dsh-plugin-nature
Manifest validChinese Writing Health Check: Identify cliché phrasing across 11 style templates and provide revision prescriptions. Do not judge the author's identity.
nature · 中文写作体检
让中文写出来像正常人说话。
粘贴一段中文稿,它告诉你哪里像机器写的:公文式过渡语、万能时代背景、结尾强行升华、抽象黑话、欧化长句、「的」字长链、句段过于整齐,以及「通篇没有一个具体数字或人」。按 11 个文体分别判定,再给出能直接照着改的处方。
规则库和扫描引擎是确定性的——不调模型、不联网,每一分都能追到某条具体规则上。
先说清楚它不是什么
它不判断作者身份。
这是最容易用错的地方,也是我自己踩过的坑:第一版写完,我拿一段纯手写的小说去跑,得到「40 分 C 级 · 明显的 AI 腔」——完全错了。那段文字只是用了网文常见的写法和有几个错别字,跟 AI 没有半点关系。
原因很简单:真人写作和 AI 写作会共享大量模式。 真人也会用对举句式,也会写「心中满是悲凉」,也会把「的」写成「地」。规则引擎能看见模式,看不见作者。
所以输出拆成三类,并且明确各自的含义:
| 类别 | 说明什么 | 是否计入分数 |
|---|---|---|
| 模板腔信号 | 套话、万能背景、升华结尾、行业黑话、翻译腔——真人写小说几乎不会这么写 | 计入 |
| 节奏问题 | 句子被切碎,或句长过于整齐 | 计入 |
| 文字错误 | 错别字、「的/地」误用。谁写的都该改 | 不计入,单独列 |
| 编辑建议 | 情绪直陈、排版、ASCII 标点这类口味问题 | 不计入,单独列 |
指标名字也从「AI 味评分」改成了**「模板腔指数」**。它衡量文本里的模板化痕迹有多重,不衡量「这段是不是 AI 写的」。
另外,修辞类规则(对举句式、排比、破折号、网络梗)全部改成密度判定:真人写四千字用一次「不仅……而且」完全正常,只有密集出现才可疑。
装了什么
装进 profile 后有三个东西同时工作:
| 组件 | 作用 | 何时生效 |
|---|---|---|
nature 工具 | 对一段中文做确定性扫描,返回模板腔信号 + 用字错误 + 编辑建议 + 结构性指标 + 改写处方 | 模型或你主动调用 |
| 常驻提示片段 | 精简版「说人话」守则,每一轮都在系统提示里 | 一直 |
nature-chinese 技能 | 完整方法论:必删清单、句式改造、十一种文体写法、二十二条改写对照、自检表 | 按需加载,不占常驻上下文 |
工具本身不调用模型,只做检查和开方;真正的改写由调用它的模型完成。所以它快、可解释、零额外成本,而且每一分的扣分都能追溯到某条规则。
处方也认这个账:如果没有任何模板腔问题,它会直接说「这段不需要去模板腔」,只列要改的错字,并明确写上「不要把长句拆短,不要重排段落,不要改语序」。
安装
dsh plugin install file:E:/path/to/dsh-plugin-nature
或者直接告诉模型:把这个目录装成插件,工具名应该是 nature。
装完重启 DSH 才会加载,因为 profile 只在启动时重新组合。重启后确认三件事:
- 工具列表里出现
nature - 技能目录里出现
nature-chinese - 直接说「帮我把这段去掉 AI 味」,模型应当主动调用
nature
配置项见下表,全部可选;不配也能用。
怎么用
改写一段稿子
帮我把下面这段去一下 AI 味,是给公众号写的: (粘贴正文)
模型会调用 nature,拿到诊断和处方,然后按处方直接给出改写稿。默认不回显诊断,你要看诊断就明说「先给我看诊断」。
只做检查不改
用 nature 扫一下这段,告诉我哪儿像机器写的。
指定文体和强度
工具支持五个参数:
genre:11 个文体,处方和节奏画像都跟着变——general(日常与说明)、media(自媒体推文)、script(口播稿、视频脚本)、fiction(小说剧本)、webnovel(网文连载)、report(报告、公文、商务)、tech(技术文档)、news(新闻媒体)、business(财经商业分析)、commentary(分析评论专栏)、proposal(方案策划、提案)。每个文体的「必须有」和「不要有」不同,判「碎片化」的阈值也不同。传了不认识的文体会回落general。strength:light只删套话保留结构;standard重组句子段落;rewrite只留事实结论推倒重写。keep:必须原样保留的内容,比如「数字不要改」「保留原文的判断方向」。before:改之前的原文。传了就出「改前改后」对照——哪些问题解决了、哪些还没处理、哪些是这次改稿新引入的,外加分数和长度变化。改完稿做验收时用。locale:zh-CN(默认)、zh-TW、zh-HK。默认会标出大陆文本里混入的港台用词。
报告太长怎么办
真实稿子命中十来个类目是常事。把每一条都读完再动手,大多数人会停在「我知道了」那一步,一个都不改。所以命中四类以上时,报告在详表前面先给一节「如果只改三处」:按扣分从多到少排,附上各自扣了多少分、前三条合起来占总扣分的几成。
前三名常常并列——density 类规则在两倍封顶,超 3 倍和超 27 倍都拿同样的分。这时候顺序按超阈值的倍数排,报告里会写出来(「扣 16 分,超阈值 6.5 倍」)。分数看不出差别的地方,倍数还留着真实差距。
试过把封顶从两倍放到八倍来拉开分差,方向是错的:AI 稿全降、真人稿反而涨。真人也写高密度文本——新闻通稿的「负责人表示」、财经稿的行业词——放大高密度区间等于放大真人的真实特征。并列的问题只能靠排序解决,不能靠抬分。
处方到底管不管用
拿 ai-report-baseline(模型默认写的季度运营报告,99 分 E 级)自己走了一遍闭环:不看规则,只按报告的处方改——结论挪到第一段、每个判断配数字、风险写在建议前面、补负责人和时间。改完 435 字,99 → 7 分 A 级。
这次闭环顺带抓到一条误报:「从 6 个渠道收到 3 个,单渠道日均新增从 800 提到 1400」被「从……到……」那条规则当成排比扣了 14 分。问题是「收到」的「到」是动词的一部分,不是方向词。用反向断言把「收/达/得/找/遇」这一批排除掉,真排比(「从产品设计到用户运营,从技术架构到市场推广」)照样报。
八个文体都走一遍,四处新误报
把剩下七个文体也闭环了:每份 AI 基线稿不看规则、只按处方改写,要求回到 0 分。结果 news 47→0、script 72→0、media 55→0、fiction 69→0、commentary 37→0、tech 50→0、proposal 35→0。处方对每个文体都指对了地方。
但改后的稿子第一遍也被打回去四次,查下去全是误报:
- 「落地窗」被当黑话「落地」。词表匹配是子串匹配,黑话「落地」撞上了家具和旅行的常用词。加了个
excludeAfter字段——「落地」后面紧跟「窗/灯/扇/镜/柜/床/面/价/签/式」时不算。比把词从词表删掉精确,比给每个词单写一条正则省事。 - 破折号被当「的」字长链。「第二次不买——现在的复购率就是这么来的」被连成一条链读。破折号是断句,前后各一句,把它拆开就不成立了,所以排除集里加了破折号。
- 「也就是说」被当公文过渡语。这条原来是「出现即报」。实测 25 份语料才发现它是负区分度:真人用得多(虎嗅稿 4 处、李书福演讲 1 处、产业评论 1 处),8 份 AI 基线稿加起来只有 1 处。改成密度判据,千字两次以上才报——它的价值是「这词该删」,不是「用了就是 AI」。
- 修这一类时挖出一个隐藏更久的 bug:
