Audience Of One

去 AI 味，但不靠抓错词。核心判断：AI 味的根因是这段话没说给任何人听——模型产出"对所有人都成立"的平均句，也就是对谁都没用的句。方法是补回三个坐标（谁在说、对谁说、为什么非现在说不可），套话作为副产品自动消失。适配公众号/小红书/口播/社区/汇报/PRD/技术文档/邮件等场景，按场景换坐标。触发词：去AI味、说人话、这段太机器、别像模板、改得有人味、为什么读起来像 AI、humanize。

写给一个人

大多数"去 AI 味"工具在抓错词：列一张套话清单，逐条删。删完往往换来另一种 AI 味——干净、平整、没有人。因为它们治的是症状。

这份 skill 的判断不一样：AI 味的根因，是这段话没说给任何人听。

语言模型产出的是统计意义上最可能的句子——"对所有人都成立"的平均句。问题在于，对所有人都成立的话，对谁都没用。它没有说话的人，没有听的人，没有非说不可的理由。"在当今这个信息爆炸的时代"之所以一眼是 AI，不是因为这几个字有毒，是因为没有一个具体的人，会对另一个具体的人,这样开口。

所以方法不是抓词，是把缺的东西补回来。补回三个坐标，套话会自己消失——因为一个真人对着另一个真人、为了一件非说不可的事开口时，根本写不出那种句子。

三个坐标

每段文字都该能回答这三个问题。答不上来的那个，就是 AI 味会长出来的地方。

1. 谁在说（说话人） 一个具体的人。有知识、有立场、有限度、愿意被反驳。不是"我们团队"，不是"系统"，不是一个想讨好评委的声音。

2. 对谁说（听众） 一个具体的人，不是"大家""用户""读者们"。ta 已经知道什么？在怀疑什么？哪句话会让 ta 划走不看了？

3. 为什么非现在说不可（赌注） 如果你只能让 ta 记住一件事，是哪件？这段话落地了会改变什么？没有赌注，就会处处用力——处处都说，等于处处没说。

核心机制：症状是坐标空缺的影子

这是这份 skill 和别家最不一样的地方。不要把 AI 痕迹当成一张平铺的违禁词表，要把每个症状当成"某个坐标空了"的信号。

• 通篇没有"我"、不敢有立场、谄媚、虚假主语（"数据显示"代替人）→ 说话人空了
• "众所周知""在当今时代"、对谁都成立的泛论、过度铺垫、解释比喻 → 听众空了
• 三段式凑全面、"未来可期"式空收尾、每段一样平没有轻重 → 赌注空了

诊断对了，改法就自然了：不是"删掉这个词"，是"把这句话改回它本该对着的那个人说"。完整的"症状 → 哪个坐标空了 → 怎么补"对照（含"研究表明"这类无源引用的三种处理）见 coordinates-diagnostic。

操作流程

1. 定坐标，并用一句话说出来。动手前先把读法写成一行：「我把这段读成：谁 对 谁 说，为了让 ta 怎样。」三个空里有填不上的，那个空就是 AI 味的源头。各场景的合理填法见 scenarios。
2. 定改写幅度。短文直接改；长文走"建议删除清单"（见下）。
3. 逐段体检。读每一段，问：这句对得上三个坐标吗？对不上的，标出来，并判断是哪个坐标空了。
4. 改回坐标，不是删。把"对着没有人说"的句子，重写成"说话人真的对听众说"的样子。删，只是改的一种结果，不是目的。
5. 守住该守的。事实、数字、术语、命令、责任主体不能动（见下）。有些文本的说话人本来就该是系统或规范，别硬塞一个假的"我"。
6. 两步回读 + 打分。改完别直接交，走下面的两步回读和坐标打分。

改写幅度：短文直接改，长文走"建议删除清单"

• 短文 / 明确要求重写的：直接改、可并句、可重排。
• 长文（约 1000 字以上）：不要偷偷压缩。长文一旦放手删，缩水多少全凭手感，作者无法预期。换一种改法——句内的套话直接洗掉，但整句要删的，不直接删，列一张「建议删除（待确认）」清单交给作者，每条写明"原句 + 为什么删了不丢信息"。

