<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>NLP on 我的博客</title><link>https://blog.5616760.com/tags/nlp/</link><description>Recent content in NLP on 我的博客</description><generator>Hugo -- gohugo.io</generator><language>zh</language><lastBuildDate>Fri, 06 Nov 2026 06:55:00 +0800</lastBuildDate><atom:link href="https://blog.5616760.com/tags/nlp/index.xml" rel="self" type="application/rss+xml"/><item><title>520 万字实测去 AI 味：一个把「读着像 AI」拆成 100+ 项指标的 Skill</title><link>https://blog.5616760.com/0070.html</link><pubDate>Fri, 06 Nov 2026 06:55:00 +0800</pubDate><guid>https://blog.5616760.com/0070.html</guid><description>&lt;p&gt;&lt;img alt="图：去 AI 味 Skill 的封面——约 520 万字语料、100+ 项指标、约 50 万次模型语义判断" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://blog.5616760.com/img/0070-001.jpg"&gt;&lt;/p&gt;&#10;&lt;p&gt;AI 写代码的能力一年一个台阶，写中文长文却仍然让人读着别扭：满篇「不是 A，而是 B」的对举、密集的破折号和分号、看不懂的比喻。常见的应对是列一张禁用词表、塞一段「去 AI 味 Prompt」——实操下来两个明显痛点：&lt;/p&gt;&#10;&lt;ul&gt;&#10;&lt;li&gt;&lt;strong&gt;禁用词表管不住真正的 AI 味&lt;/strong&gt;。很多文章完全避开了「赋能」「闭环」「抓手」，标点也很克制，读完三段依然一眼就能看出是 AI 写的。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;容易乱改、误伤正常表达&lt;/strong&gt;。把十几条经验规则攒在一起喂给模型直接改稿，模型会非常激进地把自然的设问句、「一、二、三」小标题一并删掉，甚至为了「长短句参差」把顺畅的句子硬生生拆碎。&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&lt;p&gt;市面上流传的「AI 味清单」基本来自个案观察和个人语感，从未经过系统检验。开源项目 &lt;strong&gt;lieflat-less-ai-tone&lt;/strong&gt; 换了一条路：从「读着像 AI」这个很难直接验证的主观体验里，找到若干能客观反映模型写作特征的指标，先量化评测，再顺藤摸瓜地从工程和规则上把问题解决掉。&lt;/p&gt;&#10;&lt;p&gt;项目：https://github.com/larashero3-dotcom/lieflat-less-ai-tone（5,317 Star · 328 Fork · CC BY-NC 4.0 · Python）&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;本文数字均来自项目 README、RESEARCH.md、DETECT.md、SKILL.md，非引用二手报道。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;hr&gt;&#10;&lt;h2 id="01--核心思路三件事"&gt;01 · 核心思路：三件事&#10;&lt;/h2&gt;&lt;p&gt;把「去 AI 味」做成一套可靠的 Skill，作者拆成三个问题：&lt;/p&gt;&#10;&lt;ol&gt;&#10;&lt;li&gt;&lt;strong&gt;怎么把脚本数不出来的「AI 味」真正测准？&lt;/strong&gt; 决定能不能抓到藏在句子意思和上下文里的深层习惯。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;哪些语言特征真正影响阅读体验？&lt;/strong&gt; 决定改写规则往哪里发力。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;拿到指标后如何管住模型的手？&lt;/strong&gt; 决定改写过程能否在清理套路的同时，不误伤作者原本的正常表达。&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;两个贯穿的原则：&lt;strong&gt;有效&lt;/strong&gt;——每个指标能简洁直接地对应一个可定位的句法或篇章问题；&lt;strong&gt;可靠&lt;/strong&gt;——评测与改写前后的变化尽量可量化，避免凭感觉盲改。&lt;/p&gt;&#10;&lt;h2 id="02--两轮实验629-篇对照--270-对配对复测"&gt;02 · 两轮实验：629 篇对照 + 270 对配对复测&#10;&lt;/h2&gt;&lt;h3 id="第一轮629-篇对照"&gt;第一轮：629 篇对照&#10;&lt;/h3&gt;&lt;p&gt;同一批话题，五个模型各写 60 篇，与 329 篇人类作者文章对照：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;侧&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;篇&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;汉字&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;句&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;段&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;AI 生成&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;300&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;1,179,105&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;37,642&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;14,549&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;人类&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;329&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;1,647,867&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;57,909&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;31,172&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;合计&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;629&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;2,826,972&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;95,551&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;45,721&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;模型：claude-opus-4-6、deepseek-v4-pro、gemini-3.1-pro、gpt-5.6-sol、kimi-k3。