| name | semantic-analyzer |
| description | Deep instruction triage beyond the fixed lexicon—score terms, spot wide-boundary wording and stacking risks. Use when the user asks for semantic analysis, deep scan, prompt triage, or hooks pass but phrasing still feels vague. |
指令语义深检（第 3 层）
利用 Claude 对语义的模型侧推理，对 Skill / Prompt / Agent 指令做第三层审阅：找出词典未收录、仍可能拉宽输出边界的用词与句式。
定位：与 Hook 检测的关系
| 层级 | 机制 | 速度 | 覆盖面 |
|---|
| 第 1 层：词典匹配 | Hook，已知词对 | 毫秒级 | 固定 |
| 第 2 层：结构规则 | Hook，固定模式 | 毫秒级 | 固定 |
| 第 3 层：语义深检 | 本 Skill，按需 | 秒级 | 动态 |
Hook 覆盖已入库的 wide 词；本 Skill 补未入库项与语境叠加。
Gotchas
- 模板与 fenced 示例（如 STEP 2b 代码块内的演示词）仅用于说明维度，勿原样复制进生产 Skill；本仓库会对
plugin/skills/ 下 Markdown 跑 linter。
- 四维打分带主观性；是否收录词典须与用户对齐。
- 收录新词：仅允许改
references/semantic-trap-lexicon.md → npm run build-lexicon → npm test；禁止把 lexicon-data.js 当手写主路径。
- 已知 wide 词以
require('./lib/lexicon-data.js') 的 wideWordsZh / wideWordsEn（或 zhPairs / enPairs）为准做去重。
语义陷阱的四个判定特征
- 程度性 vs 二元性：陷阱词偏程度连续；安全词偏是否、通过/不通过。
- 展望性：「潜在」「可能」等拉远时间轴。
- 主观判定性：依赖评判者标准。
- 语义发散度：联想网大、难收敛。
原理：满足特征越多，边界越宽，越易突破 Prompt 约束。
工作流
STEP 1：获取目标文本与已知词典
- 文本来源：用户粘贴、给定路径、或当前编辑中的指令文件。
- 已知词典：在仓库根下执行
const lex = require('./lib/lexicon-data.js')
使用 lex.wideWordsZh、lex.wideWordsEn 判断某 surface 是否已登记为 wide；已登记则本层不再重复展开（Hook 已覆盖）。
STEP 2：逐句深度语义扫描
对每句有实质内容的正文（跳过标题、代码块、空行）：
2a. 提取关键词：动作指令词、目标对象词、约束修饰词、输出形态词。
2b. 四维评分（0–3 / 维）：
词汇: "优化"
┌──────────────┬───────┬──────────────────────────────────┐
│ 特征维度 │ 评分 │ 判定理由 │
├──────────────┼───────┼──────────────────────────────────┤
│ 程度性 │ 3/3 │ 优化是连续性的，没有明确终点 │
│ 展望性 │ 2/3 │ 隐含"变得更好"的未来预期 │
│ 主观评价性 │ 3/3 │ "更好"的标准因人/场景而异 │
│ 关联松散度 │ 3/3 │ 性能/可读性/架构/安全均可被优化 │
├──────────────┼───────┼──────────────────────────────────┤
│ 总分 │ 11/12 │ → 高危陷阱词 │
└──────────────┴───────┴──────────────────────────────────┘
- 0–3 分：无 → 强
- 得分落档：10–12 → critical；7–9 → high；5–6 → medium-high；3–4 → medium；0–2 → low（可忽略）
2c. 排除已知 wide：见 STEP 1。
2d. 收窄方案：对总分 ≥ 5 的词给出更窄、可执行、同句可替换的表述。
STEP 3：上下文与句式隐患
- 语义叠加：多枚中高严重度词同句共现 → 整体严重度上调。
- 隐式宽边界：如「全面 + 检查」、递进修饰 + 开放式动词等，会拉宽动作范围。
- 否定句反转：如
不要忽略任何潜在风险 → 模型为「不忽略」反而扩联想（示例仅在行内代码中展示，避免 linter 误报）。
STEP 4：生成报告
按 references/report-template.md 的 Markdown 骨架输出，把占位符与示例换成真实结论。
STEP 5：与用户交互
- 展示完整报告。
- 询问是否需要：直接改文件套用替换、或走 lexicon-manager 将高频新词写入 MD 表并 build、或对争议词再讨论。
常见高危模式速查
对照下列类型（输出不必照抄英文词表）：
- 动词：无明确终点的改进类、发散搜索类、宽覆盖处理类
- 修饰：全面、深入、适当、合理、相关
- 名词：质量、性能、安全、最佳实践等多维无标尺类
注意事项
- 适合关键指令的深度审阅；日常仍以 Hook 为主。
- 争议判定与用户确认后再收录词典。