compilePhraseGroup只挑固定几个字段复制到新对象,genreThresholds和exceptGenres从来没被带过去。也就是说 jargon 的「技术文档门槛 2.0」从加进去那天起就没生效过。字段漏传这种 bug 不会报错、不会让测试变红,只会让某个规则一直按默认值跑。
这件事值得记:规则写得再准,也会在真实文本里撞到它没有预料到的用法。 处方改完的稿子,同时也是新语料——而且是最好用的那批,因为它要求是 0 分,任何非零都是误报,判据是硬的。
试过自动判体裁,没做成,撤了
「用户不知道该传哪个 genre」是个真问题:同一份李书福演讲,按 script 扫是 5 分,按 report 扫是 28 分。差二十几分,选错就得到完全相反的结论。
先后试了两条路,都失败:
- 特征指纹。给每个体裁写一组判别特征(记者署名、章节号、代码块、财务词……),打分取最高。32 份语料上判对 8、判错 11、弃权 13。原因是我靠常识写特征,而中文里「目标」「策略」「引号」到处都是——新华网通稿里嘉宾发言的引号,把「对话引号」这条 fiction 特征顶过了线,通稿被判成网文。
- 比分数,选最低的文体。听着合理,实测更糟:2519 字的新华网通稿在 8 个文体下都是 25 分,三个是 31 分。分数高低根本不携带体裁信息——节奏阈值是按体裁给的,script 和 tech 本来就宽,任何文本在它们下面都容易 0 分。
结论:猜错比不猜更害人。这插件是拿来改稿的,报一个自己都没把握的体裁,调用方会照错误的读者预期动手,把一份合格的口播稿按报告的标准拆一遍。所以只保留「换个文体少扣 N 分」的提示,让人自己定,不替人猜。
改稿从哪一段下手
命中散在全文时,按规则清单跳着改要来回翻稿子。报告里加了一节「先改哪几段」:按段统计命中的规则类目数,排前三,一段一段处理。同一段里的几处往往能一起收拾掉。
统计只用会扣分的那两类。用字错误和排版建议虽然多,但分散在各处,混进来会把「哪段问题最大」算成一锅粥。段号由行号映射(段落按非空行算,一个非空行就是一段),前缀和一次算完,不用重扫。
配置
改 C:\Users\claud\.dsh\profiles\desktop\cordis.patch.yml,在文件末尾追加(patch 是整块替换,所以要重述你想保留的字段):
- id: nature-chinese
name: "dsh-plugin-nature"
config:
promptSection: true
promptTone: strict
skill: true
locale: zh-CN
genre: general
strictness: standard
customBannedWords: ["生态位", "闭环", "颗粒度"]
extraRules: "不要用网络流行语,不要用问句开头。"
| 字段 | 默认 | 说明 |
|---|---|---|
promptSection | true | 是否常驻注入「说人话」守则。关掉就只剩工具和技能。 |
promptTone | balanced | strict 会额外禁掉对举句式、结尾升华,并要求句段长短交错。 |
skill | true | 是否注册 nature-chinese 技能。 |
locale | zh-CN | 目标中文语区。 |
genre | general | nature 工具的默认文体。 |
strictness | standard | nature 工具的默认改写强度。 |
customBannedWords | [] | 追加到必删清单的词,会进规则库也算进技能。 |
extraRules | "" | 追加到常驻守则和技能末尾的一句话要求。 |
规则库覆盖什么
lib/rules.js 里是全部规则,分四组:
套话层:公文过渡语(值得注意的是/综上所述/由此可见)、万能开场背景(在当今社会/随着科技的发展)、结尾升华(让我们共同/未来可期/这正是……的意义所在)、虚高程度副词、行业黑话、去动词化(进行讨论/加以优化)、名词化(可操作性/必要性)、翻译腔固定搭配、概括性形容词、滥用「我们」、骑墙表态。
句式层:不是……而是……、不仅……更是……、既……又……、无论……还是……都……、与其说……不如说……、正是……才……、从……到……从……到……、首先其次最后、破折号滥用、冒号引出并列短语。
中文语感层:「的」字长链(一句话连挂三个「的」)、关联词冗余、欧化被动(被……所……)、省略号与引号的中文写法、港台用词混入。
节奏层(统计判定,不是正则):这一层专门治「断句离谱」,而且做的是双向判断——
- 切碎了:句号过密(逗号/句号比过低)、短句连续成串、平均句长掉到文体下限以下、一句一段。
- 太整齐:句长全都差不多、主语连续重复(中文本可承前省略,反复补「他」往往是句子被切碎的副作用)。
两个方向都必须报,因为只会喊「拆短句」的检查器本身就会把中文写坏。中文的句子边界靠语气和语义,不靠语法结构;逗号串起一串小句、最后才落句号,是正常且成熟的写法。真正该拆的只有定语堆叠的欧化长句。
反向陷阱:堆语气词的「伪口语」(说白了/反正/对吧密度过高)、网络烂梗堆砌、感叹号连用。去 AI 味最容易掉进的坑是把书面腔换成网红腔,这几条专门拦这个。
除了规则命中,还看九个结构性指标:平均句长、逗号/句号比、最长连续短句、句长变异系数、段长变异系数、一句一段占比、每千字「的」、每千字具体锚点(数字/日期/引语/专名)、每千字口语标记。节奏相关的几项按文体取值——口播稿天生短、报告天生克制,用一把尺子量会把正常文本判成碎片化。
模板腔指数是可解释的:每一分都来自某条规则或某个指标,报告里会逐条列出来。0–19 分是 A(几乎没有模板痕迹),20–39 是 B,40–59 是 C,60–79 是 D,80 以上是 E。用字错误和编辑建议不进这个分数。
三处容易踩的细节:
词表长词优先。 词表里「极大地」和「极大地提升」同时存在,正则如果不排序,短词会先吃掉长词的前半截——报告只能说「你用了极大地」,说不出完整的搭配。所以 anyOf 在拼正则前按长度倒序。
纯数字串不算长句。 一串哈希、坐标或时间戳去掉标点后也能超过 70 字,但它不是长句:读者一眼扫过去就跳过了,不会累。长句统计要求中文占比不低于三成半。
分数封顶但累计分保留。 指数上限 100,但内部扣分累计会一起返回。87 分和 130 分都是 E 级、改法都是重写,可「爆表多少」决定还能不能挑着改——到了 130 就别挑了。报告在封顶时会标出累计分。
密度在短文本上要打折。 密度是「每千字几处」,分母是字数。21 字的稿子里冒一句「值得注意的是」,密度会算成 47.6/千字,是阈值的二十四倍,和 500 字里刷五次拿一样的分。但一次就是一次。所以三百字以下的文本按命中次数再乘一个系数(一次一半、两次以上全额)。三百字以上不打折——一稿的 AI 味常常是十几类各出现一次,按次数打折会把这类正确的命中一起压下去。
两类规则的量级要拉平。 有些毛病是密度型的(黑话、空转副词,越密越重),有些是出现即问题的(「在当今数字化浪潮下」、升华结尾、翻译腔、「的」字长链)。后者原来单次只扣 3 到 5 分,同一个位置换成一条密度规则能扣 16 分,差五倍没道理——它们都是「看到就该删」。现在单次按 3 倍严重度起算,上限仍封在 4 倍,长文里不会一票否决。
短文本要说明「没查到什么」。 节奏类规则要六句以上才跑,段落结构类要三段以上。同一份稿子截前两百字扫,分数往往只有全文的三分之一——不是短的那一段更干净,是能查的项更少。所以文本不够长时,报告里会单列一节讲清楚哪些检查没跑,并提醒别拿这个分数和整篇稿子的分数比。报个低分让它放心,比报错更糟。
