为了根除“AI 味”，我翻回了一百年前的语言学#

先来几个熟悉的例子大家感受一下：

本次升级不仅仅是一次简单的迭代，更是我们对整个业务底层逻辑的一次系统性重塑，它标志着我们在效率、体验、生态三个维度上完成了全方位的跃迁。

验证驱动开发的核心，不在于对既有流程的简单优化，而在于将验证这一环节前置化、系统化、闭环化——这是一次开发范式的深刻变革。

AI 与工程师的关系，是通过持续的协作与共创逐步演进而形成的；前者关注效率，后者关注体验，二者相辅相成，缺一不可。

为了更好地推进项目的顺利开展，我们需要在方法论层面进行一次深度的重构：一是要强化流程的闭环化，二是要提升机制的颗粒度，三是要构建长效的可持续性。

值得深思的是，在当前 AI 技术飞速发展的宏观背景下，我们究竟应该以何种姿态去拥抱变革？这引出了一个更为根本的问题：人与技术之间的关系边界，是否正在被重新定义？

综上所述，这不仅仅是一次技术层面的升级，更是一场关于开发范式的深刻变革；我们正站在一个历史性的节点上，见证着新范式的诞生。当然，我们也必须清醒地认识到，这一切的达成离不开团队的共同努力与生态伙伴的鼎力支持。

是不是说不上来哪儿不对，总是怪怪的。总有一股AI特殊的味道，那这个味道是怎么来的呢？

先把“欧化中文”这个词说清楚

整篇文章都要围着一个词，欧化中文。

欧化中文，就是把英文的句法、词序、结构硬套进中文里，让中文外表还是中文，骨子却长成英文的样子。「翻译腔」是它的口语说法。

这个词最早出现在语言学家王力 1943 年起写的《中国现代语法》里，他专门辟了一章叫「欧化的语法」，是汉语学界对这件事最早的系统诊断：白话文运动之后，一批从英文和日文翻译过来的语法结构直接进了汉语，王力把它们一条一条列出来，比如滥用“们”字复数、被动句泛滥、判断句一律加“是”、名词后面拖一串「的」字定语。是不是很熟悉？他讲的这些，正是 AI 味的一个重要来源。

中国现代语言学的奠基人-王力

当然了，不是「用词洋气」就叫欧化中文，是「用英文的句子骨架说中文」才叫欧化中文。「WiFi」「PPT」这类词进中文里不算，那只是外来词；把「他昨晚睡得很晚」写成「他是很晚才睡的」，才是欧化，因为它套的是英文 It was late that he slept 的骨架。

一百年前就诊断过的老病

王力开了头，后面几十年，大家也没闲着。

1972 年思果在《翻译研究》里，给译者列的检查清单头几条全是关于「的、了、被、一个」这几个字：凡是英文的 a/the/my 落到中文里就变成一串「的」；凡是英文的 be + p.p落到中文里就变成「那扇门被约翰打开了」，其实中文本来说「约翰把门开了」就够。这几个字堆多了，中文就不像中文。思果写这本清单是给当年的翻译新手看的，那时还没有 AI；今天我们拿这份清单去对照 AI 的输出，几乎每一条都能对上号。

1987 年余光中写《怎样改进英式中文？——论中文的常态与变态》，一语道破：

「目前的中文，恶性欧化到什么程度，读者不妨自行观察。……由于英文的深远影响，不少中文作者的动词萎缩，渐渐由名词或名词短语来代替。」

他讲，中文本来靠动词发力，一句话动词一响，事情就成立。欧化就是把英文那副架子搬到中文里，动词躲进名词后面，句子越来越绵软。他举过一个例子：本来说「他因家境欠佳，不能上大学」，欧化后非要写成「由于他的家境不太好，使得他不能读大学」，多出来的字全在给动词让路。

更早的鲁迅那一辈，其实一开始就知道这条路有代价。1930 年他写《「硬译」与「文学的阶级性」》，里面说得很清楚：

「这样的译本，不但在输入新的内容，也在输入新的表现法。……一面尽量的输入，一面尽量的消化，吸收，可用的传下去了，渣滓就听他剩落在过去里。」

他明知硬译会污染中文，还是坚持，赌的是长期能给中文引入更精密的逻辑结构。这个赌他赢了一半：精密结构进来了，欧化的骨架也一并进来了，一百年没洗干净。

跟鲁迅通信的瞿秋白，就没他这么乐观。他担心欧化一旦过了头，中文会变成「非驴非马的骡子话，半文不白的新文言」。一百年后看 AI 味，正是这副卡在中间的样子：既不像地道中文，也不像规整英文。

