sepia：让 AI 写作不再「AI 味」

你大概有过这种体验：读完一整篇小说，文字流畅、逻辑通顺、句式漂亮，但总觉得哪里不对劲——就像走进一间样板间，每样东西都在，但没有一个角落真正属于你。这种「不对劲」，学术界称之为「AI 味」（AI味儿），而 sepia 要解决的，就是这个问题。

但它不走寻常路。

常规 humanizer 为什么治标不治本

大多数去 AI 味的工具都在字词层面打转：替换同义词、调整句式、打散段落。但 sepia 的作者 Nanako0129 引用了一篇 2026 年的重磅研究——StoryScope（Russell et al., 2026）——来说明这为什么是徒劳。

StoryScope 分析了 61,608 篇故事（人类作品 + 5 款前沿大模型），发现仅凭叙事结构特征，就能以 93.2% 的 macro-F1 区分 AI 小说和人类小说。更扎心的是：就算请人类编辑专门改写了表层风格（换词、调整句式），AI 检测率也只从 95.5% 降到 93.9%——降了个寂寞。

真正让 AI 小说露馅的，是架构层：

• 叙述者直接跳出来解释主题（「这个故事告诉我们……」）
• 情节因果链过于工整、单一
• 情绪只靠身体感受呈现（心跳加速、手心出汗）
• 没有真实世界的参照
• 结局靠主角「成长与接纳」收束
• 时间线全程线性推进，没有闪回、没有留白

这些特征，字词层根本碰不到。所以 sepia 把干预时机往前推——先修叙事架构，再调遣词造句。

三 pass 流程：从骨架到皮肤

sepia 对小说写作和修订采用三 pass 流程，每一层针对不同深度的问题：

Pass 1 — 叙事架构（最关键，也是一般 humanizer 根本碰不到的地方）

这一层做的事，是在全文层面重构叙事的底层逻辑。具体包括：避免叙述者直接阐释主题（让读者自己体会，而不是被告知）；松开过于工整的因果链，在情节中引入「意外」和「延迟」；把关键信息揭露往后放，制造悬念；混用多种情绪呈现模式，不只依赖身体感受；建立稀疏但有机的角色网络，点名真实事物作为锚点。

Pass 2 — 篇章推进（段落级）

处理段落层面的节奏问题：去除「问题 → 分析 → 解决」的标准模板（这是 AI 最爱用的议论文结构），改善故事中段节奏松散的问题，在段落内部和段落之间变换节奏与位置。这一层让文字读起来不像流水线产品。

Pass 3 — 措辞风格（字词级，大多数 humanizer 只做到这里）

处理陈词滥调、句法模板、用词选择、语域匹配等表层问题。

sepia 的核心原则是：以人类分布为校准基准，不要直接反转 AI 分布。 人类写作的各项指标大多落在中段区间，把每条规则都用上的故事反而会形成一套新的特征指纹。所以 sepia 对每篇故事只挑选 3–5 种手法套用，给文本留出余地——宁可少用，不要滥用。

专业文档同样适用

sepia 不仅针对小说，还覆盖了多种专业文档类型。

背后同样有实证支撑：2026 年有一项研究将 StoryScope 的方法迁移到商业博客文章上，用 2,250 篇真人文对上 11,250 篇 AI 镜像，仅用结构特征就达到 98.0 macro-F1。这说明「架构层露馅」在专业写作领域同样成立。

sepia 为此设计了一套通用「Slop 检查清单」，在此基础上为每类文档定制规则：

• 发版说明/公告：用户影响放在前面，每项宣称附佐证，避免营销化表达
• PR/issue 回复：先给答案，引用「file:line」，避免条件反射式称赞，篇幅与事情的重要程度相称
• 事故复盘：不追究个人责任，深入分析机制；附时间戳、记录经历过的无效路径
• 工单：标题写结果，验收条件可测试，可通过链接引用
• 技术文章：从问题切入，记录一条真实经历过的无效路径，提出一个明确判断
• 长篇新闻：导语与正文采用两种语体，引语保留口语质感