同样四十分,改法可能完全不同。 全是行业黑话,把词换掉就行,句子骨架能留;全是万能开场和升华结尾,那些话本身不假,是位置不对,挪走就好;全是节奏问题,词和位置都对,得重排长短和顺序。三条路花的时间差好几倍,所以报告第一屏会先给一句「问题主要在什么上」。不区分这一层,用户看到一堆命中项只会觉得哪儿都不对,然后一处都不改。
占比不够,还要给绝对分。 同样「占 86%」,一层扣 8 分是顺手改改,扣 80 分得推倒重来。所以病灶那一行会写「扣 56 分,占 86%」,再补一句「这一层处理完,大概能从 65 降到 9,剩下的主要是位置」——让用户先知道改这一层值不值、改完还剩什么。只有一层有扣分时说「基本就干净了」。
改了一半的稿子是最常见的那种。 三组语料各有各的盲区:真人稿只证明「不该报的没报」,AI 基线稿只证明「该报的报了」。真实的活儿是改一半——前半段还是八股,后半段已经落到了具体数字上。这种稿子必须两件事同时成立:前半段的毛病照报,后半段的真数字一个字都不许碰。test/smoke.mjs 第 25 节拿一份六段稿子验这件事,顺带撞出一个句型问题——「从 11 步砍到 4 步,从 6 天压到 1 天半」和「从产品设计到用户运营,从技术架构到市场推广」是同一个句型,前者是真对比、后者是摆架子。规则加了 requireNoDigit:填了数字的放过。句型本身是中性的,要看里面填的是不是真东西。
长文里局部集中的套话会被平均掉。 密度算的是全文每千字多少处,这个口径对整篇公平,对局部不公平:三千字里夹着三百字全是黑话,按全文算不到一处。试过按块切、取最狠的那一段去扣分,结果真人公文和真技术文档全被误伤——政府工作报告从 5 分涨到 37 分,掘金技术文从 1 分涨到 26 分。原因是文体校准本来就是按全文统计的,分块等于把这个校准拆了。
所以拆成两件事:评分不动,另外定位。 超过五千字时,按段统计原始命中(不管有没有过全文阈值),把明显高于平均的段落指出来:
## 局部特别密的地方
全文的分数按整篇算,所以某一段特别密会被平均掉。这几段单独看比整篇密得多:
- 第 26 段:14 处(全文平均每段 0.3 处)
分数没算这一段,要改就单独把它拎出来扫一遍。
整篇分数本来就低时(低于二十分),文案换成「这几段很可能只是这个文体的惯例,看一眼就行」——公文的政策列举、财经稿的行业词都是这种,不能让人以为整篇到处是雷。
定位和评分能分开,是因为它们对校准的依赖不一样:分数要跨文体比较,所以必须按全文统一口径;定位只是「这一段比别的地方密」,是段内相对比较,不需要跨文体校准。
顺带修了两处文案错配。「没查到的部分」那节结尾原来说「短文本的分数天然偏低」——长文说这句是误导,而且短文本里套话一密集,分数照样能到七十,说「偏低」是自相矛盾。现在改成按情况分流:短文本说「别和整篇稿子比,能查的项目更少,这个数可能偏高也可能偏低」,长文说「这一篇的分数只代表整体」。两个方向的话不能混着说,说反了就是误导。
两套清单不能叠在一起。 报告里有两份指路:「先改三处」按规则排,「先改哪几段」按段排。稿子短的时候两份都出现,排法还不一样,读者要在脑子里对齐两遍——而三五段的稿子本来就一眼能看完,段号定位不值这个成本。所以少于四段只给前者。判据不是「内容重复」,是「重复且需要额外换算」。
再补两条判断原则,它们决定了这个工具会不会冤枉人:
引用不是使用。 写评论或分析时,经常要把套话拎出来当反面例子讲——「很多人爱写『值得注意的是』」。扫描前会先把引号里的内容遮掉(等长空格替换,位置和行号都不动),所以被引用的套话不会算到作者头上。但引号占比超过四成的文本不遮——对话体里引号是正文主体,遮掉就没东西可扫了。
同一种手法,在不同文体里的合理密度不一样。 破折号在评论里是节奏工具,在报告里是偷懒;「不是……而是……」在口播里是强调,在公文里是模板。所以规则可以按文体给不同阈值(genreThresholds)或直接排除某些文体(exceptGenres):枚举结构(第一、第二、第三)在报告、技术文档、方案里放行,「首先其次最后」在评论里仍然算模板腔。这条机制是从五份真实文体样本里被逼出来的,不是拍脑袋定的。
只说「别这么写」等于没说。 每个文体在 GENRES 里都有一组 examples(模板腔 / 正常中文 / 差别在哪),报告处方和技能正文都会带上。理由很实际:告诉一个模型「不要用套话」,它最常见的反应是把套话换成同义词,句子结构一点没变。给一组同义的对照,它才知道改的是句子,不是词。11 个文体各两组,全部是能落到具体动作、数字或原话的例子——左边说「这件事很重要」,右边说清楚是谁、多少、什么时候。
句子对了,结构也可能不对。 对照管的是「这一句怎么说」,骨架(skeleton)管的是「先说什么后说什么」。顺序比措辞更早定型:新闻倒金字塔的导语如果放到了第三段,句子写得再干净也不像新闻稿。所以每个文体还有 3–5 条段落级骨架——报告是结论 → 依据 → 风险 → 建议,方案是目标 → 策略 → 执行 → 预算验收,口播是钩子 → 展开 → 回扣。处方、技能正文、WorkBuddy 的 SKILL.md 三处都有。
改完要能验,不然改没改对全靠感觉。 传 before 参数,报告里会多一段改前改后对照,三列分开看:解决了说明方向对,还没处理说明改得不够,新引入说明改出了新问题。最后这一列最容易被忽略也最伤——一边删套话一边长出新的套话,只看改后那一稿是看不出来的。另外两条自动检查:分数涨了说明改反了方向,长度掉三成以上往往会连着删掉事实,都会单独提示。
阈值是量出来的,不是拍出来的。 黑话那条规则原来的门槛是 0.8,意思是「一千字里用一次就报」。拿 25 份语料一量,问题露出来了:真人零星用一次行业词是 1.1–1.3 每千字(年度总结、分享会、产业评论各一处),模型写的稿子是 2.4–22.3(报告 6.99、技术文 2.37、方案 22.27)。0.8 落在真人区间里面,结果是 47% 的真人稿被报,比模型还高——这条规则当时根本不是在抓 AI 味,是在抓「写过行业稿」。
抬到 1.5 之后,真人零星使用全部放过(政府工作报告 1.31、年度总结 1.15、分享会 1.29、产业评论 1.13),模型密集使用全部抓住。同时删掉 proposal 的单独门槛——它原来写的 1.5 就是现在的新默认值,留着是多余的一层。
这条教训值得记住:一条规则的阈值是从哪来的,比阈值是多少更重要。 拍出来的下限会让规则在真人身上反复撞线,而每次撞线看起来都像「抓到了」。
阈值之后还有一层:词表本身也可能是错的。 2026-11 那份月度取证报告里,两条真人稿(新华网通稿 25 分、财经公众号 22 分)被判得很难看,查下去全部落在黑话这一条上。逐词统计 20 份真人稿和 11 份模型稿之后,问题不在门槛,在词表:
| 词 | 出现在几份真人稿 | 11 份模型稿命中 |
|---|---|---|
| 落地 | 5 / 20 | 3 |
| 沉淀 | 4 / 20 | 1 |
| 协同 | 4 / 20 | 1 |
| 发力 | 3 / 20 | 0 |
| 痛点 | 3 / 20 | 0 |
| 耦合 / 纵深 / 底座 | 各 2 / 20 | 0 |
八个词全部真人用得比模型多。留在表里就是拉低区分度——那它们量的显然不是「像不像 AI 写的」,是「这个人写不写行业文章」。
清掉这八个之后:新华网通稿 25 → 12 分(它那 15 次里 9 次是这四个词),财经公众号 22 → 6 分(协同 11 + 落地 8,去掉就清零),而方案稿 23 分文不动(它命中 9 次「品牌调性」「情感共鸣」「种草」这类纯营销词,密度 20.04 / 千字)。剩下的黑话表里,真人样本命中从 8/17 降到 1/20。
判据压缩成一句话:一个词若在真人样本里出现得比模型样本还多,它量的就是语域,不是 AI 味。 这句话比「这个词听起来很黑话」可靠得多——毕竟「落地」「协同」「痛点」在产业报道里是干活的词,只有在营销方案里才是泡沫。
