去AI味赛道横评：谁洗得最干净

本期范围与核心发现

模型越强，AI味越重——这是2026年9月 Skills 生态里一个正在成型的细分赛道。本期做第7轮拆解，选的赛道是「清洗AI输出痕迹」：同一个工位上站着三件 Skill——在位者 sepia（写作端去AI味）、挑战者 watermark-remover（输出端拆厂商水印）、text-humanizer（后端整体人味化）。核心发现有三条：第一，去AI味已经从一种「写作文风」分化成三条技术路线，分别卡在流水线的上、中、下游；第二，三条路线的增长曲线完全不同，在位者10天星数翻倍，两名挑战者几乎原地踏步，赛道呈赢家通吃形态；第三，挑战者的短板高度一致——不是技术不行，而是没人证明过「洗完之后真的更不像AI」。

赛道格局：一件事，三道工序

flowchart TD
    U["用户手里的AI初稿"] --> Q{"要洗哪种痕迹？"}
    Q -->|"行文套路"| S["sepia 生成端纪律"]
    Q -->|"厂商水印"| W["watermark-remover 拆水印"]
    Q -->|"整体重写"| H["text-humanizer 后端重写"]
    S --> O["更自然的成稿"]
    W --> O
    H --> O

三件 Skill 的分工其实回答了三个不同的问题：sepia 管「别让AI写出AI腔」，卡在生成端；watermark-remover 管「把厂商埋进输出里的水印拆掉」，卡在交付端；text-humanizer 管「已经写完的稿子，整篇重写成人话」，卡在后处理端。同一赛道，三种切口，互为替代也互为上下游。

评测对比表

逐件拆解

watermark-remover：拆水印的手术刀

定位很清楚：它不碰你的文风，只拆交付物里厂商埋的标记。亮点是机制分层写得明白——先做字符级的确定性清洗，再做统计层的改写，两层各管一类水印，这比一把梭的「去痕工具」设计上诚实。短板也明摆着：一是星数两周几乎不动，839 到 841，新星榜上已经看不到后续记录，增长停摆说明它没跑出「装机→口碑」的二次曲线；二是清洗水印这件事天然贴着平台规则的灰色地带，受众愿意用不愿意声张，天生难以积累社区声量。据仓库描述，它面向的是多厂商输出，边界场景（图文混排、水印更新换代）如何处理，未经官方证实。

text-humanizer：最轻的一个，也最模糊

亮点是概念门槛全场最低：不谈水印、不谈纪律，就是「AI稿→人话」一口气说完。短板有三条。第一，赛道纯度不足：描述自称 open-source project 而非 Skill，它未必是标准的 SKILL.md 目录结构，对 Claude Code 这类按 skill 装机的宿主，安装路径可能要绕道；第二，没有声明兼容性——sepia 敢写「77+ 宿主」，它一个字没提，跨工具可用性未知；第三，「人味化」的效果无任何量化口径，改完之后检测率降多少、可读性掉多少，仓库层面看不到承诺。它是三件里最像「方向验证」的一件：想法对，工程还没跟上。

sepia：在位者的护城河在生态

官方定位是「面向所有 Agent Skills 兼容宿主的去AI味写作 skill，经 Skills CLI 可达 77+ 个宿主，带原生插件系统」。亮点两条：一是兼容面 —— 77+ 宿主意味着它把「去AI味」做成了基础设施而不是某个编辑器的插件，这是挑战者短期追不上的；二是插件架构 —— 写作纪律被拆成可插拔的规则层，社区可以往里加方言、加行业腔，这让它从一件 Skill 长成了一个格式。短板：它是生成端方案，管不了别人交付给你的稿子——稿子是别家模型写的、水印已经埋进去了，sepia 无能为力，这正是 watermark-remover 的生存空间。另外10天翻倍之后，基数上来，增速已见回落（9月8日到10日只涨了68星），在位者也开始进入平台期。

增长曲线对照：赢家通吃进行中

三条曲线摆在一起，结论很难回避：这个赛道没有形成均势，在位者的星数是两名挑战者之和的1.7倍，且差距还在拉大。生态位置一旦被占（「装一个去AI味skill」这个心智已经指向 sepia），后来者只能切更窄的场景——拆水印、整篇重写——而窄场景撑不起社区的传播飞轮。同期新星榜上还出现了同思路的外溢件：会议里用 meme 表达情绪的 itsgiving（787星），说明「像个人」的需求正从文本扩到表达，但截至目前，这个需求的钱都进了 sepia 的口袋。

安装命令

# sepia —— 在位者，据仓库描述支持 Skills CLI，兼容 77+ 宿主
git clone https://github.com/Nanako0129/sepia ~/.claude/skills/sepia

# watermark-remover —— 拆水印件
git clone https://github.com/ShadowAqueduct/watermark-remover ~/.claude/skills/watermark-remover

# text-humanizer —— 注意：据描述它是独立开源项目，未必是标准 skill 目录
# 建议先看仓库 README 确认安装方式
git clone https://github.com/SpaceDudem/text-humanizer

分场景排行榜

• 多宿主重度用户首选：sepia —— 唯一声明了广兼容与插件生态的件，装机一次多处生效。
• 交付前清洗首选：watermark-remover —— 只此一家做输出端拆水印，机制分层最透明；用前先对齐平台规则。
• 一次性救稿首选：text-humanizer —— 概念最轻，改完即用，但别指望工程完成度。
• 观察名单：itsgiving —— 人味需求外溢到会议表达的信号件，尚未验证其 Skill 形态。

一个必要的提醒

「去AI味」技术本身中性：把自己的草稿改自然、清掉排版层的脏字符，都是正当需求。但拆水印与规避AI内容标注正在成为各平台的监管重点，拿这类工具冒充人类原创交差、洗稿搬运，风险自负。本栏的立场是看清生态，不是教你怎么躲检测。

另据实说明：本轮三件仓库的 SKILL.md 逐行原文未能抓取，本文机制层全部以官方仓库描述与星数轨迹为据；sepia 的插件格式、watermark-remover 的两层机制细节，值得后续做单拆验证。谁先开源一份可复现的「清洗前后检测率对比」，谁就能把这个赛道从玄学做成工程——目前还没有人交卷。

参考来源

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。