Martin Fowler專欄近期提到，開發者Simon Willison推出了一款LLM陳詞濫調檢測工具，用戶粘貼文本或URL即可標記出LLM常見模式。該工具參考了維基百科關於AI寫作跡象的頁面，而該頁面指出人類在區分人類與LLM生成文本方面表現糟糕。與此同時，另一則來自Martin Fowler專欄的報道顯示，Giles Edwards-Alexander報告稱，在一次旨在檢驗團隊使用全智能體工程實踐能有多大生產力的實驗中，團隊意外促使智能體在git倉庫內創建了一個黑板協調系統。

LLM文風檢測工具與人類辨別力研究

Simon Willison的LLM陳詞濫調檢測工具旨在幫助用戶識別AI生成文本中的常見模式。Martin Fowler在專欄中表示，他像許多讀者一樣對AI生成的散文保持警惕，並引用維基百科頁面指出，人類在區分人類與LLM生成文本方面“出了名地糟糕”。

該頁面引用的研究顯示，儘管關於人類檢測AI生成文本能力的研究仍然有限，但2025年的一項研究表明，人類區分LLM文本與人類文本的能力並不比隨機猜測更好。另一項2025年針對德語論文的研究則顯示，人類對AI文本的“識別率為57%，對人類生成文本的識別率為64%”。

“人類在區分人類與LLM生成文本方面出了名地糟糕。”——維基百科關於AI寫作跡象的頁面

Martin Fowler還表達了對LLM腔調散文的反感，並懷疑自己反應的準確性。他提到自己年歲足夠大，見過各種新的口頭禪出現，過去會將其歸因於年輕人或機場商業書籍。

全智能體工程實驗中的意外發現

Giles Edwards-Alexander報告稱，在一次旨在檢驗團隊使用全智能體工程實踐能有多大生產力的實驗中，團隊意外促使智能體在git倉庫內創建了一個黑板協調系統。該實驗的具體細節和智能體如何被提示創建該系統，目前尚未在摘要中詳細說明。

這一意外發現揭示了智能體工程實踐中的新現象：智能體在協作過程中可能自發形成協調機制。黑板系統通常用於多智能體環境中共享信息和協調任務，而在此實驗中，它出現在git倉庫內，表明智能體可能利用版本控制基礎設施進行協作。

後續關注點

兩則線索分別指向AI生成內容識別與智能體工程實踐兩個方向。LLM文風檢測工具的實際效果、人類辨別AI文本能力的提升空間，以及全智能體實驗中黑板協調系統的具體運作機制和可復現性，均有待進一步觀察。Martin Fowler專欄的後續文章可能會提供更多關於該實驗的細節。