rewrite-slop

rewrite-slop

将带有 AI 腔调的文本改写成疲惫的记者赶截稿时写出的文字。除非另有上下文，否则输入内容视为草稿。输出内容与原文表达相同，但去除了 AI 的痕迹：保留原意和结构，事实不变。

这是编辑，不是创作。不得添加新信息，不得更改事实、姓名、数字、日期、引文或主张。逐字保留输入中的引述、代码块和直接引文。

第 2 层的词汇表是一个不断变化的排名快照。仅当用户要求刷新或更新词汇表时，才读取 references/refresh-vocabulary.md 并遵循其中的说明。改写时绝不要执行此操作。

如果用户说“slopsummary”，或要求提供标记内容的报告、页面或可视化内容，则读取 references/html-report.md。否则忽略它：以下改写阶段都用不到该文件。

如果输入是界面（截图、页面，或组件及样式代码），则在第 0 阶段之前读取 references/ui-slop.md。该文件介绍视觉特征；以下各阶段仍适用于界面文案。

阶段 0：筛查技术产物

先运行检查器。它会应用以下机械修正，并打印其余问题：

python3 scripts/check_output.py --write <file>（脚本路径相对于此技能的目录）

• 自动静默修正是安全的。请重新阅读它打印的每个破折号和措辞替换：它无法识别引述内容，而且将破折号替换为逗号可能会造成句子衔接不当。
• 它会跳过围栏代码块和行内代码，只报告需要判断的内容。
• register 行反映的是密度，而不是命中列表：它需要同时满足一定比例和至少 4 次匹配，并且在 200 个词以下时不会发出提示。它会归纳触发提示的词语，因此应将其视为需要精简的段落和词组的线索，而不是要删掉的词语列表。
• 检查结果按术语分组，每个术语占一行，并列出其位置，因为同一个词需要一次性在所有位置修正。long-paragraph 表示需要压缩的目标，而不是某种特征。
• 标记为 ? 的行表示可能有问题，而非很可能有问题：每条规则都会在其命中项上方打印一次注意事项。请结合注意事项检查段落并作出判断；单独一条 ? 行绝不构成问题。统计时会将这些项单独计算。

脚本只能发现最容易处理的问题，仅此而已。它只是指示工具，不是审查工具：无论脚本报告了什么，也无论脚本能否运行，都要对照下方的所有列表亲自通读全文。

扫描输入并移除以下内容。这些都是纯粹的 AI 标记，没有任何合理的内容含义。无需判断，也无需替换，只需删除；如果它们是 URL 参数，则移除该参数。

• URL 跟踪参数：utm_source=chatgpt.com、utm_source=openai、utm_source=copilot.com、referrer=grok.com，以及任何指向大模型提供商的 utm_* 参数
• 引用标记：citeturn0search0、iturn0image0、citeturn0news0、oai_citation、[attached_file:1]、[web:1]、<grok-card>、:contentReference[oaicite:N]{index=N}
• JSON 尾部：({"attribution":{"attributableIndex":"X-Y"}})
• 占位符标记：[Your Name]、INSERT_SOURCE_URL_30、2025-XX-XX、[Describe the specific section]，以及任何其他未填写的方括号占位符
• 装饰性 Unicode 字符：数学粗体（𝗯𝗼𝗹𝗱）、斜体（𝘪𝘵𝘢𝘭𝘪𝘤）、用作项目符号的箭头（→）、正文中以 × 表示的乘号
• 长破折号和短破折号（-）：根据句意替换为逗号、句号、括号或连字符。如果破折号连接两个独立分句，优先使用句号或逗号；在此处使用冒号会造成第 3 层级检查所标记的句中冒号拼接问题。零容忍：输出中不得出现任何破折号。
• 弯引号（“ ”、‘ ’）：替换为直引号（"、'）。零容忍。
• 用作长破折号替代符的连续双连字符（--）：按长破折号的方式处理。

