zh-writing-checker 是个给中文稿子查毛病的命令行工具，纯 Python 标准库，一条命令跑完，不装依赖。
上一版只会找坏词：找到一个词报一个，报完不分层，报多少都算错，改的人只能从头改到尾，或者干脆关掉。
这一版换了做法，AI 味检测从找词改成看句子结构，报出来的第一次分出轻重：硬拦的必须改，只提醒的自己看。看着像松，其实是分档的上位文件定了，这一版只接提醒那一层：16 条硬拦、13 条只提醒、3 条是方法。松的是不拦交稿，不松的是该改还得改。
先看一眼改完的结果：一篇 2493 字的中文成稿，首扫 19 个问题、15 个硬错，改完复扫，硬错归零。
上一版什么样
v0.1.5 发布于 2026 年 9 月 12 日，做的事是把 AI 味词分成三层，致命、显著、轻微各一档，给引号里的引用和技术语境开口子，命中违禁词时直接给替换词，同时上了 SF 与 SNF 两组回归评测样本，让评测进了 CI。
v0.1.4 把一批英文社区的去 AI 味模式迁进中文，句式指纹、假替代、树靶子、过度限定、知识截止、空洞词，5 条正则加 3 个词，探针验过零误伤。
v0.1.3 做了规则外置，改规则不用改代码，还配了探针、扫描、打补丁、收敛这一套递归动作。v0.1.2 是仓库更名重构那版，AI 味收成一个维度，顺带开出五维凑成六维。
到 v0.1.5 为止，找词靠词表，剩下的靠白名单。
为什么这版要动
一是词表拦不住字面正常、语境才坏的词。白名单只堵得住见过的那一句，来一句结构一样的照样报。
评测集里有这么一句：这孩子在城里长出了白头发。按词表该报腔调，因为长出配抽象名词是典型的比喻腔，可这句是写实的，报出来就是误伤。这一版把长出这一族整个移出通用档，评测里的误杀从 1 降到 0。词表这条路走到头了。
二是找得了词，找不了句子。三段等长排比配一个拔高比喻，这种长相很固定，词表一条都不拦。
三是版本漂移没人拦。版本号写死在测试里，改了代码忘改测试，流水线不红，往往推送之后才发现。
这一版不是只动机器。这一轮出了两件文档：宪法 v5.3 定档，模板集定尺。宪法划清哪一类错了能改、哪一类不能，这一版接的就是那一层；模板集管怎么写，骨架、开场、收尾各有配法。
改了哪几个领域
**一、AI 腔从找词改成看结构。**新增三类检测：并列三项等长同构判为排比腔；连续三句以比如或例如起头判为凑篇幅；相邻两段起首字相同且篇幅相近判为段落同构。
三段式排比的匹配宽度从 8 字收到 6 字，原先太宽，贪婪匹配会吞掉前置修饰语，反倒漏掉真排比。
**二、防误伤拆成三层。**头一层只收公认的坏词；第二层是带语境的正则，判搭配，同一组字放写实句里不报，挪到抽象名词旁才报；第三层是个人红线词，另存一档、默认不加载，开不开作者自己定。
长出、长出来、长成这一批词整个移出通用档。分三层是因为机器判搭配不判单字，靠词表必然误伤。
**三、跟宪法 v5.3 接档，另出一把写稿的尺。**这一版接的是提醒那一层，硬阈空白原样留着。16 条硬拦中标着可机检的 6 条，数量词与列举项对拢、百分比求和、单位统一、同一数字前后一致、模糊量化词、的字链长度，一条都没实现。
宪法 v5.3 那轮没新增硬阈，补的全是流程缺口：例外申请、按比例释放，加检查对象扩到全载体、发布闸门签核人分离、存档与新陈代谢，五样和那 6 条硬阈处境相同，都停在文档层。
这一轮出的第二件文档是体裁模板集，管怎么写。七副骨架配七种事：更新说明讲因果四段、观点文给断据说反例、教程走痛点再转方法、复盘按之前之后搭桥。开场五类，更新说明配反差式，硬尺是前 100 字必须出现一个读者认得出来的实体。v1.2 加的两条不许造词、机器报的数要核到每一条，v1.3 把三步钉成流程，不许跳步，都是写这篇稿子时撞出来的。用法三步：宪法定档，模板选骨架开场，写完过机器兜底。模板尺和机检是两套，过了一个不等于过了另一个。
不实现为什么还写进来，也交代。变更日志标成已知空白没写理由，下面三条是补的。