不过欧化从来不是铁板一块，有过头的，也有真给中文长本事的。余光中把它分成两种：欧而化之的善性欧化，欧而不化的恶性欧化。她、它这套代词分工是欧化带进来的，今天没人觉得别扭；「与其说……不如说」这类连词，让中文能把绕一点的逻辑讲清楚，也是欧化的功劳。真正碍事的是恶性那种：中文明明一句话能说清，偏要套一层英文架子。到底该洗还是该留，朱光潜早给过一把尺：

如果一句话依中文习惯可以说得同样精确有力，我们就绝对不能欧化它；欧化须在表现上有绝对必要时才可采用。

中文顺着自己的习惯就能说得一样准、一样有劲，那就别欧化；只有非借英文骨架不可、中文实在说不清，才用它。

到了 AI 这里，王力、思果、余光中骂了一辈子的那批病，一夜之间铺满了所有屏幕。这是中文的老毛病了，只是AI放大了它。

这味道怎么这么浓，AI错哪了？

这都病了一百年了，是历史遗留啊，怎么AI 一出来这味就更浓了？我觉得起码有三点：

训练数据里中文本来就少。 OpenAI 公开的 GPT-3 训练数据统计里，英语占 92.65%，简体中文 0.09905%，繁体中文 0.01975%，中文合起来大约 0.12%。英文是中文的七百多倍。连千分之一都不到。会不等于说得好，说得地道。想必大家最近也看了 GPT-Live 说中文吧，那口音太奇怪了。

为什么中文语料这么少，GPT-3 还能说中文？两层原因：一是 GPT-2 起换成了字节级 BPE 分词，任何 Unicode 字符都能被拆成字节表示，中文不需要单独词表就能进模型，代价是同一句中文往往吃掉英文两到三倍的 tokens。二是跨语言迁移，模型在英文上学到的语义和推理能力，会顺带迁到中文这类它见得少的语言上。

它只能读到欧化最重那批好中文。 论文、教科书、企业内部文档、公众号里那种一本正经的「深度好文」，大多是过去几十年翻译体喂出来的写法，是我们从小学习的书面用语。模型学的是这个，写出来的也是这个。汪曾祺、阿城那种中文在训练集里的密度接近于零，你不能指望它写得出来。

模型训练也在刷分。 模型训练有个RLHF 阶段，需要人类给模型的回答打分。问题就处在这里：结构完整、四平八稳、句式工整、用词「专业」，这么炫酷那必须是高分啊。你口语化，反而显得不专业。那么就会有更多的靠句式撑门面、靠名词堆气势、靠对仗句的装深刻。属于是字多你说了算，我写的少显得我很蠢的样子，事情说没说清楚不那么重要，分先拿到手再说。这一层严格说不是语言的病，是训练机制的病，最终也会映射到结果上。

三样叠起来，味道就累积了。这次我们错怪AI了，其实是我们教了它这些东西。人类每按一次「这条更专业」，就在给欧化中文投一票；模型只是欧化中文的“集大成者”。

鲁迅一百年前追问过一句「从来如此，便对么？」这句话今天该转过来再问一遍：这些显得专业的句子，到底还是不是中文？其实答案就藏在那些句子里。

不信的话，做一个对比。

张爱玲《半生缘》里有一句：

「他和曼桢认识，已经是多年前的事了。」

换成 AI 的写法：

「他与曼桢之间的相识，距今已是多年之前的往事了。」

字多了，信息量没变，这不就是大家最烦的那种啰嗦吗。明明能够简单的表达，非要绕来绕去不说重点，噪音太多了。

拆开看：欧化中文的几种典型病灶

下面几种病灶，是 AI 中文里最常见的几种特征了。我们做个简单的对照：英文原句 → 直译回中文（也就是 AI 常写法）→ 中文本来会怎么说。

病灶一 · 动词名词化

• AI 常写法：他对她产生了强烈的不舍与后悔之情。
• 中文本来的说法：他舍不得，也后悔。
• AI 常写法：该功能的上线实现了对用户体验的显著提升。
• 中文本来的说法：这功能上了，用户用着顺手多了。