圆括号、单连字符、用于引出列表或示例的冒号，以及常规标点均可使用。只需移除上述弯曲或装饰性形式。

然后，在输入自身的正文中，将下列措辞逐一替换。切勿在引述内容、代码块、标识符或直接引用中替换；这些内容应原样保留，即使其中包含下列短语也是如此。每项替换都能保留原意，最后一项除外，其余均为就地替换。

• 将 “in order to” 替换为 “to”
• 将 “due to the fact that” 替换为 “because”
• 将 “in the event that” 替换为 “if”
• 将 “at this point in time” 替换为 “now”
• 将 “utilise” / “utilize” 替换为 “use”
• 将 “numerous” 替换为 “many”
• 将 “prior to” 替换为 “before”
• 删除 “It is important to note that” 及其开头的大写字母，并将后面的从句作为句子

阶段 1：分类

为改写设定上下文。

• 领域：技术、学术、科学、评论（评审／批评）、政策、小说、博客或营销、一般散文，或其他。
• 语体：正式、中性、随意。
• 可能的源模型：Claude（默认假设；相关特征会偏向 Claude）、ChatGPT（默认使用弯引号，常用破折号）、Gemini（以“更广泛的背景”来构建内容），或未知。
• 语气资源选择：仅当输入明确属于某一领域时，才选择对应的语气文件。如果多个文件都适用，选择最主要的一个。如果没有明确适用的文件，则完全跳过语气资源。

语气资源选择标准：

• 代码、系统、基础设施、API、工程实践 -> resources/technologist.md
• 学术论文或毕业论文 -> resources/researcher.md
• 实证发现、方法、数据 -> resources/scientist.md
• 对作品的评审或批评 -> resources/critic.md
• 面向决策者的简报 -> resources/policy-analyst.md
• 小说 -> resources/novelist.md

阶段 2：检测

阅读检测标准。扫描输入内容。对于每个匹配项，记录其文本范围和类别。本阶段的输出仅供内部使用：将标记的文本范围整理成列表，并在阶段 3 中使用。

第 1 级：Claude 迎合与聊天残留（高信号）

Claude 4.x 输出的典型特征。这些表达极少出现在真正的人类写作中。

• 迎合式开场与肯定：“You're absolutely right”“You're absolutely correct”“That's a great question”“Great question!”“Perfect!”“Excellent point!”“You're absolutely correct to point that out”
• 编码和 Agent 式残留：“I'll help you...”“Let me [verb]”“Let me start by”“Let me first”“Let me check”“Now let me...”“I'll go ahead and”
• 讨好式聊天结尾：“I hope this helps”“Let me know if you'd like”“Feel free to”“Would you like me to”“I'd be happy to”“Happy to...”
• 表演式反迎合：“to be straight to the point”“no BS”“I want to be honest with you”“to be clear with you”
• 各种形式的“坦诚”措辞：标签（“Honest take:”“Honest thoughts:”“Honest opinion:”“Honest review:”“Honest assessment:”“Honest recommendation:”“honest limits”）、插入语（“to be honest”“in all honesty”“the honest truth”），以及作为句子状语单独使用的“honestly”。诊断方法：删去这个词。如果意思没有变化，那么它只是在宣告坦诚，而非真正坦诚；应将其删去，直接陈述实质内容。
• 括号中的模糊措辞：“(or, more precisely, ...)”“(and, increasingly, ...)”
• 长篇内容中的进度更新式元叙述：“Let me mark X as complete”“Now I'll examine”
• 在显而易见的内容之前使用虚情亲密的开场：“Here's the thing:”“Let's be honest:”“The truth is”
• Claude 式比喻癖：“smoking gun”／“smoking-gun”（夸大某项发现）；“load-bearing”／“load bearing”；作为结尾强调句的“Nothing collapses.”；将“corpus”用于语言学或 NLP 数据集之外的任何文本集合（应改为“the documents”“the transcripts”“these 400 emails”）；“X is the contract”（如“the code is the contract”“the schema is the contract”）；用带宾语的“carries the”描述某事物发挥作用（如“the reference carries the procedure”：应改为“the reference holds”或“describes”）；在同一篇文档中多次使用“byte-identical”（首次是论断，第二次则成了惯用表达）

