jtydhr88 歌词 AI 味诊断（AI-Tell Audit）
每一稿交出去之前都要过这个 skill。这是本库的终检。
核心命题：AI 写的词不是"用词不好"，是**「没有人做过选择」**。 它写出来的四段词语法正确、押韵工整、意象丰富， 而这四段可以属于任何一首歌。
按任务读哪几节
| 任务 | 读 |
|---|---|
| 刚写完，要验收 | §2 八条 → §3 |
| "读着没问题但就是泛" | ★ §2（逐条查，不要凭感觉） |
| 全过了还是像 AI | ★ §4 |
| 查出问题要改 | §5 |
边界
| 不归这里 | 归哪 |
|---|---|
| 规格写完时的检查 | LYR-LINT 十条（lw-workflow §5.2） |
| 具体怎么改 | 各 L1/L2 skill（§5 给路由） |
| 倒字的判定 | lw-tone-check |
| 生成出来的音频像不像 AI | 库一 mc-ai-tell-audit |
★ 与 LYR-LINT 的分工： lint 问"规格填完没有"，本 skill 问"这词像不像人写的"。 两者都过才算完。 十条全过的词照样可能满是 AI 味。
1. 开工前
| 必填 | 问法 |
|---|---|
| ① 这一稿的版本与来源 | AI 直写？skill 引导？手写？做 AB 时这一栏是全部 |
| ② 语言 | 中文要额外查倒字/辙口 |
| ③ 有没有旋律 | 没有的话第 5 条查不了 |
2. ★ 八条枚举
逐条打勾。不要凭整体印象。
| # | AI 味症状 | 对抗的 LYR-SPEC 字段 | 可自动 | 归谁管 |
|---|---|---|---|---|
| 1 | 名词全是抽象的 | imagery.concrete_nouns 必填、forbidden 黑名单 |
✅ 词性与词表统计 | lw-imagery |
| 2 | 结构对称到死 | asymmetry 三项必填 |
✅ 每段字数方差 | lw-structure |
| 3 | 什么都解决了，没有悬着的 | narrative.withholding 必填 |
⚠ 半自动 | lw-narrative |
| 4 | 没有视角和时间 | narrative.pov ＋ tense_anchor |
⚠ 人称代词检测可辅助 | lw-narrative |
| 5 | 倒字不管 | prosody ＋ 倒字检测器 |
✅ 完全可算 | lw-tone-check |
| 6 | 辙口只挑最顺的 | rhyme.che ＋ 辙口分布统计 |
✅ | lw-mandarin |
| 7 | 押韵永远选第一个想到的字 | rhyme.surprise_notes |
✅ 韵脚词频 | lw-rhyme |
| 8 | 副歌各遍全同，且末遍既没改一字也没加尾（全同本身在语料里占 27%，不是病） | asymmetry.chorus_variation |
✅ 文本 diff | lw-structure §6.0 |
★ 八条里六条可算（第 3、4 半自动）。 这个比例比库一（十四条里九条）更硬，因为文本不需要检测。
★ 这张表一张三用：本 skill 的骨架、LYR-LINT 十条的来源、AB 实验评判表的骨架。 改一处要同步三处。
2.1 ★ 三条最致命的
不是因为最难查，而是因为它们读起来都不"错"：
| # | 为什么致命 |
|---|---|
| 1（名词全抽象） | ★ 最直接的 AI 指纹。"时光"、"远方"、"梦"、"自由"——每个都对，合起来是空的 |
| 2（对称到死） | 四段每段四句、每句七字、句句押韵。技术上完美，听感上是表格 |
| 3（什么都解决了） | AI 会把情绪走完整：难过→释怀→祝福。真人写词经常停在难受里 |
2.2 四个立刻能数的粗筛
# 抽象词命中数 / 具体名词数
# 每段字数方差
# 副歌各遍的文本 diff（★ 只看末遍有没有改动；前两遍相同不算问题）
# 韵脚字的词频排名
这四项人工数——每项一分钟以内，不需要脚本。
3. 两个数，不许合并
| 问什么 | 怎么得 | |
|---|---|---|
