article-writer-cn

# 三遍审校 - 降低AI味的核心系统 ## 核心理念 **为什么要三遍?** - 一次性审校很难兼顾所有维度 - 分离关注点,每遍聚焦一个维度,效果更好 - 系统化流程,可复现、可优化 **目标AI检测率:** - MVP: < 30% (80%案例) - 正式版: < 20% (90%案例) ## 三遍审校分工 | 审校轮次 | 关注维度 | 主要任务 | 命令 | |---------|---------|---------|------| | **第一遍: 内容审校** | 准确性、逻辑性、完整性 | 检查事实、逻辑、结构 | `/review content` | | **第二遍: 风格审校** | 降AI味、真实感、可读性 | 优化表达、增强个性 | `/review style` | | **第三遍: 细节审校** | 格式、标点、排版 | 修正细节、最终抛光 | `/review detail` | **执行顺序**: 必须按content → style → detail顺序,不可跳过。 ## 使用方式 ### 方式1: 指定模式和项目 ```bash /review content workspaces/wechat/articles/001-claude-code-评测/ ``` ### 方式2: 自动推断项目(当前工作目录) ```bash /review content ``` ### 方式3: 连续执行三遍(快捷方式) ```bash /review all ``` 等同于依次执行 content → style → detail ## 第一遍: 内容审校 (Content Audit) ### 审校目标 **确保内容的准确性、逻辑性和完整性** - 这一遍**不关心**风格和细节。 ### 检查清单 #### 1. 事实准确性 ✓ **检查项:** - [ ] 数据引用是否准确?(对照调研报告) - [ ] 技术描述是否正确?(对照官方文档) - [ ] 时间信息是否最新?(标注时效性) - [ ] 用户评价是否可查证?(有来源链接) **示例问题:** ``` ❌ 错误: "Claude Code 免费" ✓ 修正: "Claude Code 提供免费试用,付费版为$20/月(截至2025年1月)" ❌ 错误: "Cursor 更智能" ✓ 修正: "在代码补全速度测试中,Cursor 平均响应时间为1.2秒, 优于 Claude Code 的2.8秒(测试环境: ...)" ``` #### 2. 逻辑严密性 ✓ **检查项:** - [ ] 论证是否完整?(论点→论据→结论) - [ ] 前后是否矛盾?(如前面说A好,后面说A差) - [ ] 因果关系是否成立? - [ ] 结论是否有充分支撑? **示例问题:** ``` ❌ 逻辑跳跃: "Claude Code 理解力强。所以适合所有开发者。" ✓ 修正: "Claude Code 在代码理解测试中表现优秀,特别适合需要深度重构、架构设计等需要理解全局的场景。但如果你主要需求是快速补全, Cursor 的响应速度优势可能更重要。" ``` #### 3. 结构完整性 ✓ **检查项:** - [ ] Specification要求的所有要点是否都覆盖? - [ ] 是否有缺失的必要信息(P0)? - [ ] 章节之间的衔接是否流畅? - [ ] 开头引入和结尾总结是否呼应? **使用工具:** 对照 `specification.md` 的内容要点清单,逐一核对。 #### 4. 引用规范性 ✓ **检查项:** - [ ] 所有数据是否标注来源? - [ ] 引用格式是否统一? - [ ] 参考资料列表是否完整? **修正示例:** ``` ❌ 缺少来源: "据统计,Cursor 用户满意度达90%" ✓ 补充来源: "据统计,Cursor 用户满意度达90%[1]" [1] Cursor User Survey 2024, https://... ``` ### 📊 审校前质量检测 > **核心理念**: 用量化指标代替主观感受，精准定位问题在开始审校前，AI 必须先对文章进行量化分析： #### A. 