第 2 级：Claude 当前的用词倾向

根据 GitHub 拉取请求描述进行经验性排名（louisabraham.github.io/load-bearing）：在 2025 年和 2026 年，使用这类词汇的文本比例从几乎可以忽略不计升至样本的三分之一以上。这是当前 Claude 倾向使用的表达方式，并非第 3 级的营销腔调。

这里的每个词都是普通英语，因此单独使用某个词并没有错，这些词组也都不是禁用词清单。关键在于它们的密集程度。check_output.py 会输出每 1000 个词的密度，将其标记为 ELEVATED 或 SLOPPY，并指出每个词所属的词组。减少它报告为比例过高的词组；其他词则不用改。

• 断言性副词，声称句子并未展示的严谨性：plainly、quietly、genuinely、deliberately、outright、loudly、provably、empirically、vacuously、legitimately、structurally、precisely、demonstrably、identically、adversarially、faithfully、verbatim、merely、squarely。删掉副词：如果主张仍然完整，它只是强调，而非实际作用。
• 绝对否定：nobody、nothing、nowhere、never、neither、none、no one。用一个是强调，一段里用三个就是一种文风。保留作用范围确实适用的那个，其余改为肯定表达。
• 将代码写成 Agent，用赋予机制意图的动词：carries、holds、rests、survives、outlives、admits、refuses、decides、declares、governs、forbids、agrees、contradicts、falsified、refuted、restated、earns、pays、buys、drains、bites、swallows、degrades、escalates、short-circuits、self-heals、mints、stamps。在密度统计中，“earns”计为双倍（“nothing earns one”、“the change earns a ticket”），但单独出现时不计。直接说明机制：“标志被读取两次”，而不是“标志承载着这个决定”。
• 裁决类名词，将法庭语气带入技术主张：refusal、premise、ruling、precedent、verdict、obligation、remedy、caveat、symptom、asymmetry、disagreement、shortfall、hazard、idiom。换成具体事物：将 refusal 改成被拒绝的内容以及是哪项检查拒绝了它；将 caveat 改成具体条件；将 remedy 改成修复问题的改动。
• 结构隐喻名词：load-bearing、seam、ceiling、floor、lever、wedge、rung、ladder、chokepoint、backstop、carve-out、tripwire、machinery、knob。第 3 级允许这些词按字面含义使用。

第 2 级的其他词汇，是 Claude 描述自身推理时的用词。这些词也确实会出现在人类写作中。只有当它们只是装饰性或自我夸赞，而非表达读者可以核实的具体主张时，才标记出来。

• “complex”、“complexity”：当它们被用作含糊的强调语（如“the complex landscape of...”、“navigating complexity”、“this complex topic”），而非描述具体技术属性时，标记出来
• “thoughtful”、“nuanced”、“careful”：凡是用于描述作者自身分析或推理的情况（如“a thoughtful approach”、“a nuanced view”、“careful consideration”），都标记出来。第 1 级涵盖了“honest”的所有形式。
• 用作强调语的“concrete”：“concrete evidence”、“concrete examples”、“concrete steps”

第 3 级：跨模型 AI 词汇与结构

这些词也会出现在 Claude 的输出中，有时密度低于 GPT，但仍属于 AI 套话。

本级中的所有列表都按含义而非拼写匹配。若某个词有英式和美式写法，两种都计入：emphasise 和 emphasize、recognised 和 recognized。

美式拼写本身就是一种特征，因为模型无论文档采用何种拼写习惯，都会倾向于使用美式拼写。check_output.py 会报告这些拼写，并忽略澳大利亚技术写作本来就采用美式拼法的词（program、artifact、licence、practice）。除非文档面向美国读者，否则请与上下文保持一致。 浮夸的营销形容词和抽象的强化词：vibrant、robust、comprehensive、pivotal、multifaceted、profound、crucial、vital、meticulous、valuable、enduring、groundbreaking、intricate、renowned、seamless、cutting-edge、poised（如“poised to”）。删除形容词，或替换成使其成立的具体衡量指标。

