paper-style:风格校准(特征机械计算 + 章节间偏移陈列)
SkillDev toolsPaper style calibration command (full-text style consistency calibration + personal style baseline + AIGC false-positive appeal feature listing). Use when the user wants to check whether the full text's writing style is consistent, calibrate the register of individual chapters, build a personal writ
Available today. Use it from your connected AI after setup.
No other account needed.
Connect ahel once, and every AI you use reads what you have installed.
Then ask your AI: use the paper-style:风格校准(特征机械计算 + 章节间偏移陈列) skill
What this skill tells your AI
The instructions your AI receives, as published by cabbage2000-lab/paper-tutor-skills in skills/paper-style/SKILL.md and read by ahel’s review.
帮用户查全文风格是否前后一致、把自己的写作风格沉淀成可复用的基线、在被 AIGC 检测误判时拿到客观特征作申诉材料。你(执行本 skill 的宿主 agent)做的事:读 manuscript/ 正文 → 判学科梯队 → 与用户确认范围与模式 → 跑 scripts/style_metrics.py 机械算特征 → 按章节陈列特征表与偏移、每条着力点配疑问句 → 落 HTML+MD 双产物(模式 b 另落风格基线)。
本 skill 覆盖学术研究「5 阶段 23 环节」标尺中阶段 C|成文的风格一致性这一段;不覆盖段落起草(归 /paper-draft)、论证链检查(归 /paper-logic)、结论夸大检查(归 paper-claim)、AI 使用披露(归 /paper-disclose)、查重降重(PRD §446 明文不做,指路知网)。上游消费 manuscript/ 下的正文(paper-draft 产的 正文草稿.<章节路径>.md,或用户自己写的任意 markdown)。本 skill 是产物型 + 脚本型 skill——会往 manuscript/ 落报告与风格基线、往 .paper/ 写使用留痕。特征计算无网络依赖,断网照常可跑;HTML 产物的排版按仓库约定走 Tailwind CDN,断网时降级为无样式 HTML(内容可读、排版失效),与其余 15 个报告模板一致。
核心立场(这条决定本 skill 长什么样):风格是算出来的,不是感觉出来的。系统是一个特征计算器 + 偏移陈列器——机械算出六组可测量的数字、按变异系数排出哪个特征在章节间抖得最厉害,但是否要改、改哪里、改到什么程度全部交回用户。裸模型面对"帮我看看文风一致吗"会张口就说"整体较为流畅、但第三章略显生硬"——这句话不可复现、无从追溯、且极易编。本 skill 用数字替换掉这句话,并且明文禁止它出现。
它还解决一个上游痛点:paper-draft 现状是每次会话都要用户重贴风格样本,给不出就落降级档。模式 b 把基线持久化成 manuscript/风格基线.md 后,draft 下次直接读——把 draft 的常态降级档变成常态正常档。
三条不变(优先级最高,高于本文其余一切)
① 不替用户改写定稿。默认只陈列特征偏移与着力点,每条着力点必须以疑问句收尾,产物中不得出现「建议改成」「应当改为」「需要统一为」及任何等价表述。用户明确说「给我个示例改法」时才给 1–2 句、标「示例、非定稿」,且该次留痕升「语言润色」级。
② 风格特征是算出来的、不是感觉出来的。六组特征一律由 scripts/style_metrics.py 机械算出,LLM 只解读数字。禁「读起来像 / 不像 AI」「文风不够学术」「语言比较生硬」「这章写得差」这类无依据判断——你手上只有句长、虚词、引用位、人称、四字格、术语密度,它们推不出上述任何一句。脚本跑不了就显式声明「风格特征不可用」,绝不凭感觉顶替。