改稿最容易的翻车,是把好东西一起改掉。 前面所有输出都在说「哪里不对」,用户拿着清单逐条改,顺手就把本来对的东西改没了——长句被切碎、段落被匀称、数字被换成了程度副词。所以报告末尾加了一节「这些地方不用动」,只陈述客观统计:句长变异系数够大就别为了整齐切碎,段长变异系数够大就别为了匀称凑字数,有若干处数字原话时间就是全文最不该动的部分,口语词密度够高就别换成更正式的说法。
四项判据都是量出来的阈值,不夸也不打分。它还有一个意外的用处:模型默认稿一条都拿不到——句长整齐、段落整齐、几乎没有可核对的细节,「不用动」的清单是空的。这本身就是个信号,比分数更直白。
最管用的那段话,是最容易过时的。 常驻提示片段每轮都在,模型写任何中文都会看到它,杠杆比工具本身还高。但它也最容易烂——规则从 69 条长起来的这几个月里,它一直停在最初的版本,讲的还是公文过渡语和万能背景,而后来补的视频腔、新闻腔、情绪套话一条都没进去。
现在补了一层「还有一种空,不在词里,在位置里」:开场先说正事、中间别打太极、结尾说结果别升华,加上「相关负责人表示」不算信源、小说写动作别写「思绪万千」。这五条对应后面加的十几条规则。
同时加了一条断言:片段里点名的每个例子,规则必须真能抓到。否则模型照着片段写得规规矩矩,扫描却什么都报不出来,两边各说各的。现在六个例子逐条丢给扫描,全部命中。
目录结构
dsh-plugin-nature/
package.json # dsh.bundle.patch 指向下面的补丁
cordis.patch.yml # 插入 nature-chinese 条目并给出默认配置
index.js # 插件主体:注册工具、提示片段、技能
lib/rules.js # 规则库(词表 + 正则)与各文体的节奏画像
lib/scan.js # 扫描引擎:命中、指标、评分、重复检测
lib/content.js # 文体定义与处方、报告渲染、常驻守则、技能正文
corpus/ # 回归语料库(见 corpus/README.md)
scripts/export-skill.mjs # 把技能正文导出成项目技能文件
scripts/check-file.mjs # 检查磁盘上的文本文件,输出完整报告
test/regression.mjs # 语料库回归——改规则之前先跑这个
test/smoke.mjs # 规则引擎行为测试
test/rules-coverage.mjs # 每条规则一个必然触发的样本,防规则静默失效
test/variants.mjs # 同一句话换个说法,还认不认得出来
test/integration.mjs # 契约测试(假 ctx 调 apply)
test/perf.mjs # 性能与长文本边界
test/preview.mjs # 打印一份真实报告,用来人工看文案
测试
$node = "C:\Users\claud\.dsh\dsh-runtimes\dsh-primary-runtime\dependencies\node\bin\node.exe"
& $node test/regression.mjs # 地板线:真实语料上的结论稳不稳
& $node test/smoke.mjs # 规则引擎 + 节奏判定,含防误报用例
& $node test/rules-coverage.mjs # 77 条规则逐条触发,防改坏后静默失效
& $node test/variants.mjs # 同义变体:换一种说法还认不认得出来
& $node test/integration.mjs # 契约:注册点、schema 合法性、配置开关、兜底
& $node test/perf.mjs # 性能与超长文本边界
& $node test/preview.mjs # 人工检查报告文案(含一个碎片化样本)
改任何规则、阈值或文体画像之前,先跑 regression.mjs。 它读 corpus/manifest.json,里面每条样本都对应一次真实误判——手写小说被判 40 分、雪中悍刀行被误报两次、虎嗅编辑的稿子被判 32 分。这个文件是防止重蹈覆辙的唯一保障,详见 corpus/README.md。
语料库现在有 46 条,分三组。真人写的 21 条覆盖全部 11 个文体:网文 2 条(手写 + 出版成名作)、小说 1 条(鲁迅《孔乙己》,公版)、财经 1 条、消息稿 2 条、年度工作报告 1 条、政府工作报告 1 条(2026 年全文,中英对照页提的中文列)、技术笔记 2 条(工程笔记 + 掘金架构选型)、口播稿 2 条、产业评论 1 条、报纸评论 1 条(人民日报评论部原文)、政策方案 1 条(工信部原文)、公众号推文 1 条(《财经》原文,经 36氪转载)、日常随笔 2 条(人民日报副刊散文 + 湖北日报散文随笔)、科普说明文 1 条(科普中国网)、构造的负样本对照 1 条。模型默认输出的 14 条是第十二、十三、三十八、四十二、四十三轮加的,11 个文体各一份,两侧齐,用来证明「该报的报了」。照处方改写的 11 条是第二十、三十六、四十二轮加的,十一个文体各一份,要求是 0 分——它们证明的是「处方指对了地方」,不是「换掉了那几个词」。这组还兼着新误报来源的活:改好的稿子最容易撞到规则没想到的用法,第二十轮撞出四处(落地窗被当黑话、破折号被当「的」字长链、「也就是说」被当公文过渡语、扣分并列的倍数提示挂错行),第三十六轮撞出一处更狠的——整条「段落长度过于均匀」的判据被证伪删除。真人那组的最初十二条是第四到十一轮补的,每一份都先跑出真实的误判,再改规则让它归零——顺序反了就成了拿规则去拟合样本。
最后几条是从公开原文抓的真实文本,不是构造的。《孔乙己》逼出了「对话里的短句不算碎片流」;人民日报那篇评论逼出了「报纸提要的重复不算复读」和「『与……相关的』不是翻译腔」;李书福的清华演讲实录逼出了「口播稿里反复点名主语是必要的清晰」。这几处改动有个共同点:改的是「什么算问题」的定义,不是阈值。阈值调低叫放水,定义改了才叫长见识。
口播稿那两条值得单说。演讲讲究自己经历,「我」连着起头是必然的;声音线性播放,听的人回看不到上一句,所以口语要反复点名主语,书面语才靠「他」「其」承前省略。同理,「唯一的障碍就是中国的碳排放权的价格」这种「的」字连挂,是边说边想的产物,不是把书面语搬过来。所以 subjectRepeat 的门槛按文体走(口播 8 句,书面语 3 句),de-chain 对 script 直接豁免。放宽不等于关掉——九句同主语的口播稿照样报,书面语照抄七句更报。
2026 年政府工作报告逼出的是另一类问题,它不在规则层,在检测器本身。那份报告被判了 5 组「复读」,人工核对发现没一组成立:有的两句共享「以习近平同志为核心的党中央团结带领全国各族人民」25 字套语,其余部分讲的是不同年份;有的根本不相干,只是恰好共用 18 个字的公文短语(「持续深入推进」「加快形成」)。原来的判据是「任意 18 字连续相同即重复」,在通用文本里够用,一进公文就废了——公文的固定搭配密度太高。现在加了覆盖率条件:共用的那段至少要占较短那句的一半,才叫复读。公式化写作和套语堆叠是两回事,前者是整句照搬,后者是用同一批词说话。
第十二轮发现的是最要命的一处:17 条真人语料全在 0 到 14 分之间,只有我构造的负样本 87 分,中间地带是空的。真实情况恰恰相反,最常见的是一段话有点味道但不夸张。于是就着自己写——按一份普通季度运营报告的题目,不加任何风格要求,用默认写法生成一份,结果是 8 分 A 级,判成「基本没问题」。那段话是标准的运营八股:围绕目标起手、在……方面铺陈、清醒地认识到、下一阶段将继续,读完不知道发生了什么。
