dsh-humanizer

dsh-humanizer

你让模型写了一段中文。读起来很顺，但总觉得哪里不对。dsh-humanizer 是 DeepSeek Harness 的一个插件，管的就是这个"哪里不对"。

它不做词表替换。它给模型一套诊断和改写流程：从叙事结构、语言层次到三轮改写，每一层都有对应的检查方法，每一步都有程序守门。改完的东西，读者看不出是模型写的，内容也没有跑偏。

它不是 AI 检测器。

问题在哪

生成模型写中文，句子可能各不相同，底下的决策却是重复的：怎么开头、怎么举例、怎么收尾、情绪用什么承载、论证走哪条路。重复的次数多了，读者就感觉到了。这种感觉就是"AI 味"。

换词碰不到这一层。把"此外"换成"另外"，把"值得注意的是"删掉，模型会在同一个分布里挑出下一批词，路径没变，机器腔还是机器腔。

要改的是路径，不是词。

它改出来的东西长什么样

一段"AI 味"的中文，常见是这样：

夜深了，他独自坐在窗前，望着窗外的城市，心中充满了复杂的情绪。他想起这些年的经历，那些曾经的梦想，如今都已渐行渐远。他不禁感到一丝惆怅，但同时也明白，人生就是这样，总要学会告别。窗外的风轻轻吹过，仿佛也在叹息。他暗暗下定决心，明天，一定要重新开始。

经过这套工作流改完，可能是这样：

烟灰缸里已经堆了三根。他把第四根按灭，又拉开抽屉，里面是那叠没写完的信，最上面一张写着日期，三天前的。

他合上抽屉，没有锁。窗外的城市还亮着，和他没什么关系。

天亮的时候，他出门前把信带上了。

两个版本的事实一样：一个人在夜里想起过去，做了个决定。改动发生在决策层：

原版	改版	改了什么
"心中充满了复杂的情绪""他不禁感到一丝惆怅"	烟灰缸、三根烟头、没写完的信、三天前的日期	情绪由物件和行为承载，不再由旁白命名（心理代理→物件自证）
"窗外的风轻轻吹过，仿佛也在叹息"	"窗外的城市还亮着，和他没什么关系"	环境不再映照心理，保持冷漠（环境映心→环境本身）
"人生就是这样，总要学会告别"	"和他没什么关系"	主题升华换成局部判断，不给读者上课（升华→判断有代价）
"他暗暗下定决心，明天，一定要重新开始"	"他出门前把信带上了"	决心宣言换成动作选择，让结果自己说话（宣言→动作落点）

这个对比是这套工作流的全部追求：句子换了，事实没丢，情绪还在，但读者不再觉得背后是台机器。

怎么改

分两半。

模型做人味。十维叙事审计、十五层语言分析、功能路径诊断、三轮改写、三重审核，这些都是模型的判断。判断依赖语境：这个排比在这里有没有用，这个心理动词要不要换成动作，程序答不了。

程序守内容。三个工具，只做确定性的事：分布画像、内容忠实守卫、工件质量门禁。程序不判断像不像人，只核对数字还在不在、格子填没填。

程序为什么这么少？程序规则是固定规则，规则越多越僵化。把"逐项判断"写成正则，得到的是一台机械替换机，恰好是这套方法最反对的。

十条铁律

这些不是建议，是底线。违反任何一条，这一次作废重来。

1. 禁止略读。每个工件逐格填，每格引用原文。不许用"已检查""无异常"填空。
2. 禁止概括。不写"整体偏 AI 味"这种总评，要落到某一章、某一层、某一句话。
3. 禁止打卡式。改写要逐条引用工件的某一行，复核要真的调 humanize_validate_artifact。
4. 禁止"是/否"式判断。写不出原因，等于没判断。
5. 禁止英文思考。思考、字段、标签、理由一律中文，原文术语除外。
6. 禁止跳章。诊断有固定顺序，缺一章不准进改写。
7. 禁止整体化判断。十五层一层层过，十维一维维过，不许合成一个判断。
8. 禁止配额化。这是最重要的一条：把任何手法做成每章配额，配额就是新指纹。
9. 禁止一次做完。一次一步，做完报"第 N 步完成，下一步第 N+1 步"。

