企业官网建设流程全解析

简介：面向论文写作者与文案创作者，这份AI降重资源将浏览器插件工具与多种提示词模板合为一体，可在降低文本重复率的同时提升原创度。压缩包内共19个文件，总体积约28KB，包含6个Markdown提示词文档、6个JavaScript逻辑脚本、2个HTML页面以及CSS样式、JSON配置和bat一键安装脚本，其中md文件覆盖润色、风格个性化、写作指导等场景，js与html构成插件核心功能，bat便于快速部署。已有405人学习浏览。借助无限注册续杯机制，用户可持续获取使用权限；插件源码完整，可自行修改调整，还能根据提示词模板灵活适配论文、自媒体等不同创作需求，适合需要长期降重且希望兼顾效率与原创度的学生和文案从业者。

1. AI 降重「无限注册 + 续杯」解决的不只是省钱

把一段几百字的初稿丢进某个降重工具，弹窗告诉你今天还剩三次免费机会；换一个入口登录，次数变了但总量没变。更多人遇到的是第二种情况：服务按天重置免费额度，登录一次、点一次「领取」就又能跑一段文本。于是「AI 降重无限注册续杯」成了大家既想蹭又不完全搞得清边界的技术关键词——它背后其实是一套完整工程：批量创建真实可用的邮箱身份，把注册流程自动化，再用插件或定时任务把每天的免费额度接住，最终由一批精心调过的提示词去完成「降重」这个动作。这篇文章从一个常写自动化脚本的工程师视角，把注册、续杯、提示词、本地验证四段链路一次讲透，适合已经在折腾 AI 工具和提示词工程，但不想整天手动刷新网页的人。

2. 注册链路的自动化和“无限账号”的边界

先说清楚：所谓「无限注册」，最常见落地路径不是对抗验证码，而是掌握一个能批量产生真实收件地址的渠道，再用浏览器自动化把「填表 → 收信 → 激活」这个环节跑成无人值守。真正被忽略的是账号池的另一端——服务商用什么识别你、续杯的逻辑挂在哪个字段上，这决定了你的脚本是十分钟写完还是折腾一整天。

2.1 先看清降重服务的身份识别链路

大部分网页版降重工具本质是「包了一层壳的 LLM API」：前端把文本连同改写提示词发给后端，后端调大模型计费，前端靠登录态标记身份。常见的识别方式有三类：

动手写脚本前，我会先开浏览器 DevTools 看一遍注册后的网络请求：仔细在 Local Storage 里看到的是一个 JSON 格式的 token，还是请求头里自动带上的 Cookie。前者意味着续杯时可以直接用requests调接口；后者意味着要用 Playwright 这类带有完整上下文的工具，单纯复制 Cookie 经常被后端追加上下文校验顶回来。

2.2 用自建域名 catch-all 实现可持续的注册邮箱

「无限注册」的技术底座一般是自建域名的邮件路由。只要在域名服务商那里开启 catch-all，也就是把所有任意前缀@yourdomain.com的邮件统一转发到一个真实收件箱，就能做到注册一个、新造一个邮箱前缀，且每个地址真实可收信。常见做法是给 Cloudflare Email Routing 写一条Catch-all -> 你的常用邮箱规则，没有成本，也不用维护邮件服务器。

注册脚本只是把邮箱发出去还不够，激活链接通常回在邮件正文里，所以脚本还要具备读信能力。下面这段用 IMAP 拉取验证链接的逻辑，我在多个项目里复用很稳定：

import imaplib import email import re from email.header import decode_header IMAP_SERVER = "imap.example.com" ACCOUNT = "you@example.com" PASSWORD = "your-app-password" def fetch_verify_link(subject_keyword: str, since_days: int = 1) -> str | None: conn = imaplib.IMAP4_SSL(IMAP_SERVER) conn.login(ACCOUNT, PASSWORD) conn.select("INBOX") # 搜索最近一天内标题包含指定关键词的邮件 status, messages = conn.search(None, f'(SUBJECT "{subject_keyword}")') if status != "OK" or not messages[0]: return None # 取最新一封，避免读到历史注册邮件 latest_id = messages[0].split()[-1] _, msg_data = conn.fetch(latest_id, "(RFC822)") raw = msg_data[0][1] msg = email.message_from_bytes(raw) # 兼容邮件编码，先从标题里拿到激活字符串 subject = decode_header(msg["Subject"])[0][0] if isinstance(subject, bytes): subject = subject.decode("utf-8", errors="ignore") for part in msg.walk(): content_type = part.get_content_type() if content_type in ("text/plain", "text/html"): body = part.get_payload(decode=True).decode("utf-8", errors="ignore") match = re.search(r"https://[^\s\"'<>]+?activate[^\s\"'<>]*", body) if match: return match.group(0) return None