覆盖的模型：不止一个列表

sepia 引用了实测数据，而非凭空猜测。README 中明确列出：Claude（实测：Fable 5.1、Mythos 5.1、Fable 5、Mythos 5、Opus 5、Opus 4.8）、GPT（实测：GPT-5.6、GPT-6 Astra）、Gemini（实测：Gemini 3 与 3.1）、DeepSeek（已查阅，未公开发布指南）、Kimi（已查阅，未公开发布指南）。

值得注意的是，未公开提示词指南的厂商被记录为「已查阅，不予猜测」——这种严谨态度值得肯定。

五种操作入口，适合不同场景

sepia 提供五种操作，适合不同的写作需求：

• write：从零开始撰写新内容
• review：只诊断，不修改，给出 AI 检测报告
• refactor：在原文基础上做最小改动，保留原文风格
• recreate：根据原始事实与意图重新撰写，完全重建
• hemingway：应用内置海明威语气，适合英文小说创作

通用路由 /sepia（Claude Code、Grok Build、QwenPaw）或 $sepia（Codex）可以自动识别文档类型并选择合适的 pass。对于中文用户，repo 提供了完整的简体中文和繁体中文文档（README.zh-CN.md、README.zh-TW.md）。

实验性功能：声音/风格叠加

从 v0.4.0 开始，sepia 定义了一套接口，允许在上层叠加声音或风格类 skill。这是 opt-in 机制：明确告知 sepia 启用了声音 skill，它才加载对应的配置；不说就不加载。

内置了两套 profile：海明威 profile（小说采用冰山式省略，专业文体遵循《堪萨斯城星报》规则），以及台湾深度报道 profile（繁体中文新闻语料，九种叙事形态各自的手法）。用户也可以自定义 persona profile，拥有声明式覆盖权。

技术细节

sepia 是一个纯标准的 Agent Skill，不针对任何单一平台。代码库中一份 SKILL.md 通行所有支持的 agent，通过 Skills CLI（77+ agent 支持）可一键安装。Claude Code、Codex、Grok Build、Antigravity 和 QwenPaw 额外提供了原生插件包，每个平台的安装方式各不相同但均已验证可用。

代码库结构清晰：skills/sepia/SKILL.md 是路由核心，references/narrative-pass.md 包含叙事架构 pass 的完整规范，references/rubric.md 包含 30 项叙事特征诊断标准（直接来自 StoryScope 论文），references/model-fingerprints.md 包含各模型家族的专属指纹，references/professional-pass.md 包含专业写作的 slop 检查清单，research/ 目录包含了 11 篇相关研究的摘要整理。

tests 目录包含 test_check_persona.py 和 test_check_versions.py，确保各平台的 prompt 版本一致性。evals/ 目录用于行为评估（behavioral eval），workflows 包含自动化行为评估和版本一致性检查。

局限与争议

sepia 不是一个魔法棒。文档中明确指出：这套声音 skill 接口源自针对一份极简主义样本的盲审实验，属单一案例，并非量测证据。review 操作只诊断、不代改——它会告诉你哪里有问题，但不会自动修。声音叠加功能需要谨慎使用：review 发现文本符合某 profile 时，仅做提示，除非你明确 opt-in。

此外，sepia 对中文小说的叙事特征分析，主要基于英文研究（StoryScope）和繁体中文新闻语料，对简体中文小说的适用性尚待验证。

总结

sepia 的价值，在于它把 AI 检测从「字词改写」的浅层推进到了「叙事架构」的深层。它不是又一个同义词替换工具，而是一套基于实证研究的结构化写作修订体系。对于需要让 AI 生成内容读起来更像人类创作的开发者、写作者和产品经理，这是一个经过深思熟虑的解决方案。

目前已获得超过 2,800 颗 GitHub Star，被收录于 Skill Leaderboard 和 SkillsLLM 等第三方平台验证列表，在 2026 年 8 月底创建至今不到一个月内实现了快速增长，反映了 AI 时代「反 AI 检测」需求的真实存在。