Tacheles：用正则检测 AI 写作痕迹的开源工具

在大量文本由大模型生成的背景下，如何判断并修改「AI 味」过重的写作成为一个新需求。开源工具 Tacheles 给出的答案是：用规则匹配代替模型判断，在本地标记出具体的 AI 写作痕迹，让作者自行决定如何修改。

工具定位与思路

Tacheles 将 AI 生成文本的典型问题归结为两类：Bloat（冗余）与 Style（风格）。Bloat 指模型逐 token 生成时倾向于使用「最可能」的词，造成信息密度低、词汇堆砌；Style 指诸如破折号过度使用、「不是 X，而是 Y」句式、某些高频词等明显的机器痕迹。工具不做改写，只标记问题所在位置。

相比常见的「AI 概率检测器」和「Humanizer」，Tacheles 走的是第三条路：返回一个「可执行的删除清单」而不是一个百分比分数，也不是由模型重写文本。它的特点是确定性、可重复、完全离线。

核心功能

• 精确标记：每条发现都附带文件行号、问题类型和原因，输出格式类似代码 lint 工具。
• 多语言支持：内置英文（基于 Stephen King 的写作规则）和俄文（基于 Ильяхов 与 Нора Галь 的规则）语言包；希伯来文为实验性支持，德文与西班牙文计划在下个版本加入。新增语言以数据包形式扩展，不需修改代码。
• 可定制的 Profile：内置 essay-en、essay-ru、consulting-en-formal、technical-en 四种配置，用户可复制后根据自身写作习惯调校。
• 写作风格度量：提供 stylometry 功能，可对比两版稿件以验证重写是否至少精简了 10%。
• 配套的 SKILL.md：可与 Claude Code、Claude.ai 或 Agent SDK 配合，完成「检测—按规范重写—复检」循环，并可构建用户的「声音锚点」。

工作原理

工具的检测单元称为 Tell，目前共有 43 条激活规则，外加一条计划中的规则。每条 Tell 是一个命名模式（正则或统计量），在 src/tells/registry.json 中以数据形式定义，包含 id、匹配方式、提示信息和默认严重等级。检测维度分为三类：表面特征（如 s-banned-vocab 标记 delve、robust 等高频 AI 词汇）、节奏（如 r-uniform-polish 检测句子长度过于均匀）、简洁度。

严重等级分为 HIGH、MEDIUM、LOW：HIGH 触发后命令以退出码 1 结束，可直接接入 CI 或 commit hook 作为门禁；MEDIUM 与 LOW 仅报告不阻断。Profile 是一个 JSON 文件，决定启用哪些 Tell 以及严重等级阈值。

使用方式

最简单的运行方式：

npx tacheles check draft.md

或者全局安装：npm install -g tacheles，再运行 tacheles check draft.md。源码用户也可使用 Bun 直接执行。运行后会逐行列出发现的问题，例如：

• HIGH line 3 s-banned-vocab delve
• HIGH line 3 s-banned-vocab robust
• HIGH line 7 r-reframe-opener It's not about the tools you pick, it's

添加 --json 参数可输出机器可读格式，便于接入自动化流程。

Tacheles 本质上是一个规则驱动的写作质量检查器，并不依赖任何 AI 模型，所有检测在本地完成，不上传文本。对于希望保持个人写作风格、又需要使用 AI 辅助起草的作者来说，它提供了一种比「重写」更可控的修改路径。