gxgeek-n 论文 AIGC 报告复核与表达风险诊断（Playbook）
把「检测报告 → 定位高疑似句 → 回查真实材料 → 定向修订表达 → 编译/复核」串成可复用闭环。理论/替换表见 references/theory/，5维语义检测见 references/detector/，本 skill 是 AIGC 报告复核和表达风险诊断入口。
配套
thesis-deai-review（项目级）管"判断什么该改不翻车"（体裁基准校准、"完美统计=强信号"、保留真实不完美、"别改成口语"铁律）。本 playbook 管平台工具+复测，deai-review 管确定性脚本与隔离 AI 并行判断，配合用。
学术诚信边界
- 本 skill 不承诺任何 AIGC 检测平台给出特定结果，也不提供伪装、篡改 PDF 或篡改字符编码的方法。
- 只允许基于真实材料做表达修订、结构调整、证据补强和风险定位。
- 不新增不存在的数据、访谈、日志、引用、案例或导师意见。
- 检测报告只能作为写作风险线索；最终质量以学校规范、事实证据和导师意见为准。
0. 一句话心智模型（先建立，否则白干）
AIGC 检测器 = 拿一个"裁判 AI 模型"算你的文字"有多好猜"（困惑度）+ "句长够不够起伏"（突发性）。
- 不同平台 = 不同刻度的尺子：同一篇文 PaperYY 判 19.6%、PaperPass 判 49%，都不算错。别拿最严平台的分吓自己。
- 真正算数的是学校的工具（多为知网）；PaperYY/PaperPass 只是便宜预检。
- 统计型检测器惩罚"信息密集的流畅学术中文"本身——你写得越像正经论文，它越觉得像 AI。所以有地板，降不到 0。
1. 风险收敛杠杆排序（按质量收益）
| 杠杆 | 风险收敛 | 伤质量? | 说明 |
|---|---|---|---|
| 破枚举/序号 | 高 | 否 | "首先/随后/最后""第一/第二/第三""其一~其四""一是二是""(1)(2)(3)"→流水句。头号 AI-tell |
| 打散句长(突发性) | 高 | 否 | 长短句交错，插极短句。人类 CV≈0.52 vs AI≈0.32 |
| 数据句瘦身 | 中 | 否 | "由A提升至B""从表X看…占比…说明…"模板→数字不动、换动词/语序，删与表重复的罗列 |
| 数据罗列搬进表格 | 中 | 否 | 纯数字句→小表格，进"不予检测"区，移出分母（结构法，不反弹） |
| 特异性下沉 | 中 | 否 | 把已有真实细节(日期/角色/事故)织进泛句，拉高困惑度。绝不编造 |
| 删空洞对冲/套话 | 中 | 否 | 一定/初步/相对/系统性/多维度/聚焦/提供了参考/值得注意的是… |
| 方法定义句改写 | 中 | 否 | PDCA/LDA/帕累托等标准定义→嵌入本文具体语境（同时降查重） |
| 换冷僻词/加口语/打乱 | 高 | 是 | ❌ 机审过、人审挂(导师答辩看出别扭)。学位论文别用 |
2. 闭环流程（每轮）
- 独立基线审查：先调用
thesis-deai-review，按该 Skill 的“脚本与 AI 隔离并行审查”流程冻结同一提交；两路完成前不得互看结果。 - 拿报告：用户上传 PaperYY(AIGC) / PaperPass(查重+AIGC) 离线报告包。
- 解析高疑似句：
scripts/parse_paperyy.py <report.html>或parse_paperpass.py <dir>→ 抽出class='high'句子，按章节聚类成 JSON。 - 剥正文：
scripts/strip_tex.py chapterN.tex把 LaTeX 剥成纯中文，用于定位 .tex 段落。 - 多 subagent 改写：按章节分不重叠文件（c1=摘要+Ch1, c2=Ch2, c3=Ch3+4, c4=Ch5-7），每个 agent 拿本簇高疑似 JSON + 杠杆清单 + 铁律，用 Edit 工具精确改 .tex。文件不重叠才能并行。
- 编译验证：
xelatex→biber→xelatex×2，查Reference.*undefined=0、页数正常、grep '——|·|．|et al\.'标点干净。 - 本地复扫：重新调用
thesis-deai-review自带扫描器与隔离 AI， 再用scripts/aigc_scan.py（突发性CV/模板密度）或 5维规则做改前后对比。 - 版本管理：worktree 提交 → 合并 main → 复制 PDF/DOCX 到桌面
论文_v{N}→ CLAUDE.md 版本+1。 - 复测：用户重传平台确认实际降幅。本地工具测不出平台精确%，必须复测。
3. 铁律（违反即前功尽弃）
- 禁止 LLM 全量重写——会叠加 AI 指纹，检测率反弹到 ~100%。只做确定性局部改写（拆句/换序/换动词/删序号）。
- 零编造——不加论文里不存在的任何数字/事实/案例/引用。
- 全保留：数据、
\cite{}/\ref{}、术语首次定义、英文缩写、访谈原话与编号、PDCA 波折细节。 - 保学术书面语——严禁口语/网络词/情绪词（"颇有看点""绝了""太好了地"这类一律不要）。
- 不 churn 已自然的句——只动仍标红的；反复改同一句会反弹。
- 破折号每段 ≤1；模板声明/授权书/目录不用动（官方查重排除）。
4. 该做 / 不该做
✅ 该做：破枚举、打散句长、数据句瘦身、特异性下沉、数据→表格、删套话、方法定义句本地化。 ❌ 不该做：
- 用 AI 一键重写/"处理后的Word"（容易制造新模板化表达）。
- 换冷僻词+加口语处理检测提示（人审挂）。
scramble-pdf这类篡改 PDF unicode 的工具——学术造假，PDF 会坏，会被查。- 为最严平台(PaperPass)硬刚到很低——性价比极低，它可能把真人的信息密集段落也判成高疑似。
5. 实战轨迹（本 MEM 论文，参考量级）
| 版本 | PaperYY AIGC | PaperPass AIGC | 做了什么 |
|---|---|---|---|
| v36 | 41.8% | — | 起点 |
| v38 | 29.9% | 56.47% | 60处：打散数据句/破枚举/删对冲 |
| v39 | 19.6% | 49.46% | 50处：通用方法定义句本地化(双降) |
| v40 | (待测,预计~15%) | 48.65% | 32处：数据句瘦身/特异性下沉(对PaperPass仅降0.8pp=触底证据) |
经验值：不同平台刻度差异很大，历史项目里 PaperYY 对定向修订更敏感，PaperPass 对信息密集的真人学术中文也会给高疑似。不要为了某个平台数字牺牲论文质量；报告只当定位线索。
6. 平台与工具速查
- 检测：PaperYY(AIGC，便宜，接近多数校线)、PaperPass(查重+AIGC，最严，离群偏高)、维普/PaperFree(查重便宜)、知网(学校官方，贵，问学院有无免费名额)。
- 本地：
scripts/(本skill内置: 5维规则/8维扫描/报告解析)、scripts/aigc_scan.py(8维统计)、humanize-chinese(纯Python本地，但自动改写太口语，只借鉴技巧别直用)。 - 查重 ≠ AIGC：查重=和别人撞(改写/搬表格)；AIGC=像机器写(打散/特异化)。两者杠杆有重叠(方法定义句本地化同时降两者)。
- 报告解析脚本：见
scripts/（PaperYY HTML / PaperPass JS / strip_tex）。