基础指标统计 **读取 draft.md，自动统计**： ``` ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 📏 基础指标 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ - 总字数：【X】字 - 目标字数：【X】字（来自 brief） - 达成度：【X】% - 段落数：【X】个 - 平均段落长度：【X】字 - 超长段落（>200字）：【X】个 - 句子数：【X】句 - 平均句长：【X】字 - 超长句（>40字）：【X】句 - 标题层级： - H1：【X】个 - H2：【X】个 - H3：【X】个 ``` #### B. AI 痕迹指标检测 **基于 AI 句式库，检测高风险句式**： ``` ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🤖 AI 痕迹检测 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 【高频 AI 句式统计】书面化过渡词： - "然而"开头句：【X】处（>5 处为高风险） - "此外"开头句：【X】处（>5 处为高风险） - "因此"开头句：【X】处（>5 处为高风险）并列结构： - "不仅...而且"：【X】处（>3 处为高风险） - "既...又..."：【X】处（>3 处为高风险）客套话： - "值得注意的是"：【X】处（>2 处为高风险） - "需要指出的是"：【X】处（>2 处为高风险） - "可以看出"：【X】处（>2 处为高风险）总结性短语： - "总的来说"：【X】处（>2 处为高风险） - "综上所述"：【X】处（>2 处为高风险） ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🎯 AI 味预估：【X】% ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 依据：高频 AI 句式库匹配度基准：< 30% 为合格，< 20% 为优秀【风险等级】 ✅ 【<20%】低风险 - AI 味较轻 ⚠️ 【20-30%】中风险 - 需要优化 🔴 【>30%】高风险 - 需要大幅改写 ``` **重点标记**（AI 必须标注具体位置）： ``` 🔴 需优先处理的高风险句式： 1. 第【X】段："然而，值得注意的是..." - 问题：连用两个 AI 句式 - 建议：改为口语化表达 2. 第【X】段："不仅提升了效率，而且降低了成本" - 问题：典型 AI 并列结构 - 建议：拆分为两句，加入具体数据 3. 第【X】段："综上所述，我们可以看出..." - 问题：客套话堆砌 - 建议：直接给结论，去掉铺垫 ``` #### C. 真实性指标检测 **分析内容来源，评估真实性**： ``` ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🔍 真实性检测 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 【素材使用统计】（对照 materials-found.md） - 原始素材引用：【X】处 - 占比：【X】% - 具体位置：【列出段落号】 - 个人经历描述：【X】处 - 占比：【X】% - 特征：使用"我"、具体时间、具体场景 - 数据/案例引用：【X】处 - 占比：【X】% - 有来源标注：【X】处 - 纯生成内容：【X】% - 识别方法：无素材对应，无具体细节 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ✅ 真实性评级：【A / B / C / D】 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ A级（优秀）：个人经历 >50% + 有大量具体细节 B级（良好）：素材引用 >40% + 部分具体细节 C级（一般）：素材引用 20-40% + 细节较少 D级（不足）：素材引用 <20% + 几乎全是泛泛而谈 ``` **空洞内容标记**： ``` ⚠️ 缺乏真实细节的段落： 1. 第【X】段："Claude Code 非常强大，能提升开发效率" - 问题：泛泛而谈，无具体数据 - 建议：补充实测数据或具体场景 2. 第【X】段："使用体验很好，推荐尝试" - 问题：空洞评价，无支撑 - 建议：描述具体的使用场景和感受 ``` #### D. 内容完整性检测 **对照 specification.md，检查论点覆盖**： ``` ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 📋 内容完整性 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 【核心论点覆盖】（来自 specification.md） ✅ 已覆盖：【X/X】个必须覆盖（P0）： - [✓] 论点1：【标题】 - 位置：第【X】段 - 论据支撑：【有/弱/无】 - [✓] 论点2：【标题】 - 位置：第【X】段 - 论据支撑：【有/弱/无】 - [ ] 论点3：【标题】 - ❌ 缺失！