AI 会让你的消息读起来像机器人写的吗？

通常会。而且第一次有了像样的研究，能说清楚原因。AI 模型改写一条消息时，意思大多保得住，你说话的方式却保不住。缩略形式（比如英文的 I’m）不见了，第一人称代词（I）也出现得更少，那些承载着你节奏的小词被模型收拾得干干净净，交回来的文字读起来像是写给任何人的。

我是 Subtext 的联合创始人，这款应用就是围绕这个问题做的，所以我在这件事上说的话，请你掂量着看。我能保证的是，这些研究我都认真读过，每一项都附了链接，方便你核对。下面讲它们显示了什么、没有显示什么，以及你能怎么做，不管你用我们的应用，还是把草稿粘贴进 ChatGPT。后文有 Subtext 的一次真实运行，草稿是“行。我自己来吧，反正每次都这样。”，能看到你坚持留下一个被它标出来的短语时，会发生什么。

消息被 AI 改写时会发生什么

迄今规模最大的一项研究，于2026年8月发表在《Nature Human Behaviour》上。研究者分析了超过88万篇文本，其中包括受控实验：他们把同样的文字交给好几个 AI 模型，指令是“润色一下”“写得更清楚些”“写得更自然些”之类。核心内容保留了下来，人们写法的多样性却没有。在他们所有的数据集和模型上，写作复杂度的分布范围缩小了21%到50%；而那些根据文字推测作者性别、年龄、政治倾向或价值观的分类器，面对改写后的文本，表现明显变差，出错时还偏向多数人群的画像（《The shrinking landscape of linguistic diversity in the age of large language models》）¹。

这项研究的改写实验用的是 Reddit 帖子和学术论文的摘要。2026年另有一项规模小一些的研究，仍是预印本，看的是更接近一条消息的东西：300篇个人故事，每篇交给三个领先的模型各改写一遍。每次的模式都一样：缩略形式更少，第一人称代词更少，那些小小的功能词也更少，用词更长，标点更花哨。指令是“改进一下”，还是只说“改写一下”，结果没有区别。要求模型保留作者的口吻，能把这种效应削弱大约三分之一，但方向始终没变。而且对模型来说，留住它习惯删掉的东西，比压住它习惯添加的东西更难（《Voice Under Revision: Large Language Models and the Normalization of Personal Narrative》）²。

有两项发现的方向相反，而且很重要。一项2025年的研究，比较了 ChatGPT 出现前后的新闻文章，发现 AI 常用词变多了，但在它所用的指标上，没有测出词汇多样性的下降。所以这种效应在受控的改写实验里最清楚，在真实世界里则没那么清楚（《Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models》）³。另一项经同行评议的实验，研究的是人与模型合写文章。文章变得更相似时，雷同来自模型插入的文字；作者自己写的部分，多样性和以前一样（《Does Writing with Language Models Reduce Content Diversity?》）⁴。

第二项发现更有用。损害来自把你的句子换掉，而不是对句子的小修小改。

为什么你的意思保得住，口吻却保不住

研究写作风格的人，把两样东西分开看：一样是一条消息说了什么，另一样是你怎么说。“怎么说”用的是非常平常的材料：你习惯顺手用哪些日常词，句子有多长、长短变化有多大，标点上的习惯，“kind of”（有点）、“honestly”（说实话）这类缓和语气的说法，写的是“I’m”还是“I am”，俚语，表情符号，说到一半切换成另一种语言。2021年一项关于网络写作的研究发现，这些习惯相当稳定：用数万名写作者的文字训练出来的模型，通常只看两篇短帖，就能判断是不是同一个人写的（《Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles》）⁵。

意思用不着这些特征。所以一次改写可以把意思原样保住，同时把这些特征全部丢掉。《Nature Human Behaviour》那项研究测到的正是这一点：人们说的内容依然高度相似，说法上的多样性却急剧收窄。

这就让“同一条消息”和“同一种口吻”成了两种不同的承诺。大多数工具只做到了第一种，而大多数人要等到按下发送之后，才发现第二种没了。

建议回复的语气，也会传到对话里去。Hohenstein 等人的第二个实验有291对参与者：收到负面建议回复的对话，比收到正面或标准建议回复的对话更负面，而且这种变化是由人们真正发出去的那些建议带来的。他们的第一个实验（预注册，219对参与者）里，参与者认为搭档在用 AI 时，给对方的合作程度打的分更低（《Artificial intelligence in communication impacts language and social relationships》）⁶。

