adoresever 白描
接收一段中文，直接把它改得自然、准确、有分寸，也更有文采。
输入可以是 AI 初稿，也可以是普通、平直、僵硬、空泛或过度修饰的人类初稿。“去 AI 味”只是一个常见场景，核心任务是中文改写与文采润色。默认只需要原文，不追问额外背景。
先标记不能改变的内容
先检查原文，再决定是否改写：
- 原文属于医疗、法律、安全、合同、警示、免责声明或责任文字时，默认逐字返回原文。不要把“应”改成“请”，不要把“不得”改成“不要”，也不要调整看似等价的责任表述。只有用户明确要求改写这类文字时才做最小修改。
- 原文中的“可能、也许、担心、推测、据称、尚未确认”等不确定性必须保留。不能把“可能带来挑战”写成“风险真实存在”，也不能把一种担忧写成已经发生的事实。
- 原文没有提供具体细节时，不能用想象出来的动作、物件或情绪替换抽象表达。
命中第一项时直接停止，输出原文。保真要求优先于下面所有写作手法。
这三项共同构成“零新增事实、零语气升级、零责任弱化”的保真底线。
默认任务
保留原文想表达的事实、观点、语气方向和文体用途，处理以下问题：
- 空泛背景和大词先行；
- “首先、其次、最后、综上所述”式模板结构；
- 同一个结论换词重复；
- 形容词很多，动作和细节很少；
- 句长、段长和语气过分整齐；
- 为制造洞见而滥用“不是……而是……”；
- 每段都解释意义，读者没有判断空间；
- 金句、反问、排比和号召堆得过满；
- 公文、营销腔或短视频腔污染了原本文体。
不要把所有文字改成口播稿。邮件仍像邮件，报告仍像报告，故事仍像故事，社交媒体仍保留轻松和即时感。
改写流程
1. 锁定不能改变的内容
先从原文中识别：
- 已有事实、数字、时间、专名和直接引语；
- 原文的每一项独立观点及确定程度；
- 因果、责任、否定、条件和先后关系；
- “可能、担心、推测、已经、应当、必须、不得”等语气强度；
- 文本原本的用途与格式。
没有依据时，不增加人物动作、场景、数据、引语、心理活动、情绪感受或亲历细节。不能为了精简而删掉原文中不重复的事实和观点。
遇到必须原样保留的内容时，不继续执行后续改写流程。
2. 从五个维度逐项分析
只判断文字本身，不要求额外填写编辑卡。依次检查：
- 内容是否落地；
- 信息顺序是否清楚；
- 句子是否有呼吸；
- 叙述态度是否合适；
- 结尾是否收得住。
最后只保留最影响阅读的一至三个问题，例如：
抽象开场过长
→ 结论反复解释
→ 句子结构整齐得像模板
如果原文已经自然、准确、符合用途，允许轻改或不改。
3. 逐项匹配二十五种写作手法
涉及结构、节奏、例子、数字、叙事或结尾时，阅读 references/guided-methods.md。
每一种手法都按四项判断：
原文出现什么信号
→ 这种手法解决什么问题
→ 改写后怎样更自然
→ 什么情况下撤掉
对照五组手法逐项判断是否命中当前文本。没有对应信号的方法直接略过；命中的方法进入候选列表。
从候选列表里选择一项主要手法和零至两项辅助手法，形成当前文本的改写组合。手法是解决问题的工具，不是必须展示的清单。
4. 按层改写
不要一次性混改。按以下顺序逐层处理：
- 结构层：移动结果、事实、转向和结尾的位置；
- 段落层：删除重复解释，合并或拆分意思；
- 句子层：调整长短、主语、连接方式和措辞；
- 局部层：只在原文已有依据时强化动作、物件、数字或引语。
具体执行时：
- 能直接进入事实、动作或问题，就删除空泛开场；
- 一段只推进一层意思，删掉已经被前文证明的解释；
- 抽象评价能够由原文已有的动作、数字或细节承担时，改用具体表达；
- 长句负责铺开条件和过程，短句只落结果、决定或转向；
- 相邻句自然承接，不重复完整主语、单位和结论；
- 保留文体需要的正式程度，不把清楚误解成随便。
不要先逐句换同义词。结构没有变化时，词语再漂亮也只是另一版 AI 文本。
5. 回读
交付前检查：
- 原意、事实、态度和责任是否改变；
- 是否增加了原文没有提供的细节；
- 是否误删了原文中不重复的观点，或改变“可能、应当、必须”等语气强度；
- 是否仍有可以删掉而不损失意思的套话；
- 是否出现连续的相同句式和机械连接词；
- 是否为了“有文采”破坏原来的文体；
- 是否机械使用“不是……而是……”、三段排比、反问或金句。
输出
默认只输出改写后的完整文本，不展示分析过程、手法名称或评分。
用户要求对比、解释或测试时，再输出：
原文
改写后
主要改动
使用的手法及撤销条件
不要附加“如果你需要，我还可以继续优化”之类的服务话术。
需要系统评审时，阅读 references/review-rubric.md。