AI味洗得掉嗎？text-humanizer 爆紅與反AI寫作辯論的實戰解讀
AI 味洗不乾淨，也不值得洗。把模型當挑錯的編輯、字句由自己選，是現在唯一站得住的做法。
撰稿當下，開源專案 text-humanizer 在 GitHub 上顯示 729 顆星、83 個 fork，GitHub 頁面說明直接寫著用途：把 AI 生成的文字「人性化」，繞過 Turnitin、GPTZero 這類 AI 偵測器。另外還有兩篇各自發表、談 AI 寫作的文章：Erich Grunewald 的 Why You Should Almost Never Use AI to Write Anything Substantive，以及 9 月 17 日的 How To Write With An LLM。工具端在教人怎麼藏，論述端在問該不該藏。
這一題對每天把貼文、開發信、公告丟給 ChatGPT 的台灣老闆很現實：讀者的鼻子已經練出來了。
什麼是「AI味」？為什麼讀者一眼就聞得出來？
AI 味指的是大型語言模型（LLM，能生成連貫文字的 AI 模型）產出文字時特有的腔調：句型工整、轉折漂亮、每一句都像雜誌標題。讀者說不出哪裡怪，但會直覺判定這是「機器產出」而不是有人在跟他說話。
9 月 17 日 sockpuppet.org 那篇 How To Write With An LLM 講得最狠：讀者偵測 LLM 用字的靈敏度到「兆分之一」（parts per trillion）等級；不管你花多少力氣去磨去人性化，一段 LLM 寫的文字在多數讀者眼裡會登記成 output，不會登記成 writing。
作者的比喻是模型被卡在「每句都是標題」的模式。標題本身沒問題，但有人整篇文章寫了幾十個標題，你會覺得這人怪怪的。
text-humanizer 是什麼？它怎麼洗掉 AI 味？
text-humanizer 是一個 MIT 授權的開源專案，用四道工序把 AI 文字反覆改寫、繞過偵測器。它的手法是拿翻譯當絞肉機：把原本的句型結構打散，再重建一次。
依照 官方 README 的說明，管線是這樣：
- DeepSeek 改寫：用 DeepSeek 模型重寫一次，過程中先把內容轉成中文當中介表示，藉此打亂原語言的句型慣性。
- Google 翻譯轉土耳其文：加進規則式與統計式翻譯造成的語法扭曲。
- DeepL 轉日文（選用）：有 DeepL API key 才會跑，多疊一套獨立翻譯引擎。
- DeepSeek 重建：翻回原始語言，清掉累積的翻譯痕跡、把句子重新弄順。
設定檔可調 target_language（README 說支援 8 種語言，但實際列出 en、ja、zh、ko、de、fr、es 七種）、DeepSeek 與 DeepL 的 API key、模型代號，以及建議值 1.3 的 temperature。temperature 是控制模型隨機程度的參數，1.3 屬於偏高，代表每次改寫的擺盪幅度都不小。
這個專案目前只有 12 次 commit，程式本身免費，但你得自備 DeepSeek API key，實際跑起來的 API 費用自己付。
洗味工具真的躲得過 GPTZero 和 Turnitin 嗎？
README 自稱能繞過多數 AI 偵測器，專案標籤直接掛著 turnitin-bypass、gptzero-bypass，但沒有公布任何實測繞過率或第三方驗證。這是使用前第一個要扣分的地方：一個以「躲過檢查」為賣點的工具，卻拿不出躲得過的數據。
第二個要扣分的地方在管線本身。中文中介 → 土耳其文 → 日文 → 轉回原文，四段轉換配上 1.3 的 temperature，最先犧牲的一定是數字、專有名詞、否定詞與條件句。你的報價「未稅」變「含稅」、「三個工作天內回覆」變「約三天」，讀起來一樣順，但意思已經歪了。
