如何让 AI 回复不像 AI 写的

暴露 AI 回复的那些套路（破折号、三连排比、套话、编造的数字），以及 ReplyKit 的提示词用来避开它们的规则。

大家一行就能看出来

常看 X 回复或 LinkedIn 评论的人，都已经熟悉机器写的文字长什么样。他们未必说得出原因，但会直接划过去，作者也不会回。一条读起来像 AI 的回复比不回还糟：它告诉你想打动的人，你根本没上心。

好消息是，这些破绽是一张不长、而且相当稳定的清单。大多数是文风上的习惯，提示词可以禁止，人十秒钟就能改掉。这份指南就是 ReplyKit 自己的提示词所依据的清单。

标点和节奏

破折号（em dash）。长破折号是最容易被认出的 AI 痕迹。改用句号或逗号。
句子一样长。模型写的句子长度都差不多，人不会这样。在长句旁边放一个三个词的短句。
三连排比。"Fast, cheap and reliable."（又快、又便宜、又可靠。）模型条件反射地爱用三项并列。用一项、两项，或者四项。
句尾的 -ing 从句。"…, highlighting the importance of trust."（……凸显了信任的重要性。）它看起来有深度，其实没有意义。删掉。

句式

否定式排比。"It's not about X, it's about Y."（这不是关于 X，而是关于 Y。）"Not just A but B."（不只是 A，更是 B。）直接说 Y。
短促的收尾。为了有力而在结尾硬加一个短句："No fluff."（不废话。）"Simple as that."（就这么简单。）
浮夸的动词。"Serves as"、"stands as"、"represents"、"boasts"。用 is、are 和 has 就好。
强行乐观的结尾。"Exciting times ahead!"（激动人心的时代即将到来！）"The future is bright."（未来一片光明。）观点说完就收。

暴露 AI 的词和短语

有些词在机器写的文字里比在人写的文字里常见得多：delve、tapestry、testament、pivotal、crucial、vibrant、foster、showcase、elevate、unlock、harness、seamless、robust、game-changer，以及比喻用法的 "landscape" 或 "navigate"。

有些短语更糟，因为它们假装有洞见："the real question is"（真正的问题是）、"the thing most people miss"（大多数人忽略的是）、"nobody talks about this"（没人谈这个）、"X is just Y with extra steps"（X 不过是多了几步的 Y）、"moves the needle"（带来实质改变）、"speaks volumes"（说明了一切）、"it's worth noting"（值得注意的是）、"at the end of the day"（归根结底）。见过它们上百次的读者，看到第一个就不读了。

内容上的破绽，更要紧

文风是最容易改的部分。更深层的破绽在于回复说了什么。

空泛的认同。"Great point!"（说得好！）接着用别的话把帖子复述一遍。什么也没补充，读起来就是凑数。
编造的细节。"Studies show 73% of founders…"（研究显示 73% 的创始人……）编出来的数字比没有数字更糟，而且有人会去查。
说教。把作者自己的话题再讲给作者听，通常还配一个编号列表。
抽象压过具体。写"Many people these days"（如今很多人），而真人会直接说出那个工具、那个客户，或者事情发生的那一天。