查下来是整片盲区:「进一步」「持续」「稳步」「切实」这一批动词前的填充副词,一条规则都没有。补了七条——padding-adverb、hedge-phrase、aspect-frame、self-reflect-cliche、next-stage-cliche、enumeration-tail、around-goal,升到 54 分。
阈值不是拍的。同样的正则跑 17 份真实语料:政府工作报告 3.1 / 千字、工信部方案 2.1 / 千字,其余 13 份全部为 0,而这份稿子是 13 到 16 / 千字。差一个量级,取 4 到 6 之间就行。这也是为什么它没把公文体误伤——公文密度本来就低,它只是用词正式。
这条经验值得单记:负样本只能证明「该报的报了」,证明不了「不该报的没报」。要测漏检,得有自己的默认输出当正样本。
第十三轮就照这个思路把八个文体全测了一遍,结果全在 A 到 B 级:
| 文体 | 首跑 | 补完之后 |
|---|---|---|
| 小说 | 8 分 A | 72 分 D |
| 新闻稿 | 7 分 A | 47 分 C |
| 自媒体 | 10 分 A | 39 分 B |
| 方案策划 | 15 分 A | 23 分 B |
| 评论文 | 18 分 A | 61 分 D |
| 技术文档 | 21 分 B | 45 分 C |
| 口播稿 | 24 分 B | 72 分 D |
漏掉的东西有共同形状:不在词里,在位置里。开场(大家好,欢迎来到本期 / 近日 / 不知道你有没有这种感觉)、过渡(这也让我们不禁思考 / 说到这里,可能有人会问)、收尾(我们下期再见 / 生活就是这样 / 希望本文对你有所帮助)。同一个「空」,在不同文体里穿不同的衣服。
补的十一条规则按位置分组:
- 情绪与叙事:
emotion-cliche(思绪万千、百感交集——用成语把情绪打包)、dramatic-pause(时间仿佛静止、呼吸一滞)、life-philosophy(生活就是这样、有些东西一旦开始就再也回不去了) - 视频腔:
video-opening(大家好,欢迎来到本期 / 今天我们来聊聊)、video-outro(我们下期再见 / 希望今天的分享对你有所帮助) - 新闻腔:
vague-source(相关负责人表示、业内人士指出——没有名字的信源)、boilerplate-success(成功举办、圆满落幕) - 评论文:
think-aloud(不禁让我们思考)、both-reasonable(两种观点都有其合理性) - 通用:
article-meta(本文将介绍、总结一下)、relatable-opening(不知道你有没有这种感觉)
第十五轮又补了四条,这四条更极端:只认位置,不管词。
news-peg(最近,一则关于 X 的新闻引发了广泛讨论)——先找个新闻由头垫一下,再开始讲道理significance-inflation(本次大会为行业发展带来了新的机遇)——事情讲完了,再补一句它的意义answer-lie-in(或许,答案就在于那些无法替代的东西)——把结论包装成一个悬而未决的答案hope-inspire(希望今天的分享对你有所启发)——一句礼貌话占掉了最后一句的位置
这四条在 17 份真人语料上同样 0 命中,只出现在模型默认稿里。补完后表里三行又往上走了(新闻稿 31→47、评论文 38→61、口播稿 67→72),真人那 17 份一分没动。
这里有一条经验:位置类套话和词语类套话的判据不一样。词类看「用没用这个词」,位置类看「这句话放在这儿合不合理」。同一句「让行业发展得更好」,写在报道末尾是拔高,写在采访对象原话里就是正常转述——后一种情况由引号遮蔽挡掉,不用另写规则。真正需要按文体分开的是「喜庆话」:boilerplate-success(成功举办、圆满落幕)在政府工作报告里是固定说法(0.35 / 千字),在新闻稿里是凑喜庆,所以给 report 和 proposal 各留了 3.0 的阈值。
阈值这次几乎不用猜。把同一批正则跑在 17 份真人语料上:情绪套话、戏剧停顿、人生哲理、伪思考、两边都对、视频腔,六类全部 0 命中。真人写东西根本不这么说话,所以门槛设 1.0(出现一次就报)不是激进,是它确实只出现在模板文里。
顺带修了一个评分设计问题。density 类规则原来「密度超过阈值一倍」就封顶,意味着一篇 481 字稿子里出现 10 处营销黑话,和只超一点点拿同样的 8 分。改成两倍封顶之后,方案稿从 15 升到 23,报告稿从 54 升到 99。真人那边只有两条涨了(《财经》那篇 14→22、新华网通稿 17→25),涨的全在 jargon 上,判得对——那两篇本来就黑话密集,之前是「刚好超线」和「十处黑话」同分。expect 相应放宽,理由写进了 manifest 的 history。
rules-coverage.mjs 管的是另一件事:判得知不知道不等于判不判得出来。这条测试给每条规则配一个必然触发的短样本,正则写错、词表漏词、阈值调高,都会在这里立刻红掉,而不是等到用户来报。它已经抓到过 deverbal 的一个真实缺口——词表只收了「进行讨论」,写作里常见的「进行了讨论」漏掉了。
variants.mjs 补的是前两者都测不到的一层:换了说法还认不认得出来。rules-coverage 的样本是照着正则的样子挑的,必然触发;真实写作没人照着正则写。同一个意思有十来种说法,词表差一个字就整条绕过去。这份测试给关键规则配三到五个同义变体,全部必须触发。
它上线第一轮就抓出四个真实的绕行:「需要注意的是」漏了(词表收了「值得注意的是」,差一个字就不认)、「持续地优化」漏了(正则没给中间的「地」留位置)、「对举句式」五种说法只认一种(「并非……而是」「不在……而在」「表面上……实际上」全绕过)、「也许答案就是坚持本身」漏了(正则收了「就在于」,没收「就是」)。这四个在旧测试下全是绿的。
这条边界值得写清楚:词表穷举会漏,结构模式会误报。不是没试过用模式替代穷举。试了「X 的是,」这个句式框架,结果真人写的新华社消息稿里就有两处;试了「不是 A,是 B」(不带「而」),真人写的产业评论里也有两处。真中文里这些结构是合法的,一抓就误伤。所以词表仍然只能是词表,能做的只是把变体测试焊在地上,让漏掉的那一个在测试里先红一次。
smoke.mjs 里的基准样本:典型 AI 腔 75 分 D 级;真人叙述 3 分 A 级;堆语气词的伪口语 20 分;碎片化短句流 42 分 C 级;汪曾祺式的短句名篇 18 分 A 级且不触发任何节奏规则。
最后那一条是防误报的关键用例:那段名篇的逗号比句号还少,如果判据只看逗号比就会误伤它。所以碎片化要求「几乎不用逗号」和「短句连续成串」同时成立。
十一对眼睛
每个文体都要有两侧样本:真人写的,和模型默认写的。
只有真人侧,证明的是「不该报的没报」;只有模型侧,证明的是「该报的报了」。缺哪一侧,那个文体的判定就有一半没验过。2026-11 之前这张表是残的——general 是用户不指定体裁时的默认路径,却一篇模型稿都没有;business 和 webnovel 反过来,只有真人侧。
补完之后:
| 文体 | 真人 | 模型默认 |
|---|---|---|
| general | 3 | 1 |
| media | 1 | 1 |
| script | 2 | 1 |
| fiction | 1 | 1 |
| webnovel | 2 | 1 |
| report | 2 | 1 |
| tech | 2 | 1 |
| news | 2 | 1 |
| business | 1 | 1 |
| commentary | 2 | 1 |
| proposal | 1 | 1 |