需要补充建议覆盖（P1）： - [✓] 论点4：【标题】 - [ ] 论点5：【标题】 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 论据支撑率：【X】% ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 定义：有具体数据/案例/素材支撑的论点占比 ✅ 【>70%】支撑充分 ⚠️ 【40-70%】部分支撑不足 🔴 【<40%】大量论点缺乏支撑 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 逻辑缺口：【X】处 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1. 第【X】段：论点到结论中间缺少论证 2. 第【X】段：前后观点矛盾 ``` #### E. 综合质量仪表盘 **汇总所有指标，生成质量报告**： ``` ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 📊 文章质量仪表盘 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🎯 综合评分：【X】/100 分【各项指标】 - AI 检测率：【X】% - 【✅达标 / ⚠️偏高 / 🔴超标】 - 真实性评级：【A/B/C/D】 - 【✅优秀 / ⚠️一般 / 🔴不足】 - 内容完整度：【X】% - 【✅完整 / ⚠️缺失少量 / 🔴大量缺失】 - 论据支撑率：【X】% - 【✅充分 / ⚠️一般 / 🔴不足】 - 字数达成：【X】% - 【✅符合 / ⚠️偏差 / 🔴严重偏差】 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🚦 审校建议优先级 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🔴 必须修改（严重影响质量）： 1. AI 句式过多 - 【X】处需要改写 2. 论点缺失 - 【X】个 P0 论点未覆盖 3. 空洞段落 - 【X】处缺乏真实细节 🟡 建议修改（有改进空间）： 1. 超长段落 - 【X】个段落超过 200 字 2. 论据不足 - 【X】个论点缺少支撑 3. 句式单调 - 【X】处可以优化 🟢 可选优化（锦上添花）： 1. 标题优化 - 【X】处可以更吸引人 2. 过渡优化 - 【X】处衔接可以更流畅 3. 细节丰富 - 【X】处可以补充案例 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 💡 预估审校轮次：【X】轮 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 基于问题严重程度预估： - 内容审校：【X】轮（修复 🔴 问题） - 风格审校：【X】轮（修复 🟡 问题） - 细节审校：【1】轮（优化 🟢 问题） ``` ### 执行流程 #### 步骤1: 读取上下文 ``` 📋 读取文件: - draft.md (待审校文章) - specification.md (要求对照) - 调研报告 (事实核查) - brief.md (原始需求) ``` #### 步骤2: 逐章节审校 **输出格式:** ``` 🔍 第一遍: 内容审校 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 审校: 引言部分 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ✅ 事实准确性: 通过 ✅ 逻辑严密性: 通过 ⚠️ 结构完整性: 发现1处问题 ❌ 引用规范性: 发现2处问题 ⚠️ 问题1: 结构完整性位置: 引言第2段问题: Specification要求说明"为什么选择这5个场景",但引言未提及建议修改: """ 因此,我设计了5个覆盖日常开发80%场景的测试用例: 重构遗留代码、新功能开发、Bug修复、代码审查和文档生成。这5个场景的选择基于我对100+开发者的非正式调研, 代表了最高频的AI编程助手使用场景。 """ ❌ 问题2: 引用规范性位置: 引言第3段问题: "网上的评测文章很多" - 缺少数据支持建议修改: """ 网上关于AI编程工具的讨论很多,但经我在Google搜索"Claude Code vs Cursor" 的前20篇文章,大多停留在功能清单对比,缺少真实场景的深度测试。 """ 或者删除这句,因为它不是核心论点。 ❌ 问题3: 引用规范性位置: 引言末尾问题: "通过真实数据" - 未说明数据来自哪里建议修改: """ 这篇文章不追求"谁更好"的答案,而是通过我在5个场景下的真实测试数据(每个场景测试10次,取平均值),帮你找到 "什么场景用什么工具"的选择方法。 """ ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 审校: 场景1部分 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ [同样格式] ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ``` #### 步骤3: 修改文章 **AI操作:** - 使用 Edit 工具逐一修改draft.md - 每次修改都标注修改原因 **修改示例:** ``` [Edit draft.md] 旧文本: "网上的评测文章很多,但大多停留在功能清单对比" 新文本: "经我在Google搜索'Claude Code vs Cursor'的前20篇文章, 大多停留在功能清单对比" 修改原因: [内容审校] 增加数据支撑,提升可信度 ``` #### 步骤4: 保存审校日志 **文件:** `workspaces/*/articles/001-*/review-log.md` **追加内容:** ```markdown ## 第一遍: 内容审校 **审校时间**: 2025-01-15 17:00 **审校者**: AI (模型: Claude 3.5 Sonnet) ### 审校统计 - 审校章节: 7个 - 发现问题: 15处 - 事实准确性: 3处 - 逻辑严密性: 5处 - 结构完整性: 4处 - 引用规范性: 3处 - 已修改: 15处 - 待用户确认: 0处 ### 主要修改 1. **引言第2段** - 补充场景选择理由 2. **场景1** - 修正Cursor响应时间数据(原2.0秒→1.2秒,根据调研报告) 3. **场景3** - 补充测试环境说明 4. **结论部分** - 修正逻辑跳跃,补充中间论证 5. ... ### 遗留问题无。所有发现问题已修改完成。 ``` #### 步骤5: 输出总结 ``` ✅ 第一遍内容审校完成！ 📊 审校统计: - 审校章节: 7个 - 发现问题: 15处 - 已修改: 15处 - 修改文件: draft.md (已更新) 🎯 主要提升: - 补充了5处缺失的数据来源 - 修正了3处事实错误 - 优化了4处逻辑跳跃 - 补充了2处Specification要求的内容 📝 下一步: /review style - 开始第二遍风格审校,降低AI味 💡 提示: 如果你想查看所有修改细节,可以查看: - audit-log.md (审校日志) - 或使用 git diff 查看 draft.md 的修改 ``` ## 第二遍: 风格审校 (Style Audit) ### 审校目标 **降低AI味,增强真实感和个性化** - 这是最关键的一遍! ### 反 AI 检测规则库 **自动加载以下规则库**: 1. `spec/presets/anti-ai-detection/套话库.md` - 8大类套话识别 2. `spec/presets/anti-ai-detection/AI句式库.md` - 10大类AI句式识别 3. `spec/presets/anti-ai-detection/书面词汇替换库.md` - 15大类200+词汇替换 **使用方法**: - Read 工具读取以上三个文件 - 按照规则库系统化识别 AI 味 - 使用替换策略改写 ### AI味的特征 #### 典型AI味表达: ❌ **过度正式和书面化** ``` "经过深入分析,我们可以得出结论..." "综上所述,该工具在性能方面表现优异..." ``` ❌ **缺少人格和情感** ``` "工具A的功能包括X、Y、Z。" "测试结果显示两者各有优劣。" ``` ❌ **机械的对称结构** ``` "一方面...另一方面..." "优点有:1、2、3。缺点有:1、2、3。" ``` ❌ **过度使用连接词** ``` "然而...因此...综上所述...总而言之..." ``` ❌ **空洞的形容词堆砌** ``` "非常强大""极其优秀""十分出色" ``` ### 降AI味策略 #### 策略1: 口语化改造 ✓ **原则**: 想象你在和朋友聊天,而非写论文。 **改写示例:** | AI味表达 | 真实感表达 | |---------|----------| | "经过深入分析,我们可以得出结论" | "测试了一周,我的感受是" | | "该工具在性能方面表现优异" | "速度确实快,这点没得说" | | "综上所述" | "说实话" / "我的建议是" | | "一方面...另一方面..." | "有个好消息,也有个坏消息" | #### 策略2: 增加具体细节 ✓ **原则**: 用具体场景和数字替代抽象描述。 **改写示例:** ``` ❌ AI味: "Claude Code的理解能力很强" ✓ 真实感: "有一次我重构一个2年前的项目,里面全是 'tempFunction1'、 'handleStuff' 这种临时命名。Claude Code看了不到1分钟, 直接给出了'这个函数是处理用户登录状态的吧?'的提示。我当时真的惊了。" ``` #### 策略3: 加入个人观点和情感 ✓ **原则**: 不要怕表达主观感受,真人就是有偏好的。 **改写示例:** ``` ❌ AI味(过度客观): "两款工具各有优势,用户可根据需求选择" ✓ 真实感(有观点): "说实话,我现在的做法是:新项目用 Claude Code, 老项目维护用 Cursor。这不是最 '科学' 的选择, 但符合我的使用习惯。你可能会有不同选择,这很正常。" ``` #### 策略4: 打破机械结构 ✓ **原则**: 避免过于对称和公式化的结构。 **改写示例:** ``` ❌ AI味(机械对称): "优点: 1. 速度快 2. 功能全 3. 价格低缺点: 1. 学习成本高 2. 偶尔不稳定 3. 文档不全" ✓ 真实感(自然表达): "Cursor最打动我的是速度,真的快。但用了一段时间发现, 快也有快的代价——有时候太激进了,会改一些不该改的代码。这不算严重缺点,养成review的习惯就好。至于文档嘛...说实话确实有点乱,我前两周找个配置项找了半天。不过社区讨论还算活跃,Discord上基本能找到答案。" ``` #### 策略5: 使用反差和转折 ✓ **原则**: 真实感受往往是复杂的,有惊喜也有失望。 **改写示例:** ``` ❌ AI味(单一调性): "经过测试,该工具表现良好,符合预期。" ✓ 真实感(有起伏): "刚上手的时候,我对 Claude Code 其实挺失望的—— 反应慢,而且提示经常跑偏。差点就放弃了。但坚持用了两周后,突然有一天 '开窍' 了。可能是因为它逐渐理解了我的代码风格,也可能是我学会了怎么提问。总之现在用起来越来越顺手。" ``` #### 策略6: 修正标点和语气 ✓ **原则**: 标点符号也有"情感"。 | 用途 | AI味标点 | 真实感标点 | |------|---------|-----------| | 强调 | "非常好。" | "真的好!" | | 疑问 | "是否合适?" | "合适吗?" / "真的合适?" | | 犹豫 | "可能不错。" | "嗯...可能还不错?" | | 转折 | "但是..." | "不过话说回来..." | | 吐槽 | "存在问题。" | "这就有点坑了。" | ### 执行流程 #### 步骤0: 加载规则库 (必须执行) **AI操作:** ``` 📚 加载反 AI 检测规则库... 1. Read spec/presets/anti-ai-detection/套话库.md ✓ 已加载 8 大类套话规则 2. Read spec/presets/anti-ai-detection/AI句式库.md ✓ 已加载 10 大类 AI 句式规则 3. Read spec/presets/anti-ai-detection/书面词汇替换库.md ✓ 已加载 15 大类 200+ 词汇替换规则 ✅ 规则库加载完成，开始风格审校... ``` #### 步骤1: 逐段审校 **AI操作:** - 读取draft.md - **使用规则库**系统化识别 AI 味: - 扫描套话库中的高危套话 - 扫描AI句式库中的典型句式 - 扫描书面词汇替换库中的书面语 - 逐段分析AI味程度 - 给出改写建议 **输出格式:** ``` 🎨 第二遍: 风格审校 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 审校: 引言第1段 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 当前文本: """ 作为一名日常深度依赖 AI 编程工具的开发者,我在过去三个月持续使用了 Claude Code 和 Cursor 两款主流工具。网上关于 AI编程工具的讨论很多,但经我在Google搜索'Claude Code vs Cursor' 的前20篇文章,大多停留在功能清单对比,缺少真实场景的深度测试。 """ 🤖 AI味诊断 (基于规则库): 【套话检测】 ❌ 时代背景套话: 无 ✅ 总结套话: 无【句式检测】 ❌ "不是...而是...": 无 ❌ "一方面...另一方面...": 无 ✅ 连续三段式: 无【书面语检测】 ❌ "作为一名" → 删除或口语化 ❌ "持续使用" → "一直用" ❌ "主流工具" → "这两个工具" ❌ "深度依赖" → "离不开" 📊 AI味评分: ⭐⭐⭐⭐ (中等偏高) - 书面语过重: 4处 - 缺少情感: 整段偏客观陈述 - 缺少口语化表达 💡 改写建议 (应用规则库策略): """ 说起 AI 编程工具,我算是重度用户了。过去三个月, Claude Code 和 Cursor 轮换着用,基本每天都离不开。我注意到网上讨论这俩工具的文章不少,但翻了Google前20篇, 发现一个问题:大多是功能清单式的对比——这个有什么,那个有什么。没啥意思。真实使用体验呢?踩坑记录呢?没人说。所以我决定自己写一篇。 """ ✨ 改写效果: - 应用【书面词汇替换库】: "作为一名" → 删除, "持续使用" → "轮换着用" - 加入口语化表达: "算是""基本""没啥意思" - 加入主观能动性: "我注意到""我决定" - AI味程度: ⭐⭐ (低) ``` #### 步骤2: 全文节奏检查 **检查项:** - [ ] 段落长度是否有变化?(避免机械均匀) - [ ] 句子长短是否交错?(避免过于规整) - [ ] 是否有语气词?(啊、呢、吧、嘛等) - [ ] 是否有反问句?(增强互动感) **优化示例:** ``` ❌ 节奏单调: "测试结果显示Cursor更快。测试结果显示Claude Code更准。两者各有优势。用户可按需选择。" (全是短句,节奏僵硬) ✓ 节奏自然: "测试下来,Cursor确实更快——平均响应1.2秒,Claude Code要2.8秒。但快不代表就更好,对吧?Claude Code的优势在于理解力, 尤其是面对复杂架构的时候,这种差异就明显了。" (长短句交错,有反问,有转折) ``` #### 步骤3: 修改文章使用 Edit 工具应用所有改写建议。 #### 步骤4: 更新审校日志追加到 `audit-log.md`: ```markdown ## 第二遍: 风格审校 **审校时间**: 2025-01-15 17:30 **审校者**: AI (模型: Claude 3.5 Sonnet) ### 审校统计 - 审校段落: 42段 - AI味程度分布: - ⭐⭐⭐⭐⭐ (很高): 8段 → 修改后 0段 - ⭐⭐⭐⭐ (中高): 15段 → 修改后 2段 - ⭐⭐⭐ (中等): 12段 → 修改后 8段 - ⭐⭐ (低): 5段 → 修改后 20段 - ⭐ (很低): 2段 → 修改后 12段 - 修改段落: 23段 ### 主要改写策略 - 口语化改造: 18处 - 增加具体细节: 12处 - 加入个人情感: 8处 - 打破机械结构: 5处 - 修正标点语气: 16处 ### 典型改写示例 [列举3-5个最有代表性的改写] ``` #### 步骤5: 输出总结 ``` ✅ 第二遍风格审校完成！ 📊 AI味降低效果: - 审校前平均AI味: ⭐⭐⭐⭐ (3.8/5) - 审校后平均AI味: ⭐⭐ (2.1/5) - 降低程度: 44.7% ↓ 🎯 主要优化: - 口语化改造: 18处 ("经过分析"→"测试下来") - 具体化改写: 12处 (增加场景细节和数字) - 情感化表达: 8处 (加入主观感受) - 节奏优化: 长短句比例从1:1调整为2:1 预估AI检测率: 25-30% (基于经验估计,实际需工具检测) 📝 下一步: /review detail - 第三遍细节审校,最终抛光 💡 建议: 如果你对某些改写不满意,可以告诉我具体段落,我可以调整。 ``` ## 第三遍: 细节审校 (Detail Audit) ### 审校目标 **修正所有格式、标点、排版问题** - 最终抛光 ### 检查清单 #### 1. 标点符号规范 ✓ **常见问题:** | 错误 | 正确 | 说明 | |------|------|------| | "这是一个测试。" | "这是一个测试。" | 中文句号 | | "测试,测试" | "测试、测试" | 并列用顿号 | | "是吗?" | "是吗?" | 中文问号 | | "太好了!" | "太好了!" | 中文感叹号 | | 数字45% | 数字 45% | 数字和百分号间加空格 | | MacBook Pro | MacBook Pro | 英文词间正常空格 | #### 2. 格式一致性 ✓ **检查项:** - [ ] 标题层级是否正确?