AI 确实很好用，但是它们写出来的内容，总是缺少人情味，读起来总觉得哪里怪怪的，俗称「AI 味」。
我翻了很多文章，发现全网都没有几个人说清楚这个问题，给出的办法，如果让我打分的话，只能说从 30 分提高到 50 分而已。
今天这篇文章，我会教你怎么底层消除 「AI 味」，输出 70 分以上的内容。
想要去掉 AI 味，就得先知道什么是 AI 味？是怎么来的？
我现在不管遇到什么事情，都会思考一下，AI 在这个事情中为我解决什么问题？
所以，打开 ChatGPT，问一下它。
“我现在使用 ChatGPT 帮我写文章、写文案的时候，ChatGPT 写出来的文字看起来有一种“AI 味”，你知道我在说什么吗，AI 味道是怎么来的？”
我之前的文章，有提到过，我们说的概念跟 AI 理解的概念很可能不是同一个东西，就就比如说"幽默感"，人类理解的幽默感是言语间的机智风趣，而 AI 理解的幽默感可能仅仅是笑话或双关语。
所以，我继续追问，让 ChatGPT 生成一段具有 AI 味的文本，嗯，很典型，一眼 AI 写。
接着，继续提问，“那有什么办法能够让 ChatGPT 写出没有 AI 味的内容呢？”
这里，我总结了一下，它给出了几个办法：
-
- 引导性提示
-
- 提供示例让 AI 参考
-
- 人工润色 AI 生成的内容
这个第三点，AI 写出 70 分的内容，人类再优化到 80 分以上，但问题是，现在我用 AI 写出来的东西，50 分都不到啊。
修改 AI 写出来的垃圾，还不如让我自己写呢。
所以接下来，我们把重点放在怎么前面这两个解决方法上。
引导性提示，也就是在提示词里指明你要的风格，例如：口语化、亲切友好的风格、专业严谨的风格等等。
但是，这里又回到了那个问题，我们说的概念跟 AI 理解的概念很可能不是同一个东西。
你理解的「口语化」跟 AI 理解的「口语化」不一样，不信？我们试一下。
我想要的「口语化」是这样的：
而直接让 ChatGPT 使用「口语化」写出来是这样的：
所以说，仅仅是在提示词里加入这些「引导性提示」没有用，像「口语化」这种描述太空泛了。
那怎么描述我想要的那种语言风格呢？
接着往下看。
怎么描述我想要的那种语言风格呢？
答案是：我们根本就无法精准地描述出我想要的语言风格。
这是因为人类的语言存在不精确性，语言本质是对知识的有损压缩。
所以，既然无法描述出来，那就直接给 AI 看，我想要的东西是怎么样的。
这就像，你跟你的朋友描述一处美丽的风景，你用什么「鸟语花香」、「山清水秀」来描述那处风景，都不如直接拎他去现场感受。
所以，最有效的方法就是提供示例，但是怎么提供示例，这里也有很多讲究。
我直接给出答案：
-
1. 不仅要给「好」的示例是怎么样的，还要给出「坏」的示例是怎么样的。
-
2. 选择一个写作能力更强的 AI。
一个个来说，首先什么是「好」的示例，什么是「坏」的示例呢？
在上面那个例子中，好的示例就是：
技术发展到今天这个程度，真的是前无古人后无来者啊。
人工智能、大数据、区块链，这些名词现在家喻户晓，它们正在方方面面地改变我们的生活和工作。
这些技术不仅让我们的效率嗖嗖地往上飙，还大大提升了生活的便利程度。
就拿人工智能来说吧，它不仅能帮我们处理海量数据，还能通过机器学习，预测未来的趋势，简直是未来学家的必备神器。
大数据就更不用说了，海量信息经过大数据一分析，立马变成了我们做决策的法宝。
区块链就是新时代的安全卫士，去中心化的特性，保证了数据的安全和透明。
技术发展推动社会进步的步伐从未停歇，与其抗拒，不如积极拥抱。
只有主动出击，才能在未来的挑战中立于不败之地。
坏的示例就是：
在当今的社会中，技术的发展已经达到了前所未有的高度。无论是人工智能、大数据还是区块链技术，都在深刻地改变着我们的生活方式和工作模式。这些技术不仅提高了我们的效率，也为我们带来了许多便利。
以人工智能为例，它不仅可以帮助我们处理大量的数据，还能通过机器学习算法来预测未来的趋势。大数据技术则能够通过分析海量的信息，为我们提供更加精准的决策支持。而区块链技术则通过去中心化的方式，保障了数据的安全和透明。总之，技术的发展正在不断地推动社会的进步，我们应该积极拥抱这些新技术，以便更好地应对未来的挑战。
写在提示词里就变成了：
测试一下效果怎么样，我让其写了一篇介绍 ChatGPT 的短文，嗯，看起来明显少了很多 AI 味。
除了给出好的示例，选择一个写作能力强的 AI 也很关键。
ChatGPT 终究是不太适合处理写作任务，同样的提示词，发给 Claude 3.5 试一下，你能明显感受到，Claude 用起来是真的舒服。
当然了，claude 也不是谁会用的，账号不好弄。
所以，我去挨个测了国产的大模型，怎么测的呢？
扣子支持大模型的调用，豆包大模型、kimi、智谱等等，都可以在扣子平台上使用。
所以，我弄了一个一键调用所有大模型来回答问题的 bot。
结果发现，额，没一个能行的…
既然以上这几家都不行，我们再去试试其他的，在测试的过程中，发现阿里的通义千问 2.5 写出来的还可以。
虽然跟 claude 写的还是比不了，但也比其他家的好了不少。
让我们回顾一下要点：
-
1. 单纯的引导性提示作用有限，AI 很可能理解不了我们真正想要的东西。
-
- 最有效的方法是提供好坏示例，让 AI 明白我们想要的是什么样的，不想要的又是什么样的。
-
- 选择一个写作能力出众的 AI 模型也很关键，ChatGPT 并不适合写作任务。
快去试试吧～
感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。
因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。