De Ai Polish

De AI Polish

快速开始

检测文章中的AI化表述：

# 全文扫描检测
/de-ai-polish detect @article.md

# 直接修改
/de-ai-polish fix @article.md

核心检测规则

总则：检测原则与通用模式

核心原则：以下清单和规则是参考框架，不是穷举清单。AI 写作的变体无穷，正则匹配必然遗漏。检测必须以 Agent 通读全文为主，清单仅作为辅助参考。

AI化表述往往以变体出现，不会恰好匹配清单字面形式。遵循以下原则：

1. 向上溯源：未列出的表述判断是否属于已知模板家族的变体（对比句式→递进结构→程式化转折→工整排比→程度副词堆叠→否定宣言→分离式对比→同义循环） 2. 频次红线：以下词/结构在全文出现超2次即视为AI程式化：越来越/越...越...、其实、往往/通常/很多时候、经常/常常、更重要的是/更麻烦的是、看起来/看来、真正、不只/不只是、更像/更像一个/更像一种、很容易、更容易 3. 连续重复：同一强化词在相邻句子连续出现即为AI痕迹（才...才...、不是...而是...、就是X，就是Y，就是Z） 4. 结构机械感：三个以上并列项以相同虚词引导（容易X、容易Y、容易Z）；句子开头用程式化引导词（更麻烦的是、说到这里）；程度副词+抽象名词固定搭配（有很强的体感） 5. 同义循环：不同词反复表达同一语义场，如窄/小/平/浅/局限、变化/改变/转变/变革，在短距离内超过3次即为AI词汇贫乏的表现

低 AI 污染类型学（v1.4.0）

下面 7 类用于把本 skill 的细碎禁用风格归纳成稳定问题来源。原有 17 类清单继续保留，负责具体命中；本类型学负责先判断“为什么这句话像 AI”，再决定怎么改。

结论：本 skill 的负面风格清理项可以完整归入这 7 类；personal-style-guide.md 中的正向个人风格是改写目标，不属于污染项。

使用方式： 1. 先给每个疑似问题标一个污染类型，再查下方 17 类细则确认命中依据。 2. 同一句同时命中多类时，只保留一个主类型，其余写作协同原因。例如“**这是 X** 出现在引用块里”主类型是模板污染，协同格式污染。 3. 改写建议按主类型给完整句式，不做同义词替换。

一、绝对禁止类（必须去除）

以下模式在任何情况下都应去除，它们是最明显的AI痕迹：

1. 对比句式

必须去除的模式：

• 不是.*而是
• 并非.*而是
• 不在于.*在于
• 不在.*而在（缩写形式，如「问题不在工具，而在…」）
• 不再是.*而是
• 与.*是两回事
• 与.*不等同于
• 看似.*实则（如：看似在讲隐喻，实则在讲生产方式）
• 看起来.*其实（如：看起来是X，其实是Y）
• 可以.*但不能.*（能力限定式对比，如"冷水可以让人清醒，但不能替人看见未来"）
• 不在于.*也不在于（双重否定变体）
• 远不只是.*（"不只是"的加强变体）
• 这不是X。这是Y。（分离式对比：把「不是…而是」拆成两句，本质相同）
• 这不是X（否定宣言：作为段落开头或独立断言，如「这不是想象」「这不是追热点」）
• **这是X**（肯定宣言：作为独立加粗行或引用块，本质与否定宣言相同，只是省略了否定前缀，如「这是提前移动自己的观察位置」「这是在新的信任机制里，为自己建立位置」）
• 低水平X...高水平Y / 表层X...深层Y（工整对称对比，常出现在引用块中）

改写策略：根据上下文选择「删 / 合并 / 改写」。拆成独立陈述句或递进关系，避免为了强调而强行对比。改写时不要套用同一结构（"本质上是X""症结在于X"），要根据语境灵活选择陈述、问答、因果、并列等替代方式。

否定宣言和肯定宣言的改写：直接删除"这不是"或"这是"前缀，保留核心内容即可。加粗行本身的格式已足够传达强调，无需再用"这是"开头。

同义词循环：

检测模式：在短距离内使用多个同义词指代同一事物

示例：

• 主人公…主要角色…中心人物…英雄（同一段落中用4个词指代同一人）
• 系统…平台…工具…解决方案（频繁换词但指代同一事物）

改写：统一使用最准确的词汇，在上下文清晰的情况下重复使用同一词汇。

2. 程式化连接词

写作规则中已禁用：

• 首先、其次、此外、但是、因此、然而
• 一方面、另一方面
• 综上所述、总而言之

AI 词汇库：

• 深入探讨、深入分析（过度使用）
• 强调、凸显、彰显（过度重复）
• 持久的、持久的证明
• 增强、增强其
• 培养、培养/促进、促进
• 获得、获得.*的认可
• 相互作用、复杂的相互作用
• 复杂/复杂性、错综复杂的
• 格局、整体格局、格局的演变（抽象名词滥用）
• 织锦、社会织锦（抽象名词滥用）
• 宝贵的、宝贵的经验
• 充满活力的、充满活力的社区

肤浅分析表述：

• 突出/强调/彰显…，确保…
• 反映/象征…，为…做出贡献
• 培养/促进…，涵盖…
• 展示…，体现…

3. 结尾姿态句

必须检测的表述：

• 方向已经明确
• 未来可期
• 拭目以待
• 这只是开始
• 让我们期待

公式化展望：

检测关键词：

• 尽管其…面临若干挑战…
• 尽管存在这些挑战、尽管面临挑战
• 挑战与遗产、机遇与挑战并存
• 未来展望、下一步计划
• 我们将继续关注、值得关注

改写：删除空洞的展望，用具体事实或具体计划结尾，或直接结束。

4. 口语化与随意表述

必须检测的词汇：

• 稳、挺稳、很稳、靠谱
• 飘、摇摆、不稳
• 搞定、没问题
• 迟早得、肯定、必须得
• 过度使用肯定词：肯定、绝对、一定
• 跑偏、很顺、挺顺等过于口语化的状态描述

随意化表述模式：

• 写长了、做多了、搞定了等过于随意的说法
• 迟早得拆、肯定会、必须得等口语化表达
• 接下来要盯的东西、接下来要关注的等口语化表达
• 用简短口语替代专业说明

改写方向：使用更正式、更具体的表达（"迟早得拆"→"需要考虑拆分"，"跑偏"→"偏离预期"，"很顺"→"顺畅"）。

系动词回避：

• 作为/代表/标志着/充当 [一个]、拥有/设有/提供 [一个]、位于.*的中心、坐落于
• 改写："作为X的Y"→"X是Y"，"设有Z个W"→"有Z个W"，"坐落于"→"位于"

谄媚语气：

• 好问题！、您说得完全正确！、这就是一个很好的观点
• 改写：直接陈述核心内容，删除讨好性表达。

5. 绝对化、哲学化与戏剧化表述

必须检测的表述：

• 并不是一个绝对命题
• 本质上、从根本上说、从本质上讲
• 必然、无疑、绝对、必须
• 真正的、核心的、关键的（过度使用）
• 推到底、刺痛感
• 这词听着玄、道理其实很朴素
• 天然、天生、自然而然（绝对化自然表述）
• 立刻、马上、立即（过于绝对的时间表述）
• 其实（过度使用，显得矫饰）
• 其实已经能看清、其实很简单等带"其实"的表述
• 很现实（AI式绝对化判断）

过度强调意义：

• 作为.*的体现/证明/提醒、充当.*的证明
• 标志着.*关键时刻、见证了.*历史
• 是.*不可或缺的组成部分、是.*的重要体现
• 凸显/强调/彰显了其重要性/意义
• 反映了更广泛的、象征着其持续的/永恒的/持久的
• 为.*做出贡献、为.*奠定基础
• 关键转折点、不断演变的格局

虚假范围：

• 从.*到.*（检查是否在有意义的尺度上）
• 例如："从大爆炸到暗物质"这种无意义的大范围
• 问题：强行用"从X到Y"结构，但X和Y不在同一尺度上

程度副词堆叠结构：

• 很+形容词/动词：很直接、很吃人、很依赖、很麻烦
• 非常+形容词/动词：非常依赖、非常麻烦、非常清楚
• 有+很+的+名词：有很直接的感觉、有很强的体感、有很深的感受
• 改写：用更精确的动词替代程度副词，或直接陈述具体状态

戏剧化感受词：

• 震动、震撼、触动、眼前一亮、引人入胜、令人振奋
• 改写：换成更平实的表述（"有意思"、"不一样"、"值得注意"）

改写：用弹性表达替代绝对化（"必然"→"往往"/"多半"/"可能"，"本质上"→"通常"/"在某种程度"）。保留空间感，不过度封死结论。

6. 工整排比与对称结构

必须检测的结构：

• 三个或以上的"既要...又要...还要..."排比
• 强行对仗的并列句式
• 工整的对称表达结构

具体示例：

• "既要说明'我是谁'，又要说明'我在做什么'，还要说明'我怎么做'"
• "讲清楚口味、讲清楚底线、讲清楚习惯"（三个"讲清楚"）
• 过于工整的"一方面...另一方面..."