十步

每一步只产出一个工件，过 humanize_validate_artifact 门禁才进下一步。一次做完等于偷工减料。

步	做什么	读	产出
0	接单卡：任务边界 + 内部基线 + 执行表字段	§06.1/6.2、§11	接单卡
1	十维叙事设计，逐维审计（论证文本改走 §08）	§09、§08	工件 A
2	功能路径图：八类路径逐形态	§05	工件 B
3	十五层语言分析：逐细分项 + 句式使用率，不压缩层级	§04	工件 C
4	认识与来源图	§06.4	工件 D
5	问题清单：合并 A/B/C/D	§06.6	问题清单
6	改写轮一：只改材料/叙事/论证	工件 A 到 D	修改记录
7	改写轮二：只改信息焦点/照应/句法	工件 A 到 D	修改记录
8	改写轮三：只改词汇/搭配/虚词	工件 A 到 D	修改记录
9	复核	§15/§17/§13/§18	复核报告
10	交付	无	改写稿 + 全部工件

三轮改写的顺序不能颠倒：先动材料和叙事，再动信息组织和句法，最后动词汇。顺序反了，改出来的是"看着自然、分布依旧"。

方法论

为什么这样设计、与其他同目标产品的区别、每一条论断背后的研究依据，先读 docs/WHY.md。方法正文在 references/，随包分发 19 章，每章回答一个问题，模型执行到哪一步读哪一章。

章	它回答什么
01 体系目标与边界	这件事同时追求五个目标，也有六件事承诺不了
02 人类作者感	什么让文本背后"有个人"，而不是一台无位置的说明装置
03 复杂度模型	复杂度不等于更像人，每一种复杂度都要来自真实需求
04 十五层语言分析	从语素构词到篇章话语，十五层一层层过
05 功能路径诊断	表面不同的句子，底下可能是同一条功能路径
06 完整诊断流程	任务边界、内部基线、篇章任务图、认识来源图、修复尺度
07 改写决策与候选	十步决策顺序，候选要来自不同组织来源
08 文章类方法	论证文本专用：论证图、三段式、模板表达、专业文章保护
09 十维叙事审计	小说的十个维度，加三十项核心信号
10 三重审核与原理层自检	读者盲审、编辑盲审、最小差异对照、留出测试
11 执行表	五张可直接填写的表，强制逐格填
12 执行提示全文	可以直接交给模型的完整提示
13 禁止与回退	十二类禁止逐条讲清原理与误判；回退触发条件与操作规程
14 检测原理	七类检测信号，以及为什么表层换词绕不过它们
15 完成判据	十三条，全部满足才算完成
16 问题对照库	十六类常见问题的证据、误判和处理
17 复核清单	字词、句法、信息、段落、全文五级复核
18 实战迭代经验	章节任务四类轮换、七类高危模式、脚本核验清单

安装

一行命令，两种途径任选：

# npm 源（推荐）
dsh plugin --profile web add dsh-humanizer

# Git 源（从 GitHub 拉取，始终最新）
dsh plugin --profile web add "github:DEEP-IOS/dsh-humanizer"

装完重启 web。bundle 层栈在 boot 时合成，Node half 改动需要重启才生效。

使用

对模型说「用 humanizer 处理这段文本」。工作流常驻 system prompt，模型按十步执行，用 humanize_reference 读方法论章节。

工具	作用
humanize_profile(text)	分布画像：全文与逐段的句长、短长句占比、连词密度、§18 特征字计数、内容锚点
humanize_guard(original, rewritten)	内容忠实守卫：锚点保真 + 禁止条件扫描
humanize_validate_artifact(artifact, source)	工件门禁：拒占位空话、空数组、假证据、短判断
humanize_reference(name)	读取 references/ 章节全文或小节（如 04#4.7）

命令行冒烟：

node scripts/guard-humanizer.mjs profile ./文本.md
node scripts/guard-humanizer.mjs guard ./原文.md ./改写稿.md

边界

不是 AI 检测器。不输出概率，不识别作者，不要求把文本提交给任何外部检测。不承诺任何检测器给出某个分数。目标只是让文本经得起读者和编辑的眼睛。

开发

pnpm test

确定性层（lib/guard.mjs、lib/reference.mjs）零依赖。测试用 Node 内置的 node:test。

命名

与 dsh-humanize（RLCR 编码工作流）不是同一个项目。本插件处理的是文本。

License

MIT