基线先行:写作工序里先裸跑定基线、缺陷分诊,再决定加不加「去味」类后处理

方法桶双卡的作业卡(仓颉 RIA 六段,业主 2026-10-19 拍板加配);同条主卡见末尾出处区。

R — Reading

“去 AI 味的 skill,只能帮你去除它写的文章里那些 AI 不说人话的问题,并不能让这篇文章变得更好。是什么决定了文章的好坏呢?是模型本身。“(约 5:30 处) “用了 skill 以后的 Gemini,反而它的精彩程度下降了。“(约 7:00 处)

出处:原视频,字幕逐字稿(库内 00_原文/douyin/2026-10-16-去AI味的写作终极法宝)。

I — Interpretation

给 AI 产出做质量控制时,把工序切成两段:基线段(模型裸跑)和后处理段(skill/润色/去味/格式化)。 后处理的收益只来自”纠错”,所以它值不值,完全取决于基线里有多少可纠的错:

  • 基线差(错多)→ 后处理净收益为正,GPT 套上 skill 后”不是…而是…”句式消失即是;
  • 基线已经好 → 纠错清单无事可纠,只剩”鸡蛋里挑骨头”式误伤,Gemini 被套 skill 后精彩度反降即是;
  • 基线的”天性缺陷”(GPT 推责免责声明、DeepSeek 流水账)不在纠错清单射程内——这类毛病任何后处理都救不了,只能换模型或在生成侧解决。 由此得出一条硬规则:先裸跑基线、看到缺陷类型,再决定加不加后处理工序;顺序反了就白花算力还可能倒贴。

A1 — Application Example(作者亲历实验,非合成)

输入:同一段提示词 + 同一素材(OpenAI 关于攻击 Hugging Face 的报道),要求写公众号文章,agent 无系统提示词,每次只挂一个 skill。执行:3 模型(GPT/DeepSeek/Gemini)× 4 skill(humanizer / humanizer zh 归藏 / human writing 卡兹克 / Sepia,口播作 Spear,名转写存疑),共 15 轮,红线标 AI 味、绿线标亮点。 结果(作者主观判定,全部样张已公开):GPT 裸写红线占正文近半;挂 skill 后句式病消失但暴露”免责声明占三成篇幅”的天性;DeepSeek 四款 skill 轮换,流水账依旧;Gemini 裸写全场最佳(场景钩子、成语、引思考链原文),挂 skill 反而精彩度下降。 结论/预期输出:作者的终局推荐=Gemini 直写+人工微调,不挂任何 skill。

A2 — Future Trigger

情境(用户什么场景会撞上):

  1. 给公众号稿/视频文案/报告生成流程加”去 AI 味”类工序之前;
  2. 抱怨”润色了更烂""越改越没人味”时;
  3. 评测两个模型+一个 prompt 产出、想决定主力写作模型时;
  4. 讨论”skill 堆多少有用”时。 语言信号:“先去味再发""润色完不对劲""这模型写的还要不要挂 skill""quality 越修越差”(英文信号:post-processing makes it worse / polish hurts output)。 相邻区分:与 humanizer 类”执行润色”的 skill 不同——本卡管的是要不要执行润色的决策,在调用任何润色 skill 之前跑;与”模型评测”类内容不同——不做排行榜,只管一条流程决策。

E — Execution

  1. 定基线:目标素材+目标提示词,候选模型各裸跑 1 次(无任何后处理)。完成标准:拿到 N 份裸稿。
  2. 缺陷分诊:把裸稿缺陷分成两类——「表层症状」(固定句式、排比碎片、翻译腔)与「天性缺陷」(免责声明灌水、流水账、缺场景感)。完成标准:每份裸稿有分类清单。
  3. 判加不加:表层症状为主 → 引入一个纠错型后处理;天性缺陷为主 → 不加后处理,直接换模型或改生成侧提示词;裸稿已达标 → 禁止加后处理(防误伤)。判停点:步骤 2 若”已达标”即跳到 5。
  4. 小样对拍:同素材跑「裸 vs 挂工序」各一次,人评两版(保留哪版、扣了什么)。完成标准:有明确的”挂了好/坏了/无差”结论。
  5. 锁流程投产:按 3+4 的结论写进产出 SOP(含模型选择),并在 SOP 里注明”基线变化(换模型/升级)时须从步骤 1 重走”。 输入契约:素材、提示词、候选模型清单;缺候选模型清单则先问,不静默代选。输出契约:缺陷分诊表+对拍结论一行+最终 SOP 行。

B — Boundary

  • 不要用的场合:纯事实问答/结构化数据抽取类产出(无”文风”可言,后处理无对象);基线由人写(人不是模型,天性缺陷逻辑不适用)。
  • 作者警告过/自认的失败模式:测评”比较主观”,红线绿线皆个人判断;15 轮=单任务单素材单风格,无盲测无量化——结论方向和分诊逻辑可用,名次本身(Sepia 第一、Gemini 第一)不可当普适事实引用。
  • 批判性补充(阶段 0 视角):作者未测”天性缺陷”的生成侧解法(样本注入、角色框架),把”天性不可动”说满了;且四个 skill 只测了搭配”原理不同”的一种组合建议,未做组合实测。
  • 易混:本卡≠“skill 选购指南”(那是清单层,库内有姜学长 11-skill 条互证);≠“去 AI 味执行方法”(那是 humanizer 类 skill 的事)。

📺 珍妮丁丁说《去AI味的写作终极法宝!我实测了15次!》,抖音,2026-10-16 · 原视频 · 库内 2026-10-16-去AI味的写作终极法宝 · 手写版对照 卡片/观点/10-16-去AI味skill只去味不提质量-15轮实测 登记元数据(简):capability_id: cap.kbv2.baseline-first-writing · importance: high(直接接公众号稿工序)· intents: [写作流程质检, 是否加后处理, 模型选型] · keywords: [去AI味, 基线, post-processing, polish, skill]