AI内容披露标签：该说什么、何时说

当读者有理由认为文字出自你手，而实际上并非如此时，你就需要添加 AI 内容披露标签。如果 AI 起草、重构或改写了文章的很大一部分，请在开头附近用一句直白的话说明。如果它只是检查了你的语法或建议了一个标题，你无需向任何人声明。

要点总结

• 当 AI 生成了读者会归功于你的文字时，就应披露；如果它只是润色了你自己的句子，则无需说明。
• 平台和出版商越来越多地要求添加标签；法律主要要求你不得误导。
• 有用的标签会说明 AI 做了什么、你做了什么，以及谁核查了结果。
• “AI 辅助”和“AI 生成”是不同的说法，读者的反应也不同。
• 含糊的标签（“可能使用了 AI”）会损害你的信任，却毫无益处。
• 披露保护作品。编辑要求后删除标签才会损害它。

我需要披露 AI 内容吗？

从标签要回答的问题开始：这是谁写的？不是谁打字的，不是谁按下生成键的。谁对文中的主张、结构和判断负责？

如果你是，通常可以轻描淡写地披露，或者根本不披露。如果模型生成了段落，而你只是草草浏览，那么后来发现的读者会把你发布的每一页都视为可疑。这才是真正的代价，它比任何一条披露说明都更高。

外部期望也很重要。学术机构将未声明的 AI 起草视为不当行为问题，这就是为什么同样的披露逻辑贯穿于学术诚信政策 AI规则中。新闻编辑室、代理机构和资助机构各有自己的版本。自由职业合同越来越多地明确规定客户希望声明的内容，而在模糊之处，它应属于简报而非你的头脑——请参阅AI 检测与自由职业工作，了解如何在开始前明确这一点。

何处需要披露，何处可选

期望取决于三件事：谁发布了它，谁对它负责，以及读者是否将其作为证据依赖。

注意这个模式。读者越将你的文本视为证词——一份报告、一项发现、一个承诺——标签就越重要。它越是装饰性的，作用就越小。

监管机构对合成媒体也在朝同一方向推进，而文本的发展方向是点名工具和负责的人类。你不需要追踪每一条规则就能做到这一点。你需要一个可以不加思索地应用的默认做法。

有用的标签与模糊标签的对比

一个有用的标签用一两句话回答三个问题：AI 做了什么，你做了什么，以及谁对此负责。

薄弱的标签听起来谨慎，却什么也没说：

• “本内容创作过程中可能使用了 AI。”
• “本文在 AI 工具的协助下完成。”
• “部分内容可能是生成的。”

这些说法都告诉读者有东西被隐藏了，但没说是什么。读者的想象力会填补这个空白，而且通常会用最坏的情况来填补。

一个有用的标签足够具体，可以被核查：

• “根据我的笔记用Claude起草，由我重写并核实事实。所有数据均已对照原始来源验证。”
• “AI辅助生成大纲和初稿；报道、引述和结论均为我本人完成。”
• “在机器辅助下从西班牙语翻译，并由人工译员编辑。”

具体性正是关键。它将模糊的怀疑转化为有界限的事实。它还使标签可审计，这正是它有效的原因。

如果你现在正在起草披露声明，并想在决定声明内容之前了解哪些句子带有最强的机器信号，请先将段落通过AI检测器运行。句子级分数会显示细心的读者会注意到什么，这通常比你担心的范围要窄。

标签中的AI生成与AI辅助

这两个短语作用不同，读者的理解也不同。

AI生成意味着文本出自模型，你基本按原样呈现。在某些格式中——摘要、模板文本、结构化数据——这是合法的发布内容，但这是一个强烈的声明，它告诉读者降低对作者身份的期望。

AI辅助意味着你撰写了这篇文章，并在过程中使用了工具：大纲、重写一个顽固的段落、翻译一遍、头脑风暴标题。作者身份仍然是你的。这个标签是关于方法的说明，而不是关于来源的免责声明。

大多数关于披露的争议源于人们将两者混为一谈。一位使用模型来润色两个段落的作者将整篇文章标记为“AI生成”，并无谓地贬低了自己的作品。一位让模型撰写整篇解释性文章的出版商称其为“AI辅助”，却误导了所有人。

选择与实际分工相符的措辞，然后具体到足以让持怀疑态度的读者能够核实。

如何披露AI辅助而不削弱作品

披露出错有两种方式：要么埋得太深没人看到，要么被框定为道歉。两者都表明你认为作品有问题。

一套经得起考验的简短规则：

1. 把它放在署名信息所在的位置。 作者署名注、方法说明行、页脚。而不是往下翻三屏才看到的脚注。
2. 说明分工，而不是免责声明。 “AI 起草，我核实”永远胜过“使用了 AI”。
3. 点名负责的人。 有具体姓名的编辑或作者，能把政策声明变成承诺。
4. 说明检查了什么。 来源已核实、数字已确认、引语已返回给发言者确认。这才是真正赢得信任的那句话。
5. 保持语气平实。 用道歉口吻写的标签读起来像认错。用与页面其余部分相同语气写的标签读起来像事实。
6. 始终如一地执行。 只用一次就放弃的披露看起来像危机公关。

