你肯定有过这种感觉：刷着手机，突然被一条文案打断 — 不是因为它写得有多好，而是因为它太整洁了。三个工整的排比句、一个反问句，再加上一句读起来像励志海报一样的结束语。你觉得哪里不对劲，却又一时说不上来。
我花了很多时间对比分析 AI 写的社交文案与人类写的文案，客观总结如下：破绽确实存在，但网上流传的大多数说法都是错的。表情符号的多少说明不了什么，完美的语法也说明不了什么。真正暴露它的，是写作的节奏。
精简要领
AI 文案的句长起伏异乎寻常地匀称。而人类文案则是颠簸不平的 — 一句长长的唠叨句，紧接着三个字的短句，再插进一段没人问起的偏题旁白。如果每句话长度大致相当，每个段落都以同样的方式收尾，那就是极强的信号。
真正有效的识别特征
这些是我在 Instagram、LinkedIn 和 X 上频繁看到的规律。单凭任何一条都算不上铁证，但如果两三条同时出现，你面对的大概率就是一个大语言模型。
1. “不是 X，而是 Y” 的造句句式
这种句式无处不在。“这不是终点，而是新的起点。” “这并非挫折，而是成长的契机。” 大模型极其偏爱这种句式，因为它听起来深刻且毫不费力。人类偶尔也会这么写 — 但大概一年一次，而不是一条文案里出现两次。
2. 凡事皆凑满“三样”
三个形容词、三个要点、三段式的结尾句。三分法确实是优秀的写作技巧，正因如此模型才会过度使用它。当你发现一条文案里每一个列表刚好都包含三项时，这种刻意的整齐划一往往超出了作者的无心之举。
3. 异乎寻常对称工整的句子
试着把文案大声朗读出来。人类的写作是会顿挫的 — 主语拉得太长、思绪中途打断、括号忘了关上。而 AI 的写作读起来几乎像诗歌：每句话都在十五到二十个字左右，每句语法完整，句句押在韵律点上。这种过分的均匀是我们测得的最可靠信号。
4. 与正文脱节的抽象标签
一个人分享烘焙酸面包，标签会写 #酸面包 #烘焙 #厨房翻车。而模型生成的酸面包贴文则会打上 #酸面包 #烘焙 #美食家 #灵感 #社区 #旅程 — 宽泛、通用，与其说是描述内容，不如说是在硬套互动流量。文案细节与标签抽象度之间的脱节，在 Instagram 和 TikTok 上是相当管用的破绽。
5. 经典的 LinkedIn 套路开场
LinkedIn 值得单独拿出来说，因为这个平台的文体已经演变成了一套标准公式：单行吸引眼球的钩子，换行，一句短促有戏剧性的句子，再换行，然后讲一个最终升华为商业道理的故事。“我被拒绝了 47 次。” 换行。“以下是它教会我的道理。” 模型从数百万条真实贴文中学会了这种结构并完美复刻 — 讽刺的是，这恰恰让它变得容易被识别。真人会破坏自己的模式，而模型不会。
根本管用的错误误区（请不要再传播了）
这部分比上一部分更重要，因为依赖错误的指标会导致误判真实的人类作者。
“用了破折号，所以是 AI”
不对。破折号在 2025 年成了网络梗，但它从未可靠过。许多优秀的人类写作者大量使用破折号 — 而且最新模型早已被微调削弱了这一习惯，正是因为人们开始注意到它。如果非要说有什么关联，现在大量使用破折号反而与人类写作稍相关。
“语法毫无瑕疵”
任何把文案写在备忘录里并检查了两遍的人语法都很完美。完美的语法代表细心，而不代表作者身份。这种说法伤害了细心的写作者、过度修改的非母语作者以及手机自动纠错开得很猛的人。
“使用了像 'delve' 或 'tapestry' 这样高级的词”
这里有一丝真相 — 早期某些模型确实滥用了少数几个词 — 但这种特征失效得非常快。词汇层面的破绽寿命往往只有一次模型更新的周期。而结构特征留存得要久得多，这也是检测工具更重节奏与预测性而非单字词汇的原因。
在不同平台上的具体表现
同一个模型在不同平台发布的输出看起来截然不同，因为提示词通常包含平台属性。
文案偏长且呈故事体。破绽通常在于反差：一段高度精雕细琢、结构严密的文字，配上了一张看似随手拍的照片。日常随手拍照的人不会突然为一杯咖啡写出五句话的叙事弧光。
X (Twitter)
单条短贴文确实极难判断 — 文本量太少了。AI 露出马脚的地方通常在长推特串（Thread）中。注意看那些每条字数完全相同、且每条结尾都留悬念引向下一条的编号推文。人类写到第四条就会后劲不足，而模型不会。
TikTok
文案往往是事后随手写的，因此无论哪种方式都很单薄。更有用的信号是屏幕上的字幕或口播脚本 — 脚本才是生成结构展现的地方。
主要平台中 AI 生成内容密度最高的地方，也是最难区分的地方，因为人类的帖子也在模仿同样的套路。此时要看细节：真人的帖子会提及具体的公司、真实的数据、真实的人名。而生成的帖子始终保持抽象。
为什么有人需要检测这个
大多数人并不是出于好奇。联系我们的用户通常有具体的实际需求：
- 招聘取证。 招聘人员查看候选人的 LinkedIn 动态，想知道自己读到的究竟是谁的声音。
- 品牌合作。 广告公司在向创作者付费前，想确认自己购买的“人设声浪”是不是只是一段 Prompt。
- 新闻与研究。 引用社交贴文的人需要核实是否由真实的人所言。
- 内容风控。 有组织的刷量号批量生成内容，读起来有一股浓厚的机械味。
注意列表中没有的一项：质问朋友。如果你准备因为一条文案去当面质问某人，诚恳的建议是不要这么做。包括我们在内的所有工具给出的都是概率，而不是供状。
无需看茶叶占卜的专业检测
如果你不想凭肉眼猜度，可以将公开贴文链接粘贴到我们的社交媒体 AI 检测器中，它会提取文案并打分，列出推高分数的具体句子。支持 Instagram、X、TikTok、Threads、Reddit、LinkedIn、Facebook 和 YouTube。
在使用前有两点需要了解。第一，它只分析文本。它展示贴文图片是为了确认抓取正确，但故意不对图片打分 — 图片取证是另一个维度的课题，我们宁可说明现状也不给出一个凭空捏造的数字。第二，它拒绝为少于约 20 个词的文案打分。低于这个字数缺乏足够的统计信号，任何百分比都跟掷硬币无异。
多数文章避而不谈的事实
AI 检测始终是概率性的。较高的分数意味着文本带有与语言模型强相关的模式 — 并不代表有人在撒谎。有些人天生就擅长写工整、均匀、结构清晰的公文。营销文案早在机器能生成之前听起来就有点像机器写的了。此外，任何人都可以把人工写的文案放进润色工具里重写一遍来改变分数。
因此，请像对待烟雾报警器一样对待检测分数：把它当作深入查看的理由，而不是最终判决。被标记的句子比百分比更重要。如果推理过程没能说服你，请相信你自己的阅读直觉 — 你对那个人的声音了解程度超越任何模型。
总结答案
不要再数表情符号和破折号了。改去感受文本的节奏。人类的写作是参差不齐、具体鲜活且偶尔有些凌乱的；而生成的写作则是顺滑、平衡且奇特地回避任何具体名词的。一旦你注意到这一点，你将在网络各处看到它的身影 — 至于这算是一种实用技能还是一种折磨，就取决于你每天上网多久了。