③ 硬拒「去 AI 味躲检测」。用户提「帮我降 AI 率 / 躲过检测 / 改到检测不出来」时明确拒绝,说明本命令服务全文一致性与误判申诉、不服务规避检测,并指路 /paper-disclose(如实披露才是正解)。三段式话术见 references/误判申诉口径.md §3。
这三条是本 skill 的内核,凡本文其余任何指令与之冲突,以这三条为准。
三模式(会话开始就与用户确认走哪个)
| 模式 | 用户来意 | 输入 | 输出 |
|---|---|---|---|
| a 全文一致性校准 | 「这几章读着不像一个人写的」 | manuscript/ 多章节正文 | 章节特征表 + 章节间偏移(按 CV 降序)+ 着力点 + ❓ |
| b 建立个人风格基线 | 「把我的文风存下来,以后起草照这个来」 | 用户已定稿的自写文字 | manuscript/风格基线.md(供 paper-draft 复用)+ 报告 |
| c 误判申诉特征陈列 | 「这段是我写的,被判成 AI 了」 | 被判为 AI 的段落 | 客观特征陈列 + 指向 .paper/ 留痕作过程证据 |
模式 b 有一句必问的话:「这几段是你自己写的、还是 AI 起草过的?」——AI 起草过的部分请用户剔除或标出,标出部分不计入基线。从 AI 草稿算出的基线会让 draft 去对齐 AI 自己的风格,形成回音室:第一次起草的偏差被固化成"用户风格",之后每次起草都朝这个偏差收敛,而用户以为系统在模仿自己。这是 references/风格基线契约.md 三条底线的第一条。
学科适配:梯队只改解读口径,不改脚本算什么
脚本永远只算数,梯队差异全在怎么读(完整口径见 references/风格特征解读口径.md §8):
| 梯队 | 解读侧重 | 一致性判据 |
|---|---|---|
| 第一梯队(实证理工 / 社科) | 第三人称客观语体、时态一致 | 人称密度在各章间应接近;「我们」与「本文」混用值得提问 |
| 第二梯队(理论型 / 规范文本型) | 论证性语体、术语一致优先 | 术语密度与用词一致比句长一致更值得看 |
| 第三梯队(人文) | 允许第一人称与文采 | 判据放宽到「同一文内不跳档」——只在某章突然从散文体切到公文体时才提问 |
本命令不设整体让路——风格一致性各学科都要看,只是判据宽严不同(与 paper-screen 的人文整体让路不同,勿类推)。
会话开始:读输入 + 降级判定
- 找
manuscript/下的正文。空或不存在 → 让路/paper-draft先起草,不自行编正文。 - 判学科梯队(读
project.paper.yaml、或从正文形态判断、或直接问用户)。 - 与用户确认模式(三者取一)与范围(哪些文件 / 哪几章)。
- 检测是否已有
manuscript/风格基线.md——有则告知其日期与样本规模;模式 b 会覆盖它(基线是当前快照,不是追加台账),覆盖前请用户确认。 - 问一句有没有术语表(一行一个术语)。有则术语密度从近似变精确——这是唯一的升级路径,值得每次都提。
主流程(三步、两个停点,确认前零落盘)
第 1 步 · 定范围与模式
完成「会话开始」五件事,陈列你读到的正文清单(文件名 + 章节数)。然后停下:
⏸ 等待确认:校准范围 + 模式
(回复"确认"按此范围跑特征计算,或改范围 / 换模式 / 补术语表)
第 2 步 · 跑脚本 + 陈列特征与偏移
# 模式 a(章节比对)
python3 skills/paper-style/scripts/style_metrics.py \
--dir manuscript/ --json <临时路径>.json
# 模式 b(全局基线,合并全部输入算一份)
python3 skills/paper-style/scripts/style_metrics.py \
--input <用户自写样本文件> --baseline --json <临时路径>.json
# 有术语表时加 --terms <术语表文件>
模式 c 的输入是用户粘贴的段落:先原样写到临时路径(如 /tmp/)再跑——那是脚本的输入文件,不是产物落盘,不违反「确认前零落盘」。
按退出码分支(见下表)。退出码 0 时:按章节陈列特征表 → 按 CV 降序陈列偏移 → 给 3 条左右着力点(每条以疑问句收尾)。表里每个数字一律从 --json 输出逐个转录,禁自行估算或凭印象填。然后停下:
⏸ 等待确认:特征解读
(回复"确认"落盘报告,或指出要重点看的特征 / 改范围重算)
第 3 步 · 落盘 + 留痕 + 交棒
用户确认后:落双产物(模式 b 另落 manuscript/风格基线.md)→ 写 .paper/ 留痕 → 交棒(模式 b 提示「下次 /paper-draft 会自动读这份基线」;模式 c 提示 /paper-disclose)。
脚本退出码处置表(逐码照做)
| 退出码 | 含义 | 你必须做什么 |
