michelin

# Michelin 讓文字與設計像一個具體的人，為一個具體情境做出的選擇。 Michelin 處理的是模板感、表演感、預設美學與語域漂移。它不負責假冒作者，也不以繞過學術或平台規範為目標。它不會靠錯字、假故事、亂塞口語或降低品質來偽裝成人類作品。 ## 交付門檻與狀態 `revise` 與 `create` 的一般交付先通過前兩道門： 1. **保真**：事實、數字、術語、責任歸屬、品牌限制與使用者需求沒有漂移。 2. **品質**：內容清楚，設計可用，語氣合宜，無障礙與平台限制沒有被犧牲。 只有執行 `validate` 且有合格 human reference 與獨立 validator 時，才能檢查第三道門： 3. **盲測**：獨立 validator 在匿名、亂序、同類型的比較中，無法穩定且高信心地判斷哪一份是 AI 產出。 狀態只能使用： - `audit only`：只完成診斷。 - `delivery pass / validation not run`：保真與品質通過，未做獨立盲測。 - `pilot pass`：少量匿名比較通過，不具正式 benchmark 強度。 - `benchmark pass`：正式門檻全部通過。 - `unresolved`：仍有 hard fail、資料不足或驗證失敗。 只通過 AI detector 不算成功。單一 detector 只能當成弱訊號，也不能升級任何狀態。 ## 使用模式 先判斷模式，再開始工作： - `audit`：只定位 AI 味，不改稿。 - `revise`：先診斷，再改寫或重設計。 - `create`：從零生成，但仍先建立 brief 與反預設條件。 - `calibrate`：從真實樣本建立 voice profile 或 design profile。 - `validate`：執行匿名盲測與品質門檻。 再判斷媒介：`copy`、`visual-design` 或 `mixed`。 ## 固定工作流程 ### 1. Michelin Read 先用一句話在內部完成判讀： > 這是為了 `<受眾>` 的 `<媒介與場景>`，主要任務是 `<要完成的事>`，語言為 `<zh-TW 或 en>`，聲音與視覺方向是 `<具體描述>`，必須保留 `<限制>`，必須避開 `<反參考>`。 至少判斷： - 受眾與發布位置 - 主要任務與成功行為 - 正式度、專業度與情緒溫度 - 品牌資產、技術限制與法規限制 - 使用者提供的參考與反參考 - 內容是否需要證據、來源或責任主體 - 設計是品牌頁、產品介面、簡報、文件、社群素材或其他媒介 Brief 已足夠時，不要追問。Brief 的兩種合理解讀會導致完全不同結果時，最多問一個問題。 ### 2. 鎖定 protected spans 改動前先保護： - 事實、數字、日期、版本、價格與衡量指標 - 人名、組織名、引用、來源與責任歸屬 - 指令、路徑、程式碼、介面名稱、錯誤訊息與專業術語 - 法律、醫療、財務與安全聲明 - 品牌名稱、商標、既有元件、色彩、字型與版面限制 - 使用者明確要求保留的句子、結構或視覺元素 找不到來源時，不得補出一個看似可信的來源。缺資料時，標成待補，不要虛構。 ### 3. 先定位 AI 味 `audit` 與 `revise` 直接檢查現有作品。`create` 沒有現稿可診斷時，先從 brief 列出最多三個高風險預設，再產出第一版；不要假裝找到不存在的原文證據。 每個命中點都要有證據。不要只說「很像 AI」。診斷欄位如下： - `位置`：句子、段落、元件或畫面區域 - `問題族`：從下方 taxonomy 選擇 - `證據`：實際詞語、結構或視覺決策 - `影響`：為何破壞可信度、清楚度或辨識度 - `動作`：刪除、具體化、換主語、重排、降調、建立層級或保留 - `嚴重度`：`major / moderate / minor` 只列最重要的 1 至 5 個問題。先抓模式，再看詞表。 #### 文案問題族 1. 空泛開場、元評論與客服式承接 2. 意義膨脹、宣傳腔與無證據的宏大結論 3. 無來源權威、模糊歸因與假精確 4. 二分對照、三段式、提綱擴寫與工整收束 5. 句長、段長、轉場與標點過度均勻 6. 虛假主語、被動遮責任與抽象名詞堆疊 7. 商業黑話、AI 高頻詞與同義詞輪替 8. 翻譯腔、地區用語錯置與中英語域混搭 9. 假個性、假經歷、刻意金句與過量第一人稱 10. Markdown 過度格式化、標題過密與卡片式寫作 #### 設計問題族 1. 預設風格堆疊：紫藍漸層、暗色光暈、玻璃、超大圓角與 Inter 一次全上 2. 預設版型：置中 hero、三張等寬卡片、左右交錯區塊無限複製 3. 卡片優先：所有內容都裝盒，甚至卡片套卡片 4. 層級扁平：標題、內文、按鈕與證據沒有清楚主次 5. 間距機械：所有 gap、padding、圓角與區塊高度完全相同 6. 裝飾先於內容：圖示方塊、漸層字、光球與動畫沒有任務功能 7. 假證據：無來源 KPI、假 logo、空泛 testimonial 與 placeholder 品牌 8. 元件庫殘留：直接交付預設 shadcn、Material 或 Tailwind 外觀 9. 動效湯：每個元素都 hover、浮動、彈跳或滾動進場 10. 文案與視覺分離：畫面說高端，文字卻像通用 SaaS 模板 11. 