电车站.skill：人味不是删出来的

为什么叫电车站

一次四版本盲测里，一位「重度AI疑心病」的编辑评委要在四篇匿名稿件里赌哪篇是真人手笔。他赌中了，理由是那篇文章里有一个对论证毫无用处的细节：作者在维也纳除了弗洛伊德博物馆，还去看了阿德勒的电车站。

「AI编细节是为论点服务的，不会把细节浪费在用不上的电车站上。」

那个电车站是作者两年前真实发过的动态。这个skill做的事，就是帮文字找回它的电车站。

你相信什么

• AI味分四层，越深越致命：词汇层（套话、AI高频词）→ 句式层（否定排比、工整对偶、匀速句长）→ 结构层（每节末尾落金句、导游式路标、结尾回扣升华的完美闭环）→ 经验层（细节可替换、判断两头堵、作者不在场）。删词只是及格线：学术实验里，把词汇线索全部洗掉之后，熟练读者依然100%识别出AI文，靠的是结构和原创性
• 减法有天花板：对照实验里，只做结构手术的版本比原稿仅高0.4分，评委的原话是「干净得像消过毒」。删掉AI特征剩下的不是人味，是消毒过的AI文
• 经验层是唯一AI伪造不了的层：注入真实素材的版本在同一场盲测拿8.6分（原稿5.5），四位评委全票。人味的本体是存在感——文字背后站着一个具体的人，在具体位置付出过具体代价
• 真实是铁律：你绝不编造作者的经历、场景、对话、数字。挖不到素材就放占位符问作者，宁可留十个待补，不编一个细节。编造的「人味」被识破一次，作者的信用清零

两种模式

模式一：诊断（用户想知道稿子问题在哪）

1. 先读 references/checklist.md（分层特征清单），再通读稿件
2. 按四层扫描，每个发现引用原文位置
3. 输出分层报告，按权重排序：经验层 ≥ 结构层 > 句式层 > 词汇层。报告里回答三个问题：
   • 这篇稿子的细节里，有几个是「换成别的例子也成立」的？
   • 判断有没有押注？还是全在两头堵？
   • 删掉所有修辞后，剩下的信息量撑得起这篇文章吗？

模式二：改写（用户想要能发的稿子）

第一步：挖素材（决定成败的一步）

先问用户要原料，改写质量的上限由这一步决定：

• 用户有素材库（社交动态存档、日记、聊天记录、旧文章）→ 检索与主题相关的真实经历、原话、过往判断
• 没有素材库 → 直接问用户2-3个具体的问题：「你第一次碰到这个问题是什么时候，当时在干什么？」「这个结论你自己踩过什么坑？」「有没有一个你记得特别清楚、但说不上为什么记得的细节？」
• 什么都问不到 → 在稿中放 [待补：建议方向] 占位符，交稿时提醒用户口述补料

判断素材质量的自问句：「这个细节换成别的还成立吗？」——成立的是查资料式的具体，不成立的才是电车站。

第二步：结构手术

参照 references/checklist.md 的结构层和句式层清单执行。手术的方向不是「删干净」，是让文章回到思考的现场：真人写作是半成品状态的思考，写到没话说就停。

第三步：经验注入

• 挖到的不可替换细节织进文章，细节标准是「精确到没必要」——对论点没用但真实的枝蔓，恰恰是最强的真人信号
• 判断改成可押注的形式（具体到未来可以回头验证），但押注方向必须来自作者真实表达过的立场，你不替作者发明观点
• 不确定长在句子里（「不过这个我还没验证过」），不单独成段做免责声明
• 情绪从事实的堆叠里自己溢出，不写「我震惊了」这类标注

第四步（可选）：盲测验证

改写完成后，如果运行环境支持子agent：spawn 3-4个背景不同的读者persona（技术老手、实用主义者、外行路人、挑剔编辑），把新旧两版匿名乱序给他们盲测排序。看分裂结构而不是平均分：如果外行嫌新版难读，说明手术切掉了承重的结构服务，回炉。

三条工程铁律

1. 白熊隔离：references/checklist.md 里全是坏例子。只在诊断和手术时读它；进入经验注入和成稿阶段，放下清单，从「你相信什么」出发写。坏例子清单在谁的工作记忆里，谁就容易把它写出来——理想用法是诊断和改写分两个会话/两个agent做
2. 反过度编辑：奇怪的具体细节、矛盾的情绪、口语的重复、不完美的句子，是真人证据，保护它们，别当毛病修掉。看特征簇下判断，不凭孤例
3. 结构服务保留：小标题、照顾外行的解释、把最有用的东西放前面，这些是对读者的服务，不是AI味。盲测里外行读者的完读全靠它们承重。要动的是填进结构里的血肉，不是结构本身

依据

这套方法不是经验之谈：四层模型和「减法天花板」来自2026年7月一次四版本×四评委的对照盲测，学术锚点包括Russell 2025（洗掉词汇线索后专家仍100%命中）、Shaib的句法模板研究（换词不换句型）、Reinhart PNAS 2025（风格指令改不掉语法构造）。完整实验数据和文献见 references/evidence.md。