15 轮实测：去 AI 味 skill 只去味、不提质量——写作上限是模型天性，优等生用了反受损

观点：去 AI 味的 skill 只能把”不说人话”的表层症状洗掉，不能让文章变好——决定文章好坏的是模型本身；连结论都反直觉：给最强的 Gemini 套上去味 skill，精彩程度反而下降，因为”这些 skill 都是针对 GPT 这种差学生做的”。

同一段提示词、同一素材（OpenAI 关于攻击 Hugging Face 的新闻写公众号文章）、无系统提示词、每次只用一个 skill，3 模型 × 4 skill 共 15 轮。GPT 裸写是灾难：满屏”不是……而是……”句式、碎片化排比，红线（AI 味）行占正文近半；用了 skill 后句式问题消失，但它”不粘锅”的天性反而露出来——三成篇幅写免责声明式的话，生怕观点是自己的，主题被带偏，skill 无解。DeepSeek 的天性是流水账：“7 月 4 号怎么怎么、7 月 5 号怎么怎么”，四个 skill 换着救都不改——“另一种没人味，像机器人在复述”。Gemini 不用任何 skill 就赢了：上来搭场景给钩子（“如果这件事拍成科幻惊悚片，好莱坞编剧大概都不敢这么写”），会用成语（“暗度陈仓""假传圣旨”），把涉事 agent 思考链原文引入做场景化，连”holy shit/卧这个读取权限居然是管理员”都照引——“是我们中文语境里用得最多的那个卧”。skill 排名：Sepia（口播作 Spear）＞humanizer zh（归藏）＞human writing（卡兹克）＞humanizer 原版。原理各异：humanizer 系＝列 AI 病名让 AI 自查；human writing＝先问”为什么写、写给谁”再整体重构；Sepia＝先判文章类型、按类型方法论走。作者建议两种原理不同的搭配用，终局推荐却是最朴素的：Gemini 直写＋人工微调。

洞察： 后处理与基线成反比——skill 的收益来自”纠错”，基线越差可纠的错越多，基线越高越只剩误伤（鸡蛋里挑骨头）；“天性”类缺陷（推责、流水账）不在纠错清单的射程内，任何 skill 都碰不到。

启示： 一把尺子：先选模型再谈润色——给产出流程加”去味”工序前，先裸跑一次基线，若已是人话，这步就是负资产。写公众号稿（自家硅基流云的去 AI 味流程）时可直接引用”只去味不提质量”作上限提醒；搭配逻辑（自查式＋重构式两原理组合）可借来改造自家 humanizer 用法。尺子里留一问：天性真的不可动吗——样本注入、换维角色扮演这些本片未测的路，值不值得自己花一轮试。

提醒： 作者自认”测评比较主观”——红线/绿线皆其个人判断，15 轮单任务单素材，无盲测无量化；Sepia/Spear 名、模型名次中的转写残句（“第一名就是.”）皆不可直接引用，回源核对；与库内交叉：姜学长 11-skill 榜同款推荐归藏出品（清单层两源互证），本卡是 15 轮实测版天花板结论；数据面收藏 1827＜点赞 1974（0.93）不倒挂——评测类内容看热闹多、囤货少。

---

📺 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 · 速览 速览/2026-10-16-去AI味实测只去味不提质量 · 碰撞 卡片/事实/05-11-姜学长11-skill精选单-清单过期讲法留存（日用第一名 vs 实测上限）· 卡片/方法/08-14-AI做PPT三步法-想清楚七成搭初版半成美化两成半（表层加工动不了本体：模板适配毁内容 vs 去味洗不掉天性）