人类侧分组独立统计，用来检验差异在人类内部是否稳定——某一项只在个别组偏高，说明那是个人风格或文体特征，不是人类共性。&lt;/p&gt;&#10;&lt;p&gt;判定采用倍率 R = 生成侧频率 ÷ 人类侧频率：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;R&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;判定&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;≥ 2.0&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;收录为规则&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;1.25 – 2.0&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;需人类侧组间一致且绝对量足&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;0.8 – 1.25&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;无差异，不收&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&amp;lt; 0.8&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;人类更多，反向也不能删&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;另有三项附加条件：&lt;strong&gt;组间一致性&lt;/strong&gt;（极差 ≤ 5 倍）、&lt;strong&gt;算子可定位性&lt;/strong&gt;（能指出改哪一句）、&lt;strong&gt;改写可操作性&lt;/strong&gt;（「补虚词」无法验收，整项弃用）。&lt;/p&gt;&#10;&lt;h3 id="第二轮270-对同题同事实配对复测"&gt;第二轮：270 对同题同事实配对复测&#10;&lt;/h3&gt;&lt;p&gt;第一轮的根本缺陷是&lt;strong&gt;不配对&lt;/strong&gt;——AI 和人类写的题目、事实、长度都不同，测到的差异可能是话题差异。一个典型例子：不配对时「AI 精确数字是人类 3 倍」，同事实配对后 δ 归零（−0.06）——差异全来自话题。&lt;/p&gt;&#10;&lt;p&gt;第二轮收紧：把人类文章里的数字、事件提炼成任务卡发给 AI，让它在同样的事实约束下写同题文章。人类侧 270 篇；AI 侧 GPT-5.6 × 135 + Claude Opus 4.6 × 135，&lt;strong&gt;分开统计&lt;/strong&gt;。三层测量标准：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;层&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;工具&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;测什么&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;规模&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;脚本层&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;Python 正则 + 统计&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;90 项可计算指标：标点密度、句长分布、词汇多样性（mtld/mattr）、欧化构式、小节几何、段落桥接、正式度波动、四字词、黑名单词&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;540 篇全量，配对 Wilcoxon + Cliff&amp;rsquo;s δ，|δ|≥0.33 显著&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;语义层&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;结构化判断接口（Jev）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;9 项脚本测不了的语义指标：结论提示冒号、密集并列、序数词小标题、相邻句同构、段首零回指、句间段间衔接、「这意味着」复述、概括替代具体信息、拟人化喻体 + 活跃暗喻密度&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;约 &lt;strong&gt;50 万次判断&lt;/strong&gt;（第二轮 43.1 万 + 增补轮回指/同义重命名约 11 万）、1.92 万次请求、3.54 亿 token，全部落盘可复算&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;人工层&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;逐句标注 + 抽样复核&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;比喻贴切度、判据误判率&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;AI 比喻失败模式归纳：硬套宏大意象、直译腔、混合比喻、三连标题&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;一个特征在某一层测量中显著即可成立，不需要三层全通过。&lt;/p&gt;&#10;&lt;h2 id="03--四层证据强度的最终指标"&gt;03 · 四层证据强度的最终指标&#10;&lt;/h2&gt;&lt;p&gt;δ 是什么：随机抽一篇 AI 文和一篇人类文对比，「AI 更多」的概率减去「AI 更少」的概率。正数=AI 比人类多，绝对值越大差距越大，0.33 以上算显著，0.66 以上算差距很大。&lt;/p&gt;&#10;&lt;h3 id="第一层跨模型通用显著指标9-条"&gt;第一层：跨模型通用显著指标（9 条）&#10;&lt;/h3&gt;&lt;p&gt;脚本层、语义层、人工层共同测出，GPT-5.6 和 Opus-4.6 同向显著：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;特征&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;脚本层证据（GPT δ / Opus δ）&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;语义层证据&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;方向与例句&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;欧化构式「不是 A 而是 B」&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;+0.88 / +0.72（最强纯写作信号）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;密集并列 1.45 倍&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;「用户购买的不是模型参数，而是一件每天要戴、需要充电、还会出现在社交场合的物品」&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;用词不敢重复（mtld/mattr）&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;+0.91/+0.55、+0.75/+0.55&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;—&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;同一段里「优化／增强／提升／提高」轮着用。