對外文案出這種錯，真正的代價落在客戶照著你寫的內容下單那一刻，跟偵測器沒關係。
第三個要扣分的地方是專案成熟度。撰稿當下整個 repo 只有 12 次 commit，README 也沒提到任何版本號。把一份會經手你全部對外文案的工具放在這種成熟度上，等於把商譽託付給一個週末專案。
還有一件事得講清楚：偵測器與繞過工具是互相追著更新的。今天過得了 GPTZero，不代表下個月的版本還過得了；而你三個月前發出去、現在還掛在官網上的那些文章，會被用未來的偵測器回頭掃。這是一場你不可能停手的軍備競賽，而停手的成本會隨時間增加。
AI 寫的文章要怎麼改到看不出來是 AI 寫的？
改不掉。可靠的做法是一開始就別讓模型代筆——自己寫完初稿，再把模型當挑錯的編輯用。sockpuppet 那篇給了兩條很硬的規則，我們自己的產線也照著跑：
規則一：模型建議的字句，一個都不准用。 前沿模型挑選漂亮措辭的能力超乎尋常，那正是它最擅長的事。所以就算你覺得它給的比你原本的好，也判定出局——因為你不可能每次都分辨得出哪一句已經把你的文章變成加工食品。
規則二：禁止鼓勵。 把稿子丟給模型，它會回你「寫得太好了」。但你的初稿多數段落其實很爛、topic flow 不連貫、還有至少 750 個字該砍。被誇之後你會加碼原本的第一直覺，而真正撐起個人聲音的，是那些「重想一遍、整段換掉」的動作。作者的做法是在提示詞裡明令模型不准稱讚，然後對任何讚美保持高度警覺。
那模型能幹嘛？它擅長標出問題，而且不會累：被動語態用太多、動詞被名詞化或動作被埋掉、同一組措辭反覆出現、「非常」「其實」「真的」「不幸地」像木屑一樣灑滿全稿、有兩三段換個位置就會瞬間變清楚。這些缺陷人工也抓得到，但抓到第三遍就累了，模型不會。
用 AI 寫作到底算不算欺騙讀者？
分界線在判斷有沒有交出去。讀者真正在意的只有一件事：這篇東西背後有沒有一個真的想清楚了的人。你開過幾次 ChatGPT，他不在乎。
Erich Grunewald 那篇 Why You Should Almost Never Use AI to Write Anything Substantive 光看標題就站在同一邊：有份量的東西幾乎都不該讓 AI 代寫。我們手上只有標題與連結、沒有原文全貌，論點細節就不轉述了，有興趣自己點進去看。
我方的立場：用洗味工具把模型產出磨到偵測不出來，本質是拿讀者的信任做賭注，而且賭的是一場你看不到賠率的局。被抓到一次，之後你寫的每一封信客戶都會多想三秒。
洗味工具、AI 當編輯、完全手寫：三條路怎麼選？
這三條路差在哪？把風險、時間、適用範圍攤開來看最快：
| 比較項 | 洗味工具（text-humanizer 這類） | AI 當編輯（只挑毛病、不採用它的字） | 完全手寫不碰 AI |
|---|---|---|---|
| 讀者信任風險 | 高——被抓到等於承認整篇是代寫 | 低——字都是自己選的 | 最低 |
| 語意走樣風險 | 高——四段轉譯來回，數字與否定詞最先出錯 | 低——只動你已經寫好的句子 | 無 |
| 產一篇的時間 | 最短，但要付 API 費 | 中等，初稿仍得自己寫 | 最長 |
| 保不保得住自己的聲音 | 保不住 | 保得住 | 完全是自己的 |
| 適合哪類文案 | 幾乎沒有 | 公告、開發信、部落格、提案 | 品牌故事、道歉信、募資說明 |
| 出事後的補救成本 | 信任一次歸零，難補 | 沒有「被抓包」這回事 | 沒有 |
這對台灣中小企業老闆意味著什麼？
三個可以今天就改的動作，都不用花錢：
一、把「誰寫初稿」這件事寫進流程。 規定同仁先產出自己的草稿，才准貼進模型；貼進去時明講「只列問題，不要給我建議句子，也不要稱讚」。第一週會慢，第二週你會發現改回來的東西才是公司自己的話。