英文里 discussion 是名词，前面配一个空心动词 conducted 撑门面。中文本来就有「讨论」这个动词，一步到位；硬套英文骨架，就变成「进行了讨论」，动作躲进名词壳子，句子塌了半截。王力 1944 年就骂过这条，余光中也反复讲。AI 味最深的一层就在这里。

病灶二 · 「XX 化 / 性 / 型 / 度」后缀病

• 英文原句：We need to systematize and frontload the verification process.
• 直译回中文（=AI 常写法）：我们需要将验证过程系统化、前置化。
• 中文本来的说法：我们得把验证做全，还得放到前面做。

「化」这个后缀本来在中文里很少用，是翻译日文和英文时抄来的用法，日文用「~化する」对应英文 -ize / -ify / -ization。「系统化、前置化、闭环化、生态化、颗粒度」一路下来，一句里踩三条就是标准 AI 味。绝大多数场合删掉后意思没少，还更清楚。但很多人反而觉得 AI 版更专业。

再补一句来历。这批后缀不光是从英文直译，不少还是从日语转道进来的。近代日本翻译西方著作，造了大量「～化」「～性」，中文译日本书时又整套搬了过来。谭汝谦统计过，1896 到 1937 年间译成中文的日文书有两千多种，一大批西方概念就顺着日语这条道进了中文。所以这批病，说是欧化，倒有一半得算到日语头上。

病灶三 · 「是……的」判断句

互联网黑话（「抓手」「颗粒度」「底层逻辑」「心智」）是同一手法的方言版：用一个不精确但显得专业的词，替换一个精确但显得普通的词。「抓手」替「办法」，「颗粒度」替「多细」，「底层逻辑」替「根本原因」。词换上去，事情反而说糊了，但却显得更资深。你听懂了那我就不专业了。由于看着更专业「专业」，所以反向洗到模型训练里面去了。写「该功能的上线实现了对用户体验的显著提升」才能过周报，写「这个功能上了，用户好用多了」。反而会觉得你的工作是不是不饱和（我瞎说的，狗头保命！）。我们不也是被机制规训过，和 RLHF 训 AI 没有本质区别。

病灶六· 语态问题

• AI 常写法：他这意见不被人们接受。
• 中文本来的说法：他这意见大家都不接受。

核心是语态问题，中文使用施事者作主语的主动语气，英文中被动语态也很常见，强行改成被字句，会破坏中文的自然美感。

病灶七・万能动词

• AI 常写法：我们对这个问题进行了详细的研究。
• 中文本来的说法：这个问题我们仔细研究过。

余光中管「作出」「进行」这类叫「万能动词」，说它们恶势力之大，几乎吃掉一半的正规动词。奥威尔更早，把这种没肉的动词叫「文字的义肢」，真动词本来自己能走路，非给它架根假腿。判断也简单：把「进行」「作出」删掉，那个真的动词自己就动起来了。

把中文本来的写法加回来

光去腥味不够，我们还要增香啊（经常做菜的同学应该知道我在说什么），不然整得AI都不会说话了。我们举几个例子对比看看。

一 · 动词发力

• 中文本来的写法（老舍《骆驼祥子》）：他不吃烟，不喝酒，不赌钱，没有一切的嗜好。
• AI 味会写成：该人物在生活习惯层面呈现出高度的自律性，其日常行为模式中不包含吸烟、饮酒、赌博等任何具有成瘾性的娱乐活动。

老舍写祥子的自律，四个动词直接顶到主位：不吃、不喝、不赌、没有。字全是硬字，一句一件事，节奏是敲的。AI 味非要先立一个「呈现出自律性」的名词壳子，再把动词一个个塞进定语里去当嗜好的补充。中文一句话立不立得住，看动词有没有扛住主位，而不是塞到名词后面躲着。

二 · 具体先于抽象

• 中文本来的写法（汪曾祺《葡萄月令》）：一月，下大雪。雪静静地下着。果园一片白。听不到一点声音。
• AI 味会写成：进入一月，果园区域呈现出典型的严冬景象，皑皑白雪覆盖了整片园地，营造出万籁俱寂的静谧氛围，充分展现了自然界的季节性特征。

汪曾祺不下判断，只摆四件事：月份、雪、颜色、声音。「一片白」「听不到一点声音」这就是抽象，但它不是端出来给你的，是从前几个具体名词里自然浮上来的。AI 味反着做：先端出「严冬景象」「静谧氛围」「季节性特征」这几个抽象罐头，再回头找具体去装。中文的传统是先给具体让读者自己看出抽象；先摆抽象再补解释，是英文议论文的路数。

