如果你写的是仔细、平实、正确的英语，而且你不是母语者，那么 Claude 水印的故事说的就是你。writehuman.ai（https://writehuman.ai/blog/claude-watermark-punishes-the-wrong-people）上收集的报道描述了检测工具正是把这一群体标记出来，而机制是风格，不是不当行为。平实的正确读起来是可预测的，而可预测性正是检测器打分的东西。
这就是令人不安的部分。本周改变的不是给你的文本加了一把新锁。而是同一个老旧的误报落到错误的人身上有了一个新的理由。
本周究竟改变了什么？
Claude 不会在你的文档上盖一个你能找到并删除的可见水印。改变的是报道的数量和叙事框架：写作者被告知他们经 Claude 辅助或经 Claude 润色的文字带有可检测的特征，而读者被告知一个标记意味着什么。
这是诚实的版本。检测工具使用诸如词元可预测性和句子长度变化之类的信号，来估计一段文字看起来有多像机器生成的。这个估计不是作者身份的记录。没有任何检测器输出能证明任何东西是谁写的。严格意义上的水印是在生成时嵌入的，并且可由模型所有者验证。检测器分数两者都不是——它是一个附带置信度数字的猜测，而眼下被用来针对仔细写作者的就是这个猜测。
所以当有人说“Claude 文本带有水印”时，他们通常的意思是“我这段平实、正确的文字得分很高”。这是两种不同的说法，而其中只有一种是可以检验的。
这对谁的打击最大？
报道精准地指出了这个群体：非英语母语写作者。其机制并不神秘。如果你是正式学习英语的，你被教导在学术写作中避免使用缩略形式，保持句子完整，每次相同的逻辑推进都使用相同的连接词，并且宁愿选择安全的词而非生动的词。而这恰恰是检测器所读取的低方差和高可预测性。
另外三个群体也落入了同一张网：
- 技术和法律语域的写作者。 精确、重复、低方差的文风正是工作要求。
- 在严格风格指南下写作的学生。 内部规则抹去了检测器用作人类信号的个人特质。
- 任何用模型大量编辑过的人。 一次Claude润色让你的过渡更平滑，却使你自己的草稿读起来比之前更像机器写的。
如果你属于上述任何群体，问题不在于你作弊了。问题在于你的写作风格与某种统计特征重叠，而在标记到来之前没有人告诉过你这一点。
在改写任何内容之前，先对自己的草稿做一次句子级别的解读。DeAIze的AI检测器会对整个文档评分，并按AI概率高亮每个句子，这样你就能看到哪些行真正携带了信号，而不是靠猜。改写试用在邮件确认后可享200词，无需信用卡。
今天该做什么，按顺序来
不要从重写开始。先从保留开始。如果标记已经落在你的作品上，原始草稿、你的版本历史和你的笔记就是你的证据，而重写可能看起来像在掩盖。在你动一个字之前，先保存一份副本。
然后按这个顺序来做：
- 找出被标记的段落，而不是整篇文档。 文档级别的分数几乎不能告诉你任何可操作的信息。句子级别的高亮会告诉你哪四个句子承载了信号。
- 检查被标记的句子是否是你写得最用心的那些。 这才是真正重要的诊断。如果你得分最高的句子是你最平实、最套路的表达，那你面对的是风格重叠，而不是披露问题。
- 在这些具体句子里改变节奏。 不是词汇——是节奏。检测器会盯住统一的句子长度和统一的过渡模式。把一个长句拆成两个短句。删掉一个你每段都用三次的连接词。
- 加入只有你能加入的具体细节。 一个日期、一个地点、一个来自你自己数据的数字、一个你选择某种方法而非另一种的理由。机器生成的文字之所以笼统，是因为它没有理由具体。
- 重新评分并比较。 如果被标记的句子变了，而未被标记的没有变，那你就改对了地方。
注意第4步做了什么、没做什么。它让你的草稿更明确地属于你。它并不保证在任何检测器上得到某个特定分数，因为没有任何工具能承诺这一点——任何声称能降低特定数值的供应商，都是在卖给你一个你无法验证的测量结果。
我们自己的数据看起来如何
