# 为什么 dsh-humanizer 是这样设计的 > 这份文档讲设计推理：每一个决定在定下来之前，我们还考虑过哪些别的做法，为什么它们不行。 > 想先看全貌的读 README，想看理论本体的读 docs/THEORY.md，这份文档夹在两者中间。 --- ## 起点：三个版本，三种对模型的理解 这个插件不是一次想清楚的，它被自己推翻过两次。三次推翻记录下来的，是我们对「模型该怎么帮人写作」这个问题的三次理解。 第一版把模型当成执行者。理论被拆成十步：接单卡、十维叙事审计、功能路径图、十五层语言分析、三轮改写、复核、交付。每一步一个工件，工件过程序门禁。设计动机很朴素，怕模型偷懒，用步骤逼它走完。 实际发生的事情跟预期相反。模型开始打卡。它认真填表，表格很满，文本却越来越像同一条流水线的产品。这里最值得琢磨的是：模型并没有违反规则，它恰好是规则执行得太好了。规则要求每一步都产出，它就每一步都产出；规则要求逐格填写，它就逐格填写。真正出事的地方在于，所有文本都因此共享了同一套执行动作。工序固定，工序的形状就固定，固定形状在大量文本上重复，就变成了可以学习的指纹。 第二版接受了这个教训的一半。它把十步压缩成四栏决策单：材料来源、注意力选择、判断代价、保护清单。模型动笔前填单，程序检查单子有没有空话、证据是不是真的。看起来只保留了理论最核心的部分，其实犯的是同一个错误，只是规模小了一号。思考本来应该留在思考层，把它搬到一张单子上，它就变成了工件。工件可以被检查，也可以被伪造；更重要的是，工件的四栏结构会渗进写作习惯。一段时间以后，模型写什么都像在填那四栏。 所以第三版连决策单也删了。没有降维，没有检查，也不产工件。模型动笔前完整读一遍理论，在思考里成为作者，然后把理论忘掉。 三个版本的差异，表面上是流程繁简，底下是对模型的不同理解：它是一个需要被步骤约束的执行者，还是一个可以被完整知识改变状态的人。我们最后选了后者。 --- ## 为什么规则这条路走不通 上面说的「规则执行得越好，指纹越清晰」，值得再往深推一步，因为它是整个设计的支点。 分类器做的事情，本质上是在一堆文本里找稳定且可区分的特征。什么叫好特征？出现得稳定，分布得集中，跟标签相关。现在想象一条规则被忠实执行，比如每章结尾必须留钩子。这条规则会在每一章制造同一个结构位置上的同一种动作。从分类器的角度看，这就是一个近乎完美的特征：稳定，集中，跟「经过这套工序处理的文本」强相关。 有人会说，那把规则做成随机的，每章抽签决定结尾。随机化能破坏单条特征的稳定性，但引入了一个更抽象的新特征：这些文本都经过同一套抽签机制。抽签的分布、可选动作的池子、每种动作出现的比例，仍然可以被学。真正安全的东西必须绑定在文本外部，比如这章的材料本身需要什么样的收法。材料是外生变量，每份材料不一样，它带来的规律才分散，才不像工序。 这就是「配额等于新指纹」的完整含义。它不是一句反对高频词的口号，它是关于稳定性和可学习性的一个判断：跨文本稳定的任何东西，都是分类器的候选特征，无论它是词、句式、结构，还是一套流程。 --- ## 为什么读全文，不读摘要 这条决定当时也有争论。全文四万字符，放进上下文有成本，为什么不请模型读一份三千字的精华？ 因为理论的价值不在结论，在约束之间的牵制。 举十五层语言分析为例。如果只摘要成「从语素到篇章逐层检查」，模型拿到的是一个空壳，它还是会用自己原本的默认方式写作。真正的价值在细节里：把字句合法要满足哪些条件，被动句为什么改变责任归属，短句在什么情况下是假节奏而不是真停顿。这些细节互相咬合，缺一层，判断就会往默认值滑。 十维叙事也一样。十个标签没有用，有用的是每个维度后面跟着的「可能误判」和「什么时候不该改」。比如人物维度会提醒你，外貌出场并不总是错的，只在当前观察者确实有理由注意时才该写。没有这半句，模型就会把「不要外貌出场」做成一条新规则。 禁止与回退这一章最典型。它有一半篇幅在讲什么不是禁止：有功能的重复、体裁允许的概述、情境驱动的语域切换、保持原样。这些例外不是注释，是理论的另一半。摘要只留「十二类禁止」，模型学到的是十二条新规则；全文才传达出「规则本身就是敌人」。 示范文也是全文的一部分。三篇风格差得很远的短文，不是让模型抄，是让模型看见：背后有人这个目标，在不同体裁和声音里长得完全不同。没有例子的理论，很容易被读成又一套抽象要求。 --- ## 为什么程序只守内容 程序规则是固定规则。固定规则天然适合核对两件事：内容有没有损坏，以及把文本塑成规则能识别的形状。第二件事我们全删了。 句长不查，连词不统计，破折号不扫描，思考单不校验，分数和画像更是没有。