清理 AI 文字的意思是，把大型語言模型留下的排版特徵——長破折號、彎引號、隱藏的 Unicode 字元以及多餘的空白——標準化，讓相同的詞彙以純鍵盤字元的形式輸出，可以直接用於文件、電子郵件、試算表或內容管理系統。清理過程不會改寫措辭，也不會偵測 AI authorship;它只會標準化格式，而這正是重點所在。一個專門為此任務打造的工具——AI Text Cleaner——一次套用六條規則，每一條規則都由獨立的開關控制，所以你可以只修正引號而不動到破折號，或只去除隱形字元而完整保留段落的空白格式。每次執行都會回報每條規則變更了多少字元，把一次靜默的改寫變成可稽核的作業。文字從不離開你的瀏覽器分頁，當草稿是客戶工作、未發布的報告，或任何你不想上傳的內容時，這點很重要。
「清理 AI 文字」真正代表的意思
現代 AI 助理產生的文字讀起來流暢，但帶有可辨識的特徵:作為句子分隔的長破折號、在網頁上看起來正常但在某些純文字編輯器中會顯示為亂碼字型的彎引號、單一字元的省略符，以及——最隱形的——控制字元和零寬度空格，這些會在複製貼上後存活下來，卻不會在螢幕上顯示。對人類讀者而言，文字看起來很乾淨;但對下游工具——拼字檢查器、regex 尋找取代、字數計算器、資料庫匯入——來說，文字充滿了它們看不見的字元。
這些人工痕跡可歸納為幾個類別。句子標點符號:長破折號、短破折號、橫槓、智能引號以及省略符字元。隱形控制字元:零寬度空格、位元組順序記號、軟連字、Trojan Source 漏洞背後的雙向嵌入字元，以及曾被用來嵌入隱形浮水印的 Unicode Tags 區塊。多餘的空白:雙空格、雙 Tab、行尾的尾端空格、段落之間的多個空行。還有來自不同來源的換行字元:Windows 的歸位字元，以及從 PDF、InDesign 和較舊的 Word 文件輸出的 U+2028 與 U+2029 分隔符。
清理的目標是把上述所有項目折返成純 ASCII 標點、普通空格與一致的換行字元——而不動到文字本身、數字，或任何因正當理由而具有關鍵作用的字元。AI Text Cleaner 正好處理這個範圍，不做更寬廣的事。
六條規則與各自處理的目標
這個清理工具組織成六條獨立的規則，每條都有自己的開關與字元變更計數。全部開啟可進行完整標準化;關閉其中一條則可保留該類別的格式不動。
| 規則 | 處理目標 | 取代方式 |
|---|---|---|
| 破折號 | 長破折號 (U+2014)、短破折號 (U+2013)、橫槓 (U+2015)、連字符 (U+2010)、不中斷連字符 (U+2011)、數字連字符 (U+2012) | 前三者可變成連字符、逗號或空格——由你選擇。三個連字符類字元一律變成一個連字符。連續出現會折疊成單一取代。 |
| 引號 | U+2018 到 U+201F，加上撇號 (U+2032) 與雙撇號 (U+2033) 標記 | 直式單引號與直式雙引號。法式引號 (Guillemets) 與 CJK 括弧刻意保持不動。 |
| 省略符 | 單一字元的省略符 (U+2026) | 三個普通的句點。 |
| 隱形字元 | 零寬度空格、位元組順序記號、軟連字、組合字素接合符、LTR/RTL 標記、隱形數學運算子、Unicode Tags、輔助 Variation Selector、固定寬度與不中斷空格、雙向嵌入/覆寫/隔離 | 移除。零寬度接合符、零寬度非接合符以及 Variation Selector U+FE00–U+FE0F 刻意保留。 |
| 空白 | 連續兩個以上的空格或 Tab;每一行行尾的尾端空格 | 折疊為一個空格;修剪尾端空白。 |
| 空行 | 段落之間的多個空行;文字開頭或結尾的空行 | 段落之間最多保留一個空行;移除開頭與結尾的空行。 |
破折號這一列尤其比表面看起來更為複雜。三個連字符類字元 (U+2010、U+2011、U+2012) 與普通連字符在外觀上完全相同，所以跳過它們的工具會留下一個在原始碼檢視中看不到的問題。減號 (U+2212) 是數學運算子，因此保持不動，因為改寫它會改變草稿中任何數字的意義。
如何逐步清理 AI 文字
- 把 AI 產生的文字貼到輸入框，或選擇 Load sample 來查看一個帶有長破折號、彎引號與隱形 Unicode 的典型草稿範例。