补的时候两个结果很不一样。business 那份模型稿首跑 61 分 D,八条全中——财经分析要抓的东西前面几轮已经长齐了,不需要动规则。webnovel 那份只有 11 分 A,满篇「眼中闪过一丝」「嘴角勾起一抹弧度」,一条都没报——因为此前所有规则都是给议论文和公文长的,没人替小说想过。那八条「网文腔」就是这么补出来的。
general 那份 67 分 D,也是自己就抓得住。
smoke 里加了一条结构性断言:每个文体都必须有真人样本和模型默认输出样本,缺一个就红。 逼着以后加文体时同时想清楚「人怎么写」和「模型怎么写」,而不是加完 GENRES 就算完事。
还有第三只眼睛:照处方改出来的稿子。
前两侧验证的是「判得对」——人写的别报、模型写的要报。但插件最终交给用户的是改写处方,处方管不管用是另一件事,得单独验。办法是拿一份模型稿,只按报告上的处方改,不看规则表,改完必须是 0 分。
十一个文体都做完了。三份是最后补的:
| 文体 | 首跑 | 照处方改完 |
|---|---|---|
| webnovel | 38 分 B | 0 分 A |
| general | 67 分 D | 0 分 A |
| business | 61 分 D | 0 分 A |
webnovel 那份最能说明问题。原文是标准网文零件拼贴——「眼中闪过一丝不易察觉的坚定」「嘴角勾起一抹淡淡的弧度」「不由得深吸一口气」「瞳孔骤然收缩」「那一刻,时间仿佛静止了」「而这一切,才刚刚开始」。八条全部命中,报告也逐条给了改法。按改法重写一遍:把「闪的那一下」换成头发被匕首割断落在脚边,把「深吸一口气」换成手心开始出汗,把「时间仿佛静止」换成对方把刀换到另一只手,把「才刚刚开始」换成山下一点一点亮起来的火光。515 字,0 分。
business 那份有个细节值得记:原文从头到尾没有一个数字。改写没有编数字——编了就违反硬约束,也骗人。改法是承认缺什么,把「估值是否合理」拆成三个能查的变量(收入口径、续约性质、推理成本),最后写一句「我这套说法最容易错在哪」。在没有数字的稿子里,把「不知道」写清楚,比塞进几个假数字更像人写的。
smoke 现在有三条结构性断言:真人侧、模型侧、改写侧,缺一条就红。
分数不能跨文体比
同一份「通篇空话」的模型默认稿,分文体摆在一起是这样的:
| 文体 | 分数 |
|---|---|
| proposal | 22 / 23 分 B |
| tech | 29 分 B |
| webnovel | 38 分 B |
| news | 40 分 C |
| report | 48 / 56 分 C |
| business | 54 分 C |
| media | 55 分 C |
| fiction | 56 分 C |
| general | 67 分 D |
| commentary | 69 分 D |
| script | 72 / 74 分 D |
差了三倍多。方案稿拿 22 分 B,报告稿拿 56 分 C,两篇的空洞程度是一样的。原因不是评分公式不对,是每个文体能被规则够到的位置不一样:报告有「下一步我们将」「清醒地认识到」「围绕目标」这些现成的抓手,方案的核心毛病——没有预算、没说清楚放弃什么、没有一句能核对的事实——规则表里一条都没有。
这件事如果不在报告里说,危害很直接:用户看到「22 分 B 级」会以为基本合格,然后什么都不改。
所以方案文体的 GENRES 里加了一个 scoreNote,分数落在 10 到 50 之间时,报告首屏会多一句:
方案策划这个文体,模型默认写法在这套规则下通常只到二十多分。不是它写得好,是它的毛病集中在「有没有预算、有没有说清放弃什么、有没有一句可核对的事实」,这几条规则查不出来。分数低别当成没问题。
这是第三次走同一条路:规则补不上的地方,就把话说到位。 前两次是短文本的「没查到的部分」,和长文的「局部会被平均掉」。
第四只眼睛:同一文体里的另一个亚型。
口播稿原来只有一份模型稿,是「分享会」那个样子——开场「大家好,欢迎来到本期」,结尾「希望今天的分享对你有所帮助,我们下期再见」。规则里正好有针对这两个位置的两条(video-opening / video-outro),很容易让人怀疑:口播稿那一套是不是靠这两条撑着的?换个亚型还认不认得出来?
所以又写了一份「年度演讲」体的 AI 稿:开场只有「各位同事,大家好」,结尾只有「谢谢大家」,视频腔那两个位置一个都没用。
结果 74 分 D,六条命中:结尾强行升华(「让我们一起」)、万能开场背景(「在当今」)、不仅而且(「不仅仅是工具的升级,更是」)、首先其次最后、程度副词虚高(「深刻地」)、滥用「我们」(「让我们」)。
挨着的对照是雷军的年度演讲逐字稿——10528 字、324 句、180 段,0 分 A,零命中。两篇都是年度演讲,一篇 AI 写的 74 分,一篇真人写的 0 分,靠的不是开场白长什么样,是里面有没有东西。
那份逐字稿也收进语料了(script-leijun-annual-speech-2025.txt)。选它是因为它跟李书福那篇口语完全不是一路:大量「大家想想看」「咋办呢」「实话实说」「你们知道原因吗」,还有一处自问自答、一处括号里的旁白。第二份真实口语稿要是被误判,「口头表达」那半边就站不住。
网文腔那八条
2026-11 补 webnovel 的 AI 基线时发现,模型默认写的玄幻章节只判 11 分 A——满篇「眼中闪过一丝」「嘴角勾起一抹弧度」,一条都没报。原因很简单:前面那些规则是给议论文和公文长出来的,没人替小说想过。
八个候选先在真人网文上逐个量过:《雪中悍刀行》23570 字、手写网文 4258 字,全部零命中。它们是模型写网文时的零件,不是人写小说的写法。
| 规则 | 抓什么 |
|---|---|
eye-flash | 眼中/眼底/眸中 + 闪过/掠过/划过 |
lip-arc | 嘴角 + 勾起/扬起/浮现/勾勒出/微微上扬 |
deep-breath | 不由得/不由自主地/忍不住 + 深吸一口气/倒吸一口凉气/打了个寒颤 |
pupil-contract | 瞳孔 + 骤然收缩/放大/一缩/一紧 |
inner-monologue | 心中 + 暗道/暗想/一凛/一震/涌起 |
just-began | 这一切……才…开始/结束 |
all-different | 一切都将/已经/都…不同/变了 |
suddenly-punct | 就在这时,/就在此时, |
补完 11 → 38 分 B。
这八条有个共同点值得记下来:它们都不是错词,是「用固定零件代替观察」。人惊讶有很多种写法,写成「瞳孔骤然收缩」是因为这一种不用想。规则抓不到「写得好不好」,但抓得到「在不在用零件」。
顺手测过一条「要知道」——虎嗅那份真人稿用了 2 次,是正常的议论用法,没加。
短文本要说明「没查到什么」
第一版只有一句「样本偏短,指标仅供参考」。后来发现这句话不够用——它没说清到底是什么没查。
现在报告里有一节「这段没查到的部分」,逐条列出来:
- 句子本身的检查(太短了,连一句都不完整)
- 句长与信息密度检查(要 120 字以上)
- 节奏和重复检查(要六句以上才跑得起来)
- 段落结构检查(要三段以上)
最后一条是 2026-11 补的,之前漏了。 结构性判据(句长、信息密度、口吻)整体挂在 120 字这个门槛上,但盲区清单里只写了句子数和段数。结果是一段六十字的稿子直接被判「0 分 A 级」,而它可能是一整句没有标点的流水账——那句话根本没跑过句长检查。报个 0 分让它放心,比报错更糟。
判断标准很简单:每一项没跑的检查,都得写出来。 少写一条,那个「A 级」就是在撒谎。
口语的长句比书面语还长
这条反直觉,数据在这。
六份口播稿的句长统计,同一套口径:
| 稿件 | 类型 | 平均句长 | 变异系数 | 逗号句号比 | 超四十字占比 |
|---|---|---|---|---|---|
