我这周用 WorkBuddy 把降 AI 率做成了流水线，导师说终于看到我在动脑子了

刷到一篇《2026 降 AI 率软件深度实测》，开头那句「知网、万方系统更新后，传统降重手段易被识别」看得我后背一凉。我研三，论文第三章被导师退回三次了，每次批注都一样：「说人话」。不是我不想说人话，是我一开始就用 AI 写了半章，现在满纸 AI 味儿，自己读着都像在念说明书。

那篇实测写得挺认真，五个维度打分，千笔 AI、ThouPen 都测了，表格做得比我的论文还规整。但通篇逻辑还是「哪个工具改写得更像人」，我觉得这思路本身就偏了。降 AI 率这件事，真正的瓶颈在于你改完之后拿什么去跟检测系统周旋，怎么判断哪句话是被判了 AI、哪句改了等于白改。我上周就把整套流程搬进 WorkBuddy 了，跑了三轮，现在每轮降完 AI 率能省一个晚上。

先说我踩的坑。最早我直接用 Word 改，改完丢进知网查，看到哪句标红就回原文改哪句。问题是标红是检测系统给的结论，不是病灶本身。有时候一段话里 5 个标红点，我改成 3 个，剩下 2 个怎么改都还在，因为那一整句的句式和逻辑链本身就是 AI 式的，局部修词没用。后来我换了个思路，不盯着标红了，先让 WorkBuddy 帮我做逻辑层的去 AI 化。

具体操作是这样的。我把论文第三章拆成 6 个段落文件，扔进 WorkBuddy 的一个项目文件夹里，然后在对话里加了条指令：「以下每一段，标出所有『先结论后解释、因果连接词密集、主谓宾结构过于完整』的句子，不要改写，只标注序号和理由」。这一步很关键，因为 WorkBuddy 的模型能力够用，但你不能让它自己发挥，给它划清边界，它反而能照做。它给我的标注里有一类很有规律：凡是出现「因此」「与此同时」这类词开头的句子，基本都有 AI 痕迹，而这些词我用 Word 的查找替换是根本删不干净的。

标注完之后，我建了一个 `修改日志` 的表格，列分别是：段落编号、原句、问题类型、改写方案、状态。然后我把这些信息粘贴进 WorkBuddy 对话，让它按我给的改写方案逐句改，一次只改 3 句，改完我人工过一遍再贴回去。这里有个小诀窍，WorkBuddy 的对话窗口每次只处理一种数据类型，你要是把 6 个段落一次性丢进去，它就给你泛泛而谈，输出全是「建议优化表达」这种废话。我试过，改成一次一段，设置输出格式为「逐行对照：原文 → 改后 → 改动理由」，准确率立刻上来了。

改完之后还有一道工序要走。降 AI 率不是改完就完事，得对比前后差异，方便我写变更说明给导师看。WorkBuddy 有个文件对比功能，我打开 `原稿.docx` 和 `改后.docx`，点对比，它直接生成一份差异清单，连哪句话改了、改成什么都列清楚。然后我让 AI 把这份差异清单转成一段给导师的话，语气平淡一点，就说「第三章逻辑顺序做了调整，部分长句拆分为短句，因果关系用数据支撑」。导师看了没再批「说人话」，就回了个「嗯」。那一瞬间我比查重重过还高兴。

最后说一个避坑点。WorkBuddy 的自动改写功能我基本不用，默认参数下它倾向于把句子改得更书面、更复杂，这跟降 AI 率的目标正好相反。

我都是让它先分析、打标签、给方案，最后我用它给的方案手动落笔，或者让它在严格限定的范围内改写。用了三周 WorkBuddy，我最深的感觉是：这类工具的核心价值不在「替你做」，而在「帮你把该做的看清楚」。降 AI 率也是，检测系统更新再快，只要你自己能一眼看出一段话里哪三句是 AI 味最重的，工具跑得快一点慢一点都无所谓。

降 AI 率软件对付的是标记，WorkBuddy 对付的是标记背后的东西。