人类会反复用同一个词，AI 换着说&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;结构切得太碎&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;小节长度方差 −0.91/−0.75、小标题密度 +0.65/+0.83、每节句数 −0.63/−0.79、小节数 +0.51/+0.70（中位数 AI 7 vs 人类 1）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;—&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;AI 文 1.3–1.7 个小标题/千字（3000–6000 字切 5–9 节），人类整篇连写、按自然话题换段&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;句长/节奏太均匀&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;句长方差 −0.88/−0.40、逗号小句长方差 −0.87(GPT)&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;—&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;第一轮抽样中 AI 文句长 CV 0.41–0.55、人类 0.67；配对复测人类参考值 0.54。两轮口径不可混用&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;前置定语长（欧化）&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;+0.48 / +0.54&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;—&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;「它还不是一套能够在任何餐桌上完全自动运行的系统」——中心词前挂了二十来字的修饰&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;结论提示冒号&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;冒号总密度人类反而多（−0.37/−0.31）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;「结论提示」AI 2.1 倍（「核心是：」「残酷的现实是：」）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;「这组数字传递出一个残酷的现实：……三个月是第一道坎，半年是生死线」&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;衔接过度顺滑&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;—&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;AI 段间跳转 2.1% vs 人类 7.2%&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;连续多段以「这也解释了为什么……」开头（实测 30 篇里&amp;quot;这也解释了&amp;quot;起段 10 次）；人类每 14 段就有一次直接跳到新话题，AI 每 50 段才一次&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;密集并列/枚举&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;顿号 +0.56(GPT)、分号 +0.80(GPT)&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;AI 7.845 vs 人类 5.398 每千字（1.45 倍）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;「火锅、快餐、家庭聚餐和独自进食，不同光线、不同穿着、……」一句连排多个场景维度&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;比喻贴切度差&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;正则只能数比喻标记词，标记词密度人类反而多 2.4 倍&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;六个大模型两两共识仅 0–40%，最高分段 22 句里 9 句误报&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;人工层确证&lt;/strong&gt;。失败模式：硬套宏大意象（&amp;ldquo;窄门&amp;quot;&amp;ldquo;三根支柱&amp;rdquo;）、直译腔（&amp;ldquo;钢夹&amp;rdquo;）、混合比喻（&amp;ldquo;坠崖＋松动地板&amp;rdquo;）、三连标题。Skill 默认保留原文比喻&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;&lt;strong&gt;一次重要的二次否决&lt;/strong&gt;：初次语义测评发现 24.7% 的可比较段落从具体信息变得更概括，曾据此设立改写规则。改用对称口径复查后，向相反方向变化的比例为 26.0%，净差近零；精确数字密度在配对复测中也无差异。「概括替代」已从改写规则降为 X 级，不再据此删改。&lt;/p&gt;&#10;&lt;h3 id="第二层分模型指纹10-条"&gt;第二层：分模型指纹（10 条）&#10;&lt;/h3&gt;&lt;p&gt;特征本质是高度重复的表层习惯——破折号用多少、句子多长、爱不爱分号。这类指标必须&lt;strong&gt;分模型&lt;/strong&gt;报告，合并口径会抵消方向相反的真信号：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;特征&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;GPT-5.6&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;Claude Opus 4.6&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;含义&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;破折号&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;−0.54（比人类还少）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;+0.95&lt;/strong&gt;（100% 文章使用）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;方向完全相反。Opus 例：「在营收急剧收缩的压力下，公司迅速启动了大规模的营销开支削减——最先被砍掉的，正是搜索广告和效果投放」&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;每小句「的」字&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;−0.75&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;+0.62&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;GPT 比人类少，Opus 比人类多&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;引号&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;≈0&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;−0.67&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;Opus 明显不爱用引号&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;分号 / 顿号&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;+0.80 / +0.56&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;−0.11 / +0.14&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;GPT 专属。