一个编辑跟我抱怨，说他手底下的稿子"一眼假"，但他说不上来哪里假。我让他把段落发过来，看了三段就明白了：每段都是三句话，每句都在 25 到 30 个字之间，每段结尾都有一个总括句，通篇没有一个具体数字，也没有一个人名。内容没错，逻辑通顺，就是没有人写东西会这么整齐。
这种"整齐"就是所谓的 AI 味。它和很多人以为的"AI 水印"完全不是一回事——前者是文风，后者是数学。混在一起谈会导致两个方向的错误结论：以为把文风改口语化就等于"去掉了水印"，或者以为清理了隐藏标记文章就不像 AI 写的了。都不对。
第一层：AI 味是文风问题
大模型输出的文本有一套很稳定的风格指纹，中文场景下尤其明显，因为中文训练语料里公文、软文、教辅文本占比不低，模型学到的"正式书面语"就带着这几类文本的毛病。
常见特征列一下，拿自己的稿子对着看：
过度对仗与排比。 "既要……又要……"、"不仅是……更是……"、三个四字词并列。人偶尔用排比加强语气，AI 默认就用，一段里出现两三次。
万能开头和万能结尾。 "在当今……的时代"、"随着……的不断发展"、"综上所述"。这类句子信息量是零，整句删掉段落意思不受影响——这是判断废句最简单的测试。
每段都是三点式。 不是三这个数字有问题，是每段都恰好三点有问题。真实的论述里有的点要展开五条，有的一句话就说完了。
破折号泛滥。 中文的破折号用来做解释性插入，正常密度是几百字一个，AI 生成的中文经常一段两三个。
形容词堆砌。 "高效、稳定、可靠的解决方案"。三个近义形容词并列，删掉两个不影响意思。
结论段永远在升华。 讲完具体操作，非要拔到"这不仅是技术问题，更是思维方式的转变"。人写完操作步骤往往就直接停了。
缺具体数字和专有名词。 说"显著提升"不说"从 2.1 秒降到 0.8 秒"。模型在不确定时倾向于用安全的模糊表述。
没有"我"的视角。 没有"我试过"、"这个方案我不推荐，理由是"。所有判断都以中立的第三人称给出，好像没有作者。
句长过于均匀。 这条最难自查但最致命。统计每句字数，AI 文本的方差通常明显偏小，人类写作会出现三字短句紧跟五十字长句的情况。
真正有效的改法
知道特征之后，改法就是反着来，但有几条比其他的管用得多。
加进只有亲历者才知道的细节。 具体的报错信息、日期、某个版本号踩的坑、当时的对话。这是最有效的一条，因为模型编不出这些，而人写自己经历过的事时自然就带上了。
把万能句整句删掉。 不要改写，直接删。删完读一遍，如果段落还通顺，那句话本来就不该在。
让句长参差。 主动制造几个五字以内的短句。像这样。也允许某个句子长到需要读两遍，因为它描述的是一个确实复杂的条件关系，比如某个设置只在特定版本、特定系统、并且开启了某个开关时才触发。
允许口语和不完美。 可以有"说白了"、"反正"。可以承认"我也不确定为什么"。
砍掉一部分对称结构。 三点里删掉最弱的那点，或者把其中一点扩写成两段。不对称本身就是人味的一部分。
第二层：统计水印是数学问题
现在说另一件事，它和上面所有内容都没关系。
有些模型在生成时会往输出里嵌一个统计水印。原理大致是：模型每生成一个词元，会先算出整个词表上的概率分布，水印方案用一个由前文和密钥决定的伪随机函数把词表切成两组，然后让采样在统计上略微偏向其中一组。任何单个词看起来都完全正常，但文本一长，这种偏向会累积成一个可以统计检验的信号。Google 的 SynthID-Text 走的就是这条路。
关键点在于水印藏在词元的选择里，不在文字的外观里。文本的每个字符都是正常字符，没有多余码点。你在本地怎么扫描都扫不出东西，因为确实没有东西可扫。这和零宽字符那类隐形标记是完全不同的层次，后者我在AI 水印是什么里拆过。
所以就有了标题里那个判断：改文风不等于去水印。你删掉万能开头、把句子改得长短不一、加上几个具体数字，文章读起来完全不像 AI 写的了——但如果原文带统计水印，这一轮编辑改动的词元比例可能只有百分之几，剩下的词元选择原封不动，水印信号基本还在。
反过来的方向也要说清楚：大幅改写确实会削弱统计水印。这是原理上成立的——水印信号来自那些被偏好的词元，你替换掉的词越多、重组的句子结构越多，剩下的信号就越弱。换词、拆句合句、调整语序、翻译再译回来，都会实打实降低检出率。
但削弱不等于清除，而且这里有两个必须承认的事实：
第一，没有办法保证清除。信号强度是连续的，检测是个阈值判断，你不知道自己改到了阈值的哪一侧。改动 30% 的词可能不够也可能够了，这取决于原文长度、水印方案参数、检测方设定的阈值——这些你都不知道。
第二，没有公开检测器可以验证。统计水印的检测需要嵌入时用的那把密钥，密钥在模型厂商手里。市面上声称能检测 AI 水印的服务，检的是别的东西（隐形字符，或者困惑度之类的统计特征），不是这类水印。所以你改完之后无法自查确认。
任何工具告诉你"保证清除 AI 水印"、"保证通过检测"，都没有技术依据。能确定给出结论的只有两类东西：文本里的隐形字符和文件元数据——扫描、删除、复查计数归零，全程可验证。词元概率里的水印不在这个范畴内。
那这两层各自该怎么处理
如果你的问题是"稿子读起来像机器写的"，那是编辑问题，解法在上半篇，跟工具无关，靠改。
如果你的问题是"文本从某个界面复制过来，怀疑夹带了不可见字符"，那是确定可解的：扫一遍，删掉，再扫一遍确认归零。发布前顺手做一下没坏处，参见零宽字符与隐形字符：怎么发现、怎么清除。
如果你的问题是"我担心统计水印"，诚实的回答是：你既没法确认它是否存在，也没法确认自己清掉了。这种情况下与其在改写上做无谓加工，不如接受一个更朴素的路径——重要的东西自己写。这不是道德说教，是从可控性出发的判断：自己写的文本，你能对每一部分负责；经过多轮改写的 AI 文本，你对它的状态一无所知。