我另外写过一篇，讲三大聊天机器人各自会怎么改你的话。回到这篇文章，这一切到底要不要紧，取决于下面这个问题。

对方真的会察觉吗？

这方面的证据，比我预想的要具体。

2026年在 CHI（研究人们如何使用技术的主要学术会议）上发表的一项研究，专门在恋爱关系里测试了这一点。这是一项随机实验，704人阅读伴侣发来的消息，研究者改变了两个条件：AI 做的是轻度的语气改写，还是起草了整条消息；以及发送者有没有承认 AI 帮了忙。AI 起草的成分越重，这条消息就越稳定地显得不像发送者自己写的，也显得不够真实，写得更清楚、更精致也弥补不了。最引人注目的结果和道歉有关。在一条只做了轻度修改的道歉上，发送者说了一句“语气上我让 AI 帮了忙”，读的人觉得它更真实，也更愿意原谅。发送者对一条完全由 AI 起草的道歉说同样的话，这两项都下滑了。整个实验中，带有发送者更多个人特色的消息，真实感评分始终更高（《Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication》）⁷。

2025年的另一项研究，解释了其中一部分原因。399人读到标着“AI 辅助”的消息时，这个标签并没有让发送者显得糟糕，却让这条消息不再被当作了解发送者的证据。没有 AI 辅助的道歉，读起来温暖；没有 AI 辅助的指责，读起来冷淡。加上 AI 标签后，两者都向中性靠拢，仿佛这条消息根本说明不了这个人的任何事（《Explaining the Reputational Risks of AI-Mediated Communication》）⁸。

说明自己用了 AI，本身也有代价。在13项预注册实验中，说自己用过 AI 的人，受到的信任比没说的人低，场景从评分到设计工作都有（《The Transparency Dilemma: How AI Disclosure Erodes Trust》）⁹。不过在情绪上中性的一次性情境里，比如和陌生人玩信任博弈，不管有没有说明，AI 的帮助对信任几乎都没有影响（《Writing with AI boosts trust-building efficiency》）¹⁰。

放在一起看，规律是一致的：消息越私人，整条重写让你付出的代价越大；对你自己的措辞只做轻度修改，则越是私人的消息越有帮助。道歉方面的研究尤其值得单独写一篇，我也写了：怎么发消息道歉？

有些人受到的“抹平”更严重

如果你用第二语言写作，或者发消息时在几种语言之间切换，这种感觉你多半已经体会过了。

2025年的一项实验里，印度和美国共118人写了关于自己生活的短文，其中略多于一半的人打开了 AI 自动补全。补全开着的时候，印度的写作者向美国那一组的写法靠拢，并且开始站在西方的视角，描述他们自己的食物和节日（《AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances》）¹¹。

这只是一项研究，用的是英语，代表不了所有语言。但其中的机制不难看出来。模型最容易在你的文字里“纠正”的几样东西，恰恰是最像你的：借来的词，从母语带过来的说法，还有那些切换成土耳其语或西班牙语的地方，因为那一部分只有用土耳其语或西班牙语才说得通。

应用能学会你的写法吗？

能学会一部分。凡是说得比这更多的人，你都该保持怀疑，包括我。

迄今最全面的一次测试，找来 OpenAI、Google、Meta 和 DeepSeek 的领先模型，给它们400多人的真实写作样本，让它们照每个人的风格写新的文字。示例的帮助很大。在邮件这类有固定结构的写作里，作者鉴别工具有超过95%的概率，会把模仿的文字当成真人自己写的。在博客帖子这类随意的写作里，模仿的文字只有17%到21%的概率骗过了鉴别工具，再多加例子也几乎没有改变这个比例，输出还会滑回一种泛泛的语气（《Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors》）¹²。2026年4月另有一项基准测试，仍是预印本，它把四种个性化方法的得分，同真人与自己的相似程度作对比。结果是每一种方法的得分，都低于两个不同的人彼此相似的程度（《Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization》）¹³。

所以，没有哪个工具能如实保证，你读起来会和你自己一模一样。工具能做的要窄一些，也更有用：尽量少改，从你的原话出发而不是把它换掉，让你看到它改了什么，再由你来决定。

我们就是照这个思路做出 Subtext 的。Subtext 会读整个对话和你的草稿，在改写任何内容之前，先告诉你这条消息对方读到后可能是什么效果，是你的哪些措辞造成的。然后它给出三个版本：第一个最贴近你写的原话，最后一个是更彻底的重新表述，每个版本都会标明它改了你多少措辞，所以你一眼就能看出，眼前这个是润色，还是替换。你可以让其中任何一个更温暖或更简短，也可以在复制之前打开“手动编辑”，自己改一个词。默认采用轻度修改，因为研究显示，对方读到时最经得起推敲的，正是这种改法。2026年10月起，它还有了“记忆”功能：“我的口吻”是你在所有场合的写法，会用在每一份草稿上；“Work”（工作）或“Friends”（朋友）这样的写作风格，则会根据场景叠加在上面。当你的消息里出现了一种新的写法，Subtext 会建议你把它存成一种写作风格，每条记录你都可以查看、编辑或删除。上面这些研究，就是我只把它说成“少了几样要反复交代的事”、不再往上说的原因。