疑问词排比：

三个以上疑问词引导的并列项，是 AI 列举场景时的典型结构：

• 能不能...能不能...能不能...（如"能不能下载，能不能直接跑，能不能少填几张表"）
• 怎样...怎样...怎样...（如"怎样收集信息，怎样组织判断，怎样沉淀经验"）
• 如何...如何...如何...（如"如何识别问题，如何做成工具，如何翻译工作"）
• 越...越...越...（如"越理解工具，越容易提升效率；越提升效率，越容易输出"）

改写：将部分项合并为名词短语或动宾短语，打破统一句式。如"怎样收集信息，怎样组织判断，怎样沉淀经验"→"怎么收集信息、组织判断，怎么沉淀经验"（合并+缩减）。

改写：打破工整结构，改为陈述句或混合结构，避免三个以上相同结构的并列。

7. AI过渡语

必须检测的过渡语：

• 先把.*摆出来、摆上台面
• 不妨把.*拆成、不妨
• 这两个问题一问、答案就清晰了
• 这话对了一半、这话没错
• 我后来发现、我也想过
• 一个直接的原因、一个现实的原因、一个根本的原因
• 一个很现实的原因是、一个很直接的原因是
• 原因很简单、原因很直接
• 这也是为什么（结论倒装式过渡，直接删除前缀即可）
• 从一开始就（时间绝对化框架，如"从一开始就没有对准问题"）

协作交流痕迹：

• 希望这对您有帮助、当然！、您说得完全正确！、请告诉我、以上是…
• 改写：删除所有协作交流痕迹，直接陈述核心内容。

8. 自我陈述

必须检测的表述：

• 我更愿意、我更倾向于
• 我给自己定、我设定了
• 我想强调、我想指出
• 我期待、我希望

渐进式自我陈述：

• 我越来越觉得、我越来越认为、我越来越倾向于、我现在越来越
• 整篇文章中"越来越"出现超过2次
• 改写：直接陈述观点，删除"我越来越"前缀。最多保留一处"我逐渐意识到"。

9. 导语式口癖

必须检测的表述：

• 表面上看
• 更关键的是、更值得写的是、更重要的是
• 更大的变化在于、更实质的变化是、更X的是/更X的在于（"更"字引导的递进式宣言）
• 从经验看、在实践中
• 这当然成立、毫无疑问
• 接下来会、接下来我们

频次表述重复：

• 很多时候（整篇文章出现超过2次）、往往、通常（过度重复）
• 改写：第一处保留，后续替换为"多数情况下"/"常常"/"一般而言"，或直接删除。

模糊归因：

• 行业报告显示、观察者指出、专家认为、多个来源（无具体出处）
• 改写：删除模糊归因直接陈述，或提供具体来源"根据XX年XX的报告"。

知识截止免责声明：

• 截至 [日期]、根据我最后的训练更新、基于可用信息…、在现有资料中…
• 改写：直接陈述已知事实，删除免责声明。

10. 口号化隐喻

必须检测的表述：

• 信号、叙事、换挡、战场
• 组合拳、闭环、模板、生态
• 把……搬进、拖进……

11. 过度情绪化

必须检测的词汇：

• 扎心、硬、值钱、最大
• 反复翻车

12. 过度强调知名度

必须检测的表述：

• 被.*多家媒体报道、受到.*广泛关注
• 独立报道、地方/区域/国家媒体
• 由知名专家撰写、专家团队
• 活跃的社交媒体账号
• 拥有超过.*粉丝、关注者

改写：删除空洞的知名度强调，或提供具体有意义的内容。

二、弹性检测类（根据上下文判断）

以下模式需要根据文章风格、语境和目标读者来判断是否修改：

13. 无序列表

检测标准：列表是否在"堆积观点"而非"说明步骤"；整篇文章无序列表出现超过2-3次应改为段落。

可接受场景：操作步骤、检查清单、核心框架列举。

内联标题垂直列表：

• - **用户体验：** 用户体验通过新界面得到显著改善（粗体标题+冒号的机械列表）
• 改写：改为段落式表达或正常列表格式。

表情符号和粗体过度使用：

• 🚀 **启动阶段：**、💡 **关键洞察：**、过度使用 **OKRs** 等粗体
• 改写：删除表情符号和过度粗体。

14. 引号使用

检测过度使用：

• 引号密度过高（整篇文章大量使用引号）
• 为普通词汇加引号（非术语、非引用）
• 用引号表达"反讽"或"强调"
• 半角英文引号 "..."
• 半角单引号 '...'
• 过度使用「」

AI写作特有的引号误用模式（必须检测）：

以下类型的引号通常不需要，应去除：描述性短语（"可调用的能力"）、比喻性描述（"Skill 的外壳"）、口语化表达（"能不能一键跑起来"）、动作/状态描述（"换一个 Skill"）、属性列举（"可组织、可迭代"）、问题表达（"Skill 很火"）、价值判断（"工作标准"）。

正确使用引号的场景：引用原文、核心术语定义（首次出现）、避免歧义、特殊概念区分。

检测标准：

• 如果去掉引号后意思仍然清晰，通常不需要引号
• 如果是普通词汇（名词、动词、形容词）的描述性用法，不需要引号
• 如果是比喻、口语、动作描述，不需要引号
• 整篇文章中应尽量减少引号密度
• 优先保留：核心术语定义、原文引用

15. 评价式陈述与过度概括

必须检测的模式：

• 把.*讲得很清楚、把.*说得很明白
• 更尖、更锐利、更深刻（评价性形容词修饰抽象概念）
• 更硬的定义、更.*的.*（过度修饰的形容词结构）
• 被.*卡住、被.*阻挡（被动句式+过度概括）
• 一旦把视角从.*就更容易看清（视角转换程式化）
• 更具体一点、更准确地说（AI式过渡语）

改写：直接陈述内容，删除评价性修饰和过渡语。"被两件事卡住"→"两件事挡在路中间"，"更具体一点"→直接进入具体内容。

16. 比较性与断定性表述

必须检测的模式：

• 它更像一种、更像一个.*
• 它其实是、这里其实、其实是第二类
• 天然会、天生就、自然而然就
• 会更清楚、会更.*（过度使用的"会更"模式）
• 就.*了、就.*能（过于绝对的断言）

否定式断定性表述：

• 事实并不是这样、事情并不是这样、并不是.*而是、其实并不是
• 改写：删除否定前缀，直接陈述核心内容。"但情况并非如此"或直接进入事实。

改写方向：

• "它更像一种" → 直接说是什么
• "它其实是" → 直接陈述事实
• "天然会" → 用"通常会"、"往往"等弹性表达
• "会更清楚" → 直接陈述效果
• 整体策略：去掉前缀，直接陈述核心内容

17. 模糊频次词与客观让步姿态

模糊频次词（虚假普遍性）：

• 经常、常常、常常会 — AI 用这些词制造"普遍现象"的假象
• 很容易 + 抽象判断（如"讨论很容易变窄"）— 模糊频次 + 模糊后果的组合
• 改写方向：用具体频次替代（"最近几次聊到 X" 替代 "经常谈 X"），或直接删除频次修饰；模糊后果补充具体指向（"变窄" → "局限在产品层面"）

评价性断语（客观让步姿态）：

• 太绝对、太武断、话说得太死、说过头了、容易被反驳
• 这个判断太X、这种说法太Y — AI 先立靶子再打倒的程式化让步
• 改写方向：用个人立场替代评价性断语（"我不这么看" 替代 "这个判断太绝对"），或直接跳过让步，陈述自己的判断

改写对照：

工作流程

启动闸门：场景判定

去 AI 味的力度、容忍度和保护范围因场景而异。开始通读前，先判定本次属于哪类场景，并据此调整后续 Step 2-5 的力度与重点。若用户未指明，默认按“通用”处理。

场景判定约束后续三件事：① 改写力度（克制/激进/最小）；② Protected Spans 宽度（法律文书最宽，见 Step 1）；③ 重点扫哪几类污染（其余污染类仍按默认处理，不跳过，只是优先级靠后）。法律文书场景下，正式语体、程序术语、固定程式表达默认保留，不当作 AI 味处理。

Step 1: 阅读理解

必须完整通读全文，理解核心观点、文章风格和上下文语境。不得仅通过正则/grep 匹配来检测——正则只能覆盖已知模式的精确形式，会遗漏大量语义等价但形式不同的变体。

