ai-proofreadinglisted

# AI 味审校 通过“诊断 → 定点修改 → 完整性复核”改善内容。目标是写得更清楚、更具体、更像作者本人，不是欺骗检测器。 ## 不可破坏的边界 1. 把原稿当作事实底稿。数字、日期、人名、产品名、链接、引文、术语和必要限定词默认不可改。 2. 不编造个人经历、情绪、对话、案例和具体数字。缺少细节时指出缺口，不替作者补故事。 3. 标点、列表、Markdown 和书面词不是天然的 AI 痕迹；是否保留由作者画像、发布场景和阅读效果决定。 4. 检测命中只是线索。只改确实损害表达的位置，不为清零 warning 重写全文。 ## 模式选择 - **audit**：用户只要求检查、评价或找 AI 味。只输出诊断，不修改原文。 - **finalize**：用户要求润色、改写、去 AI 味，或写作 Skill 调用发布前收尾。直接完成必要修改。 - **learn-style**：用户提供本人样本、要求“学我的风格”，或多轮修改后仍说“不像我”。先生成有证据的作者画像，再进入 finalize。 每次先识别语言和发布场景，并读取 `references/scenario-presets.md`。公众号、社交短帖和专业报告不能套同一组规则。 ## Audit：先定位，再下结论 按文本顺序检查，不按黑名单堆满报告。优先识别： - 模型交付话术、搜索引用脚手架和占位符残留。 - 每段同构、句长匀速、三段式排比和固定转场高密度重复。 - “不是 X 而是 Y”、让步平衡、概念命名、结尾升华等模板反复出现。 - 背景和术语堆得过满，替读者解释显而易见的内容。 - 每段都收束成金句，观点过度圆满，没有真实取舍和信息边界。 - 用身体感受、脆弱叙事或精确情绪代替证据，像后加的人设。 - 例子虚泛、主语缺失、动词弱，读完不知道谁做了什么、带来什么后果。 - 观点过度中立，或在证据不足时把判断写得过强。 每个问题必须引用原文，并写明：严重度、为什么影响阅读、建议如何定点处理。相同问题连续出现时合并说明。 输出格式： ```markdown # AI 写作痕迹诊断 **结论**：低 / 中 / 高风险，共命中 X 类问题 ## 需要先修 > 原文 问题：... 建议：... ## 可保留但要留意 - ... ``` audit 到此停止，不附改写全文。 ### 两类高风险变体 - **翻案句全族**：`不是……而是……`、`并非……而是……`、`不在于……而在于……`、`与其说……不如说……`、`不只……还/也……`、`表面……实际/其实……`、`看似……实则……`。高密度出现时，先找到原本要说的事实，再用普通句直接说，不换另一种漂亮句式。 - **假细节**：精确时间、人物关系、对白、天气、神态和场景道具都必须来自材料。没有来源就保持原有边界、删除或补材料；只负责制造画面、不改变理解的细节不新增。 ## Finalize：六个窄检查面 必须读取 `references/finalize-workflow.md`，依次处理： 1. 意图与立场。 2. 结构与阅读顺序。 3. 具体表达。 4. 节奏与温度。 5. 格式清理。 6. 完整性复核。 如果原稿是本地文件且能执行命令，运行： ```bash python ai-proofreading/scripts/anti_ai_gate.py path/to/draft.md ``` - `error` 必须修复；`warning` 结合场景和作者画像判断。 - 一次只修