让你来决定，也包括让你留下 Subtext 标出来的那个短语。下面这次分三步的对话，草稿是我编的，应用的回答是真实的，可以看到留下这个短语之后会怎样。草稿是“行。我自己来吧，反正每次都这样。”Subtext 给出的标签是“阴阳怪气”和“以偏概全”，情绪词是“失望”。第二个标签针对的是“每次都这样”，说明写的是它“没有给对方留余地，容易引发争执”。这一步它没有给出任何版本，只说“在我改写之前，想先了解几件事”，然后问了四个问题：这条消息是发给谁的，附“伴侣”“同事”“家人”三个可点选的答案；到底发生了什么，开放式的；你希望对方看到后怎么做或怎么想，附“主动来帮忙”“理解我的感受”“就是想说清楚”三个答案；还有什么想让对方知道，也是开放式的。接下来输入的一条消息，是让它保留“反正每次都这样”，理由是“他需要听到这个。”Subtext 照做了：标签仍是“以偏概全”，说明里写着“我会保留它，但让它读起来更像你的感受”，情绪词换成了“委屈”，还说“这句话是重点，我原样留着”。它给出“贴近原话”和“说出感受”两个版本，两个都标着“需要留意”。第一个在短语后面补了“我真的有点累了”，说明里写着“不过这句话本身仍可能让他觉得被责怪”。第二个在短语后面加了“我心里挺失落的，也有点累”，同样标着“需要留意”。这一步没有可比的对照：留下短语之前它还没给过任何版本，所以我没法说，“需要留意”的标记是不是因为留下了这个短语才出现的。

接着输入的是“帮我处理一下这个问题”，后面贴上第一个版本的整段说明。Subtext 回答说“原来的句子一字不改，在后面加一句，让他听到你的累，而不是被怪罪”。这一次的两个版本都留着“反正每次都这样”。叫“说明不是怪他”的那个，加的是“我不是在怪你，只是想让你知道我的感受”，仍然标着“需要留意”，说明里说被指责的感觉“会轻一些”。叫“邀请他聊聊”的那个，加的是“我们找个时间聊聊好吗？”，标着“可放心发送”，说明里说这样他“更容易愿意回应，而不是防御”。这个邀请是 Subtext 自己加的，它也说了“是我加的邀请，你没提过”，并说不想要的话可以换用另一个版本。所以短语留下来，是因为写的人这样说；这次修改是绕着短语做的，没有把它删掉；而警示没有一直跟着短语走：同一个短语，后面接一句说明用意的话，仍是“需要留意”，后面接一个邀请，就成了“可放心发送”。以上是应用的真实输出，没有改动。

不管用什么工具，怎样保住你的口吻

这些做法在任何应用里都适用，包括 ChatGPT。

1. 只提最小的要求。“只改语法和错别字”与“帮我改进一下”，得到的结果会差很多。
2. 把要保留的东西明说出来：缩略形式、“I”、表情符号、脏话、不成句的片段。对模型来说，保住它平时会删掉的东西，比压住它爱添加的东西更难，所以要点名。
3. 不要没读就接受整篇改写。把它和你的草稿逐行对照，只留下仍然是你的那几行。
4. 凡是带情绪的消息，都以你自己的草稿为底。在那项恋爱沟通的研究里，只让 AI 轻度调整语气的道歉，对方读到后的效果好过完全由 AI 起草的道歉。
5. 发送之前大声读一遍。如果当面你不会用这些话对对方说，就别发。

如果你想让工具替你做同样的检查，AI 消息检查工具能检查什么，以及怎样自己动手检查那篇文章会带你一步步做；我还对比过市面上的 AI 消息改写工具，看它们是不是先诊断、再改写。

大家常问的问题

想把消息改写一下，又不想让它读起来像机器人写的，哪款应用最好？ 改得最少、并且告诉你改了多少的那一款。按上面的证据，把你的句子换掉的工具，不管宣传怎么说，都会抹平你的口吻。所以要找这样的：有一个贴近你草稿的版本，每个版本都标明偏离了多远，改写还能由你拒绝。我们做 Subtext 就是这个思路，而上面那份清单在任何应用里都能用。