IMAP 脚本有两个地方要特别注意。一是邮件到达有延迟，注册后不能立刻拉取，要配合后面的轮询逻辑，间隔 5～10 秒重试；二是很多域名邮箱服务要求单独开应用专用密码，明文密码做双因素校验时会直接登录失败。把since_days收窄到 1 天，也是为了避免账号池里老邮件干扰新验证链接的提取。

2.3 用 Playwright 把注册页面流程跑通

邮箱链路解决以后，注册动作本身用 Playwright 最省事。它的好处是能真实渲染前端页面，遇到 Vue/React 这类动态渲染表单，比用requests去猜接口参数靠谱得多。

from playwright.sync_api import sync_playwright REGISTER_URL = "https://xxx.example.ai/register" EMAIL = "abc-20250408@yourdomain.com" with sync_playwright() as p: browser = p.chromium.launch( headless=True, args=["--disable-blink-features=AutomationControlled"], ) context = browser.new_context( locale="zh-CN", timezone_id="Asia/Shanghai", viewport={"width": 1280, "height": 800}, ) page = context.new_page() page.goto(REGISTER_URL, wait_until="networkidle") page.fill("#email", EMAIL) page.fill("#password", "Aa123456!") page.check("input[name=agreement]") page.click("button[type=submit]") # 注册成功后会跳转到控制台或触发弹窗 page.wait_for_selector("text=注册成功", timeout=15000) token = page.evaluate("() => localStorage.getItem('access_token')") print("拿到 token:", token) browser.close()

这段代码里值得细看的是new_context的参数。每个账号都建一个独立 context，避免 Cookie 串号；timezone_id和locale保持和账号主体一致，能降低被风控单独标记的概率。--disable-blink-features=AutomationControlled是去掉 WebDriver 标记比较通用的做法，但注意它只能处理一部分特征，更严格的服务还会探测屏幕尺寸、Canvas 指纹、字体列表，那种场景需要再套一层指纹伪装，已经属于对抗范畴，这里不展开。

注册链路里最容易卡住的三处，按出现频率排：第一验证码，目前没有通用解法，我的建议是先选风控没那么强的服务调通整个流程；第二邮箱验证时效，很多服务 10 分钟内不使用激活链接就失效，所以 IMAP 轮询要放在注册逻辑里一起跑；第三重复注册检测，品牌邮箱域名比如gmail.com高重复率时极易被拉黑，自建域名会好很多，但同一个域名注册超过十来个账号后还是要观察，发现被限流就换域名前缀。

3. 续杯的自动化：油猴插件、定时任务和账号状态机

「续杯」本质是定期告诉服务端「我还在、额度给我重置」。如果降重服务没有开放 API，最直接的方式就是写一个跑在浏览器里的插件；如果服务有 JSON 接口，则可以用定时任务直接调接口。两者解决的问题不同：插件解决「人在电脑前不想手动点」，定时任务解决「人不在了额度也能自动续」。

3.1 用油猴插件做手动刷新场景下的续杯

大部分网页版工具在免费次数用完以后，会有「明天再来」或「每日领取」这类按钮，点击后额度重置。这种场景写 Tampermonkey 用户脚本比做独立浏览器扩展快得多。下面是我常用的一套通用模板，匹配策略靠按钮文字，适配性很强：

// ==UserScript== // @name AI降重复刷助手 // @namespace local.refill.tool // @match https://xxx.example.ai/* // @grant none // ==/UserScript== (function () { 'use strict'; const triggerTexts = ['立即领取', '免费续杯', '每日重置']; function tryRefill() { const candidates = document.querySelectorAll('button, a, [role="button"], span'); for (const el of candidates) { const text = el.innerText?.trim() || ''; if (triggerTexts.some((t) => text.includes(t))) { el.click(); console.log('[续杯] 已点击:', text, new Date().toLocaleString()); return true; } } return false; } // 每 10 分钟检查一次，不抢服务端资源 setInterval(() => { tryRefill(); }, 10 * 60 * 1000); // 页面刚加载时也立即执行一次 window.addEventListener('load', tryRefill); })();

这里用setInterval而不是MutationObserver，是因为按钮可能在点击后动态隐藏再重新渲染，定时轮询的代码更简单，也不容易被框架内部的状态更新搞乱。triggerTexts是核心维护点，不同家服务的文案差异基本都在这里，实际部署时建议把常用文案都放进数组。