| 李书福清华演讲 | 真人 | 32.2 | 0.51 | 2.26 | 32% |
| 雷军 2025 年度演讲 | 真人 | 28.4 | 0.59 | 1.81 | 26% |
| 分享会逐字稿 | 真人 | 22.1 | 0.61 | 1.81 | 13% |
| AI 分享会体 | 模型 | 19.1 | 0.51 | 1.25 | 0% |
| AI 年度演讲体 | 模型 | 22.5 | 0.33 | 1.67 | 0% |
| 按处方改写后的口播稿 | 改写 | 16.7 | 0.50 | 0.88 | 0% |
三份真人稿的平均句长都比两份模型稿长,超四十字的句子真人占一到三成,模型一个都没有。
道理不难懂:人在台上说话是一口气串到底的,中间靠逗号换气,「一句念不完」正是口语的常态。模型写口播稿反而会把句子切短切齐——它把口语理解成了短。
所以「口播稿里长句太多」这条不能做成规则。那是拿书面语的尺子量口语,量出来全是正常人。反过来「口播稿句子太整齐偏短」也不行——真正改好的口播稿最后一行恰好也是 0%。
两条都想过,两条都没加。测试里钉了一条反向断言:一段平均四十六点七字、句句带逗号的真人口语,在 script 和 general 下都必须 0 分。
删词只看覆盖广度,不看出现次数
上一轮删黑话词用的是「真人出现次数 ≥ 模型出现次数就删」,删掉八个(落地、沉淀、协同、发力、痛点、耦合、纵深、底座),当时是对的。
这一轮加了两份真实商业稿——一份品牌与跨平台运营分析,一份多模态模型技术博客——同样的判据立刻失控:它一口气要删二十一个词,连「赋能」「闭环」都在名单里。
原因很简单。那篇品牌分析里「触达」用了 7 次、「声量」6 次、「种草」5 次。按总次数算,一篇文章的用词习惯就变成了「整个语域都在用」。判据没错,是统计口径错了。
换成覆盖广度:多少份真人样本用到它、多少份模型样本用到它。同时满足「真人覆盖 ≥ 2 份」和「真人覆盖 ≥ 模型覆盖」才删。四十八份语料里只剩三个词够线(赋能 3 份对 2 份、闭环 2 份对 1 份、心智 2 份对 0 份)。前两个模型也在用,删了会放过真阳性;只有「心智」是真的分不开——真人两份在用,模型零份,删掉。
顺带把上限算清楚了:jargon 单项封顶 16 分。也就是说,词表里那二十四个从没在任何语料里出现过的词(爽点、痒点、北极星指标、增长飞轮、价值锚点、战略定力、双向奔赴……),最坏情况就是把一篇稿子从 A 拉到 B,判不到 D/E。它们没有证据说明会误伤,删不删都不改变结论,所以不动。
重复判据:量的是「共有内容有多长」
这条规则原来算覆盖率的方式是「随便截的那十八个字 ÷ 整句长度」。看着合理,实际有个致命后果:三十七字以上的句子永远判不出来。
三十七字的两句一字不差,覆盖率也只有 18/37 = 0.49,小于门槛 0.5,直接被当成「只是共用了十八字套语」。而 AI 复读最典型的形态恰恰是长句、整段重复——越长的重复越抓不到。
改成「这两句真正共有的最长连续内容 ÷ 较短那句」,才是想量的东西。同一对句子,一字不差就是 100%,共用二十字套语就是二十除以整句。
改完又冒出两类误报,都是结构性的,不是毛病:
- 纲要加展开:列表项写一遍,隔几段再展开讲一遍。长度比 25:122,不是复读。
- 复沓:一句说完,下一句整句复述再往后补一段(「…却有着自己的情怀。」→「…却有着自己的情怀,如一坛子尘封许多许多年的老酒。」)。这是章法,不是作者忘了自己写过。
所以现在的判据有三层:共有内容要占较短那句一半以上;两句长度不能差太远(短的至少是长的一半);一句被另一句整个包住且更长的,算复沓不算复读。
四十八份语料跑下来零检出,三种构造样本分别验证了三个方向。
同一文体的第二个亚型
每个文体原来只有一份模型稿,这有个隐患:规则可能只认得那一份,不认得这个文体。
第 48 轮补了两个亚型,结果差得很远。
新闻。第一份是消息稿,四十来分。第二份写特写——场景、人物、收尾拔高。只报了十六分,而且只报了一条「据了解」。
那份特写里有六处更明显的毛病,规则一条都没覆盖到:「折射出的却是一座城市治理理念的转变」「托起了这座城市的体面与温度」「这看似简单的一句话背后」「他或许不会想到,正是……」「正是无数个像他这样的普通人」「一位长期关注城市治理问题的专家指出」。
消息稿不写这些,特写写。补了六条句式规则再加一条「专家指出不具名」,16 → 77 分.
网文。第一份是玄幻,八条网文腔全中。第二份写都市言情,只中了四条——眼神闪、嘴角弧度、时间凝固、一切都将不同,这些是通用的;瞳孔收缩、深吸一口气、心中暗道、才刚刚开始是玄幻专有。另补了一条「泛起涟漪」。30 → 39 分.
结论反过来说:八条里五条是文体的,不是题材的。剩下三条只对玄幻有效,但因为阈值是「出现一次就报」,留着不误伤,就先留着.
机械标点不是 AI 味
第 49 轮想加一批「排版规范」规则,先量了一遍,全否了。
挑 14 个维度,在 49 份两份以上汉字的语料上算每千字密度:
| 维度 | 真人 | 模型 |
|---|---|---|
| 半角逗号粘中文 | 0 | 0 |
| 半角句号粘中文 | 0.03 | 0.00 |
| 连续空格 | 0.03 | 0.00 |
| 半角冒号、半角分号、半角问号叹号 | 0 | 0 |
| 全角数字、全角字母、制表符 | 0 | 0 |
| 中文包在英文括号里 | 0 | 0 |
| 省略号打成三个点 | 0 | 0 |
只有真人犯了,模型一个没犯。 想要「AI 味」的证据,量到的是「打字习惯」。
结构类也试了三条,同样不可用:
- 段首句长度:11 个文体里 8 个是「模型更短」,但报告和方案策划反过来,而且我自己照处方改出来的三份改写稿段首句只有 10 到 18 字——比模型还短。一加规则先误伤改好的稿子。
- 括号、感叹号密度:模型是 0,真人分别是 2.28 和 0.49。「不用」不是毛病,扣不了分。
- 每千字段落数:模型 24.1、真人 12.4,看着能分——但那是换行习惯,网文整章用单换行,统计口径一换就翻。
顺带确认了一件事:切段用的是 split(/\n+/),单换行和空行都能切,所以网文那种一行一段的排版没被当成一大段。这条已经加进测试,免得以后重构成只认空行。
结论:标点规范、段落数量、段首句长短,这三类都不进规则表。 测试里加了反向断言——一段带半角句号、多打空格、括号的真实叙述,必须 0 分。
已知边界
- 它不判断作者身份。 这一点值得重复:真人写作和 AI 写作共享大量模式,模板腔指数高只说明文本套路多,不说明它是机器写的。拿它当 AI 检测器用,一定会误伤。
- 它是规则引擎,不是审稿人。 抓的是模式,不理解语义。一段话可以完全避开所有规则却依然空洞,也可以命中某条规则却是自然的中文。诊断是线索,不是判决。
- 短句本身不是罪。 插件不会因为句子短就扣分——它看的是短句有没有成串、逗号是不是几乎消失、平均句长有没有掉到文体下限以下。汪曾祺通篇短句也是好文章,这一点用测试锁住了。
- 节奏阈值是启发式的。 文言、诗歌、意识流、法律条文这类文本会被误判,它们本来就不遵守现代叙述文的节奏统计。
- 不生成内容,也不补事实。 缺细节时处方只要求「删掉对应的空话」,明确禁止编造。补不出的地方就该是空的。
- 「口语标记」和「具体锚点」是启发式的。 用正则数数字和语气词。
- 「有没有具体信息」这件事,锚点密度判不了。 曾经想用「每千字有多少数字、引语、专名」来判断一篇东西空不空,实测发现模型默认稿能堆到 55 处每千字——比政府工作报告还密。它不空,它只是编得快。专名也一样:加进判据后,8 份 AI 稿的密度从 2.4–35.6 涨到 7.3–55.7,和真人那 17 份完全重叠,分不开。所以这条规则保留,但只当「这篇几乎没有可核对的细节」的提示,不当 AI 味的判据。真想判空,得看这些数字能不能被核对,规则引擎做不到。