通读时同步划定 Protected Spans（禁改项）：标记必须原样保留、后续 Step 2-4 不得触碰的范围。默认覆盖：

• 法条、司法解释、规章的编号与引述（如《民法典》第 143 条、（2023）最高法民申 12 号）
• 当事人、机构、律所、公司全称
• 程序术语（管辖、异议、上诉期、举证责任、开庭传票等）
• 直接引语、引证、合同条款编号
• 数值、日期、比例、金额、期限
• URL、文书编号、案号

判定原则：宁可多保留，不可误改。若某 Protected Span 表面像 AI 味（如公司全称带“有限公司”被误判为宣传性），仍保留原样，只在备注里提示用户复核。场景为“法律文书”时，Protected Spans 范围取最宽。

Step 2: 识别AI化表述

以 Agent 通读全文的方式识别 AI 化表述。前文的核心检测规则（§总则 + §一～§二）是参考框架，不是穷举清单。Agent 应当：

进入本步之前，先声明扫描范围：本次覆盖了哪些 §（§总则、§一、§二 的具体小节），本次未覆盖的 § 也明确列出。让用户一眼看到检测的边界在哪。

识别过程不得触碰 Step 1 划定的 Protected Spans：即使 Protected Span 内部出现疑似 AI 模式（对比句式、宣传语等），也不列入 finding、不改写；最多在交付备注里提示用户复核。

1. 类型归纳：先按“低 AI 污染类型学”给疑似问题标主类型：姿态污染 / 模板污染 / 语义稀释 / 节奏污染 / 概念污染 / 过程泄漏 / 格式污染。不要一开始就做词表替换。 2. 词汇层扫描：通读全文，识别所有疑似 AI 化的词与短语——无论是否出现在清单中。重点扫描以下热点区域：

• 节标题：标题中的"不在X""只是Y"等模式常被忽略
• 加粗行和引用块：AI 倾向把最工整的对比句、宣言式断言放在 **粗体** 或 > 引用 中
• 段落首句和末句：AI 的过渡语和总结句最常出现在这些位置

3. 结构层扫描：词汇扫完不要宣布完成。独立走一遍结构扫描，专门识别 AI 倾向的句式骨架。强制扫描以下结构模式：

• 连续 3+ 相同虚词引导的并列：是 X。是 Y。是 Z。 / 生成 X，生成 Y，生成 Z / 先把 X。先把 Y。先把 Z。 / 我们要的是 X，是 Y，是 Z
• 连续 3+ 疑问词引导的并列：能不能 X？能不能 Y？能不能 Z？ / 怎样 X，怎样 Y，怎样 Z / 如何 X，如何 Y
• 连续 3+ 被动排比：被 X、被 Y、被 Z / 能够被复核、被采纳、被传递
• 连续 3+ 短段（单句段落成串）：每段都独立成段、内容结构相似、节奏整齐划一
• "X 是 X 是 X" 嵌套：同一动词多次出现引导相同结构的并列

4. 再对照清单：补充通读时可能遗漏的频次超标（如 越来越 真正 不只 等超过 2 次的词） 5. 向上溯源：清单中的每条规则代表一类模式。识别到未列出的表述时，判断它是否属于某个已知模式家族的变体（对比句式→递进结构→程式化转折→工整排比→程度副词堆叠→否定宣言→分离式对比→同义循环）

禁止的做法：仅用 grep/正则匹配清单中的关键词，然后声称检测完成。正则匹配只能作为频次统计的辅助工具，不能替代通读理解。词汇层扫完不能宣布完成——必须再走一遍结构层扫描。

为什么结构层必须独立走：词汇层 flag（如「不是 X 而是 Y」「其实」「真正」）容易锚定，agent 容易把全部注意力放在词替换上。结构层 flag（连续问号、连续短段、连续虚词引导的并列）不会出现在词级 grep 结果里——必须按位置、按节奏、按并列项数单独扫一遍。词扫得再彻底，结构不扫等于没扫。

Step 3: 判断是否修改

不是所有匹配都需要修改。判断标准：是否影响表达自然度、是否符合文章风格、是否有修辞目的。

Step 4: 重新表述句子

核心原则：重新表述整个句子，不要只删除词汇或替换同义词。

错误（×）："它更像一种可维护的模块" → "这是一种可维护的模块"（只删词，结构没变） 正确（✓）："它更像一种可维护的模块" → "这种设计便于后续维护"（重构句子）

同义词替换是无效改写：把"窄"换成"局限"、把"小"换成"有限"、把"这不是"换成"那不是"，句式和语气都没有变化，读者仍然能感受到 AI 味。必须在理解原句核心意思的前提下，换一种全新的表达结构。

Step 5: 注入个人风格（可选）

在去除 AI 化表述后，可选地注入个人风格特征。目标比例：技术准确性 60% / 个人化 40%。本步可选，纯技术/法律文书若无需个人化可跳过。

两条路径（按是否有作者样本选择）：

• 有作者样本 → Voice Calibration：若用户提供了目标作者的写作样本（建议 ≥500 字），按 reference/personal-style-guide.md 的"Voice Calibration 流程"提取 voice profile（七维度：句长分布 / 词选层级 / 段落开头 / 标点习惯 / 口头禅与过渡 / 观点密度 / 语气倾向），改写时按 profile 匹配。样本优先于下面的默认特征。
• 无样本 → 默认 voice：按下面的正向特征注入，细节查 reference/personal-style-guide.md"默认 voice"节。

样本边界：只使用用户提供或确认可用于本次任务的作者样本。Voice Calibration 只学习表达特征，不冒充作者身份、不复制样本原句或高辨识短语、不把样本事实写进目标文本。若样本含敏感信息，只抽象成 voice profile，不在交付正文中复述。

默认正向特征（无样本时使用）： 1. 开头的真实感：用个人感受/具体场景/平实判断开头，不用"本文将探讨…" 2. 弹性表达：保留"可能""往往""某种程度"等，不封死结论 3. 有分寸的口语："说实话""也许"可以，"搞定""跑偏"不行 4. 自嘲式幽默：意外转折、反常识可以，炫耀式自夸不行 5. 自然对比："当然…但是…"可以，"并非…而是…"不行 6. 句子节奏：长短句搭配，不刻意工整

参考文件（读取以获取详细指南）：

• reference/personal-style-guide.md：Voice Calibration 流程 + 默认 voice 特征
• reference/expression-transformations.md：表达方式转化对照表
• reference/sentence-rhythm-guide.md：句子节奏指南
• reference/quality-scoring.md：质量评分系统

Step 6: 标点符号修正（代码强制执行）

必须作为最后一步执行。 AI 修改文本后往往会遗留英文标点，纯靠 LLM 提醒修正效果不可靠，因此使用脚本强制转换。

python3 scripts/fix_punctuation.py <文件路径>

脚本会自动处理：

• 英文引号 " → 中文引号 ""（交替状态机）
• 中文语境中的 , → ，、; → ；、? → ？、! → ！
• 中文语境中的 : → ：、() → （）
• 中文字符后的 . → 。

脚本会自动跳过以下区域不做转换：

• YAML front matter（--- 之间的元数据）
• Markdown 图片和链接语法（![]()、[]()）
• 代码块和行内代码（ ` 、` ``）
• URL 地址

Step 7: 交付前评分门禁

Step 4-6 完成后、交付用户前，按 reference/quality-scoring.md 的 5 维（自然度 / 节奏感 / 专业度 / 个性度 / 精炼度，总分 10）对最终文本评分：

• 总分 < 7.0 → 回到 Step 4 重新表述问题句，再评分。
• 单维度硬伤：自然度 < 1.5 或个性度 = 0 → 即使总分达标也回炉。
• 场景调整：法律文书场景下专业度 < 1.5 即回炉；口语场景下个性度 / 精炼度阈值可放宽。
• 有作者样本时的 voice profile 门禁：若最终文本明显偏离已提取 profile 的主要稳定维度，或复制样本原句 / 高辨识短语、引入样本事实、复现 profile 标记的反例，必须回到 Step 4/5 重修。

评分时可用"直接度""信任读者"两个辅助视角定位扣分原因（见 reference/quality-scoring.md"作为交付门禁使用"节），不单独打分。评分过程与结果默认不写入交付正文，只在交付备注或用户要求时给出。

Changelog

[2.0.1] - 2026-06-23

改进

• 补齐 Voice Calibration 的样本使用边界：只使用用户提供或确认可用于本次任务的作者样本，不主动抓取或推测私人样本。
• 明确 Voice Calibration 只学习表达特征，不冒充作者身份、不复制样本原句或高辨识短语、不引入样本事实。
• 在 Step 7 与 reference/quality-scoring.md 增加 voice profile 附加门禁：profile 明显偏离、反例复现、样本复刻或事实污染均需回炉 Step 4/5。