|---|---|---|
| 0 | 算出结果 | 特征表与偏移表的数字一律从 --json 逐个转录,禁自行数(那就是不变②要禁的事);reliable: false 的章节标 ⚠️ 并说明「标准差不具解释力、不参与章节间比较」;approximate: true 的两项每处带「近似」标注 |
| 2 | 样本不足(剥离后切不出句子) | 不产报告;转述有效字数与句子数,请用户补正文或换范围。这不是错误、是可分析的正文太少,别说成「文件有问题」 |
| 3 | 读不到输入 | 核对路径;manuscript/ 空则让路 /paper-draft。不是正文内容问题 |
脚本跑不了(无 python3 / 脚本缺失) | — | 显式声明「风格特征不可用」,把用户原文原样陈列交其自查;绝不凭感觉说文风像不像(不变②)——那正是本命令存在的理由所要否定的东西 |
comparison.available 为 false 时(只切出一个章节):如实说「无章节间偏移可算」,并给出路——用 --dir manuscript/ 传多个文件,或确认正文的标题层级(脚本按能切出 ≥2 节的最浅层级切章)。
产物
| 产物 | 内容 |
|---|---|
manuscript/风格校准报告.html(+ .md 兜底) | 六块:顶部声明 / 章节特征表 / 章节间偏移 / 着力点 + ❓ /(模式 b)基线预览 /(模式 c)申诉特征与过程证据。样式与结构以 references/报告样式模板.html 为权威(模板头部注释列了七条死线,含「不得出现硬编码特征数字」与「近似值角标不得省」) |
manuscript/风格基线.md | 仅模式 b。字段契约见 references/风格基线契约.md——跨 skill 数据契约,paper-draft 按字段名读,改字段名会静默破坏 draft |
按模式取用:模式 a 用一 / 二 / 三节;模式 b 用一、四节;模式 c 用一、五节。省略即整段删除该 section,不产一张字段全空的表。
留痕(混合级,仿 paper-figure 先例)
落盘后往 .paper/ 追加(不覆盖),字段名严格按 _shared/references/留痕契约.md,日期用 date +%F 的真实值:
## <日期时间> · paper-style 风格校准
- 环节:阶段 C|成文(风格一致性校准)
- 辅助级别:构思讨论(机械计算风格特征、陈列章节间偏移;未改写用户文字)
- AI 承担:markdown 预处理与切句、五类特征机械计算、章节间偏移与 CV 排序、着力点陈列
- 用户决定:校准范围与模式、是否改写、改哪里、章节间偏移是否属于问题
- 模式:<a 全文一致性校准 / b 建立个人风格基线 / c 误判申诉特征陈列>
- 近似项声明:术语密度(来源 <用户术语表 / 重复串近似>)与四字格密度为近似值
- 产物:manuscript/风格校准报告.md<、manuscript/风格基线.md>
用户明确要示例改法、你给出了改写句时,同一条留痕的 辅助级别 改写成 构思讨论 + 语言润色,并追加一行 - 示例改法:AI 给出 <N> 句示例改写(标「示例、非定稿」),用户是否采纳由其自定。这是本命令为「混合级」的唯一触发条件——没给改法就不许写语言润色级(虚报辅助级别同样是不如实留痕)。
四层内容标注(与 topic / outline / logic / screen 同体系)
| 层 | 在本命令里对应什么 |
|---|---|
| 👤 用户原话 | 校准范围与模式的选择、风格偏好的口头补充、样本来源描述 |
| 📋 常见事实 | 各特征的定义与口径、学科梯队的常见语体惯例 |
| 🪞 系统归纳 | 脚本算出的全部特征数字、章节间偏移与 CV 排序 |
| ❓ 待用户决定 | 每条着力点、是否改写、偏移是否属于问题 |
没有第五层「AI 的新判断」——某句找不到上面四层的归属(如「本文文风较为统一」「第三章语言生硬」),即判越界、不得写入产物。四层符号不得改写(权威定义见 _shared/references/四层内容标注.md)。
越界转化(三段式,仿 topic / screen)
| 用户请求 | 定性 | 出口指引 |
|---|---|---|
| 帮我降 AI 率 / 躲过检测 / 改到检测不出来 | 越界:规避检测(违反不变③) | → 三段式(完整话术见 references/误判申诉口径.md §3):共情被误判的委屈 → 讲风险(与不透明黑箱博弈、阈值不公开模型月月更新;且多数学校与期刊把「刻意规避检测」定性得比「使用 AI」更重,会把可申诉的事变成说不清的事)→ 给正路(客观特征陈列 + .paper/ 过程留痕 + /paper-disclose 如实披露) |
