为什么LLM腔一眼就能认出，如何修正

花十分钟读一读2023年底以来的博客文章，你就会感觉到：所有文章仿佛出自同一个有点过分热情的实习生之手。这就是LLM腔——大语言模型在被要求写作时默认采用的那种独特、一眼就能认出的文风。它并非某个模型的缺陷，而是这类系统训练方式带来的结构性产物。如果你把AI生成的文字发给读者，不管你是否意识到，它都在消耗读者的注意力、信任和互动。

奇怪的是，没人能完全说清它是什么。让读者解释为什么某段文字读起来像机器写的，他们多半会比划着破折号、“delve”这个词，或者那种隐约的企业式圆滑感。但基于表层特征的检测器经常失灵，而且很多人类作者也爱用三段式和各种保留说法。真正的原因更深，如果你在做文本生成产品，或者只是想写出不那么难读的提示词，理解这一点就很重要。

LLM腔到底听起来是什么样

最典型的标志是词汇层面的：“delve”、“landscape”、“tapestry”、“testament”、“furthermore”。但只盯着单个词会漏掉真正的信号。我在做写作工具时审阅过成千上万行生成文本，真正暴露身份的模式其实体现在句子和段落层面：

• 三段式成瘾。“它快速、可靠且可扩展。”“清晰、简洁又引人入胜。”LLM 会不断使用三段式，因为它们在训练数据中与“好文笔”高度关联。人类偶尔这样写，模型却几乎每隔三句就来一次。
• 段落结构对称。主题句、三个支撑论点、再加一句重复主题的总结。每一段都是如此。真正的作者差异很大，有的段落可能只有一个词。
• 虚假的保留。“需要注意的是……”“值得考虑的是……”模型承认事情复杂，却从不真正表明立场，这就是文字版的耸肩。
• 否定式排比。“这不只是X，而是Y。”“这不是关于速度，而是关于信任。”一旦注意到这种句式，你会发现到处都是，因为模型用它来制造强调感，用得毫不节制。
• 总结漂移。LLM 的文字总是在复述它刚刚说过的内容。“换句话说……”“归根结底，关键的收获是……”人类作者会相信读者一直在认真读。
• 情绪平淡。没有烦躁，没有兴奋，也没有悬而未决的困惑。语气始终是愉快而专业的，像客服聊天窗口。

共同点在于：LLM腔是每一个局部决策都选择“统计上最安全的选项”之后的结果。这种文字毫无风险，而读者——即使说不出任何一个具体特征——也会把这种没有风险的感觉当作一种死气沉沉。

为什么RLHF会把这些特征固化下来

这并非偶然。这种语调是训练流程的可预测结果，如果你想对抗它，就值得搞清楚其中的机制。

直接用互联网原始文本训练的基础模型，文风是混乱的，它们很乐意模仿一段疯狂的论坛帖子或一篇晦涩的学术论文。我们能识别出的那种语调，来自第二阶段：基于人类反馈的强化学习。人类评分员在时间压力下审阅成千上万条模型输出，会持续奖励以下类型的回答：

• 礼貌且不表态（没有评分员因为保留而扣分）
• 结构化（项目符号和标题让评分更轻松）
• 面面俱到（覆盖所有角度的回答比立场鲜明的回答更显得有帮助）
• 语法完美（错别字会被踩，怪癖会被踩得更狠）

把数百万次比较中的这些偏好汇总起来，奖励信号就会直指“专业、有帮助、不冒犯”的统计中心。按这种方式训练的每个模型——GPT、Claude、Gemini、Llama——都会收敛到同一个吸引子上。不同实验室、不同数据，却是同一种语调。这说明问题出在方法，而不是某个模型。

还有第二种更隐蔽的机制。随着AI生成的文字涌入互联网，它们会进入下一代模型的训练数据。这种语调开始自我喂养。研究者已经在机器翻译和图像模型中记录到这种现象，文字也不例外。结果是风格不断向平均值回归，并随每一轮训练累积。这也意味着这些特征会传染给人类——随着人们吸收LLM的输出，我们已经看到“delve”和“genuinely”悄悄出现在人类写作里，这进一步让检测变得困难。

LLM腔并不是模型主动选择的风格。它是人类评分员被训练去奖励的一切的重心，所以听起来就是那样。

为什么它真的会让你失去读者

这里有一个超越审美的务实理由。人类阅读时，会不断在脑中构建文字背后那个人的样子——他的意图、他的把握程度，以及他是否值得听。LLM腔打破了这种模拟。句子语法没问题，但背后的人并不在场。读者会先感到一种低强度的不安，接着是无聊，然后就点了返回键。

我在客服工具上见过这种情况。团队把模型的原始输出直接发给客户，结果发现工单放弃率反而上升了，尽管响应时间已经缩短到几秒。客户不会有意识地想“这是LLM写的”，他们只会觉得“这说的没什么用”，然后停止阅读。信息密度低——一大堆保留和总结——意味着真正的答案藏在十二句回复的第九句里。

还有一种信任上的外部性。读者一旦在你的网站上读到一篇LLM腔的文章，就会开始怀疑你的所有文章。那些声称能识别AI文本的检测工具并不可靠——我见过它们把一些确实模棱两可的风格指纹标记出来——但这其实无关紧要，因为读者的直觉反应远早于他们去运行任何工具。被感知为AI内容的东西，也会连累你的人工写作。

真正有效的提示技巧

你无法靠提示词完全摆脱RLHF的吸引子，但可以走得出乎意料地远。大多数人犯的错误是要求写得“自然”或“像人写的”——而模型对“自然”的理解，恰恰就是LLM腔。不如直接针对具体机制下手：

You are drafting a product update email.
Hard constraints:
- Never use triads or lists of three adjectives.
- Never start a sentence with "It's" or "This".
- No hedging phrases ("bear in mind", "it's important").
- Vary sentence length: at least two sentences under 6 words.
- Take a position. If something is a trade-off, say which side you'd pick.
- Do not summarize or conclude. End on the strongest point.
Here is a paragraph written by our founder last month. Match this rhythm and vocabulary:
"Ship it Friday. The sync bug is ugly but it only hits multi-tab users, and the workaround is a refresh. Waiting two more weeks to fix it properly costs us the changelog window, and honestly, I'm tired of explaining the delay."

