雷蒙：去AI味写作工具与AI Agent工作流复盘

AI 总结 · 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）

雷蒙分享上半年总结及开源“去AI味”写作工具。关键数字：工具可识别35+种中文AI写作痕迹（A·实测）；通过暂停训练营换来60+天空白时间（A·自称）。对搞钱者意义：提供了降低内容“AI感”提升专业度的具体方法，及“判断力优于执行”的认知模型。行动点：试用开源Skill优化文案，参考其AI Agent分工策略。

• 下载开源Skill，批量检测并修改文案去AI味
• 建立强模型做规划、弱模型做执行的分工流
• 参考其暂停高耗时项目换取战略空白的决策
• 评估AI Agent在部署管理中的降本潜力

开源“去AI味”Skill 实战：识别 35+ 种痕迹，重构人机协作分工

内容创作者正面临“AI 味”过重导致信任流失的困境。雷蒙开源的 Skill 工具能批量扫描并修正文案，将“去 AI 味”从主观感觉转化为可执行的标准化流程。核心打法在于利用强模型做判断、弱模型做执行的分层架构，通过降低内容专业度门槛，解决同质化竞争问题。

工具逻辑与核心数据

该工具基于维基百科关于“AI 生成文本特征”的条目构建，专门针对中文语境优化。它并非简单的同义词替换，而是能识别并标注35 种以上典型的中文 AI 写作痕迹，同时提供具体的改写建议。实测中，对 2024 年无 AI 辅助撰写的旧文进行检测，工具准确判定为“无 AI 痕迹”，验证了其误报率的可控性。对于创作者，这意味着可以将文案审校环节自动化，将人力集中在创意与策略上。

关键认知：判断力优于执行

雷蒙在复盘半年工作流时强调，当 AI 承担了大量执行任务后，人类的核心价值回归到“什么值得做”。其工作流呈现明显的分层特征：使用 Fable 5、Opus 等强模型产出计划文档与制度规范，再交由 Codex 或其他模型执行具体任务。这种“昂贵且聪明的判断”与“大量执行”分离的模式，避免了在强模型中陷入琐碎指令，释放了高阶模型的推理潜力。此外，他将高耗时的训练营项目暂停，换取60 余天的空白时间，用于聚焦书写与 Agent 课程筹备，这种“战略性留白”本身也是提升长期产出的关键手段。

可复现落地步骤

• 获取工具：下载开源的“说人话”Skill（/speak-human-tw），将其集成至现有的内容工作流中。
• 批量检测：将待发布的长文案或核心文章输入工具，获取包含 35+ 种痕迹标记及改写建议的报告。
• 模型分工：在任务执行中，强制分离“规划”与“执行”环节。规划阶段使用顶级推理模型，严禁在提示词中预设具体步骤，让模型自主发掘最优解；执行阶段使用成本更低的模型完成代码编写或内容填充。
• 时间审计：每季度评估项目投入产出比，果断暂停高耗时、低边际效益的常规项目，将释放的时间重新分配给核心资产构建（如课程、书籍或深度内容）。

原文 · 雷蒙三十｜幫助忙碌現代人的聰明工作、好好生活的生產力指南：阅读原文 →

相关工具推荐（推广）：TinyFish给AI提供网页内容搜索能力