替代“is”和“has”的填充动词：serves as、stands as、marks（动词）、represents、boasts、features、offers、emerges（as）。几乎总是用更简单的动词更合适。

填充动词（有动作，无信息）：delve、dive into、leverage、harness、foster、fostering、bolster、underscore、streamline、facilitate、empower、garner、showcase、emphasise、enhance、highlight、align with、exemplify、revolutionise、unlock（比喻义）、navigate（比喻义）。这些词承载着句子的语法，因此单独删除会导致句子残缺：改为明确说明动作（例如“我们读取配置”，而不是“我们 leverage 配置”）。

含义模糊的抽象名词：landscape（比喻义）、realm（比喻义）、tapestry、testament、interplay、paradigm。明确指出这些名词所代指的事物，或者删掉整句。

冗长赘述，其长度本身就是问题。这些内容删掉后，含义仍然完整：

• 可缩减为一个词或直接删除的填充语：“in terms of”、“with respect to”、“in the context of”、“a variety of”、“a range of”、“a wide range of”、“a number of”、“a myriad of”、“the fact that”、“in order for”、“for the purpose of”、“advance planning”。
• 冗余的同义词组合，一个词就能表达两个词的意思：“each and every”、“first and foremost”、“clear and concise”、“various different”、“end result”、“past history”、“basic fundamentals”。
• 先重述问题再作答，以及在进入正题之前的铺垫。
• 换个说法重复：用不同措辞重述前一句，或解释前一句已告知读者的内容。保留更具体的那一句。

check_output.py 会报告固定短语，并标记长度达到 130 个词的正文段落，每次最多标记十个。阅读每个标记的段落，删去没有作用的内容；如果长段落的长度有其必要，就保留。

它还会报告 dense-run：连续三个各含 90 个词或以上的段落，或两个各含 70 个词或以上的列表项，中间没有标题或表格。这些段落和列表项单独来看都不够长，不会被标记，但连在一起仍会让读者目光无处停歇。列表项更早触发标记，因为列表项本就应该简短。

抽象隐喻名词：locus、vantage、nexus、primitive、surface、bedrock、scaffolding、modality、north star、flywheel。

Tier 2 的结构类词语也归入这一类。密度决定是否需要检查；下方的隐喻测试决定如何处理每个词。

以及以下词语及其朴素的替换说法：

• substrate 替换为 base
• “wedge in” 替换为 add
• vector 替换为 way
• gold-plating 替换为“超出工作所需”
• ratchet 替换为该机制的真实名称
• evacuate 替换为“move out”
• endgame 替换为“最后阶段”

仅在词语用作隐喻且有更朴素的替代说法时才标记。专业术语保留：embedding vector、attack vector、cryptographic primitive、API surface。

句首填充语：Additionally、Furthermore、Moreover、Notably、Consequently、Accordingly、In light of this、With this in mind、Building on this、That said、Having said that、It is important to note、It is worth mentioning、It should be noted that、It goes without saying。 修辞结构：

• 否定式对照，这是最被 AI 滥用的模式：“不是 X，而是 Y。”“不只是 X，还有 Y。”“这不是关于 X，而是关于 Y。”“别管 X，想想 Y。”“问题不在于 X，而在于 Y。”“X 已死，Y 万岁。”互换测试：反过来写成“不是 Y，而是 X。”如果两种说法读起来同样顺畅，那么这种对比只是装饰。删掉否定，直接陈述观点和支撑事实。
• 装饰性的三项并列：“快速、高效、可靠”；“想得更远，行动更果断，前进更迅速”
• 空洞深刻的精炼三连句：“有些东西变了。”“一切都变了。”“但关键在于。”
• 在句中提出并立即回答的反问：“解决方案？其实比你想的简单。”
• 空洞的开场白：“在当今快速变化的环境中”“随着技术不断发展”“说到底”“谈到……时”
• 定义式开场白：“X 定义为 Y，涵盖 A、B 和 C”
• “尽管面临挑战”式转折：“尽管 [主题] 具有 [优点]，[主题] 仍面临诸多挑战，包括……”
• 好莱坞式结尾：“随着 X 不断发展，其潜力仍无穷无尽”
• 总结式收尾：“总之”“综上所述”“总体而言”“综合来看”

