我的老师能看出我用了 Claude 吗？打开你的文件是看不出来的。Claude 不会在你收到的文本中留下可检测的标记，所以文档本身没有任何东西会暴露这个工具。真正会被注意到的是另一回事：你学校运行的平台上的检测器评分，或者熟悉你写作风格的读者发现了不像你写的模式。即使思考是你自己的，这两种情况也可能发生。
你的老师实际看到的是什么
老师会看到三种情况之一，而且它们不能互换。
检测报告。 如果你的学校运行 Turnitin、Canvas 或机构检查工具，你的老师可能会看到一个百分比或一段被高亮标记的文字。这个数字来自一个统计模型，它将你的文本与它认为与生成式写作相关的模式进行比较。它是一个信号，而不是你使用了 Claude 的证据。信号会出错，而且不同工具对其评分的定义也不同。
人工阅读。 老师熟悉你的文风。如果你平时写作是短句和具体例子，而提交的草稿却平铺直叙、抽象，并且满是自我标榜的过渡词，这种不匹配是他们首先会注意到的。不需要任何工具。
过程检查。 草稿、版本历史、课堂写作，或关于你资料来源的简短对话，比任何百分比都能告诉老师更多信息。如果你不能用自己的话解释一个论点，那就是破绽。
我们自己的检测器在 2026-09-28 运行的结果在这里很有用，因为它显示了信号有多嘈杂。在来自 DeAIze 指南的 709 个未标记为生成的参考段落样本上，AI 得分均值为 26%，中位数为 25%，其中 709 个段落中有 239 个达到或超过 30% 的标记阈值。这些是段落计数，不是经过验证的人类假阳性率，而且人类作者身份并未被独立确认。结果的整体形态仍然重要：未被标记的类人类写作经常接近阈值。临界读数不是认罪。
为什么 Claude 的写作会被标记？
Claude 倾向于产生一种特定的质感。它通常语法干净、节奏均匀，并偏爱某些习惯：三连结构、平衡从句、模糊限定，以及预告下一段内容的过渡句。这些都没有错。它只是很一致，而一致性正是统计检测器所测量的东西。
在同一次 2026-09-28 运行中，十二个未经编辑的模型生成段落平均得分为 33%，中位数为 34%，范围为 4% 到 46%。注意这个范围。一些未经编辑的输出得分很低。一些落在中间附近。没有任何单个句子决定结果，也没有任何单个分数能证明作者身份。
如果检测器标记了你的草稿，在改写任何内容之前，先阅读句子级别的分解。DeAIze 的 AI 检测器 会显示哪些行携带信号，这样你就能看到读者或模型实际在回应什么。
真正有效的修复方法是什么？
解决办法不是用一个替换同义词的工具。而是一遍编辑，把你自己的推理重新放回句子里。三个动作就能完成大部分工作。
- 打破均匀的节奏。 把草稿大声读出来。如果每句话的长度都差不多，就把一句改短，让另一句变长。参差不齐的行文读起来才像是一个人在思考。
- 用具体内容替换抽象表述。 “有几个因素需要考虑”变成你真正在意的两个因素，并说出它们的名字。具体内容很难造假，也容易核实。
- 按你自己的顺序排列论点。 Claude 常常按整齐的顺序构建论证。按你会向同学解释这个想法的方式重新排列它们，即使逻辑看起来没那么工整。
要在你自己的草稿上做这件事，而不是别人的作品上。想法、数据和结论必须是你自己的。如果你用 Claude 来理解一个概念或整理笔记，那和提交生成的文本是两回事，而你的课程政策才是决定哪种做法被允许的文件。如果你想让人帮你看一眼你已经写好的措辞，humanize AI text 会给出修改后的表达，你可以和原文对照，同时检查论点、数量、引用、否定和限定词。
当诚实的答案令人不安
这是大多数指南会跳过的部分。如果你提交了不是你写的、也无法为之辩护的文本，解决办法不是用去 AI 化工具。编辑一份你并不理解的草稿，在和老师交谈时帮不了你，也不应该帮到你。
如果你正处于这种情况，有用的做法是在老师找你之前先去找老师谈。带上你的笔记、草稿，以及一份关于你使用了什么的诚实说明。政策各不相同，结果取决于政策和具体的人。我们关于学术诚信政策下什么算作虚假陈述的文章解释了机构通常如何划清协助与替代之间的界限。
如果你自己写了草稿，但它还是被标记了，那就是另一个问题，而且是可以解决的。保留你的原始文件。保留你的笔记。在修改时记录你的过程，因为你自己工作的记录是你最有力的证据。
一个实例
这里是一个示例，不是测量。原句，是未编辑的 Claude 段落的典型代表：
可再生能源政策的实施需要一种综合方法，在经济考量与环境目标之间取得平衡。
这句话语法上没问题，却几乎什么也没说。一个保留该主张但加入你自己具体内容的修改：
太阳能补贴减少了排放，但也提高了最无力承受涨幅的家庭的电价。这种权衡就是整个论点。
第二个版本更短、不均衡，并且提出了一个你可以辩护的主张。这才是有帮助的方向，无论检测器是否会有任何反应。
何时这是错误的选择
如果你试图隐藏你没有做的工作，改写就是错误的选择。如果你正面临正式指控，这也是错误的选择。在听证会上，修改过的草稿可能看起来像是试图篡改证据。保留原件，整理你的笔记，并遵循流程。我们关于学术诚信听证会上小组会评估什么的指南涵盖了这在实践中是什么样子。
如果你花钱购买某个工具，期望在你学校控制的平台上获得有保证的分数，这也是错误的选择。检测器彼此不一致，也没有任何供应商能承诺另一个工具会报告什么。如果你想了解不同工具如何描述自己的输出，我们的检测器比较将各种定义并排列出。
| 你拥有什么 | 首先做什么 | 不要做什么 |
|---|---|---|
| 你自己的草稿，被标记 | 逐句编辑以调整节奏和具体细节 | 把它粘贴到同义词替换工具中 |
| Claude辅助的大纲，你的行文 | 保留它；查看你的政策中的披露规则 | 假设它自动没问题 |
| 已提交但你无法解释的生成文本 | 和你的老师谈谈；带上你的笔记 | 把它通过人性化工具处理 |
| 正式指控 | 保留原件；遵循流程 | 编辑有争议的文件 |
来源与局限
上述数据来自我们自己的检测器在 2026-09-28 的运行结果，使用本地集成模型，标记阈值为 30%。它们描述的是所选语料库中的段落得分，并非经过验证的人类误报率，而且同一指南中的段落并非独立样本。请将它们视为信号有多嘈杂的示例，而不是对你文章的预测。关于我们如何运行和报告这些测试，请参阅我们的方法论。
如果你想看看自己草稿中哪些行带有这种信号，就把它放进检测器，阅读句子级别的输出。重点不是追逐一个数字。重点是了解读者——无论是人类还是统计模型——在回应什么，并修改真正需要修改的文字。
测量说明：本文中的数据来自我们自己的检测器在 2026-09-28 的运行结果——n = 709 个来自未标记为生成的指南的参考段落，对比 n = 12 个未经编辑的模型段落，AI 得分中位数分别为 25% 和 34%。参考作者身份未经独立验证；段落并非独立文档。方法：/methodology/。