文档完善

• 更新 reference/personal-style-guide.md：新增“样本与身份边界”“匹配门禁”，并将提取步骤改为先确认样本边界。
• 更新独立 README 与发布索引口径，补齐 Voice Calibration 与 v2.0.1 版本同步。

[2.0.0] - 2026-06-22

核心变更：Voice Calibration 改造 Step 5

问题背景：v1.x 的 reference/personal-style-guide.md 是单一参考样本提炼出的静态特征清单，把"这个作者的习惯"当成了通用规则。Step 5 注入风格只能套抽象正向特征，缺少"从任意目标作者样本提取声音"的可操作流程——当用户想让改写贴近某个具体作者（如自己、某位律师）时，无能为力。

新增

• Voice Calibration 流程（reference/personal-style-guide.md）：
• voice profile 七维度：句长分布 / 词选层级 / 段落开头习惯 / 标点习惯 / 口头禅与过渡 / 观点密度 / 语气倾向
• 提取步骤（通读 → 逐维填 profile → 标记反例 → 产出声音画像）
• author profile 可填模板
• Step 5 两条路径：有作者样本 → 走 Voice Calibration 提取 voice profile 并匹配（样本优先）；无样本 → 用默认正向特征。

变更

• reference/personal-style-guide.md 原有 8 节特征重新定位为"无样本时的默认 voice"，加版本记录 v2.0；比喻、句式统一标注为示例（来自参考样本，非必须复现的通用规则）。

保持不变

• Protected Spans、场景分流、评分门禁（v1.5.0）不动。
• 7 类污染类型学（v1.4.0）不动；三轴分离仍是观察项。

[1.5.0] - 2026-06-22

核心变更：Protected Spans + 场景分流 + 评分门禁接入

问题背景：v1.4.0 之前，去 AI 味对所有文本用同一种力度，且没有显式保护法律写作中必须原样保留的范围（法条、当事人全称、程序术语等），容易误改；同时 reference/quality-scoring.md 已有 5 维评分但未接入 workflow，改写质量缺乏交付门禁。

新增

• 启动闸门：场景判定：工作流程开头先判场景（法律文书 / 公众号·公开评论 / 口语·即时回复 / 通用），场景决定改写力度、Protected Spans 宽度和重点扫描的污染类。法律文书场景默认保留正式语体与程序术语。
• Protected Spans（禁改项先划）：Step 1 通读时同步划定必须原样保留的范围（法条与司法解释编号、当事人·机构·律所全称、程序术语、直接引语与引证、合同条款编号、数值·日期·比例·金额、URL 与文书编号）。Step 2-4 不得触碰；宁可多保留，不可误改。
• Step 7：交付前评分门禁：把 reference/quality-scoring.md 的 5 维评分（自然度 / 节奏感 / 专业度 / 个性度 / 精炼度，总分 10）提升为强制门禁。总分 < 7.0 或单维度硬伤（自然度 < 1.5 / 个性度 = 0）必须回炉 Step 4 重修；法律文书场景下专业度 < 1.5 即回炉。

变更

• reference/quality-scoring.md 新增"作为交付门禁使用"节：明确何时评、回炉阈值、场景调整；并引入"直接度""信任读者"两个辅助视角（不新增维度，仅作评分检查点）。
• 中性化历史版本记录中的外部规则来源表述（v1.0.0 CHANGELOG 条目与 quality-scoring.md v1.0 版本记录），与"不写借鉴归属"口径对齐。

保持不变

• 7 类低 AI 污染类型学（v1.4.0）不动；三轴分离（Tier/档位/scope）作为观察项，待类型学实战检验后再定。
• 原有 17 类检测细则、Step 1-6 工作流核心、句式重构原则、标点修正脚本继续保留。

[1.4.0] - 2026-06-22

核心变更：低 AI 污染类型学

问题背景：既有规则按具体禁用模式罗列，召回足够细，但执行 review / fix 时容易变成“逐词替换”。writing-reviewer v0.9.1 已把低 AI 污染归纳为 7 类来源，适合反向回灌到 de-ai-polish，让检测先判断问题来源，再查具体清单。

新增

• 7 类低 AI 污染类型学：
• 姿态污染：评价自己、讨好读者、摆作者姿态
• 模板污染：固定句式替代真实判断
• 语义稀释：模糊词、程度副词和大词冲淡信息
• 节奏污染：排比、短句、断句形成机器节奏
• 概念污染：黑话、隐喻、口号或专业词制造高级感
• 过程泄漏：AI、调研、协作或写作过程暴露给读者
• 格式污染：列表、粗体、引用块、引号等格式包装替代正文表达
• 工作流调整：Step 2 从“词汇层扫描”前置为“类型归纳 → 词汇层扫描 → 结构层扫描 → 清单复核 → 向上溯源”。
• 与 writing-reviewer 对齐：de-ai-polish 负责细粒度去 AI 与修稿，writing-reviewer 使用同一类型学输出 review finding。

保持不变

• 原有 17 类检测细则继续保留，作为具体命中规则。
• 原有句式重构原则、个人风格注入和标点修正流程继续保留。

[1.3.0] - 2026-05-31

核心变更：实战验证后的规则扩充与改写指导强化

问题背景：在"法律人为什么要研究 AI"文章的实际检测中，发现多条遗漏模式。部分模式在 v1.2.0 已有规则框架覆盖，但缺少具体变体和实战指导，导致检测时仍然遗漏。同时，改写环节（Step 4）的指导过于抽象，Agent 倾向于同义词替换而非句式重构。

变更

§1 对比句式扩充：

新增改写指导：否定宣言和肯定宣言可直接删除"这不是"/"这是"前缀，保留核心内容。

§6 工整排比扩充：

新增「疑问词排比」子类：

• 能不能...能不能...能不能...
• 怎样...怎样...怎样...
• 如何...如何...如何...
• 越...越...越...（长级联）

§7 AI 过渡语扩充：

• 这也是为什么（结论倒装式过渡）
• 从一开始就（时间绝对化框架）

§9 导语式口癖扩充：

• 更大的变化在于、更实质的变化是、更X的是/更X的在于

频次红线扩充：

• 新增 更容易（与 很容易 同属模糊频次修饰）

Step 2 新增热点区域提示：

检测时重点扫描三类热点区域：

• 节标题（标题中的"不在X""只是Y"常被忽略）
• 加粗行和引用块（AI 倾向把最工整的对比句放在此处）
• 段落首句和末句（过渡语和总结句的高发位置）

Step 4 改写指导强化：

新增「同义词替换是无效改写」原则，附具体对照表：

• 窄→局限（无效） vs 换句式（有效）
• 这不是我理解的 X→不是我关注的 X（无效） vs 我关注的角度不太一样（有效）
• 越...越...级联→越...越...（无效） vs 拆成短句（有效）

[1.2.0] - 2026-05-31

核心变更：检测方式从正则匹配改为 Agent 通读

问题背景：在实际使用中发现，正则/grep 匹配只能覆盖已知模式的精确形式，会遗漏大量语义等价但形式不同的变体。例如「不在…而在」作为「不在于…在于」的缩写形式未被检测到，「表面上X，实际Y」作为「看似X，实则Y」的变体也未被捕获。工整排比、同义循环等问题更是无法通过正则识别。

变更

工作流重写（Step 1 & Step 2）：

• Step 1 明确要求「必须完整通读全文」，禁止仅通过正则/grep 完成检测
• Step 2 改为「先通读 → 再对照清单 → 向上溯源」三步法
• 新增禁止条款：「禁止仅用 grep/正则匹配清单关键词然后声称检测完成」

总则新增核心原则声明：

• 明确「清单是参考框架，不是穷举清单。检测必须以 Agent 通读全文为主」

新增检测规则

频次红线扩展

新增以下词汇/结构到频次红线（全文出现超过 2 次即视为 AI 程式化）：

• 真正、不只/不只是、更像/更像一个/更像一种、很容易

模板家族溯源扩展

向上溯源原则新增维度：对比句式→递进结构→程式化转折→工整排比→程度副词堆叠→否定宣言→分离式对比→同义循环

[1.0.3] - 2026-04-21

触发机制优化

问题背景：de-ai-polish 虽已内置完整检测规则，但在实际使用中未能稳定触发。表现为 de-ai-polish 描述过于简略，未明确强制触发条件，Claude 依赖"想起来才用"而非"每次必用"。

变更

description 强化：

• 明确标注 **必须触发** 条件
• 规定文章经写作流程完成初稿后、输出给用户之前，必须调用此 skill
• 明确禁止"先输出再说"、"凭感觉省略检测"等做法

文档完善

• 2026-04-22：按独立仓库 README 新规范重写首页，补充典型去 AI 腔场景、检测范围、安装方式、使用边界、核心设计、关键文件入口、Legal Skills 关联项目导流、作者联系入口和微信二维码

