我在一篇号称“纯干货”的营销文章里连续看到了三句“no fluff, no filler, no jargon”，那一刻的荒诞感就像听见一个打满玻尿酸的人不停说“我追求的是自然美”。Simon Willison 显然也受够了。他用 Fable 5 搭了一个 LLM cliché highlighter，一个浏览器扩展，能把 AI 生成文本里最让人反胃的十种陈词滥调给黄底高亮出来——实打实的照妖镜，没有任何拐弯抹角。
这个工具的诞生，比它戳破的笑话更值得听
十个“AI 味”句式，一下全揪出来
Simon 不是拍脑袋挑了这些话。他花了大量时间阅读 LLM 输出，像一位疲惫的编辑批改流水线投稿，最终归纳出十个反复出现的模式。第一条就是 “not only… but also…”，几乎每篇 AI 写的长文都至少出现一次。然后是 “in today’s fast-paced world”，一个已经被用烂到能让读者直接关闭页面的开头。他还逮住了那些假装接地气的“here’s the thing”，以及结尾永远想升华一下的“it’s important to note that”。这些短语不是孤立的词，而是一种思维偷懒的标志——每当 LLM 不知道该写点什么过渡，就开始条件反射式地吐出这些粘合剂。
为什么得是浏览器扩展，而不是一个脚本
很多开发者会写一个 Python 脚本扔到 CLI 里，但 Simon 选择了 Fable 5，一个能直接在浏览器里运行 .NET 代码的框架。这意味着什么？意味着任何人打开网页，点一下扩展按钮，整篇文章里那些陈词滥调就无处遁形。这比终端里的正则匹配有冲击力得多。视觉上的羞辱感才是重点。当“unleash your potential”在屏幕上整行变黄，你很难再假装没看见。Fable 5 在这里扮演的角色也很有意思，它证明了 WebAssembly 级别的应用已经足够灵活，甚至能让一个玩数据库和 Python 的家伙跑去写 C# 来做一个反 AI 套话工具。
“no fluff, no filler”——自己就是最大的 fluff
工具里最讽刺的一条就是“no fluff, no filler, no jargon”。这句话本身往往出现在那些最空泛的导语里。Simon 的高亮让它变成了一个自指的笑话。AI 模型在训练数据里大量吸收这类营销口号，所以它真诚地以为读者喜欢被这样招呼。而当它学会在合适的地方塞进“actionable insights”，它并不知道这两个词组合在一起本身就是一个陈词滥调的警报器。该工具不是简单的词库匹配，Simon 给每条规则写了注释，解释了它为什么令人烦躁，这本身就成了一个人类写作者的自救手册。
这些套话为什么冒出来，又为什么令人厌烦
LLM 没有审美，它只有概率
任何怪到模型头上的问题，根源都在训练数据和奖励机制。那些被 Simon 高亮的短语，在无数博客、通稿和 LinkedIn 帖子里都是高频。LLM 只是在忠实地还原这个世界的平均写作水平。问题在于平均写作水平本身就充满了这些东西。而 RLHF 和偏好对齐让情况更加糟糕——标注员往往给那些看起来“流畅”“专业”的文本打高分，而这些流畅感恰恰来自这些预制的语言积木。“dive deeper into” 本身没有犯错，但它就像一个自动播放的 BGM，读者已经学会跳过。当 AI 也在拼命模仿这些跳过段落，生成的内容就从糟糕变成了一种精确的糟糕。
讨好读者的代价是集体面瘫
最显眼的几个套话几乎都带着一种过度的殷勤。“rest assured”、“let’s explore”、“it’s no secret that”，这些短语在试图建立一个亲密关系，但因为没有真人温度和上下文支撑，效果像电梯里的陌生人对你笑。Simon 的高亮工具没有去分析心理，但颜色标记本身就在提醒你：这里 AI 又在假装它跟你是老朋友。这种讨好本能源于模型被训练成避免争议、保持积极，于是它发展出了一整套安全无害的语言策略，而这套策略正在通过海量 AI 生成内容污染我们自己的语言习惯。