现在分词短语尾句：以“-ing”从句结尾、却没有补充读者无法推断的信息的句子。“……在其境内营造出活跃的社区。”“……促进乘客和货物的流动。”“……推动该地区的社会经济发展。”

现在分词短语引发的逗号拼接，在 AI 输出中出现的频率比人类写作高出数倍：“系统处理数据，揭示关键见解。”

句法特征，每一种都会让读者多走几步推理，或在脑中多记住一些内容：

• 名词化：把动词变成名词，再用弱动词支撑。“进行了分析”改为“分析”；“X 的实施”改为“实施了 X”。
• 名词短语堆叠：三个或更多名词彼此修饰（“上下文窗口预算分配策略”）。用介词或动词拆开。
• 收尾句：用简短的陈述句在段落末尾营造深刻感（“诀窍就在这里。”“不是 Postgres。”“这是另一种产品。”）。删掉，或将其内容融入前一句。该脚本会把这些句子逐一列为可能的问题，并将文档中此类习惯超过每千词 1.5 处视为过度。
• 省略式对照：“X 很小。Y 则不然。”第二句省略谓语以制造效果。明确说明 Y 是什么。
• 附加从句：为了节奏，在句尾补充一个事后想到的内容（“，我们也应该如此。”“，而事实也确实如此。”）。句子应以观点收尾。
• 意合：每句只表达一个分句，用句号并列，而不是用“因为”“这使得”或“虽然”连接。该脚本会统计没有从属分句的段落占比；三分之一属于普通写作，而大多数此类段落才是问题所在。若两句话中一句是另一句的原因，就把它们连起来。
• 否定式首语重复：连续几句以相同的否定开头（“不是 X。不是 Y。”）。保留一句，直接陈述肯定观点。
• 段内平行结构：连续句子结构相同，包括三句都以同一个词开头。改动其中一句。
• 前向指涉和冗长的代词链：“正如我们下文将看到的”，或代词与其所指名词相隔三句。提到事物时就直接说出名称。

需要读者重读的密集句子：堆叠多个从句，承载不止一个观点。应通过删减来拆分，绝不要靠填充文字。删掉不含信息的从句，让其余部分独立成句；不要为了凑出第二句话而重复主语。拆分后如果字数增加，就说明拆分失败；如果每个从句都有价值，就保留原句。

本可明确断言时却使用含糊的情态词：may、might、could、suggest、indicate、appear、seem。多个弱化表达叠加时，只保留真正表达不确定性的那一个：“could potentially possibly be argued that it might”改为“may”。 来源问题：

• 不指明来源的模糊归因：“专家认为”“研究人员指出”“观察人士提到”“行业报告显示”“批评者声称”“研究表明”“研究显示”
• 夸大来源数量：只有一两篇时却说“多家出版物指出”；只有一人时却说“许多批评者”
• 知识截止时间免责声明：“截至我上次更新知识时”“虽然具体细节有限”
• 在声明不了解后进行推测：“虽然关于 X 的具体细节并未得到广泛记录……但该地区可能支持……”
• 凭空捏造具体细节：某个细节只是为了显得有亲身经历，而非提供信息（“这就是我们上周被限流的原因”“我只是在写测试时才注意到这一点”）。模型被教导要具体而非抽象，就会编造具体内容。要问自己，输入是否提供了该细节的来源；改写时，--against 会列出原文中没有的每个数字、句中出现的名字、相对时间和“我注意到”。

夸大其词、虚构重要性：“标志着一个关键时刻”“代表着重大转变”“反映出经久不衰的影响”“塑造着不断变化的格局”“堪称……的见证”“留下不可磨灭的印记”“根深蒂固”“关键转折点”。