- 勾選你希望執行的規則。進行完整清理時，請將六條規則全部開啟。進行部分清理時，請關閉那些你想保留其輸出的規則——例如，如果你有手動調整格式的段落不想被折疊，就可以關閉 Spacing;或如果周遭的文件刻意使用智能引號，就可以關閉 Quotes。
- 選擇破折號要變成什麼:連字符、逗號或單一空格。這個選擇適用於長破折號、短破折號與橫槓。三個連字符類字元一律變成一個連字符，不受選擇影響，因為把字詞內部的連字符變成逗號會破壞字詞。
- 選擇 Clean text。工具會先把每一行的換行字元折疊為 LF，然後依固定順序套用六條規則，處理時會根據 Unicode 字元資料庫驗證每個程式碼點，所以無論是從聊天視窗、PDF、Word 檔案或 Notepad 貼上的內容，行為都一致。
- 檢查工具回報的各規則變更計數。六條規則各自顯示變更了多少字元，讓你能驗證執行結果是否符合預期，而非盲目信任一次靜默的改寫。如果某個計數為零，代表該規則無事可做。
- 把清理後的結果複製到你的文件、電子郵件、CMS 或試算表。
變更計數是在執行取代的同一個作業中計算出來，所以回報的總數永遠與輸出完全一致，而不是估計值。
為什麼這個工具會保留某些字元
一個把所有隱形字元都剝除的清理工具會破壞完全合法的文字。有四類字元是被刻意保留的，每一類的理由都有記載。
零寬度接合符 (U+200D) 把多人組成的 emoji 序列黏合在一起——家庭與情侶 emoji 是由好幾個程式碼點透過這個隱形字元接合而成。移除它，組合就會分解成個別人物。零寬度非接合符 (U+200C) 在波斯文、阿拉伯文以及數種印度文字中是文法上必須的;移除它會破壞文字。Variation Selector U+FE00 到 U+FE0F 包含 Variation Selector 16，這正是讓基底字元呈現為 emoji 而非黑白字型的機制;移除它會在不知情的情況下把你的 emoji 變成字母。
減號 (U+2212) 是數學運算子，而非排版用的連字符，因此保持不動。三個連字符類字元 (U+2010、U+2011、U+2012) 與普通連字符外觀相同，但在某些排版引擎中的行為不同，所以破折號規則會將它們改寫為一個普通連字符以保持一致——這也是它們不在保留清單中的原因。這些排除項目已對照 Unicode Character Database 核對，並與第二個權威來源交叉比對，所以保留清單是精確的，而不是憑空猜測。
本機處理、隱私與一百萬字元上限
清理作業的每一行程式碼都在你的瀏覽器分頁內執行。文字從不上傳到伺服器、從不儲存、從不送往 API、也從不綁定任何帳號。這在三種情況下特別重要:當草稿是你尚未發布的客戶工作、當內容含有你不想被記錄的個人資訊，以及當你單純不想把未發布的文稿送到第三方服務。
輸入上限為一百萬字元，所以非常大的貼上內容在處理過程中不會卡住整個分頁。由於工具在本機執行，頁面載入後即可離線運作，而清理後的輸出就是你的電腦實際產生的內容。沒有排隊、沒有速率限制，也沒有帳號牆。你可以用不同的規則組合重新執行同一段貼上內容，並比較變更計數，看是哪一條規則完成了工作。
輸出永遠使用 LF 換行字元，無論輸入使用的是什麼。Windows 的歸位字元、從 PDF 與 InDesign 輸出的 U+2028 與 U+2029 分隔符，以及任何 CR 與 LF 的混合，都會先折疊為 LF，讓清理規則看到統一的換行表示。這也是為什麼從聊天視窗貼上和從 Word 文件複製的同一段內容，在清理後會產生完全相同的輸出。
這個工具不做什麼
AI Text Cleaner 是一個排版工具，不是寫作工具。它不會重寫句子、不會改寫、不會翻譯、不會改善文風，也不會偵測 AI authorship。它並未聲稱清理後的文字能通過任何 AI 偵測器，切換規則也不會改變這一點。
如果你想讓草稿改寫後讀起來比較不像 AI 輸出，你需要的是改寫工具或真人編輯。如果你想偵測 AI authorship，你需要的是偵測工具——即使如此，結果也不可靠。AI Text Cleaner 解決的是一個特定且更狹窄的問題:AI 助理為本來可讀的散文所添加的排版雜訊。把這個問題處理好就是它唯一的工作，而各規則的變更計數存在的原因，正是讓你能清楚看見實際發生了什麼，而不是憑信心接受一次靜默的改寫。
開啟 AI Text Cleaner，貼上草稿，切換六條規則，並在複製任何下游內容前先閱讀各規則的變更計數。
想深入了解，請參閱 如何在 Word 文件中計算任意上限的字元數。
想深入了解，請參閱 當狀態列不可靠時，如何在 Word 中計算行數。