三 · 句子该短就短

• 中文本来的写法（汪曾祺《受戒》）：明海出家已经四年了。他是十三岁来的。
• AI 味会写成：截至目前，明海踏上出家修行之路已届四年之久；回顾其人生轨迹，他是在十三岁那年正式进入寺院、开启修行生活的。

这不是「文言 vs 白话」的对比，就是同一段现代中文两种写法。上一句两个动词、两个数字，句号一按，事就完了。AI 味非要把它撑成一个长复合句，再补上「截至目前」「回顾其人生轨迹」这些空词。

且中文讲究惜字如金，所以古人写诗要咬文嚼字，比如这句

鸟宿池边树，僧敲月下门

贾岛为了「推」还是「敲」一个字，在路上骑驴走神撞了韩愈的轿子。

字数也有严格限制，什么五言绝句，七言律诗，到我们这里就是不少于800字了。

四 · 音律和节奏

中文是靠节奏走的。中文一个字一个音节，字字都掷地有声。英文不一样，它有语调起伏这条轨道，一路 and, which, that 拉一长串下去，中文不喜欢这些长难句，一句拖长，气就散了。

所以中文里句子该短就短，不是风格偏好，是这门语言的灵魂。AI 一句拖二十几个字下去，节奏就乱了，抑扬顿挫的音律美感就没了。

五 · 留白信任读者

• 中文本来的写法（汪曾祺《受戒》最后一行）：一九八〇年八月十二日，写四十三年前的一个梦。
• AI 味会写成：本文完成于一九八〇年八月十二日，是我对四十三年前一个梦境的回忆与重构。它承载着我对青春岁月的追忆，也标志着我对那段生活的正式告别；这不仅是一次个人记忆的整理，更是一次生命体验的沉淀。

汪曾祺讲完《受戒》那么长一个故事，结尾就一句话，一个日期加一个「梦」字，全篇的分量就压在这一句上。他不解释这是什么梦、为什么写、有什么意义，因为他信任读者能自己接。

AI 味相反：讲完一件事，一定要补一句「我刚才讲了这件事，而且很重要」，怕读者跟不上。段末的「综上所述」「也就是说」「换言之」「由此可见」「这标志着」，这些严格的公式总结是为了所谓的严谨和专业。这是专属于国人我不说你自然懂留白的浪漫，而西方思维喜欢直白的表达，这也是在原始写作上的差异，所以在AI时代，很少出现这种留白式的设计，更多的是结构上的圆满。

道理我都懂了，说点实际的

我要怎么操作？我觉得分三步：焯水，料酒，桂皮香叶，啊不对，应该是：

• 先确诊
• 再去味
• 最后补上中文原本的写法

翻译检测

诊断 AI 味最简单的方法只有一条，叫翻译测试：

把你的中文，一句一句默默翻译回英文。如果英文出奇地顺，几乎不用改就成立，那这句中文八成是从英文骨架长出来的翻译腔。

举例：

• 中文原句：「这不是简单的技术升级，而是一次范式的重构。」→ 回译：This is not a simple technical upgrade, but a paradigm reconstruction. 英文出奇顺 → 翻译腔。
• 中文原句：「验证这一环节需要被前置化。」→ 回译：The verification stage needs to be pre-positioned. 英文一次成型 → 翻译腔。
• 中文原句：「压力越来越大，辞职的人越来越多。」→ 回译：Pressure keeps rising, and more people quit.（要动几下才通顺，或需要意译）英文别扭 → 中文。
• 中文原句：「他吃相很凶，喉节一缩一缩的。」→ 回译：He ate ferociously, his Adam’s apple bobbing.（必须重组，原味丢了大半）英文难传 → 中文。

一句中文越容易顺畅地翻回英文，它就越像英文；越难翻，就越像中文。写完一段自己念一遍，心里翻译一下就知道了。

直接说症状吧

有同学说了，我看个中文，还要翻译成英文，门槛也太高了吧，我可太累了，有没有简单的方法。那我们就直接说AI味的典型症状吧，比如

标点级（最容易一眼抓）

• 破折号 ——：全篇搜一次。每一个都问：这里非用破折号不可吗？九成能换成句号或逗号。
• 引号里的抽象词：「底层逻辑」「顶层设计」「范式」这类词一旦加引号，基本就是在给自己壮胆。
• 括号里的英文注释：「上下文工程（Context Engineering）」这种，除非是术语首次出现，否则删。