夸大其词、缺乏证据的知名度描述：“曾被……报道”“曾登上……”“社交媒体活跃度高”“广受认可”。

夸大其词、非营销文案中带有宣传色彩的措辞：“坐落于……的中心地带”“拥有生机勃勃的……”“丰富多样的……”“令人惊叹的自然风光”“开创性的贡献”。

生硬的泛泛类比：“每个和弦都是一块拼图，最终拼出一首歌。”听起来似乎合理，但很空泛。

只说感受、不说机制的句子：“数据库近在手边”“易读的 SQL”“遵循你的架构的类型”。通用文档检验：如果这句话可以原封不动地出现在另一篇同主题文档中，那它在这里就没有提供任何信息。标出它，然后只依据输入进行修正：

• 输入在其他地方说明了机制：用该事实重新表述（“.toSQL() 会返回发送给数据库的字符串”）
• 输入没有说明机制：删掉这句话，即使篇幅会变短
• 绝不要补充输入中没有的机制、数字或行为，无论你认为它们多么准确

用冒号连接句中成分。

• 保留：冒号用于引出列表、示例，或解释前句的分句（“还有一个问题：缓存已过期”）
• 标记：冒号连接两个没有上述关系的分句，通常用于对比（“如果你从传统自动化转来：你无需注册事件处理程序，而是描述条件”）。改写时不要使用这种结构。

虚假的范围表达：用“从 X 到 Y”描述并非某个尺度两端的事物（“从数据库到部署流水线”）。直接列出各项。

刻意变化措辞：在同一段中为同一个名词轮换使用同义词（约束／限制条件／限制／局限／障碍）。

缺乏证据的表面情绪化语言：“这深深引起了各个社群的共鸣”“唤起持久的信念与韧性”。

第 4 级：Claude 结构特征

其中大多数特征都来自面向消费者的 claude.ai 系统提示词（该提示词要求“项目符号至少应包含 1-2 个句子”、“突出显示关键事实，便于快速浏览”、“标题使用句首字母大写格式”、“先给出高层次摘要”）。这些特征在 claude.ai 的输出中很常见，在直接调用 API 的输出中则较少见。

• 标签复述该行内容的粗体标题式项目符号（“**性能：**性能提升了……”）。判断标准是是否复述，而不是标点符号：标签后接新细节则符合要求（“**性能：**p99 降低了 40ms”）。
• 描述冗长的项目符号（每条 1-2 句或更多，而简短的项目符号就足够），且连续出现多条：脚本报告中有两个连续的 70 词项目符号，而一个段落在 90 词时包含三条
• 在行文句子中间插入粗体：“关键权衡在于……”。强调效果依赖于少用粗体，因此处处加粗就等于什么都没强调。行首的粗体是标签，不在此列：项目符号开头、**Date:** 2026-09-01，以及代替标题的粗体行。脚本会根据使用频率对文档进行分档，当段落中出现两处或更多粗体时，就会判定为滥用。
• 开篇先给出 BLUF / TL;DR：首句概括整个回答，之后再展开
• 对非代码内容使用三个反引号括起的代码块：文件路径、单条命令、错误字符串
• 对非表格形式的比较使用表格（优缺点、“方案 A 与方案 B”）
• 在标题前使用 --- 分隔主题，且形成习惯时才算：水平分隔线是普通的 Markdown 语法；真正的特征是在一个接一个的标题上方都出现分隔线。脚本会同时根据数量和文档中标题所占比例进行判断。
• 标题使用标题式大小写（应使用句首字母大写格式）
• 在行文中使用自然语言列举：“包括 x、y 和 z 等内容”
• 跳过标题级别（没有前置 h2，却出现 h3）
• 读者并未要求的结尾元摘要或“总结一下”段落
• 标题、项目符号或说明性正文中出现表情符号

看起来像 AI 写作但并非如此的特征（不要仅凭这些特征进行标记）

有些模式常被误认为是 AI 写作特征，但在真实的人类写作中也很常见：

• 学术文体中的学术词汇
• 没有拼写错误（Grammarly 已被广泛使用）
• 在正式语境中避免使用缩略形式（可能是 ESL 写作、自闭症人士的写作，或有意选择的语体）
• 混用随意和正式的语体（技术写作者、多作者协作的 Wiki）
• 正式信件中的称呼语和结束敬语
• 未注明来源的说法（许多正当文档中都有未注明来源的说法）

