细节引用人化工作法

原理：LLM 在全网文本上训练，默认输出 ≈ 互联网的平均答案（最高概率答案）；人类的辨识度来自出人意料的跨域联想。盲测中人类答案里一处著名板球运动员的引用成了最强的"人味"信号。

正向应用（让自己更难被替代）：把小众兴趣、冷门参照系融入工作产出——这些"意外连接"是当前 AI 默认给不出的东西，也是读者感知"这是真人写的"的锚点。

反向应用（伪装/识别 AI）：

• 盲测中识别 AI 的头号线索是过于全面、过于冗长；想让 AI 产出过关，关键是让它"quit yapping"（压冗长）。
• 作者在 prompt 里加 "add obscure references" 和 "make some minor grammatical mistakes due to being busy"，即可显著降低被认出的概率（同一任务在 LinkedIn 复测时 AI 得票从 55% 升到 59%）。
• 零错别字、结构过于工整同样是 AI 信号。