一是这 6 条没有一条靠单条正则能解决，得先做全文数字抽取，和这一版改的单句检测不是一个工作面。
二是误报代价不对称，错一个数字就满屏假错误，读者从此不信这个工具。
三是变更日志给的优先项是最易判误报最低的两条，数量词对拢与的字链长度。
**四、流水线上这一版添了一道自校验。**新加的是版本号自校验：改了代码忘改变更日志，版本对不上就报错，第三条说的漏洞这么堵上。另外两样是上一版挂的，没动：风格工具端到端验证，与 SF/SNF 回归评测。这两个是同一个脚本里的两组样本，各十条，一组该被检出，一组不该判问题。这一版没给门加东西，只从里面修掉一条：正常句「这孩子在城里长出了白头发」原先被误判，现在放过去了。
改完实测出了什么
机器侧：28 项测试全通过，两个套件。检查器主套件 16 项，管版本号自校验、向后兼容与规则外置、探针收敛、六维齐备、四类检测维度、干净文本零误报、坏样本能扫出、报告行数对账、JSON 兼容字段，另有两层分档 3 项。
风格打分套件 12 项，管分数区间与归属、基线往返、指纹向量。
AI 腔例句 10 条全抓，正常句 10 条零误伤，误杀率 0，两组全过。
真稿侧：那 15 个硬错里，13 个是同一个根因，正文里用了半角直引号，中文排版该用弯引号，一条检测规则一次抓出 13 个。它报的不是 13 个错，是一处错报了 13 遍。真正要记的是剩下那 2 个，分档后它们是提醒，不改也能交，这一版的分层头一回在实际稿子上生效。
另跑单维度扫描，又带出两处毛病。单扫排比一项，机器报 10 处，逐条看下来一处真排比都没有：三处是顿号列举被切出后三项，另七处是把不同句子里的短分句凑成了等长三项。
换这篇稿子配的交稿单再跑一遍，照抄英文原文引句和链接地址，标点检测一次报 33 个硬错，而来源记录类文档恰恰必须原样引用，规则和用途天生打架，这一条记进下个版本清单。
还有一处反向验证：改写掉的那句单独存一篇，机器报腔调硬错 1，确实该改。
局限也摆出来：成稿出自作者自己，是自测。
还差什么
九条按类摆成两组，每条都能下个版本回查。
规则写错，会误伤正常中文稿
破折号检测把中文里规范的破折号也判成 AI 味，这条会误伤正常中文稿
技术语境豁免没接上，正文里技术词照样判 AI 味，v0.1.5 写好的白名单引号包起来也不放行
标点检测分不出正文与命令示例，示例里的文件名会判成中英标点混用
日期检测抓的正好是它建议的那一种写法，写成 YYYY-MM-DD 会被自己报一遍
版本号联动刚加，接进流水线要自己配
还没有的能力
16 条硬拦里标着可机检的 6 条，本版 0 实现，下个版本按最易判的两条先上
机器能判的是 6 个检测维度，语言层 4 项加表达层 2 项，和那 16 条不是一回事
等长排比判据会跨分句误报，本篇自己的稿子报 10 处，逐条核过一处真排比都没有，误报率 100%，比上一篇的 36% 高
跨载体一致性，标题、图注、摘要之间对不对得上，只能人工核
本篇当场撞上这九条四处，都改了写法：一个技术词、一个中文破折号、示例里的文件名、一个还留在词表里的搭配。剩五条照原文列着。
用起来是一行命令
python zh_writing_checker.py article.md
把 article 换成稿子名就行。开个人词档加一个环境变量，词表自己维护。
适用边界
这套东西给写中文、稿子还要拿给别人看的人。公众号日更的，技术长文要过审稿的，报告与对外文案都要过一遍手的，错了收不回来。
稿子只发给自己存档的，用不上这一套。
v0.1.6，2026 年 10 月 2 日发布，范围就上面四块。仓库外脚本一行没动，六套主题都在 md2wechat.py 里，本稿取宣纸那一套。
开源库地址 https://github.com/zhengjinjun1975/zh-writing-checker，Apache-2.0 协议，一条命令跑完。