例：「准确率可以超过 90%；到了中餐火锅，准确率约为 70% 至 80%；遇到糊状食物，则需要用户通过语音或事后手动补充」——三档场景用两个分号串成一句&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;句子结构绕（单动词句少等）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;全显著&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;全不显著&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;GPT 专属。&lt;strong&gt;① 单动词句少&lt;/strong&gt;（δ−0.72）：动词连环堆叠。&lt;strong&gt;② 静态句少&lt;/strong&gt;（δ−0.71）：偏爱把一切都写成动作过程。&lt;strong&gt;③ 主谓距离短&lt;/strong&gt;（δ−0.62）：人类常在主谓之间插一大段&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;少提问&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;−0.59&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;−0.12&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;GPT 明显不爱提问&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;长句少/中句多&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;−0.68/+0.81&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;+0.05/+0.04&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;GPT 句长集中在中档（25–45 字），几乎没有 6–12 字的短促句收尾&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;焦点后置&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;+0.05&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;+0.47&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;Opus 专属：新信息压在句尾，铺垫占前大半句。「定价权不在工厂手里，品牌归属也不在工厂手里，工厂只是全球供应链上那个沉默的、可以被随时替换的生产节点」&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;活跃暗喻密度&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;2.099 ≈ 人类 2.066&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;2.851&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;Opus 专属的研究观察，不是通用删改依据&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;h3 id="第三层不够显著的指标实测不是-ai-味"&gt;第三层：不够显著的指标（实测不是 AI 味）&#10;&lt;/h3&gt;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;特征&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;证据&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;段首零回指评论&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;AI 4.9% vs 人类 3.3%（约 1.5 倍，弱信号）&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;相邻句高度同构&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;AI 8.71% vs 5.52%（1.6 倍，三连 2.75 倍）&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;AI 堆精确数字&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;δ −0.06，话题混杂假象，配对后消失&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;赋能/闭环/抓手等黑名单词&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;δ +0.10，配对同事实后无差&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;「首先/其次/总之」连接词&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;δ +0.02，对当代模型彻底失效&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;「这意味着」式空转复述&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;人类反而多（三项口径全反）&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;h2 id="04--三层检测--六级改写分级"&gt;04 · 三层检测 + 六级改写分级&#10;&lt;/h2&gt;&lt;p&gt;Skill 的核心工作流不是「给一句话直接改」，而是&lt;strong&gt;先检测 → 交付报告 → 等用户回复 → 再改写 → 复测对比&lt;/strong&gt;：&lt;/p&gt;&#10;&lt;div class="highlight"&gt;&lt;pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"&gt;&lt;code class="language-bash" data-lang="bash"&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#75715e"&gt;# 第一步：脚本检测（只报告，不改写；--json 存档供第四步用）&lt;/span&gt;&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;python3 scripts/detect.py &amp;lt;文件或目录&amp;gt; --json &amp;gt; /tmp/before.json&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#75715e"&gt;# 第 1.5 步：语义层候选抽取 + 会话内模型按封闭判据判读&lt;/span&gt;&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;python3 scripts/detect.py &amp;lt;文件&amp;gt; --candidates --out /tmp/candidates.json&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#75715e"&gt;# 第二步：模型复核命中，交付本篇指标、研究参照、例句、改法和排除项；等待用户回复&lt;/span&gt;&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#75715e"&gt;# 