3.2 账号池的数据结构和状态机

注册和续杯凑在一起以后，账号就不再是单个字符串，而是一个要持续维护状态的对象。我一般用 SQLite 存数据，比 JSON 文件更抗并发，字段设计如下：

CREATE TABLE accounts ( id INTEGER PRIMARY KEY AUTOINCREMENT, email TEXT UNIQUE NOT NULL, token TEXT, token_expires_at DATETIME, quota_left INTEGER DEFAULT 0, state TEXT DEFAULT 'idle', -- idle / active / exhausted / banned last_used_at DATETIME, created_at DATETIME DEFAULT CURRENT_TIMESTAMP );

账号状态流转闭环是：idle表示可用，进入续杯任务后先拉一次当前额度，额度不足就把state改成exhausted，等待下一个轮询周期；如果额度恢复，就改回active并记录可用次数。banned状态是给注册频繁或接口调用异常的账号兜底，避免同一个坏账号反复拖累整个池子。

3.3 用 cron 或 systemd 定时跑续杯任务

账号池建好以后，续杯就是一套离线任务。最省力的方式是写一个 Python 脚本，挂在 cron 里每天定时执行：

# 每天凌晨 0 点 5 分跑一次续杯，日志追加到独立文件 5 0 * * * /usr/bin/python3 /opt/refill/refill_loop.py --config /opt/refill/config.json >> /var/log/refill.log 2>&1

脚本内部的核心逻辑，概括起来就是一个带重试和随机延迟的循环：

import time, random, sqlite3 def refill_all_accounts(): conn = sqlite3.connect("accounts.db") rows = conn.execute("SELECT id, email, token FROM accounts WHERE state IN ('idle', 'exhausted')").fetchall() for account_id, email, token in rows: try: quota = query_quota(token) # 查询当前剩余次数 if quota < 1: refill(account_id, token) # 执行续杯请求 time.sleep(random.uniform(2, 6)) # 随机间隔，避免打满服务端频率 except TokenExpiredError: refresh_login(account_id) # 见 5.2，token 过期时回退到重新登录 except RequestTooFrequentError: time.sleep(random.uniform(30, 60)) # 被限流时退避

refresh_login(account_id)是这套体系里最容易被忽略的坑：大多数服务给 token 设置的寿命短，几天后就不可能通过同一个 token 续杯。此时稳住整个账号池的关键，是让脚本里持有 2.3 那套 Playwright 登录代码，检测到 401 就触发一次完整登录流程再拿新 token。并发控制在 4 个账号以内，连续注册和续杯地写在一遍循环里，多数轻量服务不会恶意针对。

4. 降重提示词：模型怎么用比用什么模型更重要

无限注册和续杯只解决「有没有额度」的问题，真正影响博客质量的还是提示词。很多人在 VS Code 插件或者 Cursor 这类 AI 编程环境里调过提示词，很容易发现：换个大模型，同一个降重模板的输出风格差异很大。「提示词工程」在这里的目标不是让模型写出多惊艳的金句，而是稳定地输出「重复度低、信息不丢、AI 味淡」的改写文本。

4.1 基础模板实现「一次改写」

我在这里写一个最常用、能直接复制到任何聊天助手里的降重提示词模板：

你现在是资深中文编辑，帮我将下面文本进行降重改写。要求： 1. 保留所有数字、专有名词和核心事实，不能篡改数据； 2. 尽量避免“然而”“此外”“值得注意的是”这类高频连接词； 3. 打乱原句的修饰语位置和主谓顺序，短句和长句交替出现； 4. 不要输出任何解释或前缀，直接输出改写后的正文。 原文： {把需要降重的段落粘贴在这里}

这个模板看起来简单，三条约束各有用途。第 1 条是防止大模型为了降低重复度，用数字替换的方式偷懒，要知道对技术文档来说，一个版本号被改错比重复度高更严重。第 2 条是针对中文 AI 文风的高频词做负向约束，这类词是构成 AI 检测器「机器味」的重要特征。第 3 条则直接改变句法结构，这是降重最核心的处理手段。

4.2 面向多轮降重的进阶提示词策略

一次改写往往不够，真正需要提交到严格的查重系统里，通常会跑两到三轮。多轮降重里容易犯的错，是同一模型反复用同一个 prompt 改同一段话，改出来的结果只是换了部分词，句式骨架没动。我的做法是把每一轮的目标拆开，比如第二轮只看句式，第三轮专门处理 AI 味：

