为学生、写作者和研究人员打造
AI 代码检测器 ZeroTell 出品 · 依据可查证
粘贴一个函数、一个文件或整份作业。我们会测量 AI 助手常留下的风格习惯，让模型逐行审阅代码，并清楚告诉你结论是怎么得出的。
AI 可能性信号
这只是信号，不是证据。细心的人写出的整洁、注释完善的代码也可能看起来“像 AI”，而修改过的 AI 代码也可能看起来像人写的。切勿仅凭这份报告指控任何人。
报告会显示在这里：可能性等级、针对具体代码行的说明，以及我们测量的每项风格信号。
AI 代码检测器如何运作
粘贴代码或上传文件
可自动识别 Python、JavaScript、TypeScript、Java、C、C++、C#、Go、Rust、PHP、Ruby、Kotlin、Swift 和 SQL，你也可以手动选择语言。
测量风格习惯
注释密度与措辞、命名一致性、脚手架代码、文档字符串模板、防御式错误处理以及行长分布，每次都用同样的方法统计。
模型审阅代码
模型会结合这些测量结果阅读带行号的代码，针对值得注意的代码行写下简短说明，既有支持也有反对 AI 生成的理由。
给出等级和理由
结果为低、中或高可能性，绝不给出虚假的精确百分比，并列出依据，方便你自行判断。
报告包含什么
谁在使用
计算机课程教师
为与学生的沟通找到切入点，并知道该问哪几行代码。
学生
提交前看看自己代码里哪些习惯可能让它看起来像生成的。
招聘团队
审阅笔试作业时，拿到可以在后续面试中讨论的依据，而不只是一个分数。
开源项目维护者
找出可能需要仔细核查许可证和测试覆盖率的贡献。
常见问题
不能，任何工具都做不到。报告只是基于风格习惯的信号，注释认真、遵循编码规范的资深开发者写出的代码也常常看起来“像 AI”。请用它来决定该问什么，而不要单独作为证据。
百分比暗示了风格分析无法做到的精度。低、中、高能如实描述这些信号指向某一方的强弱程度。
注释密度、注释措辞、命名一致性、示例用法块之类的样板代码、模板化的文档字符串、错误处理的冗余程度，以及行长分布的均匀程度。每项都会附上背后的数据。
可自动识别 Python、JavaScript、TypeScript、Java、C、C++、C#、Go、Rust、PHP、Ruby、Kotlin、Swift 和 SQL。其他语言同样会获得模型审阅和与语言无关的信号。
Pro 方案*不消耗积分（*合理使用：写作、学习和代码工具合计每天最多 300 次）。没有方案时，每次检测消耗 2 积分。需要 ZeroTell 账户。单次最多可检测 20,000 个字符。
上传的文件在你的浏览器中读取，并以文本形式发送用于检测。你的代码会发送给我们的 AI 服务商进行审阅，不会被公开或加入任何数据库。