背景
来自 985 院校的教育学硕士在撰写论文第二章时，大量参考 ChatGPT、豆包、DeepSeek等AI的输出，初次检测显示 AI 率高达 92%，非常紧急。导师要求 48 小时内提交降 AI 版本。
步骤一：拆分章节并设定术语
- 将章节按照“理论基础”“访谈分析”“结论建议”拆成三个文件。
- 零感AI会自动在术语锁定中添加关键概念，如“建构主义学习理论”“访谈编码”，处理中不会去除。
- 选择「学术模式」并开启「篇幅保持」。
步骤二：多轮处理策略
- 第一轮使用「降AI模式」，重点调整句式与逻辑顺序。
- 第二轮针对案例描述部分使用「降重模式」，减少与教材/其他论文的重合度。
- 每轮结束后在历史记录下载差异稿，与原稿对照确保观点不变。
步骤三：人工补充
- 在访谈段落加入真实访谈话语，提升人类痕迹。
- 在结论部分增加个人思考，例如研究限制与后续计划。
- 对引用格式进行核对，确保参考文献编号正确。
结果
| 指标 | 初稿 | 处理后 | | --- | --- | --- | | 知网 AI 率 | 92% | 11% | | 知网 重复率 | 28% | 13% | | 字数差异 | - | +3% |
学生将操作步骤记录在历史备注中，方便答辩时说明处理过程，导师对处理速度与质量表示认可。
教训总结
- 使用术语锁定能保护专业名词，但仍需人工确认例句。
- 多轮处理比一次处理更稳定，尤其是理论类文本。
- 处理完务必在导师指定系统自检，保留报告以备答辩。
该案例证明，只要流程合理，零感AI完全可以满足高校对 AI 率与重复率的双重要求。