句式级

• 「不是 X，而是 Y」：头号 AI 味句式。全篇不超过一次。
• 「更是……也是……」「既是……又是……」：表演式对仗，一律砍。
• 「前者……后者……」：英文代词回指，中文没这个说法，重复主语更自然。
• 「值得深思」「值得关注」「不禁让人思考」：元话语，拔高姿态，删。
• 「我们不禁要问……」「这引出了一个更根本的问题：……」：假想对话，自问自答，写议论文的老套路，砍。

词汇级

• 「XX 化」「XX 性」「XX 型」「XX 度」：后缀病。「前置化」→「提前」，「协作属性」→「一起干」，「颗粒度」→「多细」。
• 「XX 这一环节 / 这一过程 / 这一维度」：冗余名词化，直接删「这一 XX」，把「环节 / 过程」也一起删。
• 「至关重要」「极其关键」「从根本上」「在很大程度上」：强调副词，靠副词撑分量，说明判断本身不够硬。
• 「进行 / 实现 / 完成 + 名词」：「对代码进行验证」= 「验证代码」。「进行」两个字是英文 conduct / perform + noun 直译过来的架子。

结构级（不显眼，但最致命）

• 每段最后一句都在「升华」。段末必须给个升华判断，是 RLHF 训出来的刷分指南，不是中文的写法。
• 逢三凑数。「更快、更强、更稳」；「前置化、系统化、闭环化」。看到三连罗列先问：是真的有三样，还是凑的？
• 过度均衡。下一个判断后紧跟一句「当然，也不能忽视……」，把话说回来。这不是严谨，是害怕。

做减法：AI 味最常见的五处下手

一 · 名词化还原成动词

AI 中文最深的病灶。中文动词一响事情就成立，AI 却把动词全塞进名词壳子里，让「进行 / 实现 / 导致」这种无力动词接管句子。改法：把名词化的动作还原成真的动词。

• 改前：需要对生成的代码进行严格的验证 → 改后：要认真验证生成的代码
• 改前：验证驱动开发的核心，在于将验证这一环节前置化 → 改后：验证驱动开发的关键，是先验证再写
• 改前：AI 与工程师的关系，正在从工具属性向协作属性迁移 → 改后：AI 不再只是工具，现在和工程师一起干活
• 改前：辞职人数的增加是由日渐上升的压力所导致的 → 改后：压力越来越大，辞职的人越来越多

二 · 后缀病删掉或换掉

「化 / 性 / 型 / 度」这一批后缀，一半是从日文来的社科翻译，一半是英文 -ization / -ity 的直译。绝大多数删掉后意思不变，还更清楚。

• 改前：把验证系统化、闭环化、前置化 → 改后：把验证做全、做通、做在前面
• 改前：协作属性 / 工具属性 → 改后：一起干 / 当工具用
• 改前：颗粒度更细 → 改后：拆得更细
• 改前：底层逻辑 → 改后：根本原因（或直接省掉，把根本原因讲出来）
• 改前：可扩展性 / 可维护性 → 改后：好扩、好维护

三 · 破折号换成逗号或句号

破折号是 AI 味头号标点。它承担了 AI 写作里「停顿显得深刻」「补一个金句尾巴」「连接两个半句撑节奏」三种功能，而这三种功能中文都不需要。改法极简：全篇搜「——」，能换成逗号就换，能句号就句号，全文最多留一两个真的需要顿一下的地方。

• 改前：AI 与工程师的关系正在从工具属性向协作属性迁移，前者关注效率，后者关注共创。 → 改后：AI 和工程师现在是一起干活。工具时代讲效率，一起干时代讲一块儿把东西做出来。
• 改前：这条路的尽头，是一个新的开发范式，一个人机共写的时代。 → 改后：这条路走到底，写代码这件事就变成人和 AI 一起写。

四 · 前者后者、上述、此 改成重复主语

英文靠代词回指衔接，中文靠重复主语衔接。硬把英文那套代词搬进中文，读起来就是要在句子里来回翻页找先行词。

• 改前：Copilot 和 Cursor 都在做代码补全，前者更保守，后者更激进。 → 改后：Copilot 和 Cursor 都在做代码补全。Copilot 更保守，Cursor 更激进。
• 改前：上述方案存在若干局限性，此点在实践中尤为明显。 → 改后：这个方案有几个毛病，一动手就看得出来。