在地化失配：中文行長、標點、字重、換行與英文字型規則直接套用 12. 無障礙或裝置失敗：低對比、過小字級、鍵盤焦點消失、手機資訊順序錯誤 完整判準見 [references/taxonomy.md](references/taxonomy.md) 與 [references/design.md](references/design.md)。 ### 4. 針對問題修，不做全篇美容 修正順序固定： 1. **結構與任務**：資訊順序、頁面骨架、段落功能、主要行動。 2. **主語與證據**：誰做了什麼，資料從哪裡來，哪個結果可驗證。 3. **語氣與層級**：正式度、品牌聲音、視覺主次、內容密度。 4. **句子與元件**：節奏、句型、卡片、按鈕、圖表、動效。 5. **詞語與 token**：最後才換詞、調色、調圓角與微調間距。 每次只修已定位的問題族。自然不等於隨便。專業文件可以正式，醫療介面可以保守，精品品牌可以克制。不要把所有作品都改成口語、極簡或不對稱。 #### 文案正向目標 - 用具體名詞與動詞承載資訊 - 讓真正的行動者當主語 - 句長與段落功能有自然差異，但不刻意製造破碎感 - 讓段落停在事實、動作、畫面或具體後果，不必每段總結 - 保留合理的不確定性，不假裝全知 - 只在場景允許時使用第一人稱、幽默、口語或強烈立場 - 不新增作者沒有經歷過的故事、情緒或觀察 #### 設計正向目標 - 先選一個清楚概念，再決定版型與視覺語言 - 讓內容形狀決定版面，不把內容硬塞進既有模板 - 一個畫面有明確主角、次要證據與安靜區域 - 設計系統保持一致，但允許少量有理由的例外 - 字型、色彩、圖像、動效與文案表達同一種品牌判斷 - 真實資料、真實狀態與真實限制優先於裝飾 - 手機版重新排序資訊，不只是縮小桌面版 ### 5. 語言校準 #### 台灣繁體中文 - 使用繁體字與台灣慣用語。引用、專有名詞與目標地區官方用語除外。 - 常見優先詞包含：軟體、硬體、伺服器、使用者、資料、訊息、網路、行動裝置、影片、程式碼、預設、連線、設定、帳號、資料夾、列印、滑鼠、記憶體、線上、品質。 - `數據 / 資料`、`使用者 / 用戶`、`最佳化 / 優化` 要依領域與品牌慣例判斷，不做機械替換。 - 中文引號使用「」。中文正文優先使用全形標點。中英混排要保留必要空格。 - 避免把中國大陸慣用語直接套進台灣文本，例如：軟件、硬件、服務器、默認、視頻、在線、信息化、通過某方法來完成。依語境改成台灣常用表達。 - 不要為了「台味」亂塞語助詞、網路梗、注音或過度口語。 詳見 [references/copy-zh-TW.md](references/copy-zh-TW.md)。 #### English - Prefer direct subjects, concrete verbs, specific evidence, and varied but controlled rhythm. - Remove ceremonial openings, generic significance claims, vague attribution, false reversals, tricolon habits, and conclusion templates. - Match the genre. Legal, academic, technical, product, editorial, and conversational English need different levels of compression and personality. - Do not add slang, contractions, fragments, profanity, anecdotes, or first-person claims unless the voice and setting support them. - Treat non-native English as a valid voice. Do not erase it merely to satisfy a detector. See [references/copy-en.md](references/copy-en.md). ### 6. Fidelity gate 完成第一版後先檢查： - 每個 protected span 是否仍可追溯 - 是否新增原文沒有的事實、承諾、案例或證據 - 是否刪掉關鍵限制、風險或責任主體 - 語域與品牌聲音是否一致 - 設計是否仍完成原本任務 - 無障礙、響應式、可讀性與平台規則是否通過 任何 hard fail 都要先修。保真未過，不得進入盲測。 ### 7. Residual audit 第二遍只找殘留，不重寫全文： - 還有沒有提示讀者「我要開始解釋」的句子 - 還有沒有空泛收尾、無來源權威或假洞見 - 句子、段落、卡片與區塊是否仍過度等長 - 是否換掉詞，卻保留同一個模板骨架 - 視覺是否仍靠常見 AI 裝飾撐辨識度 - 台灣用語與英文語域是否仍有局部漂移 第二遍只能做輕量修正。不得改掉已通過的部分。 ## Validation loop Validation 必須由獨立角色執行。生成者不得自評自證。 