# Michelin

> Audit, rewrite, redesign, and validate Traditional Chinese for Taiwan and English copy or visual design so the result feels specific, intentional, and authored rather than templated. Use for 去 AI 味, 說人話, 台灣用語, anti-slop, natural copy, design critique, redesign, voice calibration, or blind human-versus-AI validation. Diagnose the AI-flavor cues first, preserve facts and constraints, revise only the failed families, then run an independent validation loop.

- Skill: `voidful/michelin` (Agent Skill, multi-file: 7 files)
- Install (CLI): `npx skillmds@latest add voidful/michelin`
- Raw SKILL.md: https://api.skillmd.com/api/skills/voidful/michelin/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Security
- License: MIT
- Author: voidful (https://skillmd.com/u/voidful)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/voidful/michelin

---


# Michelin

讓文字與設計像一個具體的人，為一個具體情境做出的選擇。

Michelin 處理的是模板感、表演感、預設美學與語域漂移。它不負責假冒作者，也不以繞過學術或平台規範為目標。它不會靠錯字、假故事、亂塞口語或降低品質來偽裝成人類作品。

## 交付門檻與狀態

`revise` 與 `create` 的一般交付先通過前兩道門：

1. **保真**：事實、數字、術語、責任歸屬、品牌限制與使用者需求沒有漂移。
2. **品質**：內容清楚，設計可用，語氣合宜，無障礙與平台限制沒有被犧牲。

只有執行 `validate` 且有合格 human reference 與獨立 validator 時，才能檢查第三道門：

3. **盲測**：獨立 validator 在匿名、亂序、同類型的比較中，無法穩定且高信心地判斷哪一份是 AI 產出。

狀態只能使用：

- `audit only`：只完成診斷。
- `delivery pass / validation not run`：保真與品質通過，未做獨立盲測。
- `pilot pass`：少量匿名比較通過，不具正式 benchmark 強度。
- `benchmark pass`：正式門檻全部通過。
- `unresolved`：仍有 hard fail、資料不足或驗證失敗。

只通過 AI detector 不算成功。單一 detector 只能當成弱訊號，也不能升級任何狀態。

## 使用模式

先判斷模式，再開始工作：

- `audit`：只定位 AI 味，不改稿。
- `revise`：先診斷，再改寫或重設計。
- `create`：從零生成，但仍先建立 brief 與反預設條件。
- `calibrate`：從真實樣本建立 voice profile 或 design profile。
- `validate`：執行匿名盲測與品質門檻。

再判斷媒介：`copy`、`visual-design` 或 `mixed`。

## 固定工作流程

### 1. Michelin Read

先用一句話在內部完成判讀：

> 這是為了 `<受眾>` 的 `<媒介與場景>`，主要任務是 `<要完成的事>`，語言為 `<zh-TW 或 en>`，聲音與視覺方向是 `<具體描述>`，必須保留 `<限制>`，必須避開 `<反參考>`。

至少判斷：

- 受眾與發布位置
- 主要任務與成功行為
- 正式度、專業度與情緒溫度
- 品牌資產、技術限制與法規限制
- 使用者提供的參考與反參考
- 內容是否需要證據、來源或責任主體
- 設計是品牌頁、產品介面、簡報、文件、社群素材或其他媒介

Brief 已足夠時，不要追問。Brief 的兩種合理解讀會導致完全不同結果時，最多問一個問題。

### 2. 鎖定 protected spans

改動前先保護：

- 事實、數字、日期、版本、價格與衡量指標
- 人名、組織名、引用、來源與責任歸屬
- 指令、路徑、程式碼、介面名稱、錯誤訊息與專業術語
- 法律、醫療、財務與安全聲明
- 品牌名稱、商標、既有元件、色彩、字型與版面限制
- 使用者明確要求保留的句子、結構或視覺元素

找不到來源時，不得補出一個看似可信的來源。缺資料時，標成待補，不要虛構。

### 3. 先定位 AI 味

`audit` 與 `revise` 直接檢查現有作品。`create` 沒有現稿可診斷時，先從 brief 列出最多三個高風險預設，再產出第一版；不要假裝找到不存在的原文證據。

每個命中點都要有證據。不要只說「很像 AI」。診斷欄位如下：

- `位置`：句子、段落、元件或畫面區域
- `問題族`：從下方 taxonomy 選擇
- `證據`：實際詞語、結構或視覺決策
- `影響`：為何破壞可信度、清楚度或辨識度
- `動作`：刪除、具體化、換主語、重排、降調、建立層級或保留
- `嚴重度`：`major / moderate / minor`

只列最重要的 1 至 5 個問題。先抓模式，再看詞表。

#### 文案問題族

1. 空泛開場、元評論與客服式承接
2. 意義膨脹、宣傳腔與無證據的宏大結論
3. 無來源權威、模糊歸因與假精確
4. 二分對照、三段式、提綱擴寫與工整收束
5. 句長、段長、轉場與標點過度均勻
6. 虛假主語、被動遮責任與抽象名詞堆疊
7. 商業黑話、AI 高頻詞與同義詞輪替
8. 翻譯腔、地區用語錯置與中英語域混搭
9. 假個性、假經歷、刻意金句與過量第一人稱
10. Markdown 過度格式化、標題過密與卡片式寫作

