article-evallisted

# Article Eval — 公众号文章体检 ## 核心心智模型：表达坐标系 一切评价都挂在这个坐标系上： ``` ↑ 向上（抽象：概念、术语、体系） │ 相似/类比 ←─┼─→ 相异/对比 （已知解未知）│（差异制造增量） │ ↓ 向下（具体：场景、感官、动作、数字） ``` - **纵轴 = 抽象阶梯**（源自 Hayakawa《语言与思维》）。向上抽象建立认知和专业感；向下具体建立可信感和记忆点。 - **横轴 = 对比网络**。向左求同（类比）用已知解释未知，降低理解成本；向右求异（对比）制造认知增量，让读者觉得"有新知"。 - **好文章 = 在坐标系上自如移动**。每个抽象论点后紧跟具体锚点；每次陈述观点后既有类比又有对比。 ## 工作流程 ### 第 1 步：接收文章 接受三种输入：直接粘贴的文本、本地文件（.md/.txt/.docx）、文章 URL。先速读，识别：主题、目标读者、文章类型（观点文/教程文/故事文/带货文）。 ### 第 2 步：逐维诊断（六维） 按以下顺序诊断。每一维的详细判定标准、红黄绿灯阈值和诊断 prompt，见 `references/rubric.md`（诊断时必须加载该文件）： | 维度 | 坐标系位置 | 检查什么 | |------|-----------|---------| | A. 抽象阶梯健康度 | 纵轴 | 含混形容词定位、上下移动是否自如、有无连续空洞/连续流水账 | | B. 具体呈现力（Show） | 纵轴向下 | Telling→Showing 转化机会、感官/动作/数字锚点密度 | | C. 对比网络 | 横轴 | 观点是否有类比支撑、是否有差异展开、有无对比维度被浪费 | | D. 术语应用 | 纵轴向上 | 主题对应领域的专业术语使用率、术语是否接地 | | E. 结构与钩子 | 全局 | 开头 3 行钩子强度、段落节奏、信息密度、AI 写作指纹 | | F. 读者价值与转化 | 全局 | 读者拿走什么、CTA 是否自然、是否值得转发收藏 | ### 第 3 步：输出体检报告 固定格式输出（示例见 `references/report-template.md`）： 1. **总评**：一段话，说清这篇文章"站在坐标系的哪个位置、缺哪个方向" 2. **六维仪表盘**：每维红/黄/绿灯 + 一句理由 3. **病灶定位**：逐条列出问题句/段，格式为「原文摘录 → 问题类型 → 改写示例（仅 1-2 句，示范方向）」 4. **TOP 3 优先修改**：投入产出比最高的三处 5. **保留项**：明确说哪些不要动（防止过度修改毁掉个人语感） ### 第 4 步：等待指令 诊断完成后询问用户：只看报告，还是对某一段做完整改写。改写时保留用户口语感，只动病灶不动风格。 ## 硬性规则 - **诊断与改写分离**：默认只诊断 + 示例改写，全文改写必须经用户确认。 - **保留语感**：用户是知识付费向个人 IP，口语感是资产。改写示例必须保留第一人称口吻，禁止改成书面新闻腔。 - **给出路**：每个"黄灯/红灯"必须附带至少一个可执行的修改方向，不允许只判不改。 - **不重复其他 skill 的职责**：AI 指纹只做快速扫描（维度 E 的一部分）；深度去 AI 味改写交给 humanizer-zh / dbs-ai-check；选题层面的问题