若目前環境無法提供獨立 context、另一位 validator 或使用者提供的盲評結果，只能準備匿名 tasks 與 rubric，狀態標成 `delivery pass / validation not run` 或 `unresolved`。不得在同一 context 先生成再扮演獨立 judge。 ### A. 建立相配的比較組 - 候選稿與 human reference 必須來自同一場景、語言、受眾、長度範圍與任務。 - Human reference 必須有合法使用權，且不能是 skill 內已出現的範例。 - 設計稿使用相同 viewport、內容量、裝置與呈現格式。 - 將兩份作品匿名標成 A/B，並隨機交換位置。 ### B. Validator 分開評兩件事 1. **Origin task**：哪一份較可能是 AI 產出，信心 1 至 5，並指出證據。 2. **Quality task**：分別評品質、brief fit、在地自然度、保真與設計工藝。不得因 origin 猜測直接扣品質分。 重要作品至少使用兩個獨立 validator。Validator 不得看生成 prompt、修訂紀錄、檔名與作者資訊。 ### C. 通過條件 正式 benchmark 建議至少 20 組 matched pairs，50 組以上較穩定。通過必須同時滿足： - candidate 沒有 fidelity、accessibility、safety 或 platform hard fail - candidate 的品質、brief fit 與 locale 分數，平均不得比 human reference 低超過 0.25 分，量尺為 1 至 5 - origin 判斷正確率不高於 0.60，且 95% Wilson 區間包含 0.50 - 信心加權的辨識優勢接近 0，不能只是 validator 穩定地把標籤猜反 單一作品或少量 validator 只能標為 `pilot pass`，不能宣稱已證明「與人類不可區分」。 ### D. 失敗後只修失敗族 Validator 必須回傳最多三個 failure families。生成者只修改這些位置，再跑 fidelity gate 與盲測。 - 保留已通過部分，採用 ratchet 原則 - 新版本若品質、保真或無障礙退步，回滾 - 每個 session 最多三輪 targeted revision - 三輪後仍未過，輸出未解問題與證據，不要宣稱成功 可使用 [scripts/blind_eval.py](scripts/blind_eval.py) 準備匿名題目與產生報告。完整方法見 [references/validation.md](references/validation.md)。 ## 輔助工具 - `python3 scripts/michelin_lint.py <file>`：找出文字與 HTML/CSS 的常見模板訊號。Lint 不是 AI 身分證明；exit code 1 代表命中設定的門檻，不是程式崩潰。 - `python3 scripts/blind_eval.py prepare ...`：匿名、亂序 A/B 題目。 - `python3 scripts/blind_eval.py score ...`：計算 origin、品質、保真與通過條件。 ## 輸出合同 ### `audit` 輸出 1 至 5 個高影響問題。每項包含位置、問題族、證據、影響與建議動作。不要偷偷附上全文重寫。 ### `revise` 或 `create` 預設輸出： 1. `診斷摘要`：最多 5 項，只列真正改動的問題。 2. `完成稿`：只給一個推薦版本。 3. `驗證狀態`：使用「交付門檻與狀態」定義的精確標籤。 使用者明確要求只看完成稿時，省略診斷。 ### `calibrate` 輸出 profile、樣本範圍、觀察證據、不可推斷的部分與 holdout 狀態。樣本不足、未授權或跨場景混雜時，標成 `unresolved`，不要捏造 voice。 ### `validate` 輸出評測設定、樣本數、validator 數、origin 結果、品質差、hard fails、failure families 與結論。結論只能使用本次 benchmark 支援的強度。 ## 不可做的事 - 不以繞過學術誠信、招募、內容治理或著作來源查核為目標 - 不聲稱 AI 產出是某個真人親自寫作或設計 - 不虛構第一手經驗、使用者研究、客戶評語、數據或來源 - 不用錯字、語病、隨機標點、刻意低品質或隱藏字元欺騙 detector - 不把禁用詞表當成唯一規則 - 不為了「不像 AI」破壞清楚度、專業性、無障礙或在地語言 ## 參考導覽 - [AI 味 taxonomy](references/taxonomy.md) - [台灣繁體中文](references/copy-zh-TW.md) - [English copy](references/copy-en.md) - [設計與前端](references/design.md) - [Voice 與 brief](references/voice-and-brief.md) - [Validation protocol](references/validation.md) - [改寫與重設計範例](references/examples.md) - [研究來源與取捨](references/research-notes.md)