AI 写作的「AI 味」不止于破折号
2026 年 7 月 22 日，开发者 Jesse Duffield 撰文讨论 AI 生成文本的同质化问题。
表层 vs 深层「AI-isms」
| 层面 | 表现 |
|---|---|
| 表层（已被广泛调侃） | 滥用 em-dash、偏爱 delve/tapestry/load-bearing 等词 |
| 深层（更难察觉） | 论证结构、过渡方式、观点呈现的系统性趋同 |
深层同质化的特征
- 面面俱到的平衡与过度 hedging
- 模板化的「总-分-总」结构
- 缺乏真实立场的圆滑表达
- 难以通过简单替换关键词消除
为什么值得关注
当生成内容边际成本趋近于零，真正稀缺的是有立场、有取舍、有个人声音的表达。识别并避免「AI-isms」是保持内容可信度与差异化的关键。
呼应
与「优质非虚构写作是 AI slop 的对立面」等讨论一脉相承。
AI Master 解读
核心事件
Jesse Duffield 撰文指出，AI 生成文本的「AI-isms」远不止被广泛调侃的 em-dash（破折号）和「load-bearing」等措辞，而是渗透到结构与思维层面的同质化倾向。
行业影响
社区此前对「AI 味」的讨论多停留在表面特征：滥用 em-dash、偏爱「delve」「tapestry」「load-bearing」等特定词汇。作者指出更深层的问题——AI 文本在论证结构、过渡方式、观点呈现上呈现出系统性的趋同：面面俱到的平衡、过度 hedging、模板化的「总-分-总」、以及缺乏真实立场的圆滑。这种深层同质化比单个词汇更难察觉，也更难通过简单替换关键词来消除。
这一观察呼应了站内「优质非虚构写作是 AI slop 的对立面」等讨论：当生成内容的边际成本趋近于零，真正稀缺的是有立场、有取舍、有个人声音的表达。对内容创作者而言，识别并避免「AI-isms」不只是文风问题，更是保持内容可信度与差异化的关键能力。
AI Master 建议
使用 AI 辅助写作时，把「去 AI 味」作为必经环节：注入真实案例与明确立场，删除 hedging 与模板化过渡，保留个人化表达，避免内容陷入同质化。