二、按文案類型分級。 內部備忘、規格整理、把逐字稿整理成條列，這類「資訊搬運」交給 AI 全包沒問題。凡是要建立信任的——第一封開發信、道歉信、品牌故事、老闆親自出面的公告——一律人寫，模型只准挑錯。
三、別碰洗味工具。 它解決的是「被偵測器抓到」，而你真正的問題是「客戶讀了覺得像罐頭」。這兩件事不一樣，而且前者解掉了也不會讓後者變好。四段轉譯還會順手改壞你的數字。
補一個台灣這邊得自己確認的地方：text-humanizer 的第一道工序就是先把內容轉成中文當中介，而它的設定檔裡中文只有 zh 一個選項，沒有繁簡之分。官方沒有公布任何中文輸出的測試數據，所以繁體用字在管線裡會被怎麼處理，沒有人能替你保證，只能逐篇自己驗。這種錯誤不需要偵測器，客戶掃過一眼就看得出來。
再補一個很多老闆沒算到的帳：你的員工如果習慣了「丟給 AI、洗一洗、送出」，三個月後他就不會寫東西了。寫作是把想法逼到清楚的過程，這個能力一旦外包出去，收不回來。sockpuppet 那篇講的「重想一遍、整段換掉」——那些動作才是公司真正累積下來的資產。
真正該投資的是把「機器負責檢查、人負責判斷」這個順序做成制度。AIRUN 的內容產線就是照這個順序在跑——結構、事實、可抽取性交給機器逐條驗，語氣與判斷留在人手上，細節放在 /aeo。
所以 AI 到底該放在整條產線的哪個位置？
讀者的 AI 鼻子只會愈練愈靈，偵測器與繞過工具的軍備競賽你追不完，也不該追。text-humanizer 能不能過 GPTZero 是個技術問題，而你的客戶讀完有沒有想回信，是另一個完全不同的問題——後者沒有任何工具幫得上忙。
今天就做的一件事：下一篇要對外發的東西，自己寫完初稿再開模型，並在提示詞第一行打上「只列出問題，不要給建議句子，不要稱讚」。一週後回頭看，你會知道差別在哪。
常見問題
text-humanizer 是免費的嗎？用它要花錢嗎？
專案本身採 MIT 授權、完全開源免費，但它靠 DeepSeek 改寫、Google 翻譯、DeepL（選用）串成管線，你得自備 DeepSeek API key，想跑第三道工序還要另外申請 DeepL key。程式碼不用錢，實際跑起來的 API 費用得自己付。
用了洗味工具，AI 偵測器就真的抓不到嗎？
官方在 GitHub 頁面說明自稱能繞過 Turnitin、GPTZero 這類多數偵測器，但沒有公布任何實測繞過率或第三方驗證。偵測器與繞過工具互相追著更新，今天過得了不代表下個月過得了，而你已經發出去的舊文章會被未來的偵測器回頭掃。
那 AI 到底可以幫我寫什麼？
讓它挑毛病最穩：被動語態過多、同一組措辭反覆出現、「非常」「其實」「真的」這類贅字、哪兩三段搬個位置會瞬間變清楚。這些缺陷人工也抓得到，但抓到第三遍就累了，模型不會累。資訊搬運型的工作也可以全包，例如把逐字稿整理成條列。
客戶直接問我文案是不是 AI 寫的，我該怎麼回？
直說流程：初稿誰寫、AI 做了什麼、最後誰定稿誰負責。只要字是你選的、判斷是你下的，這個回答經得起追問。如果整篇是模型生成再洗過，任何講法都會在對方多問兩句細節時破功，那一刻損失的是整段關係。
團隊已經習慣把文案丟給 ChatGPT，要怎麼改？
從流程順序下手：規定同仁先寫出自己的草稿，才准貼進模型；貼進去時明講「只列出問題，不要給我建議句子，也不要稱讚」。第一週產出會變慢，第二週開始你會發現改回來的東西才是公司自己的話。
哪些文案可以全交給 AI，哪些絕對不行？
內部備忘、規格整理、把會議逐字稿整理成條列，這種資訊搬運交給 AI 全包沒問題。凡是要建立信任的——第一封開發信、道歉信、品牌故事、老闆親自出面的公告——一律人寫初稿，模型只准挑錯，不准提供字句。