ai-proofreading

name	ai-proofreading
description	花叔三遍审校降AI味方法论，对所有AI生成内容进行发布前质检，目标AI检测率<30%
license	proprietary
compatibility	opencode
displayName	AI内容审校降AI味
version	1.0.0
author	爆款智坊
category	compliance
contentType	审校
platform	多平台
tags	["降AI味","内容审校","AI腔识别","质检合规"]
brandColor	#0ea5e9
verified	true
defaultPrompt	对AI生成内容进行三遍审校降AI味

AI 内容审校降AI味 Skill

何时使用

• 所有 AI 生成内容（公众号长文、小红书笔记、抖音图文等）发布前的必经质检环节
• 投顾使用 market-comment、live-highlight-extractor、topic-scout、video-to-note 等 skill 生成内容后，发布前需经本 skill 审校
• 内容 AI 检测率超标（>30%），需要降AI味改写时
• 需要识别并消除 AI 生成痕迹（套话、机械句式、空洞结构等）时
• 平台（小红书/公众号/抖音）对 AI 内容限流，需提升自然度以通过审核时

核心目标

将 AI 生成内容的 AI 检测率降至 30% 以下，同时：

• 保留原文的核心信息和专业观点
• 保持证券投顾内容的合规底线（风险提示、免责声明、不推荐个股等）
• 维持当前激活投顾人格的风格 DNA 一致性
• 提升内容的可读性、信息密度和自然度

三遍审校流程

第一遍：内容审校（事实/逻辑/结构）

逐段审校内容的底层质量，确保信息正确、逻辑通顺、结构合理。

1. 事实核查

   • 核对所有数据、日期、政策名称、机构名称是否准确
   • 检查数据引用是否标注来源（如 Wind、同花顺、公司年报）
   • 核实市场指数、涨跌幅、成交额等关键数据
   • 标记无法核实的数据，要求补充来源或删除

2. 逻辑校验

   • 检查论点与论据之间的因果关系是否成立
   • 识别跳跃性推理和未经论证的结论
   • 检查前后段落是否存在自相矛盾
   • 验证"因为A所以B"的链条是否完整，有无逻辑断层

3. 结构优化

   • 检查"总-分-总"结构是否完整（开头点题、中间展开、结尾收束）
   • 识别冗余段落和重复表述，建议删减
   • 检查段落之间的过渡是否自然
   • 确保信息层次清晰（核心观点 > 支撑论据 > 数据细节）

4. 合规复核

   • 确认风险提示和免责声明完整且位置正确
   • 确认无具体个股推荐（已做泛化处理）
   • 确认无收益承诺、绝对化用语、点位预测等违规表述
   • 对照 config/compliance-rules.json（R01-R10）逐条检查

第二遍：AI腔识别与改写（6大类）

识别并系统性改写 6 大类 AI 写作腔调，这是降AI味的核心环节。

6 大类 AI 腔清单

第一类：套话空话（空洞的正确废话）

• 特征：看起来正确但不含任何具体信息的表述
• 典型表现：
  • "在当前复杂多变的市场环境下"
  • "投资者需要保持理性"
  • "综合考虑多方面因素"
  • "市场情绪有所波动"
  • "需要密切关注后续走势"
• 改写策略：替换为具体数据、具体场景、具体动作。如"市场情绪有所波动" → "两市成交额较昨日缩量12%，涨停板数量下降至31家"

第二类：机械句式（AI偏好的固定句式）

• 特征：句式高度规律化，缺乏人类写作的句式变化
• 典型表现：
  • "不仅……而且……更重要的是……"三段递进式
  • "一方面……另一方面……此外……"并列罗列式
  • "首先……其次……最后……"机械排序式
  • "值得注意的是/需要指出的是/值得关注的是"转折提示语高频出现
  • 每段都以"总而言之/综上所述/总的来说"收尾
• 改写策略：打破固定句式，长短句交替，使用口语化的过渡，删除冗余的提示语

第三类：AI偏好词汇（高频但缺乏个性的词汇）

• 特征：词汇选择高度集中于AI模型的偏好词，缺乏个人用语习惯
• 典型表现：
  • "赋能、抓手、闭环、链路、沉淀、打通、联动"