[1.0.2] - 2026-04-20

规则修补 - 程度副词堆叠 + 戏剧化感受词

新增规则

规则修补 - 补充检测变体与通用模式

背景：在对《git驱动的ai协作》文章进行de-AI-polish时，发现大量AI化表述未被初始规则识别，原因是规则只覆盖了字面形式，未覆盖变体和通用模式。

新增总则

• 模板家族溯源原则：遇到未在清单中直接列出的表述时，判断其是否属于已知模板家族的变体
• 频次红线原则：越来越、其实、往往、看起来等词在全文出现超过2次即视为程式化
• 连续重复原则：同一强化词在相邻句子中连续出现即应视为AI痕迹
• 结构机械感自检：三项具体自检标准

规则扩充

[1.0.0] - 2026-02-11

首个正式版本 - 系统化整合 AI 写作检测规则

• 新增规则整合：系统化整理 24 种 AI 写作检测规则，整合到现有章节中
• 扩展 5 个现有章节，新增 1 个独立章节
• 新增质量评分系统（5 维度，总分 10）

新增检测规则

• 过度强调意义：作为.的体现/证明、标志着.关键时刻、凸显/强调/彰显其重要性
• 虚假范围：从.到.（无意义的大范围）
• AI 词汇库：深入探讨、强调、凸显、彰显、持久的、增强、培养、获得、相互作用、复杂/复杂性、格局、织锦、宝贵的、充满活力的
• 肤浅分析表述：突出/强调/彰显…、确保…、反映/象征…、为…做出贡献、培养/促进…
• 同义词循环：短距离内使用多个同义词指代同一事物
• 系动词回避：作为/代表/标志着/充当 [一个]、拥有/设有/提供 [一个]
• 谄媚语气：好问题！您说得完全正确！、这是一个很好的观点
• 模糊归因：行业报告显示、观察者指出、专家认为、一些批评者认为
• 知识截止免责声明：截至 [日期]、根据我最后的训练更新、虽然具体细节有限/稀缺
• 协作交流痕迹：希望这对您有帮助、当然！、一定！、您说得完全正确！、请告诉我
• 公式化展望：尽管其…面临若干挑战…、尽管存在这些挑战、未来展望、下一步
• 过度强调知名度：被.多家媒体报道、受到.广泛关注、拥有超过.*粉丝
• 内联标题垂直列表：- 用户体验： 用户体验通过新界面得到显著改善
• 表情符号和粗体过度使用：🚀 启动阶段：、OKRs、KPIs

新增功能

• reference/quality-scoring.md：质量评分系统
• 自然度、节奏感、专业度、个性度、精炼度（5 个维度）
• 总分 10 分，9.0-10 分为优秀，7.0-8.9 分为良好，低于 7.0 分需重新修订

规则编号调整

• 原 12-14 规则重新编号为 13-15（因新增了规则 12）

[0.4.0] - 2026-01-25

重大变更 - 基于真人写作样本的风格注入增强

• 新增"人味"表达的正向特征：基于用户范例文章分析
• 开头的真实感（个人感受/具体场景/平实判断/意外转折）
• 弹性表达的适度使用（保留空间感）
• 口语化的正确边界（有分寸 vs 过度随意）
• 幽默感的自然融入（自嘲/意外/反常识）
• 对比的自然表达（避免AI式对比）

新增

• 核心原则总结：
• 真诚感 > 模板化
• 有分寸 > 随意化
• 保留空间 > 封死结论
• 自嘲 > 炫耀

优化

• 从"去除AI腔"扩展到"注入人味"
• 提供正向的风格特征示例
• 增强技能的实用性

[0.3.0] - 2026-01-24

重大变更 - 个人风格注入

• 新增功能：在去AI化基础上，可选地注入个人风格
• 新增 Step 5：注入个人风格
• 目标比例：技术准确性 60% / 个人化 40%

新增

• reference/ 目录：个人风格参考目录
• personal-style-guide.md：个人风格特征指南
• 思维过程展示（弹性表达、承认局限、观察性总结）
• 口语化表达（生活化比喻、对话式句式、直接对话读者）
• 第一人称与个人观点
• 句子节奏
• 自然过渡
• 问题导向与实用建议
• expression-transformations.md：表达方式转化对照表
• 绝对化 → 弹性表达
• 对比句式 → 并列/递进
• 程式化连接词 → 自然过渡
• 生活化比喻库
• 口语化句式库
• sentence-rhythm-guide.md：句子节奏指南
• 长短句搭配原则
• 短句点睛技巧
• 自然断句
• 段落节奏

工作流程更新

原有流程：

1. 阅读理解 2. 识别AI化表述 3. 判断是否修改 4. 重新表述句子

新增步骤：

5. 注入个人风格（可选）

持续迭代

• 个人风格定义会在实际使用中持续优化
• 根据用户反馈调整 reference 文件
• 记录有效的风格特征和表达方式

[0.2.0] - 2026-01-24 19:53

重大变更 - 方法论重构

• 核心方法论更新：从"删除标记词汇"改为"重新表述整个句子"
• 明确区分"删除式修改"（错误）与"重新表述"（正确）
• 添加详细的对比示例表，展示两种方法的差异
• 强调重新表述句子结构，而非简单删除标记词

新增

• 第14类检测规则：比较性与断定性表述
• "它更像一种"、"更像一个.*"
• "它其实是"、"这里其实"、"其实是第二类"
• "天然会"、"天生就"、"自然而然就"
• "会更清楚"、"会更.*"（过度使用的"会更"模式）
• "就.了"、"就.能"（过于绝对的断言）

文档完善

• 修复 markdown 格式问题（表头对齐、列表空行等）
• 增强方法论部分的可操作性

[0.1.1] - 2026-01-13

变更

• 技能架构整合：从 wechat-article-write skill 整合AI腔控制功能
• 新增观察式表达检测规则（第16条检测规则）
• 增强AI化表述检测能力，统一管理所有AI腔问题
• 完善改写方向指导，提供更具体的优化建议
• 升级版本至 v1.1.0

文档完善

• 完善 frontmatter 元数据，添加版本、作者、分类等信息
• 增强SKILL.md主文件的结构化程度
• 补充详细的质量标准和优秀标准

[0.1.0] - 2026-01-13

新增

• 创建AI化表述检测skill，支持13大类AI化表述的识别
• 对比句式：不是...而是...、并非...而是...等
• 口语化词汇：稳、靠谱、飘、搞定等
• 戏剧化表达：推到底、刺痛感、本质上等
• AI过渡语：先把...摆出来、不妨、话说对了一半等
• 自我陈述：我更愿意、我给自己定、我想强调等
• 程式化连接词：首先、其次、此外、但是、因此等
• 导语式口癖：表面上看、更关键的是、接下来会等
• 口号化隐喻：信号、叙事、闭环、生态、搬进等
• 过度情绪化：扎心、必然、无疑、绝对等
• 排比句：工整的并列句式
• 无序列表：检测过度使用，非完全禁止
• 结尾姿态句：方向已经明确、未来可期等
• 引号使用：检测过度使用、格式错误

技术优化

• 设计4步工作流程：阅读理解→识别AI化表述→判断是否修改→修改
• 强调基于理解而非机械扫描，避免使用固定正则表达式
• 强调避免固定替换模板，保持语言多样性和个性
• 删除references目录，保持skill简洁

待办事项

• 根据实际使用情况优化检测规则
• 可能增加更多AI化表述模式

de-ai-polish

检测并去除中文文章里的 AI 化表述模式，让文章从“工整但假滑”回到更自然、更像真人写作的状态。

它不是简单同义改写，而是识别对比句式、空洞总结、排比堆砌、模板化转折和夸张语气，再决定删、合并还是重写。

典型场景

用户：这篇文章读起来很 AI，帮我处理一下，但不要改掉我的核心观点。
AI：我会先扫描 AI 化表述模式，标出问题句，再按“删 / 合并 / 改写”处理。
    最后输出检测报告和修订后的自然版本。

写作流程完成初稿后，也应在输出给用户前调用本 skill 做最后一轮 AI 腔检查。

它能产出什么

• AI 化表述检测报告
• 问题句和问题类型标注
• 删、合并、改写三类处理建议
• 修订后的自然文本
• 有作者样本时的 voice profile 与匹配检查
• 质量评分和二次修订建议

当前覆盖范围

重点检测：

• “不是...而是...”等机械对比句
• “首先、其次、此外、综上所述”等程式化连接词
• “越来越、其实、往往、很多时候”等高频模板词
• 三项以上工整排比和虚假层次感
• “深入探讨、彰显、复杂性、格局”等 AI 词汇库
• 空洞意义拔高、模糊归因、公式化展望
• 过度粗体、表情符号和协作交流痕迹
• 有作者样本时的 Voice Calibration：提取句长、词选、段落开头、标点、过渡、观点密度和语气倾向