还有一点，也是人们会跳过的部分：标签并不能修复一篇薄弱的作品。如果论证站不住脚，标签只会告诉读者这种薄弱来自哪里。作品本身必须先立得住——这就是为什么编辑润色比说明的措辞更重要。清理自己草稿中的机器生成痕迹 是任何披露政策的实用配套。

读者实际上如何回应披露声明

人们担心标签会让读者否定这篇文章。实际上，读者的反应更取决于标签声称了什么，而不是是否存在标签。

读者对两件事反应很差：发现本该有的标签缺失，以及读到一个承认作者并未真正参与的标签。他们对读起来充满把握的标签反应良好——作者清楚知道哪些部分是自己写的。

我们自己的测量数据在这里提供了一个有用的信号。2026-09-19，我们用检测器以 30% 标记阈值对 46 篇手写 DeAIze 指南评分：平均 AI 分数 27%，中位数 25%，范围 0-55%，其中 46 篇中有 17 篇被标记。12 段生成的未编辑模型输出平均得分为 35%。人类写作和机器写作的重叠程度远超披露争论所假设的。标签并不是承认文本由机器生成；它是对方法的说明，而理解这一区别的读者会把它当作普通的出版元数据。

同一测量发现，破绽频率与人们的预期相反：人类样本中每100个词出现3次，而未编辑的模型输出中每100个词出现1次。人类写作者比模型更频繁地依赖熟悉的表达结构。如果你保持沉默的理由是检测器可能无论如何都会标记你，那么数据表明，标签和分数是两个独立的问题。

边缘案例的披露测试

当你确实无法判断是否要声明时，请运行以下测试：

1. 如果读者了解到这是如何制作的，他们会感到被误导吗？
2. 你能用一句话向委托这篇文章的人为标签辩护吗？
3. 标签是否明确指出了AI做了什么，还是只是含糊其辞？
4. 人类是否对标签中提到的声明负责？
5. 你会在下一篇文章上写同样的标签吗？

如果你对第一个问题的回答是否定的，你可能不需要标签。如果你在第三个问题上犹豫，你的标签就太模糊了，帮不了你。

一个实例说明

以下是一个前后对比示例，使用的是虚构案例而非真实客户。

修改前——含糊且防御性：

注：本文在AI技术的协助下完成。尽管我们力求准确，但读者应知悉部分内容可能由AI生成。

修改后——具体且负责任：

制作过程说明：大纲和初稿由模型根据我的采访笔记生成。我重写了每个部分，对照原始文件核实了所有数据，并在第三和第四部分添加了分析。来源已内联链接。更正请联系：[email protected]。

第二个版本更长，这是唯一的实际代价。它明确告诉读者机器在哪里停止、人在哪里接手，并为读者提供了质疑结果的途径。最后这一点正是其可信度的来源。

检测分数适用于何处，不适用于何处

检测器分数是一种概率估计，而非作者身份的证明。这具有两面性。高分并不意味着你使用了AI，低分也不意味着你没有使用。如果你正在决定要声明什么，检测器对于文本的阅读感受是一个有用的第二意见——仅此而已。

在你让分数影响披露选择之前，值得了解这些工具实际在测量什么。AI检测如何工作详细介绍了各种信号，而AI检测器比较展示了主要工具对同一段落的报告差异有多大。两个检测器对你的段落意见不一致是正常的；这不是关于你写作过程的证据。

检测器真正擅长的是编辑。如果某个部分读起来平淡，句子级别的分数会指出携带信号的具体行，你可以重写那些行，而不是整篇。这是一种写作技巧工作流程，而非合规流程。

准备好看看哪些句子读起来像机器写的了吗？

在你写披露声明之前，了解细心的读者会注意到什么会有所帮助。将一段文字粘贴到AI检测器中，阅读句子级别的分数：被标记的行通常比作者预期的要少，而这些正是值得重写的行。

草稿编辑器对整篇文档运行同样的循环——评分，只重写被标记的句子，仅在含义得以保留时才保留重写，然后重新评分并显示前后对比。在网站上的示例段落中，92% 的 AI 评分变为 4%。

如果你正在决定是否声明 AI 辅助，请从注册的免费套餐开始：200 字，无需信用卡。如果你想在决定前比较方案，定价是按量付费，积分永不过期。

诚实地披露。然后让作品足够出色，以至于这个标签是它最无趣的部分。

标签中该写什么，一段话说明

如果你只记住一件事：说明工具的角色，说明你的角色，说明负责人，并让这句话与页面其余部分保持同样的语气。“AI 根据我的笔记起草了本文；我进行了重写和核实；更正请联系我”比任何政策声明都更能建立信任，而且只需一行。只要读者可能合理地认为这些话出自你之手而实际上并非如此，就应用这一条。这就是全部规则。