否通过；同时新模型的用词模式被发现（Opus 5.5 中
MVP 范围
第一版：粘贴或导入大纲+草稿 → 逐段 AI 味评分与高亮 → 针对性改写建议和一键改写 → 改写前后评分对比。不做：全自动整篇生成（信号明确表示全自动生成恰恰是 AI 占比高的来源）、不支持团队协作、不承诺通过任何特定检测器。
风险
- 平台依赖：AI 味评分依赖朱雀等第三方检测器，其接口、算法随时变化且大概率无官方 API，可用性不稳定。
- 对抗性漂移：检测器与模型都在迭代，改写策略需要持续维护，昨天的有效方法今天可能失效。
- 合规与场景边界：若被用于学术作业代写等场景会触碰学术诚信红线，需在产品定位上明确面向公开内容创作，避免灰色用途。
- 付费意愿未验证：目标用户是个人创作者，信号中无任何付费证据，可能做成工具但收不到钱。
已有产品
| 产品 | 定位 | 价格 |
|---|---|---|
| 朱雀 | 广泛使用的中文 AI 文本检测器，是内容作者最常被卡住的检测关口，也是本机会的对标检测端 | — |
| StealthGPT | 面向英文的 AI 文本人性化/绕过检测类产品，属于同赛道的既有竞品 | — |
| Linda-Pro | 信号中提及的人性化输出方向产品，与降 AI 味需求直接相关 | — |
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
TechCrunch · AI10月1日讨论
“Opus 5.5’s biggest tell is the word “dependable,” which pops up 23 times more often than in human samples.”
Readers can detect AI-generated writing from overused words like "dependable" and "this matters", which appear far more often in Opus 5.5 output than in human samples.原文
Hugging Face 论坛 · Show and Tell10月1日痛点▲ 0
“the 8.8% TOEFL false-positive number points at the other side — human essays getting flagged.”
Local English AI 文本检测器对人类作文(如 TOEFL 非母语作者)存在约 8.8% 的误报率。原文
V2EX · 问与答10月1日痛点7 条评论
“网上常见的提示词和各种 skill 我基本都试过，可拿到朱雀上一测，AI 占比还是很高。改来改去花的时间，还不如我自己从头写。”
让 AI 根据大纲直接生成的文章在朱雀检测中 AI 占比很高，各种提示词和降 AI 味的方法都不稳定，改来改去花的时间比自己写还多。原文
Hugging Face 论坛 · Show and Tell9月30日新品发布▲ 02 条评论
“Ensemble of stylometry + two fine-tuned DeBERTa models, scored in ~300-word windows, with a per-sentence heat map for mixed authorship.”
Teams and educators lack a local AI-text detector that works on hard cases like humanized or non-native writing.原文