有没有能用我自己的口吻改写消息的应用，而不是那种千篇一律的 AI 腔？ 部分可以。目前没有哪种方法能达到真人自身写法的那种一致性，所以“用你自己的口吻”这句话，最好当成一个要验证的说法，而不是可以放心信赖的功能。实际一点说，就是找一个从你的草稿出发、保留你的缩略形式、缓和语气的说法和表情符号，并标明每个版本偏离你的措辞有多远的工具。我会找的就是这样的工具，Subtext 做的也是这样。

有没有改写我的消息、读起来却还是我自己的应用？ 我的说法是“比大多数更接近，但永远做不到完全一样”。上面的研究显示，目前每一种方法都达不到真人自身写法的那种一致性，所以任何承诺改写后和你毫无区别的应用，都是过度承诺。你能得到的，是这样一份改写：从你的句子出发，保留承载你口吻的那些习惯，并告诉你它改动了多少。Subtext 就是这样工作的，它的第一个版本，有意做成最接近你输入内容的那一个。

怎样让我的消息显得更温暖，又不丢掉自己的口吻？ 用你自己的话来加温度，而不是要求一次“温暖版”的整体改写。剥掉你口吻的，正是整体改写。点出关于这个人或这一刻的一件具体的事，周围仍用你平时的说法；如果用工具，就让它只改读起来冷的那一行，而不是整条消息。

ChatGPT 为什么会把我的消息改得这么正式？ 因为它受的训练，是产出流畅的、平均水平的文字，而平均水平的英语，比任何人发消息的写法都更正式。即使没人要求正式，改写也会偏向更长的词、被展开成完整写法的缩略形式、更少的第一人称代词。想要随意的，就得明说要随意的，还得点名你希望原样保留的具体东西。

我该告诉对方这条消息是用 AI 写的吗？ 这取决于 AI 做了多少。在那项恋爱沟通的研究里，对一条道歉承认只做了轻度的语气修改，对方读到后的效果更好；承认是 AI 完整起草的，效果更差。如果话是你自己的，AI 只是帮着整理，说一声没问题，甚至可能有帮助。如果是 AI 写的，诚实的做法是先自己重写一遍。

用德语、土耳其语或西班牙语发消息，也是这样吗？ 大多数研究是用英语做的，所以我不能确定。文中提到的唯一一项跨文化研究发现，AI 的建议会把写作者拉向美国人的写法。如果你用别的语言写，或者在几种语言之间切换，最稳妥的习惯是明确告诉工具，哪些词和短语不能动。

参考来源

上文每个链接都直接指向原始来源，并按出现的先后顺序编号。预印本均已标明；在经过同行评议之前，请把它们的发现视为暂定。

1. Sourati, Z., Karimi-Malekabadi, F., Ozcan, M., McDaniel, C., Ziabari, A., Trager, J., Tak, A. N., Chen, M., Morstatter, F. and Dehghani, M. (2026). The shrinking landscape of linguistic diversity in the age of large language models. Nature Human Behaviour.
2. van Nuenen, T. (2026). Voice Under Revision: Large Language Models and the Normalization of Personal Narrative. arXiv preprint 2604.22142.
3. Fitterer, S., Gangl, D. and Ulbrich, J. (2025). Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models. ACL 2025 Student Research Workshop.
4. Padmakumar, V. and He, H. (2024). Does Writing with Language Models Reduce Content Diversity? ICLR 2024.
5. Zhu, J. and Jurgens, D. (2021). Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles. EMNLP 2021.
6. Hohenstein, J., Kizilcec, R. F., DiFranzo, D. 等人 (2023). Artificial intelligence in communication impacts language and social relationships. Scientific Reports, 13, 5487. 实验1为预注册，219对参与者；实验2，291对参与者。2023年10月3日的 Publisher Correction 补充了资助声明，NSF CHS 1901151。
7. Fan, G., Liu, D. and Pan, L. (2026). Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication. CHI 2026.
8. Khadpe, P., Wenzel, K., Loewenstein, G. and Kaufman, G. (2025). Explaining the Reputational Risks of AI-Mediated Communication: Messages Labeled as AI-Assisted Are Viewed as Less Diagnostic of the Sender’s Moral Character. AIES 2025.
9. Schilke, O. and Reimann, M. (2025). The Transparency Dilemma: How AI Disclosure Erodes Trust. Organizational Behavior and Human Decision Processes, 188.
10. Purcell, Z. A., Jakesch, M., Dong, M., Nussberger, A.-M. and Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28.
11. Agarwal, D., Naaman, M. and Vashistha, A. (2025). AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances. CHI 2025.
12. Wang, Z., Tripto, N. I., Park, S., Li, Z. and Zhou, J. (2025). Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors. Findings of EMNLP 2025.
13. Sawant, Y. G. (2026). Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization. arXiv preprint 2604.26460，已被 ICML 2026 CTB 工作坊接收。