perplexity-improver

name	perplexity-improver
description	检测 AI 痕迹并改写，降低文本可预测性

反 AI 检测与改写

触发条件

章节草稿完成后自动触发（由主编排器在写作管道中调用），或手动调用。

MVP 策略（v1：规则 + Claude 自检）

当前版本不依赖本地 LLM 计算困惑度，而是通过：

1. 禁用词匹配 — 基于 scripts/detection/forbidden_words_zh.txt（80+ 中文 AI 高频词汇）
2. 模式识别 — Claude 识别 6 种 AI 典型写作模式（句式整齐、过度平衡、空洞描写、总结收尾、情绪直述、对话后解释）
3. 改写 — 基于 references/rewriting-techniques-zh.md 的 9 种中文改写技巧

9 种改写技巧

1. 句法颠倒 — 打破主谓宾顺序
2. 碎片化 — 短句制造紧迫感
3. 口语化注入 — 角色内心碎语
4. 感官替换 — 非视觉感官描写
5. 节奏破坏 — 长短句交替不对称
6. 省略叙事 — 跳过可脑补的过渡
7. 角色语气污染 — 叙述带角色色彩
8. 反套路收尾 — 具体细节代替抽象总结
9. 留白 — 沉默和动作代替情绪直述

未来增强（v2）

• 接入本地中文 LLM（如 Qwen2.5-7B）计算中文困惑度
• 量化评分（PPL 中位数、嫌疑率）
• 自动化 Python 检测脚本（类似 Claude-Book 的 detection.py）
• 句子级精确定位（而非当前的段落级）

使用方式

由主编排器（RULES.md）在写作管道中自动调用 perplexity-improver 代理。代理会读取草稿、执行检测和改写、输出改善后的章节和改写报告。