ai-writing-detection

此技能提供用於辨識 AI 生成內容的專業知識庫與分析方法論。透過多層次驗證策略，將語言特徵與生成文本中內嵌的技術後設資料（Metadata）進行關聯分析，超越簡單的啟發式檢查。本工具專為研究人員、內容審核者與技術寫作者設計，協助評估資訊來源並維持人類創作的完整性。

• 技術後設資料掃描：直接偵測明確的 AI 標記，例如 ChatGPT/GPT-4 的輸出特徵（turn0search, oaicite, utm_source 追蹤碼）、Grok 專用 XML 標籤及 Markdown 結構異常。

• 語言模式比對：分析高訊號 AI 詞彙（如「delve」、「tapestry」）、重複的三段式結構（tricolon）、負面平行句法與同義詞循環替換。

• 模型特徵指紋：識別各主流 AI 平台的特定風格傾向，區分 Claude 的嚴謹語調與 Gemini 的事實密集式對話合成風格。

• 多層次信心評分：涵蓋九個分析維度，包括句子長度變異度（Burstiness）、格式異常（標題首字母大寫過度、行內標題列表）與引用完整性（DOI/ISBN 校驗碼檢查）。

• 誤判防範：提供區分人類創作習慣與演算法模式的指導方針，確保分析的客觀性。

• 適用於審核文件、驗證資訊可靠度，或分析不同 LLM 架構的風格足跡。

• 輸入通常為原始文字字串；輸出則提供基於信心加權的 AI 生成訊號分析結果。

• 建議在下結論前交互驗證多個層級（Layer 1-9），因單一特徵也可能出現在人類的創意寫作中。

• 此方法論針對偵測常見缺陷進行優化，包括「重要性誇飾」、「挑戰與未來」模板化結構，以及預留佔位符的參考資料。