安装方式

1. 打开本仓库的 GitHub Releases。 2. 下载最新版本的 skill 压缩包。 3. 解压后将 de-ai-polish/ 文件夹放入你的 skill 目录。 4. 在支持 SKILL.md 的 Agent / Claude 环境中启用该 skill。

本 skill 不需要额外依赖。

可以怎么用

• “请检测这篇文章的 AI 腔，并给出修改建议”
• “直接把这篇文章改得自然一点，但保留原观点”
• “请只标注问题句，不要直接改正文”
• “文章准备发公众号，请最后过一遍 AI 化表达”
• “参考这段我自己的文章，改得更像我的表达，但不要复制原句”

使用边界

这个 skill 适合：

• 中文文章、评论、公众号、报告、演讲稿的自然化润色
• 识别 AI 生成文本中常见的模板句式和空洞表达
• 在保留原观点的前提下提高文字节奏和人味

这个 skill 不适合：

• 英文文本或多语言翻译润色
• 把低质量内容改造成有事实深度的原创研究
• 删除必要的法律术语、技术术语或固定表达
• 代替作者判断观点是否准确、证据是否充分
• 未经确认使用第三方私人写作样本
• 冒充某位作者本人，或复制样本原句、独有比喻、私人事实

核心设计

识别模板家族

AI 化表达常常换皮出现，不会完全匹配固定词表。skill 会把新表述向上归类到已知模板家族，再判断是否需要处理。

频次和相邻重复

单个词未必有问题，但短文中反复出现“其实、越来越、往往、看起来”等词，会形成明显机器感。相邻句重复同一结构也会被优先处理。

不机械替换

同一句问题可能适合删除、合并或改写。skill 不追求把每个模板换成另一个模板，而是根据上下文判断这句话是否还有独立价值。

Voice Calibration

当用户提供并确认可用于本次任务的作者样本时，skill 会先提取 voice profile，再按 profile 改写。它只学习表达特征，不冒充作者身份、不复制样本原句、不把样本事实写进目标文本。

交付门禁

最终文本需通过自然度、节奏感、专业度、个性度、精炼度评分。有作者样本时，还要检查是否匹配 voice profile；若 profile 明显偏离、复现反例、复制样本短语或引入样本事实，需要回炉重写。

关键文件

• SKILL.md：检测规则和执行入口
• reference/expression-transformations.md：表达转换参考
• reference/personal-style-guide.md：Voice Calibration 流程和默认 voice 规则
• reference/quality-scoring.md：质量评分和 voice profile 门禁
• reference/sentence-rhythm-guide.md：句子节奏处理

许可证

本作品采用 MIT 许可证。

关于作者 / 咨询与交流

杨卫薪律师（微信 ywxlaw）

如需使用交流、企业内部落地、定制开发或商用授权，欢迎添加微信（请注明来意）。

<div align="center"> <img src="https://raw.githubusercontent.com/cat-xierluo/legal-skills/main/wechat-qr.jpg" width="200" alt="微信二维码"/> <p><em>微信：ywxlaw</em></p> </div>

关联项目

本仓库是 Legal Skills 的子项目。如果需要合同、商标、专利、OPC、小微企业合规、文档处理等更多法律类开源 Skill，可以关注主仓库。

相关项目：

• md2word：Markdown 转专业排版 Word 文档
• legal-proposal-generator：法律服务方案生成
• contract-copilot：合同审查、起草和 Word 修订批注

表达方式转化对照表

版本记录

• v1.0 (2026-01-24 20:10) → 基于用户写作风格创建初版

使用说明

本文档提供 AI 化表达 → 个人风格表达的对照表，用于在改写时快速查找合适的表达方式。

---

一、绝对化 → 弹性表达

---

二、对比句式 → 并列/递进

---

三、程式化连接词 → 自然过渡

---

四、过度强调 → 适度表达

---

五、哲学化大词 → 具体表达

---

六、戏剧化表达 → 平实表达

---

七、自我陈述 → 经验性表达

---

八、导语式口癖 → 直接表达

---

九、生活化比喻库

---

十、口语化句式库

---

十一、思维过程表达

---

十二、第一人称使用

---

使用指南

改写时的工作流程

1. 识别 AI 化表达

• 找出绝对化词汇（必然、绝对、必须）
• 找出对比句式（并非...而是...）
• 找出程式化连接词（首先、其次、然而）

2. 查找对照表

• 在相应分类中查找替代表达
• 选择适合上下文的表达方式

3. 应用转化

• 用对照表中的表达替换
• 确保新表达符合上下文
• 保持技术准确性

4. 检查平衡

• 技术准确性是否保持（60%）？
• 个人化表达是否适度（40%）？
• 自然流畅度如何？

快速查找索引

• 绝对化词汇 → 查"一、绝对化 → 弹性表达"
• 对比句式 → 查"二、对比句式 → 并列/递进"
• 程式化连接词 → 查"三、程式化连接词 → 自然过渡"
• 需要比喻 → 查"九、生活化比喻库"
• 需要口语化 → 查"十、口语化句式库"

个人写作风格指南

版本记录

• v2.0.1 (2026-06-23) → 补齐样本使用边界、身份边界和 voice profile 匹配门禁
• v2.0 (2026-06-22) → 新增 Voice Calibration 流程（voice profile 七维度 + 提取步骤 + author profile 模板）；原有特征重新定位为“无样本时的默认 voice”
• v1.0 (2026-01-24) → 基于参考样本创建初版

使用说明

本指南用于在去除 AI 化表述后，注入个人风格特征。目标比例：技术准确性 60% / 个人化 40%。

注入风格有两条路径：

• 有作者样本 → 走 Voice Calibration（见下一节）：用户提供目标作者的一段写作样本（建议 ≥500 字），先提取 voice profile，改写时按 profile 匹配。样本优先于本文件的默认特征。
• 无样本 → 用默认 voice：直接用下方“默认 voice”及之后的特征。这些特征提炼自参考样本，适用于通用技术/法律写作；若与目标场景明显不符，以目标场景为准。

样本与身份边界

• 只使用用户提供或确认可用于本次任务的作者样本；不要主动抓取、拼接或推测未提供的私人样本。
• Voice Calibration 只学习表达层面的稳定特征，不冒充作者本人，不声称文本由该作者撰写。
• 不复制样本原句、标题、口头禅密集片段或高度可识别的比喻；目标是“接近声音”，不是复刻样本。
• 不把样本中的事实、经历、客户、案件、机构、联系方式或私人信息写进目标文本。
• 样本含敏感信息时，只抽象成 profile；交付正文和备注中不复述敏感细节。

---

Voice Calibration 流程（有作者样本时）

当用户提供写作样本时，先提取该作者的 voice profile，再据此改写，而不是套用本文件的默认特征。

voice profile 七维度

逐维分析样本，记录该作者的稳定习惯（只记反复出现的稳定特征，不记偶发表达）：

提取步骤

1. 确认样本边界：样本来自用户提供或用户确认可用于本次任务；若来源或用途不清，只使用默认 voice。 2. 通读样本 2-3 遍：先整体感受，再逐维标注。 3. 逐维填 profile：按上表口径填进下面的模板，只写抽象习惯，不粘贴样本文句。 4. 标记反例：样本里偶尔偏离自己习惯的地方（如平时不用排比，某段用了），记为“反例”，改写时不复现。 5. 产出 voice profile：一份该作者的稳定声音画像，供 Step 5 改写时匹配。

author profile 模板（可填）

作者/样本来源：______
样本字数：______

- 句长分布：______
- 词选层级：______
- 段落开头习惯：______
- 标点习惯：______
- 口头禅与过渡：______
- 观点密度：______
- 语气倾向：______
- 反例（不复现）：______
- 备注（场景/领域的特殊约束）：______

改写时：voice profile 优先；profile 未覆盖的维度，回落到下方“默认 voice”。

匹配门禁

有作者样本时，改写后必须额外检查：

• profile 匹配：最终文本至少匹配主要稳定维度；若句长、词选、段落开头、标点、过渡、观点密度、语气中有两个以上核心维度明显偏离，回炉 Step 5。
• 反例不复现：profile 中标记为反例的表达方式不得作为目标风格复现。
• 不复制样本：不得出现样本原句、高辨识短语或样本独有比喻的直接复用。
• 不引入样本事实：不得把样本中的经历、案件、客户、机构或私人信息带入目标文本。

---

默认 voice（无样本时使用）

以下特征提炼自参考样本，适用于通用技术/法律写作。其中的比喻、句式为示例，不是必须复现的通用规则——遇到与目标作者/场景不符的，以目标为准。

一、思维过程展示

1.1 弹性表达

特征： 避免绝对化，使用探索性和判断性表达

常用词汇：

• 往往、通常、多半
• 某种程度上、在某种程度上
• 从某种意义上说
• 一个关键因素、值得关注的方面
• 或许、可能、可能需要

示例对照：

1.2 承认局限

特征： 展示思考的不确定性和探索过程

表达模式：

• 坦白说，...还是存在一定差距
• 这件事，更现实的...
• ...只能说是一个探索
• 需要持续观察

示例：

• "坦白说，最终产出的内容与专业律师的期望之间仍存在一定差距"
• "这件事，更现实的选择是..."
• "只能算是一个小小的探索"

1.3 观察性总结

特征： 从观察中得出结论，而非断言

表达模式：

• 很多...都经历过...
• 一个常见的问题是...
• 往往会发现...
• ...往往会得出这样的结论

示例：

• "很多律所的 AI 项目，都经历过类似的曲线"
• "很多人会迅速得出结论：这东西'适合技术控玩'，不适合自己"

---

二、口语化表达

2.1 生活化比喻

原则： 用日常场景解释技术概念，让读者产生画面感

常用比喻类型：

使用时机：

• 解释抽象技术概念时
• 需要让读者快速理解问题时
• 强调某个特征的价值时

2.2 对话式句式

特征： 像和朋友聊天，直接、自然

句式类型： 1. 直接陈述观察：

• "很多人会迅速得出结论..."
• "真正的问题是..."

