天下苦 AI 味久矣。这话如今说出来，大概不会有人反对。打开任何一个信息流，都能看见同一副腔调：三段式排比、莫名其妙的加粗、把一切结论都包装成「这意味着」，结尾还要来一句「希望对你有帮助」。
「偷懒」是人类进步的源动力。我确实想写点东西，但从前写一篇要坐三四个小时，现在让模型起草，十分钟就能出一版。问题在于那一版实在不忍心发出去。它不太像人话，发出去是污染大家的 timeline，也白白增加读者的理解负担。
思来想去，决定给 AI 去去味儿。
味道出在句法上
最先想到的是列一张禁用词表。试过之后发现没用。那些词早就换过好几轮了，从「赋能」「抓手」换到「颗粒度」「对齐」；禁掉一批，很快又会有新的一批冒出来。
真正稳定的特征在句法层面。举几个我这几个月反复见到的：
- 先立一个读者并没有的误解，再把误解推翻。「真正的壁垒不是技术，而是认知」，可没有人说过壁垒是技术。
- 把该展开的关系压掉。写成「三条路，按侵入性从小到大」，读者要先还原一次才知道在数什么。
- 造缩写。「命中的那部分」缩成「命中段」，既不是通行术语，也没有在前文交代。
- 用交通隐喻讲抽象过程。「隔着几段路」「把这条路走一遍」，中文不这么说话。
这几条共同的来源是省字。模型在压缩 token，人写文章不按 token 计费。
先把自己的写法变成数字
既然要让它像我，先得知道「我」是什么。这件事靠感觉说不清，我自己的判断也不可靠。
于是把它变成可统计的东西。我把博客 2013 年到 2025 年的 405 篇文章存成一份语料，去掉代码、图片和链接地址，剩下 51.6 万个汉字，跑了一遍统计。
结果里有些数字是我事先没想到的。
平均句长 50.9 字，其中五十字以上的长句占三成三，十五字以内的短句不到百分之九。这和我对自己文风的印象不太一样，我一直觉得自己写得挺利落。
引号几乎全是直角引号「」。中文双引号在 51.6 万字里只出现十次左右。这一条我自己都没意识到，但它是最好认的一项，改稿时一眼就能看出来。
87.9% 的文章没有「总结」章节，写完就停。剩下那 12% 里有总结的，基本都是问答整理类的稿子，因为素材本来就是别人的话，需要自己再落一遍结论。
配图平均每篇 0.9 张，三分之二的文章完全没有图。有图的场合很固定：编译效果、报错界面、操作步骤。
统计之外，还得把原文读一遍。405 篇我没有逐篇读完，但每个体裁都抽了十几篇通读，看句子怎么起、段落怎么接、什么时候突然用一个短句。数字能告诉我平均句长五十字，读原文才知道那五十字是靠逗号、破折号和括号分层的，不是一口气写完。
最后我把结果整理成六层：语言、结构、选题、素材、认知框架、视觉。这六层里，前三层可以让模型照着写，后三层只能提示它立场在哪里。
数字复刻不了判断
第一版样本是我让它试写的，题目是 prefix cache 的命中率为什么换不来吞吐。数据、结构、句式都照做了，交到我手上还是不对。问题出在每一句话怎么选。
后来又改了四轮，每一轮挑出来的毛病都不一样，但把这些毛病追下去，指向的是同一个地方。
第一轮挑出来的是记账腔。稿子里有「它决定了这 1 GiB 最终记在谁头上」，还有「这一点在第三节会变成一笔很难看的账」。用记账的词讲性能，读者会以为在谈钱。
第二轮挑出来的是假想误解。稿子里写「容器能看到的 CPU 是三个不同的东西，混在一起就会得出错误结论」。后半句在替读者预防一个没有人犯过的错，把它删掉，前半句照样成立。
第三轮挑出来的是缩写和压缩。稿子里有「命中段」，有「三条路，按侵入性从小到大」，还有「线程池开到 64，实际执行宽度只有 2」。最后那句里的「执行宽度」是英文 execution width 的直译，中文没有这个说法。
第四轮挑出来的是断句。稿子里有一句「P99 还抖得厉害」，六个字，主语加形容词，前面没有给出观察角度。中文会写成「从延迟曲线上看，P99 也会大幅抖动」。
四轮下来，我归纳出一条总纲：不够省才是对的。把关系说全，观察角度给出来，指代说清楚，该展开的展开。
把批评变成规则
只有 DNA 还不够。DNA 告诉我写成什么样，没告诉我改的时候往哪个方向改，而我下次未必还记得这四轮里揪出来的细节。
所以我把每一轮的批评写成一条规则，一共十七条。每条要有两样东西：一个能定位的触发标记，一个最小改法。
记账腔的触发标记是「账」「台账」「算账」「记在谁头上」出现在非财务语境里。假想误解的标记是陈述之后追加「否则就会怎样」，而原文里并没有人提出过那个误解。压缩拆成四种：主谓补结构的紧凑断句、计数型缩写、英文概念直译，以及省掉施事的判断句。
写成规则的好处是可验收。改完一段可以逐条对照，指不出对应规则的改动就是改多了；反过来，找得到的毛病也终于有了名字。
它现在能干什么
按这套东西写出来的稿子，句式、结构、判断顺序都对了。最后那篇讲容器里 nproc 为什么报出宿主机核数的文章，前后改了五轮，我才点头。
做不到的地方也清楚：写不出我没有经历过的事。它可以把我踩过的坑写成我的语气，但没踩过的坑，它会编。数据也一样，让它写实测，它会给出一个看起来合理的数字，我得自己回去核对。
想用可以去拿
代码和规则都放在 GitHub 上：Liam0205/skills。
里面是三个独立的 skill，可以只装一个：
liam-page-writing：这次蒸馏出来的结果，五份分析产物加 405 篇原文语料。动笔之前会先读产物，再从语料里挑五篇同体裁的原文通读。less-ai-tone：十七条清理规则，不依赖任何语料，单篇文章也能用。writing-dna：蒸馏方法论本身。想给自己或者别人的文章做同样的分析，用的是这一套。
安装两步：
1 | git clone https://github.com/Liam0205/skills.git |
--target 换成 hermes 或 codex，装到对应的目录。默认用软链接，改仓库里的文件立刻生效，方便迭代。
用起来就一句话：让它按某个人的文风写，或者把一段稿子丢过去要求清掉 AI 痕迹。前者要读语料，慢一些；后者快很多。
规则和脚本是 MIT 许可。语料目录里的文章版权归我，只授权阅读和风格分析，不授权转载。
还有一点要说清楚：这套东西对语料的依赖很重。liam-page-writing 之所以能写到七八分像，是因为它在动笔前读了几百篇原文。换成没有语料的场合，它的效果就退回到 less-ai-tone 那一层，管的是句子，管不到是谁的口吻。
「偷懒」在这里的算法是：一次性把风格拆到规则级别，换来以后每篇少改几轮。头一回花的时间远比自己写要多，从第二篇开始，省下来的时间才超过这笔投入。
规则能管住怎么说，管不住说什么。写什么这件事，还是得自己来。