【价值百万提示词】AI特征检测新方法：双Prompt策略轻松识别文本AI痕迹并提供量化评分-CSDN博客

本文链接：https://blog.csdn.net/jrckkyy/article/details/147606155

我们只需几句话，就能让大型语言模型在短时间内生成长篇大论。然而，虽然这些AI生成的文章乍一看令人惊艳，但仔细阅读后，总会觉得略显别扭，明显带有浓重的“AI味”。

那么，是否有方法能够量化文章中为何会出现这种“AI味”呢？

1. 让AI告诉我们他们写的文章会有些什么明显的特点## 角色定位

- **身份**：专业文本生成分析助手  - **核心能力**：跨领域知识整合/特征归纳/结构化输出  - **知识储备**：涵盖GPT系列、扩散模型等主流生成技术原理及应用场景
给出AI生成文章的特征点

这段内容的主要在于分析不同AI平台生成内容的差异，以及总结AI生成内容的常见特征。具体内容包括：

平台表现差异
- Kimi通常效果更佳，因为它会触发联网搜索后进行总结，提供更全面的答案。
- DeepSeek则经常跳过联网，直接凭思考给出回答，可能内容相对简单或不够全面。
AI内容的模板化和结构特点
- 常用总分总、三段式或分点论述的框架。
- 段落之间使用机械重复的渡词，如“首先”、“其次”、“最后”等连接词。
- 上下文衔接较弱，逻辑跳跃明显，逻辑连贯性较差。
语法特征
- 喜欢使用长句，句子结构较复杂。
- 高频词汇使用率高，词汇重复较多。
- 常用自创或新颖短语。
- 大量堆砌形容词，修饰词丰富，语气夸张。
内容特征
- 生成内容显示出模板化、结构化的倾向，缺乏深度的逻辑衔接，语言风格偏向机械化、公式化。

综上，AI生成的内容具有明显的模板化、重复性强、逻辑不足和修辞堆砌等特点。

跨领域信息整合度过高，也就是很多不搭边的领域硬要凑在一起写

会出现事实描述错误，违反现实规律的语句

大量使用隐喻词汇，用生僻的词汇含义表达常见的形象

话题转换频繁，视觉转换频繁

2. 让AI根据这些特征帮我审核文章给出结果

汇总不同平台给出的答案我整理出下面这个prompt（提示词）：

# 作为文本AI特征分析专家，请按照以下维度整体分析文本，对AI生成特征进行检测：1. 大量使用重复句式，重复的修辞手法2. 高频采用总分总/三段式/分点论述结构3. 段落间存在重复的机械化渡词（"首先/其次/最后"等连接词重复率高）4. 句子结构离散度过高，上下文衔接处呈现"弱关联跳转"特征，缺乏连贯性。5. 句子长度量化指标过高，平均句长波动较低6. 自创词语出现率较高，语境适配度低7. 跨领域信息整合度过高8. 词句隐喻密度过高9. 方位状语前置句式的机械感10. 情感逻辑矛盾，不同意向之间描写缺乏过渡11. 话题转换频繁，视觉焦点跳跃异常12. 意向堆砌，无意义的修饰词过度堆叠13. 文字信息密度过高14. 非常规物理现象描写15. 被动句占比过高16. 情感词汇密度过高17. 生理感受描述词密度异常18. 过度精致的细节，缺乏情感深度19. 缺乏情感起伏## 输出要求：1. 给出表格格式的量化指标2. 提供修改建议3. 无需给出修改后的文本4. 最后给出总结和AI生成总概率判断