第二轮：只调整句式，不换同义词。 把原文里所有长句拆成短句，把原文里的短句合并为带有插入语的长句， 保持每一句的信息顺序不变。 第三轮：去掉 AI 痕迹。 把以下文本中的连接词("然而"、"此外"、"因此")删掉或换成口语化表达， 适当增加"但是其实"、"说实话"这类真实写作中常见的小转折。 输出结果不要解释，直接给文本。

多轮提示词之间可能会产生语义漂移，即越改离原意越远。所以在批量跑完三轮以后，我建议把原文和输出交给一个简单相似度检查，超过阈值就重新用初版再跑一次，相关实现放在下面第 5 章。

4.3 批量调用时提示词与模型参数怎么配合

自动化场景里不可能每次手动粘贴原文，一般用兼容 OpenAI Chat Completions 的接口封装一层。下面代码把提示词模板独立存成文件，改 prompt 时不用动主程序逻辑：

from openai import OpenAI import pathlib client = OpenAI( base_url="https://api.example.com/v1", api_key="sk-your-key", ) PROMPT_TEMPLATE = pathlib.Path("refine_prompt.txt").read_text(encoding="utf-8") def refine_text(original: str): resp = client.chat.completions.create( model="gpt-4o-mini", messages=[ {"role": "system", "content": PROMPT_TEMPLATE}, {"role": "user", "content": original}, ], temperature=0.8, presence_penalty=0.3, frequency_penalty=0.2, max_tokens=2048, ) return resp.choices[0].message.content

temperature、presence_penalty、frequency_penalty这三个参数是按降重场景调过的。temperature=0.8让模型在保留原意的同时有足够随机性；presence_penalty=0.3提高新词组出现的概率，避免整段沿用原文短语；frequency_penalty=0.2比较保守，防止模型反复使用同一个替代词。max_tokens设置为原文长度的 1.5～2 倍，文本长时如果卡到上限会出现截断，导致后半段没有处理。

提示词模板单独放文件还有一个好处：你可以拿同样一段测试文本，只改 prompt 文件内容来跑回归测试，不需要每次改 Python 代码。我在本地项目里会同时维护refine_v1.txt、refine_v2.txt两个版本，对比它们在同样参数下的输出，择优上位。

5. 每次续杯前先在本地量化“降重率”，并让账号池自动换新令牌

这一章不用写多，但两个技巧能做到「精准续杯、不好不续」：一是用文本相似度作为降重效果的本地量化标准；二是当账号 token 失效时，自动回退到注册脚本重新登录，把账号池盘活。

5.1 用 TF-IDF 余弦相似度快速检验降重率

在没有查重系统可用时，我先用 TF-IDF 算原文和改稿的余弦相似度，作为降重效果的参考指标。这个指标不能完全替代专业查重系统，但用来做 A/B 测试和 prompt 优化已经足够：

from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.metrics.pairwise import cosine_similarity def similarity_score(original: str, rewritten: str) -> float: vec = TfidfVectorizer(tokenizer=lambda t: list(t.split(" "))) matrix = vec.fit_transform([original, rewritten]) return round(cosine_similarity(matrix[0:1], matrix[1:2])[0][0], 4) score = similarity_score(original_text, rewritten_text) if score > 0.7: print("降重不充分，需要调整提示词后再跑") else: print("输出可用，交给账号池发放")

中文按空格分词做不了太细的切分，简单场景可以把句子用jieba替代空格分词。实践上，原始重复率在 0.85 以上的文本，经过 4.1 的模板一轮处理后如果得分还在 0.75，说明提示词中的句法约束没有生效，优先检查和 prompt 里的第 3 条是否被模型忽略，而不是盲目加参数。

5.2 令牌失效后的自动“再登录”回路

续杯任务跑一阵子以后会出现一种典型故障：账号被踢下线，请求返回 401，脚本里如果没有兜底逻辑，这个账号会一直卡在exhausted状态。正确的做法是把 2.3 里的 Playwright 登录逻辑封装成一个可被调度器调用的函数：

def refresh_login(account_id: int, email: str, password: str) -> str: # 这段是老逻辑，见 2.3 节 token = playwright_login(email, password) # 更新数据库里的 token 和过期时间 update_token(account_id, token) return token

需要注意：refresh_login的触发次数越多，账号被判风险的概率也越高。我会在 SQLite 里给refresh_count建一个字段，当单个账号的登录刷新次数在一周内超过 5 次，就把它降到idle，并通知提醒换新身份，而不必持续重试同一个受伤账号。把「401 → 重新登录 → 更新 token」这个回路接进 3.3 的续杯循环，账号池才能实现长时间不人工干预的稳定运转。

本文还有配套的精品资源，点击获取