(H2、H3、H4) - [ ] 列表格式是否统一?(有序/无序) - [ ] 代码块是否有语言标注? - [ ] 加粗、斜体使用是否一致? #### 3. 数字和单位 ✓ **规范:** - 大于10的数字用阿拉伯数字: "15个" ✓ - 小于10的数字看语境: "三个月" / "3个月" (都可以,但要统一) - 单位和数字间加空格: "20 GB" ✓ - 百分号前加空格: "45%" ✓ #### 4. 英文和中文混排 ✓ **规范:** - 英文词前后加空格: "使用 Claude Code 编程" ✓ - 英文句子前后加空格: "He said 'hello' to me 然后就走了" ✓ - 链接前后加空格: "访问 https://example.com 了解更多" ✓ #### 5. 段落和换行 ✓ **规范:** - 段落间空一行 - 避免单行成段(除非强调) - 每段最多150-200字 #### 6. 字数最终微调 ✓ **检查:** - 总字数是否在目标范围(±5%)? - 各章节字数比例是否合理? **调整策略:** - 超出: 删减冗余描述、合并相似观点 - 不足: 补充案例细节、扩展关键论证 ### 执行流程 #### 步骤1: 全文扫描 ``` 🔍 第三遍: 细节审校 📊 初步扫描结果: - 标点符号问题: 23处 - 格式不一致: 8处 - 英中混排问题: 15处 - 字数偏差: +2.3% (3070字,目标3000字) 开始逐项修正... ``` #### 步骤2: 逐项修改 **修改示例:** ``` ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 修正: 标点符号 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 位置: 第2段错误: "测试结果显示,Cursor的速度为1.2秒。" 修正: "测试结果显示,Cursor 的速度为 1.2 秒。" 原因: 英文词前后加空格 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 修正: 字数调整 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 位置: 场景3 当前: 620字 (目标600字,超出3.3%) 策略: 删减冗余描述删除: "这个过程很顺利,没有遇到什么问题。" (无实质内容) 修正后: 602字 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ``` #### 步骤3: 最终检查 ``` ✅ 细节审校完成,最终检查: 📝 标题确定: 当前有3个备选标题: 1. Claude Code vs Cursor: 5个真实场景深度对比 2. AI编程助手实战评测: Claude Code 和 Cursor 哪个更适合你? 3. 用数据说话: Claude Code 与 Cursor 的真实使用体验对比建议选择: 标题1 理由: 直接、清晰,包含关键词"真实场景""深度对比" 📊 最终统计: - 总字数: 3005字 (目标3000字, +0.17%) - 段落数: 38段 - 标题层级: H2×7, H3×12 - 参考资料: 18条 ✅ 质量检查: - [✓] 所有事实已核查 - [✓] 逻辑严密无矛盾 - [✓] AI味已降至低水平 - [✓] 格式规范统一 - [✓] 字数符合要求 🎯 预估质量: - AI检测率: 25-28% (预估) - 可读性: 良好 - 专业度: 中等 - 实用性: 高文章已准备就绪,可进入下一步。 ``` #### 步骤4: 更新审校日志 ```markdown ## 第三遍: 细节审校 **审校时间**: 2025-01-15 18:00 ### 修正统计 - 标点符号: 23处 - 格式调整: 8处 - 英中混排: 15处 - 字数微调: 从3070字→3005字 ### 最终文章状态 - 文件: draft.md - 总字数: 3005字 - 确定标题: "Claude Code vs Cursor: 5个真实场景深度对比" - 质量评级: A- (可发布) ## 三遍审校总结 **总耗时**: 约90分钟 (内容30min + 风格45min + 细节15min) **改进效果**: 1. 修正事实错误: 3处 2. 优化逻辑跳跃: 5处 3. 降低AI味: 44.7% 4. 增强真实感: 加入12处具体细节 5. 