五 · 长复合句拆成短句串珠

AI 爱写一句话里塞五六个成分，靠「的」和「从而」「进而」「基于」串起来。中文的呼吸是短的，一节一节推进。改法：找连词，断句；找「的」字长定语，拆成前后两句。

• 改前：基于对大量线上 case 的分析，我们发现，在当前的开发流程中，验证环节的滞后性是导致代码质量问题的一个不可忽视的重要因素。 → 改后：看了一大批线上 case，一个共同的毛病：验证做得太晚，代码质量就出问题。
• 改前：一个能够充分理解上下文并据此做出合理决策的智能体，是我们追求的目标。 → 改后：我们要的是一个看懂上下文再做决定的 agent。

做加法：把中文本来的写法加回来

减完之后稿子会瘦一圈，但可能瘦成了空壳：AI 味没了，中文味也没长出来。这一步是补法，把上面讲的四条中文本来的写法加回去。减法能靠清单机械做，加法只能靠意识。每写一段，问一次自己下面这四问。

一 · 动词有没有扛住这一句？

找出这句话的动词。如果动词是「进行 / 实现 / 完成 / 导致 / 构成 / 属于」这类没肉的，回去把真正的动作拎出来。

❌ 他对她产生了强烈的不舍与后悔之情。

✅ 他舍不得，也后悔。

二 · 有没有一个具体的东西可以顶替这个抽象判断？

说「很难」，不如说「改了三版，每版都被砍」；说「效果显著」，不如说「页面打开从 3 秒降到 800 毫秒」。抽象是抽出来的，顶替它的具体一定在你脑子里，只是懒得写。

❌ AI 编码带来了效率的显著提升。

✅ 以前写一天的 CRUD，现在一杯咖啡时间就写完。

三 · 这一段能不能拆成短句？

一段里如果只有一个句号，基本就有问题。中文段落靠短句一节一节推，不靠一个大长句拖到底。

❌ 在深入分析了当前 AI 编码工具的发展现状之后，我们认识到，单纯依靠模型能力的提升是远远不够的，还必须在工程侧建立起一套完整的、能够与模型能力相匹配的验证体系。

✅ 看了一圈现在的 AI 编码工具，一个感受很清楚：光靠模型变强不够。工程这一侧也要跟上，得有一套配得上模型的验证。

四 · 这一段有没有多说读者已经懂的话？

AI 写作有一个恶习：讲完一件事，再总结一遍「我刚才讲了这件事」，怕读者跟不上。中文的传统是相反的，能留白就留白，读者自己接。凡是段末的「综上所述」「也就是说」「换言之」，几乎都可以直接删。

❌ 综上所述，验证的前置对于提高代码质量具有至关重要的意义。

✅（直接删掉这句）

一些例子

上面每一刀都是单点。真正改稿子时是几刀一起下。挑三段之前 AI 写过的稿子，把全套手术走一遍。

样本一（来自一篇 AI 写的「验证驱动开发」文章）

❌ 原句：AI 编码正在从「辅助编写」向「自主生成」演进，前者需要人类工程师主导决策，后者则将决策权部分让渡给了模型本身。这一转变的核心，在于验证环节的重新定位：它不再是编码流程的末端环节，而是需要被前置化、系统化地嵌入整个开发闭环之中。

诊断：破折号 1、「不是 X 而是 Y」1、后缀病 4（「前置化」「系统化」「闭环」「环节」）、名词化 3（「演进」「让渡」「重新定位」）、代词回指 1（「前者 / 后者」）、每句都在打钉。

✅ 改后：AI 写代码，以前是工程师主导、AI 打下手，现在越来越多是 AI 先写、人来看。这一变，最要紧的是验证的位置变了：以前放在最后，现在得往前挪，挪到 AI 一边写、验证一边跟。

样本二（同上）

❌ 原句：上下文工程的关键，不在于给模型提供更多的信息，而在于让模型接收到正确的、结构化的、与当前任务高度相关的信息。这要求我们对信息的组织方式进行系统性的重构。