程序只留 `humanize_guard`：数字、书名、术语、等级还在不在，文字有没有乱码，引号成对没有，段落数变化了多少。 这看起来像放弃质量控制，其实是在保护质量。每一道程序检查都是一只塑形的手。检查句长，模型就会为句长改文本；检查连词，模型就会为连词改文本。这些指标都不难满足，模型会优先满足它们，因为它们是量化的；而「这处重复有没有功能」不量化，反而会被忽略。程序查得越多，写作越像在对付程序。 判断一个排比在这里有没有功能，判断一处重复是口癖还是机械复述，判断一句短句是真停顿还是假节奏，这些事只有模型能做，而且只有处于作者状态的模型能做。程序替它做，产出的就是固定规则驱动的文本。 --- ## 为什么润色也要走内源标准 润色最容易滑回后处理，因为对象本来就是写好的文本。所以我们给润色模式立了第一条规矩：把原文当成一位认真作者的草稿，不预设它是 AI。 这个预设比看起来重要。一旦先认定「这是 AI 写的」，人就会拿着外源清单去找茬，看见什么改什么。清单是固定的，所有文本都会往清单的方向走，于是润色重新变成流水线。 反过来，先假定作者认真写过，模型的动作就变成反推：这个作者知道什么、在乎什么、声音是什么、哪里只是没写到位。只改断了、硬了、凉了、空了、说多了的地方，其余一字不动。一篇冷硬的文本，它最好的版本可能仍然冷硬，只是冷得更有道理；一篇啰嗦的文本，它最好的版本是删掉说多了的那几句。标准在文本自己身上，不在任何外部参照上。 改完还要读接缝，这是内源标准的自然延伸。改过的和没改过的句子放在一起，语调必须还是一家人。接缝不平，说明修改把自己的声音带进来了，得退回去。 --- ## 文笔和温度为什么可以谈保证 这几个词容易被当成不可说的玄学，其实各有各的条件。 模型缺文笔吗？不缺。预训练里有大量文学语感，缺的是动笔前没有确定「这篇是谁在说」。声音定了，句子的音乐就定了。没有声音的文字，堆多少词都像说明装置。所以文笔问题被我们提前到「成为作者」这一步解决。 碎句的病因是句界错了。句子该断在哪，只有三个依据：一次感知结束，一个动作完成，一口气说完。为了长短交替而切句，为了节奏变化而拆段，才会越改越碎。 温度要看写的人在乎什么。动笔前知道这个人的 stakes，写作时才知道该盯住哪件具体的东西。不知道，就只能写「温暖、感动、心酸」，越写越冷。 生硬的问题大多出在连接上。转折先靠材料和语气的邻接，连词只在逻辑会丢的时候才出现。能靠语序、语义和上下文恢复的关系，不必明说。 机械感则是方法露了形。方法全部留在思考层，成品里没有章号、栏目、清单、固定句式，机械感就没有附着点。 插件不检查这五样东西。它只负责把模型放进能让条件成立的状态里：读全，成为作者，一口气写，听一遍，停。 --- ## 同类工具的问题，以及我们的不同 同类工具大多在回答「这段文本哪里像 AI，我帮你改一下」。这个问法里藏着两个未经检查的假设。 第一个假设：文本已经写完，只能后处理。但很多 AI 味是在写作时形成的，是决定层的默认路径。写完之后再动，动的只能是表面，表面一动就留下重写距离。重写距离研究说明，检测器可以学习原文和机器重写之间的距离，也就是说「润过一遍」本身就可能是信号。 第二个假设：像 AI 是一些可以定位的局部特征。如果真是这样，换词、删词、改句式就够了。但故事视镜研究的结果指向相反：剔除了措辞、句法和韵律特征以后，叙事特征仍有大约九成三的区分度。特征在结构里，不在词表里。 我们回答的是另一个问题：动笔之前，一个具体作者该知道、该在乎、该付出代价的东西，想清楚了没有。这个问题把干预移到写作之前，把标准从外部清单移到作者自身。不是效果更好几个百分点的问题，是失败模式根本不同。 --- ## 这套设计能信到什么程度 先把话说保守一点。研究证据给的是方向和机制，不是中文网文场景下的现成结论。故事视镜研究用英语短故事，特征由模型抽取，统计上的人类偏高和 AI 偏高还有重叠。项目实战只有一部第一人称中医悬疑小说，数字不能外推。我们把这些边界写进了理论文档，不打算用它们撑出过大的承诺。 但有两个东西让这套设计比一般的经验总结可靠。 第一，它有学科根基。材料有来源对应语言学的示证性和认识情态，注意力有选择对应聚焦和前景背景选择，判断有代价对应图尔敏式的论证结构，声音稳定且随情境变化对应语域研究，重复有功能对应衔接与指称稳定。我们做的事情是收拢，不是发明。 第二，它能解释自己的失败。第一版写下了「配额等于新指纹」，后来第一版和第二版都败在这条上。一套理论能提前说明「照我这样做会失败」，说明它抓住的是结构，不是事后找的借口。 --- ## 收束 任何看得见的规则都会变成新指纹，这是前面全部论证的落点。唯一安全的执行方式，是让模型带着全部理论成为作者，然后让理论从成品里彻底消失。