Day 20 那篇草稿，我自己念出聲讀了一次。讀到第三段卡住了——不是內容不對，是語氣不對。「值得注意的是」開頭、「此外」接一句、「總的來說」收尾，三段裡出現了三次一模一樣的句型骨架。內容是我提供的材料生成的，沒有錯，但讀起來不像我會寫的句子，像是套了一個模板。

這篇要處理的不是「這樣寫錯不錯」，是「這樣寫像不像我」。論文最終要掛我的名字，語氣也是內容的一部分。

AI 腔調不是玄學，它有具體的樣子
先講清楚在抓什麼，不然「去 AI 腔」這件事會變成憑感覺瞎改。我自己整理出來，最常見的幾種：

過渡詞堆砌。 「值得注意的是」「此外」「然而」「總的來說」，密度遠高於一般人寫作的習慣。人寫東西，段落之間的連接常常是隱含的，不需要每一句都掛一個路標。

每段都是三點排比。 生成的文字很喜歡把任何論點拆成三項並列，即使那個主題本來就不是三件事。三點式本身沒有錯，錯的是每一段都用同一個結構，讀起來像同一份模板複製貼上。

語氣比證據更肯定。 這是 Day 8 提過的問題在論文本文裡的另一種樣子——原文材料裡是「可能相關」，生成出來變成「顯示出相關性」；材料裡是「初步發現」，生成出來變成「研究證實」。確定程度被悄悄調高了。

句子長度過於均勻。 人寫作的句子長短是波動的，短句接長句接短句。生成的文字常常每句都差不多長，讀起來像節拍器，沒有呼吸感。

形容詞堆砌但不具體。 「顯著的」「重要的」「深遠的」這種詞出現的頻率很高，卻常常沒有對應到具體的數字或例子去支撐它。

這些不是「AI 寫的東西都很爛」的意思，是這些修辭模式在大量生成文字裡出現的頻率，遠高於人類寫作的自然分布。抓的不是對錯，是分布異常。

為什麼要在意，不只是美感問題
三個理由，重要程度依序遞減，但每個都是真的。

第一，語氣的確定程度要跟證據的確定程度一致，這是學術誠信的核心，不是文字修飾。把「可能相關」寫成「顯示相關性」，是在替我還沒做的論證背書。這件事我不能交給工具判斷，因為工具不知道我的證據撐不撐得住那個語氣。

第二，這是我在 Day 1 就畫的紅線——不讓 AI 寫論文內容。生成一段草稿去理解材料怎麼組織，跟直接把那段草稿當成論文交出去，中間隔著「我有沒有把它變成我自己的話」這一步。這一步不做，那條紅線名存實亡。

第三，比較現實的一層：越來越多學校用 AI 偵測工具掃論文，這些工具抓的正是上面那些修辭模式的統計分布。就算我百分之百自己構思、只是借用 AI 生成初稿再改寫，如果改寫不夠徹底，還是可能被標記，然後要花更多力氣去解釋這件事，而解釋的過程比直接寫成人話麻煩得多。

AI 腔調從哪裡來
理解成因，才知道怎麼改。這些修辭模式不是隨機出現的，是訓練資料裡大量說明文、摘要、報告類文字的共同傾向被放大了——過渡詞讓生成的內容看起來「有條理」；三點排比讓內容看起來「全面」；肯定語氣讓內容看起來「有把握」。這些都是為了讓生成結果讀起來像一篇完整的文章，而不是為了準確反映材料裡的不確定性。

知道這件事之後，我對待生成草稿的態度改變了：草稿是拿來看「材料怎麼組織」的骨架，語氣本身要整段重寫，不是挑幾個詞換掉。

規則檔：一份 AI 痕跡清單
analysis/ai-tone-checklist.md：

AI 痕跡清單

過渡詞（出現頻率異常時標記，不是出現就標記）

值得注意的是、此外、然而、總的來說、需要指出的是、
不僅如此、綜上所述、值得一提的是

語氣升級（材料原意 → 常見的過度肯定版本）

可能／或許 → 顯示、證實、表明
初步發現 → 研究證實
有關聯 → 有顯著相關（未附統計量時尤其危險）
部分支持 → 支持

結構訊號

• 連續三段以上使用相同的「三點排比」結構
• 連續多句字數落在同一區間（誤差小於 5 字）
• 同一過渡詞在全文出現超過（依全文長度抓一個比例，不用絕對次數）

不算痕跡（語境合理就不標記）

「值得注意的是」用在真正需要提醒讀者「這裡容易誤讀」的地方，不算痕跡
三點排比用在真的是三件事的地方，不算痕跡
「不算痕跡」這一段跟「哪裡會出錯」直接相關，先寫在這裡提醒自己：這份清單是抓分布異常，不是抓某個詞本身有罪。

SKILL.md 全文
存在 .claude/skills/ai-tone-check/SKILL.md：

name: ai-tone-check
description: 依 analysis/ai-tone-checklist.md 掃描一段文字，標出可能的 AI 生成痕跡與語氣升級之處，輸出報告，不自動修改原文。使用者說「檢查 AI 痕跡」「去 AI 腔」「這段像不像我寫的」時使用。