第三步：收到用户回复后按规则改写&lt;/span&gt;&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#75715e"&gt;# 第四步：复测 + 前后对比报告&lt;/span&gt;&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;python3 scripts/detect.py &amp;lt;改后文件&amp;gt; --json &amp;gt; /tmp/after.json&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;python3 scripts/report.py 原文 改后文 /tmp/before.json /tmp/after.json &lt;span style="color:#ae81ff"&gt;\&#10;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; --semantic /tmp/candidates_labeled.json --out 去AI味报告.md&#10;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;p&gt;检测报告按&lt;strong&gt;改动风险&lt;/strong&gt;（不是特征强度）分六级：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;级&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;含义&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;处理&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;A 机械改&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;固定句式/标点，改动不触碰语义&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;模型复核误报后给出建议；用户回复后改&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;B 建议改&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;需句式重组或换说法&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;模型逐条筛选，报告典型例句和改法；用户回复后改&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;C 只报告&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;结构/节奏，超出白名单&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;默认不改；用户主动要求时再处理&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;H 人审区&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;模型判不准贴切度的（拟人喻体、比喻、暗喻）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;默认保留；用户主动要求时再列清单&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;X 已否决&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;实测不是 AI 味（配对复测反向）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;永不改，报告里出现是为了防止误改&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;F 指纹&lt;/strong&gt;&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;分模型特征（破折号/分号/引号）&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;可定位且能安全改写的命中默认建议改；保留须给具体理由&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;六条改写原则防过度清理：&lt;strong&gt;最小改动&lt;/strong&gt;、&lt;strong&gt;信息守恒&lt;/strong&gt;（改写后每个实词须能在原文指出出处）、&lt;strong&gt;不制造参差&lt;/strong&gt;（句长离散度人机无差异，不为节奏改句长）、&lt;strong&gt;结构不动&lt;/strong&gt;（小标题编号不改）、有风格参考先读参考、改完自查三件事。&lt;/p&gt;&#10;&lt;h2 id="05--六次测量失误--三条被推翻的规则"&gt;05 · 六次测量失误 + 三条被推翻的规则&#10;&lt;/h2&gt;&lt;p&gt;RESEARCH.md 里记录的方法论教训是这套工作最诚实的部分——每一次都是拿宽泛的正则去测一条有精确定义的规则，或者用了错的分母。&lt;strong&gt;先看到数字、后看命中内容&lt;/strong&gt;导致的。&lt;/p&gt;&#10;&lt;p&gt;六次典型失误：&lt;/p&gt;&#10;&lt;ol&gt;&#10;&lt;li&gt;&lt;strong&gt;长前置定语 3.04/千字&lt;/strong&gt; → 正则把「质量管理是从 0 到 1 阶段最容易被忽视的问题」这种普通句子算成长定语。收紧后 0.35。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;并列连词 0.26&lt;/strong&gt; → 规则写的是「一句内两次以上」，正则测的是单个「而且/并且」。按规则测是 0.00。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;「的…的…的」连用 0.25&lt;/strong&gt; → 正则跨顿号匹配，把「巴西的 LGPD、印度的 DPDPA、日本的 APPI」这种正常并列算成嵌套定语。收紧后 0.06。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;提示性冒号 5.97 vs 5.45（无差异）&lt;/strong&gt; → 正则是「汉字+冒号」，6431 处命中里标题 1266、列表 1225、对话 207，全是规则明确不改的。按定义测是 0.32 vs 0.08。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;问句小标题 32 倍&lt;/strong&gt; → 分母用每千字，而 AI 平均每篇 10 个小标题、人类 1-2 个。换成占小标题的比例，AI 2.7%、人类最高 3.6%，无差异。&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;比喻包装 0.000&lt;/strong&gt; → 正则是写死的 11 词表，而实际比喻（「像一栋楼的门禁」）一个词都不在表里。改测构式后发现人类比 AI 多 2.4 倍，方向与预设相反。