| LYR-LINT 通过数 | 规格填完了多少 | 十条 |
| AI 味旗标数 | 词有多少条机器指纹 | 本 skill 八条 |
lint 全过 + 旗标少 → 好，交
lint 全过 + 旗标多 → ★ 规格本身填得像 AI（见 §4）
lint 不过 + 旗标少 → 词不错但规格没写完，补规格（为了可复现）
lint 不过 + 旗标多 → 回 lw-workflow 的 S0
4. ★ 全过了还是像 AI
这是本 skill 存在的主要理由。
4.1 四个征兆
| 征兆 | 查哪 |
|---|---|
intent.one_thing 念出来像主题词不像人话 |
lw-song-intent §2.3 |
anchor_object 说不出颜色和新旧 |
★ lw-song-intent §7 的照妖镜——它是倒推出来的，不是从记忆里拿的 |
| 具体名词有了，但它们不构成系统（随机堆意象） | lw-imagery（imagery.system 字段） |
asymmetry 三项填了，但那些不对称没有理由 |
lw-structure——★ 为了破坏而破坏，和整齐一样机械 |
★ 共同点：规则被当成了要满足的条件，而不是要做的选择。 这正好就是 AI 味的定义。
4.2 一个更狠的测试
★ 把这首词的标题和所有专有名词去掉，给一个不知情的人看。 他能说出这首歌在讲哪一件具体的事吗？
说不出来 →
one_thing没有落到词里，它只活在规格单上。
5. 整改路径
读着像 AI
└─ ① 逐条过 §2 的八条，数出旗标数
└─ ② 旗标 ≥ 3 → 按下表逐个改
└─ ③ 旗标 ≤ 2 但仍然像 → §4 的四个征兆
└─ ④ 还是不行 → ★ 回 lw-song-intent 重答五问
5.1 症状 → skill
| 症状 | 先查 |
|---|---|
| 空、泛、什么都没说 | lw-song-intent（多半是 one_thing 不成立） |
| 名词都是概念 | lw-imagery |
| 读着像散文不像歌 | lw-structure（句式的稳定与不稳定） |
| 整齐得像表格 | lw-structure 的 asymmetry |
| 押韵顺但没意思 | lw-rhyme §意外度 |
| 唱出来听成别的字 | lw-tone-check |
| 不知道谁在说话 | lw-narrative |
| 情绪走完整了，没余味 | lw-narrative 的 withholding |
| 副歌三遍一模一样、末遍没改一个字 | lw-structure §6.0（★ 前两遍相同是常态，别去重写副歌，改末遍一到三个字） |
| 粤语唱出来不对 | lw-cantonese（★ 不是倒字，是协音） |
6. ★ AB 实验：本库最便宜的那个
同一首曲子，三组词：AI 直写 / skill 引导 / 手写，都过 Suno，盲听打乱。
- skill 组被听成"人写的" → 作词库的价值立住
- 听众仍能把它和手写组分开 → 差的那一截就是接下来要补的规则
★ 这是整条音频线最便宜的对照实验—— 前半段（读文本盲评）根本不用生成音频。
★★ 评判表必须在看结果之前定稿，用 §2 的八条当骨架。
副产品：一份更新过的 AI 味清单，直接回填本 skill。
手写组需要用户提供自己写词的成品（三首即可）。
7. 交稿前清单
- 逐条过了 §2 的八条，数出了旗标数（不是凭印象）
- 中文的话，跑过倒字检测并人工确认过高风险处
- ★ 做过 §4.2 那个测试：去掉标题和专名，别人能说出讲的是哪件事
-
asymmetry的每一处不对称说得出理由 - 具体名词构成一个系统，不是随机堆的
- 副歌各遍确实不同，且改动有意义（不是换个近义词）
- 抽象词黑名单零命中
- 如果全过了还是觉得像 AI → 回
lw-song-intent重答五问，不要在词面上修
附：来源
- 骨架来自本库架构 §1.3（AI 味症状 → LYR-SPEC 对抗项对照表）
- ⚠ 本 skill 没有：抽象词黑名单的完整词表（只有零散例子）、辙口分布统计（十三辙表可跨库引用编剧库戏曲层）、韵脚词频表
- 第 2、7、8、9 条只报数，不判过/不过