- 四字格堆砌也分不开。 一度以为模型爱堆「凝心聚力、砥砺前行、锐意进取」,想加一条「三个四字词连用」的规则。实测 32 份语料:《雪中悍刀行》4.3 处每千字、孔乙己 3.2、李书福演讲 3.6,而八份 AI 基线稿多数在 0 到 2.8。真人写得比模型还密。这条没加。
- 语气词密度同样分不开。 想用「口播稿里没有吧、呢、嘛就不像人说的」来判,实测李书福那篇清华演讲一千字里零个语气词,却通篇是口语(「你们看现在满大街都是高楼大厦,车水马龙的」「比方说」)。口语的标志不是语气词,是那些只有当面说话才会有的指代和举例,正则抓不到。这条也没加。
- 长句要看逗号,同主语要看句长。 2026-11 补 general 真人语料时,一篇人民日报副刊散文(作者是第九届鲁迅文学奖散文杂文奖得主)被判 26 分,三处命中全是误报:主谓反复重复 14 分(连三句以「我」开头,但每句九十多字)、句子普遍过长 8 分(平均 90.7 字)、超长句占比过高 4 分。两处判据因此改了定义:长句只在逗号少时才算欧化长句(那篇逗号句号比 4.19,是流水句;九十多字一句带四五个逗号,是中文常态),同主语连排只数短句(长句里重复「我」是叙述节奏,不是机械排比)。反过来都还成立:长句没逗号的照样报,短句连着同主语的照样报——两条都写进了 smoke。
- 「段落长度过于均匀」这条判据已经删掉了。 它原来对「段长变异系数 < 0.32」扣 7 分,存在了很久。2026-11 对 33 份语料实测,它不成立:8 份模型稿只抓到 2 份,21 份真人稿和改写稿误伤 2 份——比抛硬币好不了多少。最直接的反证是一对同构样本,新华网消息稿(人写,5 段,变异系数 0.22)和模型默认写的新闻稿(5 段,变异系数 0.19),段落结构几乎一样,靠段长根本分不开。反过来,模型稿里段落最不齐的几份(
ai-commentary有 0% 的段落落在均值 ±20% 里、ai-proposal13%、ai-fiction14%)永远不会被它抓到。而且它只在四到七段时触发,段数一多从不命中——等于在变异系数本身最不稳的区间里判案,和rhythm-uniform-long当初从 8 句提到 20 句是同一个教训。有一份改写好的复盘稿就是因为这条误报卡在 7 分,才把这轮证伪实验引出来。段长不整齐这件事仍然有用,但它是「不要改坏」的证据(见「这些地方不用动」),不是「写坏了」的证据。 - 常驻提示片段每轮占上下文。 大概 900 字。觉得吵就把
promptSection关掉,靠工具和技能按需用。 - 有十六条规则抓的是旧形态。 52 条计分规则里,
translationese、both-and、either-or、zhengshi、existence、passive-suo、has-de、de-chain、redundant-conjunction、colon-list、from-to-from-to、dash-overuse、colloquial-overdose、net-meme、exclaim-overuse、deverbal-inflected在现有 25 份语料(17 份人写 + 8 份模型默认输出)上一次都没触发。原因是这些形态属于 2019–2021 那批模型的腔调——「作为一个时代的存在」「被大家所熟知」「因为……所以」每一句都挂连词,现在的模型基本不写。它们不是死规则(rules-coverage.mjs里每条都有样本、都真能触发,其中十五条按正则重写句子就能命中),保留是为了接住旧模型输出和人工模仿的 AI 腔;但也别指望它们在正常稿子里出现。真正高频的是后面几轮补的那些:空转副词、万能开场、升华收尾、视频腔、新闻腔。 - 规则写得再细,也测不出「没写」的毛病。 这套东西只看「有什么不该有」,加上节奏和结构统计。一篇稿子如果只是信息密度低、没有新东西,规则层查不出来——五条路都试过(专名密度、四字格、语气词、分块密度、段落均匀度),全部分不开真人和模型,理由见上面几条。
- 重启 DSH 才能加载。 desktop profile 是 application-owned,只在启动时组合。
改文案比改代码更管用
如果效果不理想,优先动 lib/content.js:
GENRES里每种文体的must/avoid,直接决定处方怎么写buildPromptSection是常驻守则,越短越好,因为它每轮都在花 tokenbuildSkillBody是完整方法论,按需加载,可以尽情写长(但别超过 8192 字符,否则会被工具结果修剪器截断)
要加新规则就动 lib/rules.js:词表型的加进 PHRASE_GROUPS(mode: 'hit' 是一次就报,mode: 'density' 要配上 threshold),语法型的加进 REGEX_RULES,每条都要写清 why 和 fix——报告里会原样呈现给模型。
要调节奏判定就动 RHYTHM_PROFILES(每个文体的平均句长下限、逗号/句号比下限、一句一段上限、连续短句上限)和 RHYTHM_RULES(七条节奏规则的文案与严重度)。改完务必跑 smoke.mjs——里面的短句名篇用例就是用来抓过度判罚的。
Comments
Loading…
Similar plugins
by zz12hui
DSH 本地插件:小说写作流水线(状态落盘、写前门禁、三视角审稿)+ 文档去 AI 味审查(七维打分、8 体裁、blocking 分级)
★ 1
MIT
JavaScript
Oct 26, 2026
dsh plugin --profile web add dsh-local-writing-suiteby tea-whale
DeepSeek Harness (DSH) 写作工具插件:长文工作流、风格控制与 8 套常用写作模板,进度落盘、跨轮次续写。零运行时依赖。
★ 1
MIT
JavaScript
Sep 9, 2026
dsh plugin --profile web add dsh-writing-studioby micellince
长篇中文小说工作台:章节/时间线/事实账本/伏笔/冲突/人物/高光/审稿/提案/对齐/9 Agent 分工/名家风格预设,AI 可直接生成与审稿。
★ 7
↓ 1k/wk
MIT
JavaScript
Oct 27, 2026
dsh plugin --profile web add dsh-long-novel-workbenchby siweina
给网文作者的本地章节体检:16 个工具做句式/情感/风格基线分析,24MB 模型本地跑、零 API 花费、不上传正文。DSH / DeepSeek Harness 插件。Local novel-writing assistant for DSH: on-device sentence/emotion/style-baseline analysis, zero token cost.
★ 32
↓ 2.4k/wk
MIT
JavaScript
Nov 18, 2026
dsh plugin --profile web add dsh-novel-writerby uckkk
项目体检:检查 README/LICENSE/.gitignore/测试/CI/锁文件等最佳实践并返回体检报告
★ 0
MIT
JavaScript
Aug 19, 2026
dsh plugin --profile web add dsh-repo-healthby DEEP-IOS
DeepSeek Harness原生中文文本人工智能痕迹消除与多重审核对抗工作流
★ 9
↓ 155/wk
MIT
JavaScript
Sep 6, 2026
dsh plugin --profile web add dsh-humanizer