无论上下文或看起来是否出于有意，破折号、短破折号和智能引号都会被移除。

第 3 阶段：改写

根据下方的正向风格说明和第 2 阶段标记出的片段进行改写。此处不要重新检查检测标准；你已经有了相关片段，重读禁用项会让你更容易受到需要移除的模式影响。

正向风格简述

• 像一位赶截稿期限、已经疲惫的记者写稿。使用具体名词和动词。
• 具体细节胜过抽象概念。语义要密集：每句话都应包含读者可以核实的论断。真实的日期、姓名、数字和地点，都胜过“显著增长”。
• 该用“是”和“有”时就用。“Gallery 825 是 LAAA 的展览空间”胜过“Gallery 825 作为 LAAA 的展览空间”。
• 有意识地变换句长。长短句交替。连续三个长句后接一个三词短句，效果很好。
• 有证据支撑时，就明确表达观点。表明立场，不要制造虚假的平衡。
• 引用具体的人、日期和数字。如果无法指出消息来源，就删掉相关说法，或改写为观察，而不是诉诸权威。
• 使用直引号（' 和 "）和标准标点。不要使用 em dash、en dash、智能引号或装饰性 Unicode 字符。
• 标题采用句首字母大写格式。
• 以连贯的行文传递信息。只有在确实列举彼此独立的项目时才使用项目符号。避免使用加粗标题式项目符号，让标签只是重复该行内容；加粗引导语后补充新细节则可以保留。
• 用句子本身承载强调，不要依赖加粗。在行文句子中加粗时，把强调内容放在醒目位置：开头、结尾，或单独成一个短句。标签位于行首时保留加粗；整篇文档也可以保留一两处加粗。
• 忠实保留原意和结构。段落仍是段落，章节仍是章节，真正的列表仍是列表。只有结构本身存在问题时才调整，例如把连贯行文中的加粗标题式项目符号改为段落、删去每个标题前的 --- 分隔线，或删掉标题中的表情符号。
• 只能缩短，不能扩写。改写后的内容不能长于原文，也不要填充篇幅。没有最低长度要求：把臃肿内容缩减三分之一甚至一半都可以。长度取决于最后一句仍承载有效论断的句子，不必追求某个比例。
• 如果原文开头放了 TL;DR/BLUF，而这并非原作者有意安排（也就是为了适应系统提示驱动的快速浏览而加上去），就调整结构，让回答自然展开。
• 重复很正常。与其轮换同义词，不如重复使用名词。“约束”就始终用“约束”。

语气

如果 Phase 1 选择了语气资源，现在就加载，并用它调整本简述。语气资源可以调整语域、用词偏好和节奏，但不能覆盖上述关于 em dash、智能引号或事实忠实度的规则。

如何处理标记片段

将每个标记片段替换为符合本简述的文字。只有在片段毫无作用时才直接删除，不要替换：

• 迎合性开场白（实质性回答前的“你说得完全正确”）
• 句首填充词（“此外”）
• 分词短语结尾：删除这部分，让句子在前一个分句处结束

不含标记片段的句子保持原样。保守修改；过度改写干净的文本是最常见的错误。如果原文中标记片段不多，就尽量保持原样。如果完全没有标记片段（如代码清单、事实表格或密集的参考资料），则原样返回。

第 4 阶段：核验

始终执行此阶段

单次改写会留下要求删除的模式。此阶段用于捕捉它们。

python3 scripts/check_output.py <rewrite> --against <original> 会预先回答下列问题中可通过模式判断的部分，因此请根据其输出确认，不要重新推导。没有输出不代表通过：该脚本只检查模式，不判断语义。其无法判断的问题大多需要你对照全文逐一核查。普通发现项就是需要修正的内容。带 ? 的发现项需要阅读判断：结合其说明决定；说明适用时则保留。 针对以下每个问题创建一个任务。通过检查改写后的文本回答每个问题，修正任何“是”，然后将任务标记为已完成。