规范格式: 修正46处细节问题 **最终质量**: - ✅ 事实准确 - ✅ 逻辑严密 - ✅ AI味低(预估25-28%) - ✅ 格式规范 - ✅ 可读性强 ✅ 三遍审校全部完成,文章已达到发布标准。 ``` #### 步骤5: 输出总结 ``` 🎉 三遍审校全部完成！ 📄 最终文章: - 文件: workspaces/wechat/articles/001-claude-code-评测/draft.md - 标题: Claude Code vs Cursor: 5个真实场景深度对比 - 字数: 3005字 🎯 质量提升: - 第一遍(内容): 修正15处事实/逻辑问题 - 第二遍(风格): AI味降低44.7% - 第三遍(细节): 规范46处格式问题 📊 预估指标: - AI检测率: 25-28% - 目标达成: ✅ (目标<30%) 📝 下一步: 1. /images - 配图建议(封面、插图、图表) 2. /check - 最终检查(可选) 3. /publish - 发布准备(生成各平台格式) 💡 建议: 如果你想进一步降低AI味,可以: - 加入更多真实截图 - 补充个人吐槽或趣事 - 让朋友帮忙审读提意见 ``` ## 快捷命令: /review all **功能**: 自动依次执行三遍审校 **执行流程:** 1. `/review content` → 等待完成 2. `/review style` → 等待完成 3. `/review detail` → 等待完成 4. 输出综合总结 **适用场景**: - 你信任AI的审校判断 - 想要快速完成审校流程 - 不需要中间插手调整 **不适用场景**: - 你想在每遍审校后人工review - 文章质量问题较多,需要分步确认 ## 注意事项 ### 1. 必须按顺序执行 ❌ **错误做法**: 跳过content直接style - 风格审校依赖内容审校的准确性基础 - 细节审校依赖前两遍的稳定内容 ✅ **正确做法**: content → style → detail ### 2. 不要过度审校 **何时停止?** - AI味已降至目标水平(< 30%) - 三遍审校已完成 - 再改就"改废了"(过度润色反而不自然) ### 3. 保留人工审阅空间 **AI审校不是万能的**: - 某些主观判断(如幽默感)AI可能误判 - 特定行业黑话AI可能不理解 - 个人写作风格AI可能过度修正 **建议**: - 每遍审校后,浏览一遍AI的修改 - 如有不满意,告诉AI调整 - 最终版发布前,人工通读一遍 ## 常见问题 ### Q1: AI味降低到多少合适? **A**: - MVP目标: < 30% (80%案例) - 正式版目标: < 20% (90%案例) - 低于10%很难,且可能过度牺牲流畅度 **如何检测?** - 使用AI检测工具(如GPTZero、OpenAI Classifier) - 让真人读者反馈 ### Q2: 如果三遍审校后AI味仍高怎么办? **可能原因:** 1. 真实素材太少(几乎100%生成) 2. 主题过于技术化(难以口语化) 3. 写作风格本身偏正式 **解决方案:** 1. 补充更多真实素材 (`/collect`) 2. 调整Specification,允许更口语化的风格 3. 接受"有些内容天然AI味较重"的现实 ### Q3: 审校是否会改变文章长度? **A**: - 第一遍(内容): 可能略有增加(补充遗漏要点) - 第二遍(风格): 一般略有增加(具体化表达) - 第三遍(细节): 会微调到目标字数总体: ±5%以内的波动是正常的 ### Q4: 可以只执行其中一遍吗? **A**: 可以,但不推荐: - 只执行style: 可能遗留逻辑问题 - 只执行detail: 无法降低AI味如果时间紧,最低要求: - 必须: content(确保准确性) - 必须: style(降AI味) - 可选: detail(如果格式本身规范) ## 技术细节 ### AI味评分标准(仅供参考) ``` ⭐⭐⭐⭐⭐ (AI味很高, 80-100%): - 全是"综上所述""经过分析""总而言之" - 完全客观陈述,无个人情感 - 机械对称结构 - 过度使用连接词 ⭐⭐⭐⭐ (AI味中高, 60-80%): - 较多书面表达 - 缺少具体细节 - 结构较为公式化 ⭐⭐⭐ (AI味中等, 40-60%): - 有一定口语化表达 - 有部分具体案例 - 结构较为自然 ⭐⭐ (AI味低, 20-40%): - 大量口语化表达 - 具体细节丰富 - 有个人观点和情感 - 节奏自然 ⭐ (AI味很低, 0-20%): - 完全口语化 - 大量真实素材 - 强烈个人风格 - 有错别字和口语习惯(反而显得真实) ``` ## 输出示例见上文各审校轮次的输出格式和示例。