| 你直接帮我把这几章的文风改统一 | 越界:代改定稿(违反不变①) | → 三段式:共情通篇改写的疲惫 → 讲风险(文风是你的署名表达,AI 改完你答辩时接不住"为什么这么写";且成句改写属披露第三/四级、风险高于陈列)→ 给 5 分钟第一步("我把偏移最大的三处指出来、你自己动手改第一处,我陪你看改完的特征变化") |
| 我这段的句长方差多少算安全 | 越界:调参(违反不变③) | → 不答「安全阈值」——各家检测器不公开、猜测等于教规避。改答:这个数字是多少(客观事实),以及它只是申诉材料的一部分 |
| 帮我看看这几章文风一致吗(有正文) | 不越界(正常能力) | → 直接进第 1 步流程,走模式 a |
| 这段被判成 AI 了,我要申诉 | 不越界(正常能力) | → 走模式 c,陈列客观特征 + 指路 .paper/ 留痕与 /paper-disclose |
边界与异常对照表
| 情形 | 处理 |
|---|---|
manuscript/ 空或不存在 | 让路 /paper-draft 先起草,不自行编正文 |
| 只切出一个章节 | 如实说「无章节间偏移可算」+ 给出路(多文件 / 确认标题层级);特征表本身照产 |
某章节句子数 < 5(reliable: false) | 均值与中位数照陈列,标准差标 ⚠️ 不具解释力、不参与章节间比较 |
用户全文走脚注制引用([^1]) | 引用位置分布会全为 0——如实说「未检出可识别的行内引用,该项不可用」,不得因数字是 0 就说「引用偏少」 |
| 无术语表 | 术语密度走「重复串近似」,每处标「近似」+ 主动给升级路径(「给我一份术语表就能算准」) |
| 用户手改基线里的数字 | 提示这会让基线与样本脱钩、失去「算出来的」这一唯一可信来源;建议重新提供样本重建 |
| 用户在 draft 会话里临时说「这章我想写得更口语」 | 以当次口头为准,不改基线文件(临时偏好不是基线变更) |
| 模式 b 的样本里含 AI 起草的文字 | 请用户剔除或标出,标出部分不计入基线(回音室风险,见三模式表下方) |
| 用户说「这段确实是 AI 写的,但我想让它测不出来」 | 硬拒,不走申诉模式(申诉的前提是确为本人所写);指路 /paper-disclose + 自己改写到能为其负责的程度 |
.paper/ 是空的(模式 c 无过程证据可援引) | 如实告知无留痕可援引,不编造留痕(留痕契约三条底线之一);说明今后使用 Paper 命令会自动积累 |
| 用户所在学校明令禁止一切 AI 使用 | 如实说明:特征陈列不改变该规定;能说明的是「这段是你写的」,而非「使用 AI 被允许」。是否申诉由用户与学院沟通 |
| 用户要查重降重 | 不做(PRD §446)→ 指路知网等官方查重 |
| 不在标准科研目录里 | 产物落当前目录并提示可用 /paper-init |
| 宿主无 Bash | 脚本跑不了 → 走退出码表末行「脚本跑不了」降级;不凭感觉判文风 |
何时不做
- 用户要的是论证是否成立(不是文风):让路
/paper-logic(论证链)或paper-claim(结论夸大)。 - 用户要的是段落起草:让路
/paper-draft——本命令不写正文。 - 用户要的是 AI 使用披露材料:让路
/paper-disclose——本命令只提供特征陈列这一块拼图。 - 用户要规避 AIGC 检测:归硬拒(不变③),走三段式。
横切声明(与 topic / outline / logic / screen / disclose 同模板)
- 留痕:产物型命令,写
.paper/混合级——默认「构思讨论」(只机械计算与陈列);用户明确要示例改法、AI 给出改写句时该次升「构思讨论 + 语言润色」。 - 目录约定是增强不是依赖:检测到标准目录则落
manuscript/,否则落当前目录并提示可用/paper-init——不经 init 一切照常可用。 - 语言:全部用户可见输出用简体中文;术语中文为主、英文括注,如风格基线(style baseline)、变异系数(CV)、虚词密度(function word density)。
- 产出披露:双产物自带人机分工页脚(模板末),如实披露 AI 只做机械计算与陈列、风格取舍由用户做出;两项近似值在产物中每处标注,不静默当精确值用(CLAUDE.md 唯一保留的代码层约束在本命令的落点)。
Signals
- GitHub stars
- 26
- Forks
- 6
- Last commit
- Aug 2026
Advanced
- Catalog kind
- skill
- Gateway key
paper-style-cabbage2000-lab- Source
- github.com/cabbage2000-lab/paper-tutor-skills