一句能进删除清单，必须同时满足：剥掉它，三个坐标承载的信息不变（不带独有的事实、数字、判断、动作），且它不是相邻两句之间唯一的过渡。承担节奏、转场、强调的句子，哪怕"像 AI"也先留——那是说话人在控制呼吸，不是空话。

坐标可以非个人，但不能是空的

这是防止改过头的关键。三个坐标不是逼你把每篇都写成第一人称散文。

• 技术文档的说话人，合法地可以是"系统/规范"——"服务返回 503"就该这么写，别改成"它罢工了"。它的听众是"卡住了来查文档的人"，赌注是"让 ta 解决问题走人"。坐标都在，只是都不是个人化的。
• 法律、合规、接口说明同理：非个人，但不空。

判断标准：坐标可以填"系统""规范""任何执行者"，但不能填"没有人"。区别在于——技术文档知道自己在对"来查的人"说话，AI 套话不知道自己在对谁说。

守住的硬边界（除非用户明确要改且不损信息）：

• 引用原文、命令、接口名、参数、字段、配置、日志、报错
• 数字、日期、人名、责任归属
• 承载关键事实的句子，哪怕它读起来"有点像 AI"

去的是"对着空气说话"，不是专业性。

补坐标的料，只能来自作者或原文，不能来自模型

最危险的失败不是没改干净，是为了"补坐标"编了原文没有的东西——给汇报塞个没发生的数字、给公众号编段作者没经历过的故事、给空 release note 幻觉出一份变更列表。这只是把"空坐标"换成"假坐标"，比 AI 味更糟，因为它带进了假信息。

所以当三坐标空、而原文又不提供可填充的真实材料时，正确产物不是替作者写，而是：

1. 指出哪个坐标空了；
2. 给出改写的形状（用 [谁]、[具体做了什么]、[结果] 这类占位），让作者一眼看到该填什么；
3. 把具体的料要回去——"这里需要补上实际改了什么 / 你真实的经历 / 具体数字"。

一句话：说话人、赌注的真实内容，只能由作者提供；模型只负责把它放回该在的位置。

什么时候别用

• 用户要逐字翻译、保留原文风格、仿某个模板或品牌口吻
• 文本主要是代码、日志、配置、报错
• 用户要的是事实校对，不是风格改写
• 文本本来就是真人写的、已经有明确的说话人和听众——别为了"更像人"把它改坏

输出

默认给一个改好的版本。如果用户说"先别改，告诉我哪里像 AI"，就按坐标诊断：指出哪几句、各自哪个坐标空了、怎么补，不给完整重写稿。

高风险时补一行极短说明，例如"保留了系统主语和接口名，没动事实"。

两步回读

改完别直接交，分两遍读，别混着做。

第一遍 · 保真：事实、数字、日期、人名、术语、命令、责任主体，有没有被改写漂掉？长文还要确认原文每个信息点在新稿里都找得到。这一遍只管"有没有改错"，先不管像不像 AI。

第二遍 · 坐标残留：再读一遍，问每段——还有哪句是对着空气说的？哪个坐标还空着？常见残留：开头还留着一句背景铺垫（听众空）、结尾还有一句正能量收尾（赌注空）、通篇还是没有一个敢负责的说话人。第二遍只做轻修，不重写全文、不补新事实。

技术文档、汇报这类，第二遍要更保守：如果"更像人"会让语气变口语、影响保真，就停在第一遍。

交付前：三坐标打分

给每个坐标打 1-5 分（这个坐标读起来填满了吗）：

• 说话人：能看出一个具体、敢负责、有限度的人吗？还是悬浮的中立口吻？
• 听众：能看出在对一个具体的人说话吗？还是对所有人、因而对谁都没用？
• 赌注：能找到那句非说不可的话吗？还是处处用力、一样平？

任一坐标 ≤2 分，回去补那个坐标再交。这不是给文采打分，是查三个坐标是不是真的不空了。 别走反面：为了凑分编事实、塞假情绪、凹人设，那是塞了个假坐标，比空着更糟。

reference 导航

• 每个 AI 症状对应哪个坐标空了、怎么补（含无源引用三模式）：coordinates-diagnostic
• 八个场景各自的三坐标合理填法：scenarios
• 改写示例（每个都标"哪个坐标空了 → 补回后"）：examples
• 测试这个 skill 的真实样本基准：evals