2. 揭示常见现象：

• "后台统计往往只剩下一个冷冰冰的事实"
• "系统成为少数人的玩具"

3. 反问式：

• "你能想象有些老律师甚至都不会打印、扫描吗"
• "这东西'适合技术控玩'，不适合自己"

2.3 直接对话读者

特征： 用"你"直接称呼读者，增强代入感

常用模式：

• "你可以..."
• "你始终站在..."
• "你会发现..."
• "当你..."

示例：

• "你可以把这篇文章转给 TA"
• "你始终站在'判断与选择'的位置上"
• "你会发现，真正决定成败的，是另一组更朴素的问题"

---

三、第一人称与个人观点

3.1 何时用"我"

适度使用场景： 1. 经验性陈述： 描述自己亲身经历

• "我自己用了这么多年的律师 saas 平台"
• "我自己开源的...算是做了一个小小的探索"

2. 思维过程： 展示思考和发现

• "在这个过程中我意识到"
• "我发现"

3. 判断性表达： 谨慎表达个人观点

• "这件事"
• "更重要的是"
• "坦白说"

避免过度使用：

• 不要每句话都用"我"
• 技术性描述不需要第一人称
• 保持客观性和专业性的平衡

3.2 判断性表达

适度使用判断词：

• "这件事"（表达观点）
• "更重要的是"（强调重点）
• "坦白说"（坦诚表达）
• "可以说"（审慎判断）

示例：

• "我自己用了这么多年的...可以说基本都是一坨"
• "更重要的是，这些散落在个案中的专业洞察，才是 AI 最需要的学习素材"

---

四、句子节奏

4.1 长短句搭配

原则：

• 长句：用于技术准确性论述，保持专业性
• 短句：用于点睛、强调、节奏变化

节奏模式：

长句（论述）→ 长句（展开）→ 短句（点睛）→ 长句（继续）→ 短句（收尾）

示例：

长句：很多人一上来就纠结「哪个模型更强」「哪个平台更智能」，但在日常工作中，更常见的问题其实是：录入太慢、资料分散、格式混乱、难以复用。

短句：如果信息进来的方式是碎片化的，存放的方式是无结构的，再强的大模型也只能在乱麻里帮你找线头。

短句：火很旺，但始终只是在烧空气。

4.2 短句点睛

作用： 在长段论述后用短句强化核心观点

常见模式： 1. 总结式短句：

• "这东西'适合技术控玩'，不适合自己"
• "火很旺，但始终只是在烧空气"

2. 转折式短句：

• "真正的问题是..."
• "但真正该先回答的，其实是..."

3. 强调式短句：

• "这件事"
• "坦白说"

4.3 自然断句

特征： 不刻意追求工整对仗，让语言有自然的起伏

避免：

• 三个以上的工整排比
• 强行对称的表达
• 过于整齐的并列句

示例（避免）： ❌ "既要说明'我是谁'，又要说明'我在做什么'，还要说明'我怎么做'"

示例（推荐）： ✅ "你始终站在'判断与选择'的位置上，而不是陷入一遍遍重复录入和排版的漩涡里。"

---

五、自然过渡

5.1 避免程式化连接词

禁止使用的连接词：

• 首先、其次、此外、但是、因此、然而
• 一方面、另一方面
• 综上所述、总而言之

5.2 自然衔接方式

方法： 1. 逻辑递进： 让上下文自然推进 2. 问题引导： 用问题或现象引出下文 3. 转折自然： 不用"但是/然而"，直接转折

示例：

很多人一上来就纠结「哪个模型更强」「哪个平台更智能」...（上句）
但在日常工作中，更常见的问题其实是：录入太慢、资料分散、格式混乱、难以复用。（下句——直接转折，不用"但是"）

如果信息进来的方式是碎片化的，存放的方式是无结构的，再强的大模型也只能在乱麻里帮你找线头。（条件推进，不用"因此"）

5.3 段落过渡

方法：

• 用上一段的结尾引出下一段
• 用问题或现象自然过渡
• 让逻辑自然展开

示例：

（上段结尾）这些动机解释了"为什么要把柴火搬进来"。
（下段开头）真正的问题是：在搬柴之前，有没有想清楚自己要烧什么样的锅。

---

六、问题导向与实用建议

6.1 从实际困惑出发

特征： 从读者常见问题或困惑入手

开头模式：

• "很多人会..."
• "一个常见的问题是..."
• "真正的问题是..."
• "很多人一上来就..."

示例：

• "很多人一上来就纠结「哪个模型更强」「哪个平台更智能」"
• "很多人会迅速得出结论：这东西'适合技术控玩'，不适合自己"

6.2 可操作建议

特征： 给出具体、可执行的建议

表达模式：

• "可以尝试..."
• "不妨先..."
• "建议..."
• "更现实的选择是..."

示例：

• "可以尝试把路线画得更简单一点"
• "不妨先做几件看上去朴素的事"
• "更现实的选择是：承认自己依然是一名以判断和沟通为核心的专业人士"

---

七、风格平衡原则

7.1 技术准确性 60% / 个人化 40%

技术准确性部分（60%）：

• 核心概念准确
• 技术逻辑清晰
• 专业术语恰当
• 论证严谨

个人化部分（40%）：

• 弹性表达
• 口语化比喻
• 思维过程展示
• 对话式句式

7.2 避免"过度风格化"

警惕：

• 不要为了口语化而失去专业性
• 不要为了比喻而影响准确性
• 不要过度使用第一人称
• 不要让风格盖过内容

检查标准：

• 技术内容是否准确？
• 专业性是否保持？
• 风格是否服务于内容？
• 读者能否轻松理解？

---

八、应用检查清单

完成改写后，检查：

• [ ] 是否使用了弹性表达（往往、某种程度、或许）？
• [ ] 是否避免了绝对化词汇（必然、绝对、必须）？
• [ ] 是否有生活化比喻？
• [ ] 是否有直接对话读者的表达？
• [ ] 第一人称使用是否适度？
• [ ] 是否有长短句搭配？
• [ ] 是否避免了程式化连接词？
• [ ] 过渡是否自然？
• [ ] 技术准确性是否保持（60%）？
• [ ] 个人化表达是否适度（40%）？

质量评分系统

对改写后的文本进行 0-2 分评估（总分 10）：

评分标准

9.0-10 分：优秀，已去除 AI 痕迹

• 文本读起来完全自然，像真人写作
• 句子长短错落有致，富有变化
• 专业内容准确无误
• 有个人风格和温度
• 表达简洁精炼

7.0-8.9 分：良好，仍有改进空间

• 大部分 AI 痕迹已去除
• 句子节奏有一定变化但可优化
• 专业内容基本准确
• 个人风格有一定体现
• 少量冗余表达

低于 7.0 分：需要重新修订

• 仍明显残留 AI 写作痕迹
• 句子结构单调重复
• 专业性有待提升
• 缺乏个人风格
• 冗余表达较多

使用方法

在完成文本改写后，按照五个维度进行自评：

1. 自然度：通读全文，检查是否还有 AI 痕迹 2. 节奏感：检查句子长度变化是否自然 3. 专业度：确认核心概念和技术内容准确 4. 个性度：感受文本是否有"人味" 5. 精炼度：检查是否还有可删除的冗余内容

每个维度可以给出小数点评分（如 1.5、1.8），然后按权重计算总分。

示例

评分：9.2/10（优秀）

AI 编程助手能加快某些任务。在 2024 年 Google 的研究中，使用 Codex 的开发者完成简单函数的速度比对照组快 55%，但在调试和架构决策上没有明显改善。