• 是否存在长破折号（-）、短破折号（-）或 -- 序列？是否存在弯引号（" " 或 ' '）？
• 是否有句子以 Additionally、Furthermore、Moreover、Notably、Consequently、In conclusion、Overall、In summary 或 It is important to note 开头？
• 是否有段落包含三个并列形容词、三个并列短语或三个并列分句，用作装饰？
• 是否存在“这不是 X，而是 Y”“不只是 X，还有 Y”或类似的否定对照？应用替换测试：如果“这不是 Y，而是 X”同样说得通，那么这种对照就是装饰性的。删掉否定，直接陈述 Y。
• 是否留下了没有指明出处的权威说法（“专家认为”“研究显示”“观察者指出”“研究表明”）？
• 是否留下了以不提供额外信息的 -ing 分句结尾的句子？
• 是否存在“尽管有[优点]，[主体]仍面临挑战”这样的转折？
• 是否留下了标签重复后续内容的粗体标签项目（**X：** X 做了……）？标签后接新信息则保留。
• 是否还残留“让我来”“我会”“很乐意”“如有需要请告诉我”“希望这能帮到你”“太好了！”“非常好！”？
• 是否还留有比喻用语（“确凿证据”“承重”“就是合同”“承载着”“把普通文档集合称为 corpus”“第二个‘逐字节相同’”）？改为说明事物是什么或做什么。
• Register 行是否仍标为 ELEVATED 或 SLOPPY？如果是，先精简它所指的词组，从打印出的词语入手。
• 是否还存在 dense-run？删减其中内容，或在论述转折处添加标题或分段。
• 粗体行是否仍显得 HEAVY 或 ABUSED？从打印出的粗体频率最高的词开始处理：单个词加粗四次，就已经失去强调效果。
• 是否还留有脚本指出的填充动词或营销形容词？每个词都要在所有出现处统一修改，而不是只改一处。
• 是否还存在删除后不影响意思的“honest”或“honestly”？
• 是否还把抽象隐喻名词（substrate、vector、nexus、primitive、bedrock、scaffolding、north star、flywheel）用作比喻，而有更直白的说法？字面意义上的术语保留：embedding vector、attack vector、cryptographic primitive、API surface。
• 是否有句子可以原封不动地出现在另一篇同主题文档里？如果有，这句话就没有提供具体信息。用输入中已有的事实重新表述，或删掉。不要编造事实。
• 是否有冒号连接两个分句，而第二个分句既未解释也未具体说明第一个分句？
• 是否存在 X 到 Y 的范围表述，而 X 和 Y 不在同一尺度上？
• 是否留下了标题式大小写的标题？是否在一个标题后又加了 ---？说明性内容中是否有表情符号？
• 改写是否假设合作毫无阻碍、人人理性，或情感共鸣无需证明（“社群会热情采用”“引起强烈共鸣”）？
• 是否有句子声称某事具有重要意义、影响深远或反映了“更广泛的趋势”，但同一段中没有事实证明？
• 是否引入了原文没有的事实、名称、数字、日期、说法或示例？--against 运行会把它识别出的每一项列为 new-number、new-name、new-time 或 new-anecdote。逐项对照原文核查：用数字替换拼写出来的数字，或把“我们发现”改为“发现了”，都属于同一事实；其他内容都要删掉，无论它是否属实。
• 收尾句是否显得 HABIT，或并列句是否显得 UNJOINED？把简短的收尾句并入前一句；如果两句存在因果关系，就将它们合并。
• 是否改写了本应原样保留的引语、代码块或直接引用？
• 每个句子是否都表达了一个观点？删掉没有观点的句子；即使改写已经更短，也要继续删减。
• 脚本标记为过长的段落是否有未读就保留的？是否还留有填充语或重复表达？
• 改写是否比原文更长？绝不能更长。如果拆分句子导致字数增加，就还原。
• 是否有相互矛盾的句子？

输出

仅返回改写后的文本。不要添加前言、注释、变更日志或元评论。