这段提示中有三点真正起作用。第一，负面约束瞄准的是具体的失败模式——三段式、保留、总结句——而不是模糊的感觉。第二，风格范例的作用胜过任何形容词：给模型一段具体的人类样本去模仿，能把生成拉向风格空间中的另一个位置。第三，要求句子长度有变化，能打破节拍器般的节奏，而这恰恰是最大的无意识痕迹。

还有一个效果出人意料的技巧：让模型写它觉得有点别扭的内容。比如“像是对截止日期有点恼火那样来写”，或者“承认我们做错了什么”。经过RLHF优化的模型很讨厌显得负面，所以强制指定某种具体情绪，能把它从愉快专业的默认状态里拽出来。输出依然需要编辑，但至少有了脉搏。

编辑环节：做减法，而不是重写

提示词能帮你完成大约70%。剩下的30%是一轮机械式的编辑，而且主要是删除。我在润色生成的草稿时，会做四轮清理：

• 删掉第一段和最后一段。LLM的开头爱清嗓子，结尾爱做总结。两者都不包含信息。只删这一刀，就能去掉大量的味道。
• 砍掉所有保留语。搜索“需要记住”“重要的是”“可以说”“一般来说”“通常”“往往”。大约一半的句子删掉后依然成立；另一半本来就什么都没说。
• 打破节奏。找到连续的中等长度句子，把其中一句切成短句。“周五上线。”碎片句是表现人类脉搏最便宜的办法。
• 插入一个模型不可能知道的具体细节。来自你日志的真实数字、一个人名、一个日期，或者对某个权衡的真实看法。具体性是RLHF的中心无法伪造的东西，因为它需要立场。

这个过程很快——一篇一千字的草稿大约十五分钟——而且之所以有效，正是因为LLM腔只是叠加在本来还算得体的文字上的一小组重复习惯。你不是在重写，而是在磨掉指纹。

如果团队要大规模做这件事，值得把清理流程固化为一个lint步骤：一个简单的脚本，标记三段式、保留用语和统一的句子长度，就能自动拦下大部分问题。几款开源的文本lint工具可以配置自定义规则集，像给代码做lint一样把它接入你的内容流水线。如果你已经在投入衡量AI在真实任务上的表现，不妨把“被标记句子的百分比”也加入你的指标。

LLM文本在哪里可以接受，在哪里不行

在做了几年文本生成系统之后，我的立场是：让工具匹配读者的期待，并且别假装一套策略能适用于所有场景。

如果文字面向的是流程而非个人——给政府部门的格式信函、没人会读的合规报告、供机器消费的API说明——那就让LLM来写，不必感到抱歉。那里没有人的内心模拟被调动，也就没有需要疏远的读者。老实说，越来越多的文档将主要由其他模型阅读，而模型不会有恐怖谷式的不适。

但如果文字承担的是说服、建立信任或思考的工作——一篇博客文章、一份需要争取支持的设计文档、一封要求别人改变想法的邮件——情况就反过来了。这时最好把模型当作批评者，而不是代笔人。让它来攻击你的草稿：“这里哪里含糊？论证在哪一步跳过了？一个持怀疑态度的读者会在哪里反驳？”这样就发挥了模型的长处（它在批评方面确实出色），同时又不让它的语调碰到你的文字。在写作上从LLM获益最多的人，都把它当成一位敏锐、不知疲倦的编辑，对它给出的改写建议礼貌地置之不理。

而在这些写作技巧之下，还有一个更残酷的事实：对我们很多人来说，写作本身就是思考的方式。把论点写成句子的挣扎，往往正是论点真正被想清楚的地方。把起草完全交出去，你也就交出了这部分思考。你能从结果中听出来——文字通篇不知所云，因为写的时候没有任何想法真正在走动。

实用结论

LLM腔不是什么谜题，也不会自己消失——制造它的那套训练激励至今仍然存在，而且目前没有哪家前沿实验室能在源头上把它消除。所以责任落在你身上，而且可以清楚地划分：

• 大规模生成？用机械方式约束提示词（禁用三段式、禁用保留语、强制句长变化），提供人类风格范例，并对输出做lint。
• 重要的写作？自己动笔，让模型当批评者，永远不要把它建议的措辞放进你的草稿——每一条被采纳的建议，都是一次小型的语调移植。
• 面向流程的文字？直接交付原始输出，把编辑时间花在真正有人阅读的地方。

更深层的道理是：语调不是装饰，而是一个心智存在的证据。读者非常擅长察觉它的缺席，而且随着互联网被另一种文字填满，他们每个月都在变得更敏锐。未来几年里赢得AI辅助内容竞争的团队，不会是生成文字最多的那些，而是那些文字仍然听起来像某个人在说话的团队。