• 自然度：2.0/2.0
• 节奏感：1.8/2.0
• 专业度：2.0/2.0
• 个性度：1.9/2.0
• 精炼度：0.9/1.0
• 总分：9.2/10

评分：6.5/10（需改进）

人工智能作为一项突破性技术，正在深刻改变我们的工作方式。它不仅能提高效率，还能增强协作，确保组织能够保持敏捷。

• 自然度：1.0/2.0（仍有"深刻改变"、"提高效率、增强协作"等 AI 套话）
• 节奏感：1.2/2.0
• 专业度：1.5/2.0
• 个性度：1.0/2.0（机械生硬）
• 精炼度：0.9/1.0
• 总分：6.5/10

作为交付门禁使用

本评分系统不只是事后自评，应作为 SKILL.md 交付前的强制门禁：

1. 何时评：在 Step 6（标点修正）完成后、交付用户前，对最终文本评分。 2. 回炉阈值：

• 总分 < 7.0 → 必须回到 Step 4 重新表述问题句，再评分。
• 单维度硬伤：自然度 < 1.5（AI 痕迹仍明显）或个性度 = 0（完全机械）→ 即使总分达标也回炉。

3. 场景调整：法律文书场景下，专业度权重实质性更高（术语/法条不能错），专业度 < 1.5 即回炉；口语场景下，个性度和精炼度的阈值可适当放宽。

有作者样本时的 voice profile 附加门禁

当 Step 5 使用 Voice Calibration 时，个性度 不再只看"有人味"，还要看是否匹配已提取的 voice profile。以下情况必须回炉 Step 4/5：

• profile 明显偏离：句长、词选、段落开头、标点、过渡、观点密度、语气倾向中有两个以上核心维度明显不符合 profile。
• 反例复现：profile 标记为"反例（不复现）"的表达方式在最终文本中被当成风格特征复现。
• 样本复刻：直接复制样本原句、高辨识短语、独有比喻或标题结构。
• 事实污染：把样本里的经历、案件、客户、机构、身份或私人信息带入目标文本。

这些门禁不新增主评分维度，只作为 个性度 和交付安全的硬检查点。通过标准是"稳定接近该 voice profile"，不是"让读者误以为作者本人写作"。

评分辅助视角（不新增维度，仅作检查点）

评分时除 5 个维度外，可参考两个辅助视角定位问题：

• 直接度：是否绕弯子、堆铺垫才进入正题（低 → 影响自然度与精炼度得分）。
• 信任读者：是否过度解释、手把手引导、软化结论（低 → 影响自然度与个性度得分）。

这两个视角不单独打分，只用来解释"为什么某维度被扣分"以及指导 Step 4 的重写方向。

版本记录

• v1.2 (2026-06-23) - 增加 Voice Calibration 场景下的 voice profile 附加门禁
• v1.1 (2026-02-11) - 改为 10 分制，各维度支持小数点评分
• v1.0 (2026-02-11) - 初始版本，5 维质量评分系统

句子节奏指南

版本记录

• v1.0 (2026-01-24 20:10) → 初版，基于用户写作风格分析创建

使用说明

本文档指导如何在改写时创造自然的句子节奏，避免单调的句式模式。

---

一、长短句搭配原则

1.1 节奏模式

推荐模式：

长句（论述） → 长句（展开） → 短句（点睛） → 长句（继续）

效果：

• 长句保持技术准确性和专业性
• 短句提供节奏变化和强调

1.2 长句的特征

用途： 技术论述、逻辑展开、专业说明

特点：

• 完整的逻辑链条
• 准确的技术术语
• 严谨的论证结构

示例：

很多人一上来就纠结「哪个模型更强」「哪个平台更智能」，
但在日常工作中，更常见的问题其实是：
录入太慢、资料分散、格式混乱、难以复用。

1.3 短句的特征

用途： 点睛、强调、转折、节奏变化

特点：

• 简洁有力
• 直击要害
• 画面感强

示例：

火很旺，但始终只是在烧空气。

---

二、短句点睛技巧

2.1 总结式短句

作用： 在长段论述后快速总结核心观点

示例：

（长段论述...）
这东西'适合技术控玩'，不适合自己。

2.2 转折式短句

作用： 转换论述方向，引出新的观点

示例：

（上一段论述...）
真正的问题是：在搬柴之前，有没有想清楚自己要烧什么样的锅。

2.3 强调式短句

作用： 强调某个关键点

示例：

这件事
坦白说

2.4 画面式短句

作用： 用简短描述创造画面感

示例：

后台统计往往只剩下一个冷冰冰的事实。
火很旺，但始终只是在烧空气。

---

三、避免节奏单调

3.1 避免连续长句

问题： 连续长句让读者感到疲劳

解决： 每隔 2-3 个长句插入一个短句

3.2 避免连续短句

问题： 连续短句显得零碎、不够专业

解决： 用长句提供必要的论述和说明

3.3 避免固定节奏

问题： 长短长短的固定模式显得刻意

解决： 让节奏自然变化，根据内容需要调整

---

四、自然断句

4.1 原则

不刻意追求工整对仗，让语言有自然的起伏

4.2 避免的句式

工整排比：

❌ 既要说明'我是谁'，又要说明'我在做什么'，还要说明'我怎么做'

强行对称：

❌ 一方面...另一方面...

4.3 推荐的句式

自然变化：

✅ 你始终站在'判断与选择'的位置上，
   而不是陷入一遍遍重复录入和排版的漩涡里。

长短结合：

✅ 当这三块基建搭好，你会明显感觉到一个变化。
   无论是换哪家模型、哪种平台，
   你都不会再被「从哪开始」卡住，
   因为你已经有了一条清晰、可复用的信息管线。

---

五、段落节奏

5.1 段落长度

推荐： 3-6 句为一个段落

原因：

• 保持段落完整性
• 避免过长段落
• 保持阅读节奏

5.2 段落开头

推荐：

• 直接进入主题，不铺垫
• 用问题或现象引出
• 用观点直接陈述

避免：

• "首先"、"其次"等程式化开头

5.3 段落结尾

推荐：

• 短句收尾
• 引出下一段
• 自然过渡

示例：

（段落内容...）
这些动机解释了"为什么要把柴火搬进来"。

真正的问题是：在搬柴之前，有没有想清楚自己要烧什么样的锅。

---

六、标点符号与节奏

6.1 逗号的使用

作用： 控制句子内部节奏

示例：

很多人一上来就纠结「哪个模型更强」「哪个平台更智能」，
但在日常工作中，
更常见的问题其实是：
录入太慢、资料分散、格式混乱、难以复用。

6.2 破折号的使用

作用： 解释、补充、转折

示例：

AI 对于（律师）效率的提升可以分为两个部分，
一个是工作效率的提升，
还有一部分就是协作效率，
这又可以分为个体协作效率和群体协作效率。

6.3 冒号的使用

作用： 引出解释、列举

示例：

真正决定成败的，是另一组更朴素的问题：
我们的办案流程是不是已经被拆解得足够清楚...

---

七、节奏检查清单

改写完成后，检查：

• [ ] 是否有长短句搭配？
• [ ] 是否每 2-3 个长句后有短句点睛？
• [ ] 是否避免了连续的长句或短句？
• [ ] 是否避免了工整排比？
• [ ] 段落长度是否适中（3-6句）？
• [ ] 标点符号使用是否有助于节奏？
• [ ] 整体节奏是否自然、不刻意？

---

八、常见问题与解决

8.1 句子过长

问题： 单句超过 50 字，读起来累

解决： 拆分成 2-3 个句子

8.2 句子过短

问题： 连续多个短句，显得零碎

解决： 合并相关短句，增加必要的连接

8.3 节奏单调

问题： 句子长度相似，缺乏变化

解决： 调整句子长度，创造节奏变化

8.4 刻意工整

问题： 句式过于整齐，显得刻意

解决： 打破工整结构，让语言自然变化

---

九、示例对比

9.1 单调节奏（×）

AI 对于律师效率的提升可以分为两个部分。
一个是工作效率的提升。
还有一部分就是协作效率。
这又分为个体协作效率和群体协作效率。
通常我们会使用 saas 软件来进行规划。
但我自己用了这么多年的律师 saas 平台。
可以说基本都是一坨。

问题： 句子长度相似，节奏单调

9.2 自然节奏（✓）

AI 对于律师效率的提升可以分为两个部分，
一个是工作效率的提升，比如法律 ai 检索工具就能够直接提升我们做检索工作的效率；
还有一部分就是协作效率，
这又可以分为个体协作效率和群体协作效率，
通常我们会使用 saas 软件、协作软件来进行规划。

但我自己用了这么多年的律师 saas 平台，可以说基本都是一坨。

改进： 长短句结合，节奏自然变化