判断一段文字是不是 AI 写的，靠直觉往往会掉进坑里。

我之前在整理技术文档时发现一个很有意思的现象：很多所谓的“AI 痕迹”，其实就是概率论在作祟。大模型（LLM）的本质是在预测下一个概率最高的 token。这就导致它的输出有一种极其稳定的“表面纹理”——句子节奏过于平滑，几乎没有人类那种长短错落的跳跃感。

如果你仔细观察，会发现 AI 特别喜欢用一些“高概率废话”来做过渡，比如“it's worth noting”或者“in conclusion”。最典型的特征是词汇过度正式，比如明明用 use 就能解决的问题，它非要用 utilize；甚至连“delve”这个词都快被模型用成某种身份标签了。

但我踩过最大的坑是：千万别把“写得好”等同于“AI 生成”。

目前的 AI 检测器底层逻辑其实是在测量“困惑度”（Perplexity）。简单来说，人类写东西比较乱，词汇选择比较跳跃，困惑度高；而 AI 总是待在概率最高的那个区域，困惑度低。这就产生了一个悖论：一个逻辑极其严密、用词极其考究的学术论文，或者一个经过反复润色的专业文档，在检测器眼里，可能比随手写的草稿更像 AI。

如果你在做数据清洗或者内容审核，我建议不要迷信检测器的百分比得分。它给出的只是一个统计学上的概率信号，而不是判决书。

对于想测试文本规律的同学，可以参考这个逻辑来构建一个简单的检测提示词，看看模型是否会陷入这种低困惑度的陷阱：

Analyze the following text for statistical predictability. 
Identify patterns of "low perplexity" such as:
1. Uniform sentence rhythm and lack of stylistic variation.
2. Over-reliance on high-probability transition phrases (e.g., "it is important to note").
3. Excessive use of formal, non-idiomatic vocabulary (e.g., "utilize" instead of "use").
4. Highly predictable structural patterns (Topic -> Explanation -> Example -> Summary).
Output a "Predictability Score" from 0 to 1, where 1 indicates a highly probable AI-generated sequence.

在 promptcube3.com 这种社区里，大家讨论提示词时经常忽略了这一点：写出高信息熵、高随机性的 Prompt，其实就是在对抗这种“AI 味”。