AI 語氣檢查

輸入

使用者指定要檢查的段落或章節

規則

1. 只報告，不改寫原文。改寫的語氣要多肯定、多保守，是作者的判斷，不是工具的判斷。
2. 每一處標記都要附上具體位置（第幾句）與理由，不得只給整體印象式的評語。
3. 語氣升級一定要對照材料原文，指出材料寫的是什麼、草稿寫成了什麼，不得只憑「聽起來太肯定」這種模糊判斷。
4. 依規則檔「不算痕跡」的例外情況判斷，不得把每一個過渡詞都標記。
5. 結構訊號（排比、句長）要統計整段或整節，不得只看單一句子。

輸出

analysis/tone-report.md，逐點列出：位置、類型、原文（若涉及材料）、生成稿、建議方向（不是建議句子）
一段示範，跟報告長什麼樣
生成稿的一段（虛構材料）：

值得注意的是，夜班護理人員的睡眠品質可能與職業倦怠有關。此外，工時過長也顯示出對心理健康的負面影響。總的來說，這些因素共同構成了夜班護理人員面臨的重大挑戰。

報告會抓出這些：

1. 【過渡詞密度】三句話用了「值得注意的是」「此外」「總的來說」三個過渡詞，
   密度偏高，建議至少拿掉兩個，改用隱含的段落邏輯銜接。
2. 【語氣升級】第二句「顯示出負面影響」——查原始材料卡片（林_2023），
   原文是「PSQI 總分與情緒耗竭呈正相關，r = .42」。相關不等於因果，
   「顯示出負面影響」把相關性講成了因果性，語氣比證據肯定。
3. 【空洞形容詞】「重大挑戰」沒有對應的具體數字或例子支撐，
   建議換成具體描述或刪除。
   我自己改寫後的版本：

夜班護理人員的睡眠品質與職業倦怠呈正相關（r = .42），工時過長也與倦怠分數升高有關聯。這兩個變項彼此也可能互相影響，本研究的橫斷式設計無法區分何者為因、何者為果。

改寫拿掉了三個過渡詞、把「顯示負面影響」換回材料裡實際的統計量、拿掉「重大挑戰」這種沒有支撐的形容詞，多加了一句橫斷式設計的限制——這句是報告沒有提示我的，是我自己想到材料裡的限制欄該被用在這裡。

哪裡會出錯
它會把「檢查」誤解成「順便改好」。 第一次沒把規則一寫清楚，它掃完報告之後，主動把整段重寫貼在後面，說「已幫您優化」。我沒有要它優化。跟 Day 10 查證、Day 14 資料清理的離群值是同一個問題——工具的角色是報告，語氣要多保守、多肯定，是我對證據強度的判斷，不是工具能替我做的決定。

不是每個過渡詞出現都算痕跡。 第一版清單只要出現「值得注意的是」就標記，結果我自己寫的一句真心覺得需要提醒讀者的地方也被標了。規則檔加上「不算痕跡」那段之後，才開始看語境——是真的在提醒讀者容易誤讀的地方，還是純粹當轉折的填充詞。

過度清除排比句，論文會失去該有的結構。 三點並列本身是清楚的寫作工具，我一度矯枉過正，看到排比就想拆掉，結果一段原本清楚的論點被拆得七零八落，讀起來反而更亂。後來調整成只抓「連續三段以上用同一種排比結構」，單一段落裡的排比不算問題。

它抓不到我自己寫出來的相似語氣。 這份清單是拿生成草稿的統計特徵去比對，如果我自己寫作時剛好也習慣用「此外」開頭，它一樣會標記，因為它看的是文字表面的模式，不知道這句話是誰寫的。這種時候標記出來也沒關係，多一次檢查不吃虧，但不代表被標記的都是生成的痕跡，也可能只是我自己的習慣需要改，這件事工具幫我看見了，但判斷還是我做。

這件事跟資料週的線是同一條
Day 14 到 17 的判準是「規則明確、結果可驗證、動作可逆，才讓它動手」。語氣這件事，規則能寫清楚（過渡詞密度、排比重複），但「這句話的確定程度該多高」不可驗證——沒有標準答案，只有跟證據強度是否相符。所以今天的工具停在報告，跟 Day 10 查證是同一個決定：規則越模糊、判斷成分越高，工具的角色就該退得越後面。

我還不確定的地方
這份清單多久要更新一次，我沒有答案。生成模型的寫作習慣本身在變，今天列的這幾種模式，可能半年後就不是最常見的了，清單需要跟著更新，但更新的依據是什麼、多久檢查一次，我還沒想清楚。另外要不要額外用外部的 AI 偵測工具再掃一次論文，我還在猶豫——這類工具準確率有爭議，用它來確認自己有沒有漏改，跟依賴它來證明論文「夠人」，是兩件不一樣的事，我不想把判斷權讓給一個我不確定準不準的工具。

明天
Day 22：口試模擬器。讓 AI 扮演口試委員，針對我的論文提問——這個工具的風險比今天更高，因為它不只是檢查語氣，是要預演一場真實會發生的對話。