AIGC 检测今年热度居高不下期刊查投稿、单位查材料、高校查论文人人都想要一个AI 生成检测器最好一锤定音给个结论。围绕察元AI文档助手里的 AI 痕迹检查功能我被问到的问题高度集中挑五个最典型的用问答形式说清楚。核心结论先放前面它是保守的疑似度评估能定位原文片段定位是辅助人工复核不是定论更不是司法鉴定。问一能查出一份文档是不是 AI 写的吗答它做的是疑似度评估不是是不是的二元判定。察元内置的 AI 痕迹检查定位就是保守评估输出哪些片段疑似度较高并且能定位到原文片段——不是甩给你一个百分比的总分了事而是把可疑的具体段落指给你看。能定位到片段这一点很关键因为复核必须落在文字上人要能打开原文对着那一段看细节、看逻辑、看是不是像人写的。问二检测结果能不能作为定性依据答不能产品边界写得很明白辅助人工复核而非定论。道理不复杂语言模型是概率系统检测工具同样是基于统计特征的推断拿概率推断当定性证据误判只是时间问题。我身边就有一个反例同事文风本来就工整规范痕迹检查标了几段疑似他自己哭笑不得——写作习惯好不该成为被怀疑的理由。工具若在这类场景里把话说满伤害的就是正常使用者。问三宁可保守不怕漏掉真正的 AI 稿吗答这是明确的取舍而且是正确方向的取舍。漏报的代价是多人工核对几段文字误报的代价是冤枉一个原创作者制造一场说不清的纠纷。两害相权把不确定的表达为疑似而不是实锤是这类工具应有的职业操守。换句话说它应当是分诊台不是判决书——分诊台把病人送到对的科室判决书只能由法官来签。问四正确用法是什么哪些场景适用答当初筛用。建议三步走第一步跑痕迹检查拿到疑似片段清单第二步人工复核这些片段重点看事实细节、个人经验、行文逻辑——AI 生成的内容往往细节空心、举例雷同这是人比工具擅长判断的地方第三步结合写作过程材料草稿、修改记录综合下结论。适合的岗位很具体期刊编辑初筛投稿、单位审核申报材料、导师把关学生论文不适合的用法也直说——别拿它给任何人的处分决定或者评审结论当唯一依据。问五这种保守和产品其他设计是一致的吗答一致甚至是同一套哲学。校对工具 proofread_run 默认 dryRun只返回问题列表不动正文MCP 写回工具不传 confirmed:true 就只给 preview写操作必须显式确认。我常用的提示词就是这个思路先跑一遍校对dryRun汇总问题列表不要先改正文我确认后再写成批注先看清单、再人工确认、然后才动手整个产品的确认策略都在贯彻同一句话机器建议人做决定。痕迹检查的保守只是这条原则在检测场景里的投影。问六这种保守原则还能用在哪儿答同一份保守贯穿整个文档检查链条。痕迹检查定位疑似片段保密检查提示密级标识、涉军涉装、联系方式、项目编号这类敏感信息风险校对工具列错别字清单——三样工具的共同点是只出提示、不动正文、等人裁决。把工具当显微镜用不当法官用这个心态立住了AI 才真正帮得上忙而不添乱。边界收尾克制地讲任何AI 率数字都不该被直接写进处分决定或评审结论检测结果是参考信息不是证据。工具能把复核范围从一万字缩到五百字已经很称职它做不了的是替你承担判断责任。检测工具越流行越要记住它是工具——真到要定案的那一刻该抬头看人不是看分数。