我们在自己的材料上运行检测器，结果比这场争论双方的营销宣传都要平淡。2026-09-28，我们用 DeAIze 检测器（本地集成，lite 层级）以 30% 标记阈值对两个语料库进行了评分：
| 语料库 | 段落数 | 平均 AI 分数 | 中位数 | 范围 |
|---|---|---|---|---|
| 参考样本（DeAIze 指南，未标记为生成） | 709 | 26% | 25% | 0–69% |
| 未经编辑的模型输出（固定提示词，无编辑） | 12 | 33% | 34% | 4–46% |
有两点很突出。第一，两个分布高度重叠。未经编辑的模型输出并没有落在与参考样本截然不同的区间里。第二，709 个参考段落中有 239 个达到或超过 30% 阈值。这些是基于元数据筛选得到的段落计数，不是独立文档，也不是经过验证的人类假阳性率——同一指南中的段落并非独立样本，因此请把这些数字视为对我们工具的说明，而非总体估计。
同一次运行中还有一个数字：参考样本中 AI 痕迹频率为每 100 词 1 次，未经编辑的模型输出中也是每 100 词 1 次。完全相同。如果你原本以为模型输出会明显塞满痕迹，事实并非如此——这正是为什么对于自然风格本就平实的人来说，“像人一样写”是无用的建议。
当修复反而是错误选择时
在这里要诚实面对边界。当文本是你自己写的、而标记只是风格产物时，重写是正确的做法。但在三种情况下，它是错误的做法：
- 当你使用模型来生成内容实质，而不仅仅是措辞时。 编辑他人论点的表面并不能使该论点成为你自己的。观点、数据和结论必须是你自己的，任何编辑都无法改变这一点。
- 当你处于正式争议中时。 如果小组、编辑或经理提出了疑问，请保留原始内容并遵循相关政策。先重写可能会被视为承认。我们关于AI检测器误报指控的指南涵盖了应记录什么以及按什么顺序记录。
- 当适用政策完全禁止此类协助时。 在检查工具之前先检查规则。在某些课程和工作场所中，问题不在于文本读起来是否像人写的，而在于是否涉及模型，没有任何编辑工作流程能替你回答这个问题。
如果你属于第一类，请停下来重新考虑你试图做什么。如果你属于第二类或第三类，重写可以等一等。
一旦恐慌过去，一劳永逸的解决办法
每周的新闻周期会继续向前。但根本问题不会消失，因为它是结构性的：检测器评估的是可预测性，而谨慎的写作者是有意保持可预测的。
持久的解决办法是一种习惯，而不是一种工具。自己写初稿，用你自己的语域，加入你自己的具体细节。如果你使用Claude或其他模型，请把它用在那些你已经知道自己想表达什么、只是需要帮助说出来的部分——而不是用在思考上。然后做一次编辑，目标是节奏和具体性，而不是词汇。变化句子长度。删掉你已经用了三次的连接词。在没有数字的段落里放一个真实的数字。
这套流程就是全部方法，无论本周的水印新闻最终是否如人们所想的那样，它都有效。我们的人性化AI文本支柱文章逐节介绍了完整的工作流程，并包含一个验证环节，确保你的主张、数量和引用保持完整。请从那里开始，而不是从去除工具开始——去除工具针对的是一种水印，而在大多数情况下，没有人真正证明你的文件中存在这种水印。
关于这背后的恐惧，还有最后一点。担忧的其实不是“检测器会不会标记我”。而是“会不会有人认定这不是我自己写的”。那是人的判断，由能读你的草稿、笔记和修订历史的人做出。分数只是这一判断的一个输入，而且是有争议的输入。记录你的过程，保留你的原稿，当风格问题出现时如实回答。这比标记落下后你做任何修改都更有用。
测量说明：本文中的数字来自我们自己的检测器于 2026-09-28 的运行——n = 709 段来自未标记为生成的指南的参考段落，对比 n = 12 段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核实；段落并非独立文档。方法：/methodology/。