写作的同质化正在被加速，不是被 AI，是被我们自己
工具高亮的“game-changer”、“embrace the journey”看起来是无害的，但当每一个 AI 输出都长着同一张脸，读者对文字的敏感度就被慢慢磨平。这些词句像语言系统里的微塑料，单个影响不大，累积起来却让整个生态变得贫瘠。Simon 做的事情不是技术上的降维打击，而是用一个非常原始的手段——用荧光笔划出来——让我们重新注意到了这些垃圾。而一旦你开始注意，“unlock your full potential”就再也无法正常地从你眼前通过了。
这个小工具的潜在杀伤力，远不止浏览器层面
编辑们突然有了一个免费的 AI 味探测器
内容平台和媒体每天收到海量投稿，其中很大一部分已经用 AI 辅助完成。过去编辑只能凭语感怀疑某段话是机器写的，现在他们可以打开这个高亮工具扫一眼。如果页面上黄黄的一片，连“it’s worth noting that”都来了三个，那基本可以退稿了。Simon 的这项发明最妙的地方在于，它不试图判断整篇文章是否是 AI 生成，而是去揪出那些最像 AI 生成的常用碰撞短语。这个逻辑规避了误判，却极度实用。因为它反过来证明：即便文章是人写的，如果它看起来像机器吐出的一样，那也没有任何价值。
写作者需要的不只是语法检查，是这种来自同行的刻薄
目前市面上的写作助手要么帮你把句子改得更流畅，要么帮你从被动语态改成主动。但 Simon 的工具提供了另一种服务：它用高亮告诉你“你正在使用一个已经被 LLM 搞臭了的表达”。这是一种文化耻辱的标记。它比任何写作建议都有效，因为人类写作者在意自己是否跟风。当你看到自己刚写完的“this is a real game-changer”被高亮，你大概率会删了重写。这不是算法纠错，是品味层面的警醒。
它重新定义了对 AI 输出的“可解释性”
AI 行业的可解释性通常指向模型内部参数和注意力头，但 Simon 用一行行高亮做的事情，其实是对 LLM 行为模式的极端直观可视化。不需要理解 transformer 结构，任何人都能看懂“honestly, I think” 在 AI 输出里有多荒谬。这个工具成了一个桥梁，把技术和普通用户之间的认知鸿沟填平了。同时，它也给那些研究模型行为的学者提供了一个新的思路：有时候理解 AI 不是去拆它的脑，而是去收集它嘴里反复嚼着的口香糖渣。
你觉得它只是玩闹，但它已经是信号
当批判以工具形态出现，影响力会翻倍
一篇博客痛斥 AI 写作的油腻，顶多在圈子里传播一两天。但一个可以在任意页面运行的高亮扩展，会让每个用过的人都变成这些陈词滥调的厌恶者，且会主动去辨别。Simon 没有写一篇道德批判文章，他直接丢出了一个功能完整的产品，而且是在一个冷门得有点好笑的 WebAssembly 框架上做的。这种做法的传播威力，比任何观点输出都强。它不和你争论，它直接把证据涂在你脸上。
十种套话只是起点，规则可以无限生长
现在这个 LLM cliché highlighter 只有十条规则，但 Simon 把规则写得很容易扩展。未来可能加入中文互联网上那些 AI 味十足的固定搭配，比如“家人们谁懂啊”在特定文风里的机械复制，或者“从某种角度来说”这种万能起手式。不同语言、不同文体都需要自己的高亮模式。这个工具的真正未来不是浏览器里一个玩笑式的插件，而是一种开放编辑标准的雏形——任何人都可以贡献自己领域的 AI 废话语库，形成一个去中心化的语言垃圾回收系统。
你手里的写作将变得前所未有地自觉
我在写完这篇稿子之后用 Simon 的高亮工具检视了一遍。它安静地把其中两个字词涂成了黄色。我没有删，因为它们在这段话里的节奏是对的。但我知道，这件事本身就说明这个工具已经达成了目标——它让写作者重新保持清醒。AI 生成的套话并非不能用，但任何无意识的重复都是可耻的。Simon Willison 用十几行 C# 代码教会了我们一个被忽略的真相：识别垃圾，比生成内容重要一万倍。而那个黄底高亮，迟早会变成一种新的标点符号，长驻在每一个还在意语言的人的浏览器里。