诊断：「不是 X 而是 Y」、逢三凑数（「正确的、结构化的、与当前任务高度相关的」）、「进行……重构」名词化、「系统性」后缀病。

✅ 改后：上下文工程要做的不是给模型更多信息，是给对的信息。什么算对？模型这一刻真的用得上的那部分。这件事逼你重新想：信息该怎么组织。

样本三（来自本文前半，故意没打补丁的一段）

❌ 原句：模型对齐阶段找标注员打分，什么样的回答分高？结构完整、四平八稳、面面俱到、句式工整、用词「专业」。这套评分标准和欧化中文的病灶是同一个东西：靠句式撑门面，靠名词堆气势，靠「不是 X 而是 Y」「更是……也是……」这种对仗显得深刻。

诊断：这段整体不算 AI 味重的，但里面有一处小病。「这套评分标准和欧化中文的病灶是同一个东西」是「A 和 B 是同一个 X」的英文骨架，中文更自然的说法是把它拆掉。

✅ 改后：模型对齐阶段找标注员打分，什么样的回答分高？结构完整、四平八稳、句式工整、用词「专业」。评分员看重什么，欧化中文的病就长什么样：靠句式撑门面，靠名词堆气势，靠「不是 X 而是 Y」「更是……也是……」这种对仗显得深刻。

去味容易，说地道很难

通过一些规则匹配，通过规则匹配去掉一些固定句式，把味道去掉好做，但说得更地道很难

汪曾祺有句话点得最透：语言的美不在一句一句的话，而在话与话之间的关系。 去 AI 味治的是一句之内的病：名词化、后缀、破折号。而「好」落在句与句之间：长短有没有错开、该喘气的地方有没有留气口、是不是从头到尾一个调子拖到底。这一层，清单管不了，因为对的节奏取决于你到底要说什么，没有标准答案。

那靠什么？靠最后那步，念出声。桐城派早就管它叫「因声求气」：刘大櫆说「神气不可见，于音节见之」，那口气你摸不着，但它老老实实落在句子的长短和停顿上，眼睛滑过去，耳朵能逮住。念着憋住了，或者一路平到底，就是那里节奏还没顺。

但有一条得先划死：节奏管的是句子顺不顺、憋不憋气，不是够不够口语。 别把「加节奏」当成「变大白话」。技术文档该严谨，长句该有，长句本身不是病，长句里没有一处让你喘气的地方，才是病。补一个逗号、断一处句读，让它喘得上气就行，不必拆成短句，更不必把书面语掰成口水话。掰过头，是另一种毛病。

一条能贴在屏幕上的短流程

手术清单再长，写的时候记不住。真正能落地的是一条能贴在屏幕上的短流程：

1. 写完先放五分钟。别改。让脑子从「作者视角」切回「读者视角」。#

2. 回来只做一件事：回译。一段一段默读，同步在心里翻译成英文。翻得越顺，问题越大，该段整段标红。#

3. 标红的段先做减法。破折号、名词化、后缀病、前者后者、长复合句。机械做完再看。#

4. 减完做加法。动词扛住了没？有具体没？句子拆开没？段末多话删了没？#

5. 最后一遍念出声。中文的病，眼睛看不出，耳朵能听出。念到哪里读不顺，就是那里还没治干净。#

这里有个Skill

上面这一整套去味增香，沉淀 Skill，叫「好好说话」（haohao-shuohua）

若遇到badcase欢迎反馈。人味更多会导致说话过于随意，文本准确性下降，策略持续调优中->

好好说话技能-召回优化

技能链接：

• AgentBuddy
• Mira
• GitHub

写在最后

AI 味的病因，是从文言文到白话文转换+中西语言与思想碰撞的时代背景下引入的，放在在AI时代模型训练与模型蒸馏变得愈演愈烈。我们习惯都用 AI 写文章，写的这些文章又被 AI 拿去训练，几个版本之后，AI 认识到的中文可能就是欧化中文这个样子了。

所以上面这套手术清单不是给 AI 用的，是给写字的人用的。工具只是把清单跑得快一点，能不能真的把中文救回来，靠的是自己耳朵里还残留的那点中文听感。这点听感在，汪曾祺就还在；这点听感没了，以后所有中文都会长成 AI 那副样子。

余光中 1987 年在《怎样改进英式中文？》最后写过一段话：

「我们的中文势必越变越差，而地道中文原有的那种美德，那种简洁而又灵活的语文生态，也必将面目全非。」

这句话写在 AI 出现三十六年前。

AI 没让它变错，只让它变快。