&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;三条规则在配对复测中被推翻：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;规则&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;第一轮&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;配对复测&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;结论&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;序数词小标题 3.1×&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;AI 0.19 / 人类 0.06&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;反转&lt;/strong&gt;：人类 8.6% vs AI 4.9%&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;「AI 爱用一二三编号」是错觉；AI 爱的是多分节，不是编号&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;「这意味着」复述 2.6–5.3×&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;翻译腔收录&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;反向&lt;/strong&gt;：人类 0.027 vs AI 0.016/千字&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;人类更爱「换句话说」式复述&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;空转句引列表 9.4×&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;冒号滥用之一&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;&lt;strong&gt;反向&lt;/strong&gt;：人类高一个量级&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;目录式长文的正常写法&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;操作纪律：&lt;strong&gt;改规则前先抽样看 20 条命中，再看频率。涉及结构元素的指标，分母必须是同类元素总数。&lt;/strong&gt;&lt;/p&gt;&#10;&lt;h2 id="06--一条完整的案例"&gt;06 · 一条完整的案例&#10;&lt;/h2&gt;&lt;p&gt;仓库里带了一个端到端的完整示例：《Agent 的记忆问题：为什么你的 AI 助手总在失忆》。改前检测、改后全文、左右两列 HTML 对照页和复测结论放在同一个文件夹里：&lt;/p&gt;&#10;&lt;table&gt;&#10;&#9;&lt;thead&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;阶段&lt;/th&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;th&gt;产出&lt;/th&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/thead&gt;&#10;&#9;&lt;tbody&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;原始输入&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;原稿&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;改前检测&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;脚本与语义指标、研究参照、原文例句、具体改法和保留范围&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;改写&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;改后全文，可直接使用&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;对照&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;左右两列 HTML，逐段查看删去和新增的文字&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&#9;&#9;&lt;tr&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;复测&lt;/td&gt;&#10;&#9;&#9;&#9;&#9;&#9;&lt;td&gt;核对剩余命中、误报和内容守恒&lt;/td&gt;&#10;&#9;&#9;&#9;&lt;/tr&gt;&#10;&#9;&lt;/tbody&gt;&#10;&lt;/table&gt;&#10;&lt;p&gt;报告示例（Skill 官方文档示范段落）：&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;脚本在本文找到 2 处「不是 A 而是 B」式对举，密度 0.763 次/千字；第一轮人类参考约 0.22 次/千字，配对复测中 GPT 与 Opus 也同向偏高。第 13 行「不是冰箱的容量，而是……」和第 76 行「不是存更多，而是分清楚」都在段落结论位置。建议把判断直接说出来，同时保留容量与存储量这两个限定，不把反面信息整句删掉。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;&lt;h2 id="07--局限作者自己列的"&gt;07 · 局限（作者自己列的）&#10;&lt;/h2&gt;&lt;ol&gt;&#10;&lt;li&gt;&lt;strong&gt;语义层是单模型判断&lt;/strong&gt;，抽样复核误判 15–30%，方向可信、精确百分点不可信&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;人类语料组间差异大&lt;/strong&gt;（破折号极差百倍），扩充语料可能改变部分结论&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;模型迭代持续向人类文风收敛&lt;/strong&gt;，所有频率数值是特定时点观测&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;比喻贴切度、案例是否凑数、参差的质量，机器测不了&lt;/strong&gt;，只能人审&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;还有一条更硬的：语料因版权不入库，数字第三方无法直接核验。能复用的是方法、判定阈值和算子定义，全部在脚本内公开。换成自有语料即可重算全部指标。&lt;/p&gt;&#10;&lt;h2 id="08--装上试试"&gt;08 · 装上试试&#10;&lt;/h2&gt;&lt;div class="highlight"&gt;&lt;pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"&gt;&lt;code class="language-bash" data-lang="bash"&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;npx skills add larashero3-dotcom/lieflat-less-ai-tone&#10;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;p&gt;也可以直接让支持 Agent Skills 的 AI 安装仓库里的 skill。安装后给 AI 一篇成稿，它会先运行脚本并判读语义候选，交付有研究参照、原文例句和具体改法的检测报告；你回复「按建议改」或调整范围后，它才改写、复测并生成前后对比。&lt;/p&gt;&#10;&lt;hr&gt;&#10;&lt;p&gt;&lt;strong&gt;仓库&lt;/strong&gt;：https://github.com/larashero3-dotcom/lieflat-less-ai-tone&#10;&lt;strong&gt;许可&lt;/strong&gt;：CC BY-NC 4.0（商用授权联系作者）&lt;/p&gt;&#10;&#10; &lt;blockquote&gt;&#10; &lt;p&gt;方法论上最值得学的不是那 9 条 AI 味指标本身，而是「先量化评测、再顺藤摸瓜定规则」的工作流，以及把六次测量失误和三条被推翻的规则一并公开的诚实——它把「读着像 AI」这个主观体验，拆成了 100+ 项可计算、可复算的指标。&lt;/p&gt;&#10;&#10; &lt;/blockquote&gt;&#10;</description></item></channel></rss>