#### 設計問題族

1. 預設風格堆疊：紫藍漸層、暗色光暈、玻璃、超大圓角與 Inter 一次全上
2. 預設版型：置中 hero、三張等寬卡片、左右交錯區塊無限複製
3. 卡片優先：所有內容都裝盒，甚至卡片套卡片
4. 層級扁平：標題、內文、按鈕與證據沒有清楚主次
5. 間距機械：所有 gap、padding、圓角與區塊高度完全相同
6. 裝飾先於內容：圖示方塊、漸層字、光球與動畫沒有任務功能
7. 假證據：無來源 KPI、假 logo、空泛 testimonial 與 placeholder 品牌
8. 元件庫殘留：直接交付預設 shadcn、Material 或 Tailwind 外觀
9. 動效湯：每個元素都 hover、浮動、彈跳或滾動進場
10. 文案與視覺分離：畫面說高端，文字卻像通用 SaaS 模板
11. 在地化失配：中文行長、標點、字重、換行與英文字型規則直接套用
12. 無障礙或裝置失敗：低對比、過小字級、鍵盤焦點消失、手機資訊順序錯誤

完整判準見 [references/taxonomy.md](references/taxonomy.md) 與 [references/design.md](references/design.md)。

### 4. 針對問題修，不做全篇美容

修正順序固定：

1. **結構與任務**：資訊順序、頁面骨架、段落功能、主要行動。
2. **主語與證據**：誰做了什麼，資料從哪裡來，哪個結果可驗證。
3. **語氣與層級**：正式度、品牌聲音、視覺主次、內容密度。
4. **句子與元件**：節奏、句型、卡片、按鈕、圖表、動效。
5. **詞語與 token**：最後才換詞、調色、調圓角與微調間距。

每次只修已定位的問題族。自然不等於隨便。專業文件可以正式，醫療介面可以保守，精品品牌可以克制。不要把所有作品都改成口語、極簡或不對稱。

#### 文案正向目標

- 用具體名詞與動詞承載資訊
- 讓真正的行動者當主語
- 句長與段落功能有自然差異，但不刻意製造破碎感
- 讓段落停在事實、動作、畫面或具體後果，不必每段總結
- 保留合理的不確定性，不假裝全知
- 只在場景允許時使用第一人稱、幽默、口語或強烈立場
- 不新增作者沒有經歷過的故事、情緒或觀察

#### 設計正向目標

- 先選一個清楚概念，再決定版型與視覺語言
- 讓內容形狀決定版面，不把內容硬塞進既有模板
- 一個畫面有明確主角、次要證據與安靜區域
- 設計系統保持一致，但允許少量有理由的例外
- 字型、色彩、圖像、動效與文案表達同一種品牌判斷
- 真實資料、真實狀態與真實限制優先於裝飾
- 手機版重新排序資訊，不只是縮小桌面版

### 5. 語言校準

#### 台灣繁體中文

- 使用繁體字與台灣慣用語。引用、專有名詞與目標地區官方用語除外。
- 常見優先詞包含：軟體、硬體、伺服器、使用者、資料、訊息、網路、行動裝置、影片、程式碼、預設、連線、設定、帳號、資料夾、列印、滑鼠、記憶體、線上、品質。
- `數據 / 資料`、`使用者 / 用戶`、`最佳化 / 優化` 要依領域與品牌慣例判斷，不做機械替換。
- 中文引號使用「」。中文正文優先使用全形標點。中英混排要保留必要空格。
- 避免把中國大陸慣用語直接套進台灣文本，例如：軟件、硬件、服務器、默認、視頻、在線、信息化、通過某方法來完成。依語境改成台灣常用表達。
- 不要為了「台味」亂塞語助詞、網路梗、注音或過度口語。

詳見 [references/copy-zh-TW.md](references/copy-zh-TW.md)。

#### English

- Prefer direct subjects, concrete verbs, specific evidence, and varied but controlled rhythm.
- Remove ceremonial openings, generic significance claims, vague attribution, false reversals, tricolon habits, and conclusion templates.
- Match the genre. Legal, academic, technical, product, editorial, and conversational English need different levels of compression and personality.
- Do not add slang, contractions, fragments, profanity, anecdotes, or first-person claims unless the voice and setting support them.
- Treat non-native English as a valid voice. Do not erase it merely to satisfy a detector.

See [references/copy-en.md](references/copy-en.md).

### 6. Fidelity gate

完成第一版後先檢查：

- 每個 protected span 是否仍可追溯
- 是否新增原文沒有的事實、承諾、案例或證據
- 是否刪掉關鍵限制、風險或責任主體
- 語域與品牌聲音是否一致
- 設計是否仍完成原本任務
- 無障礙、響應式、可讀性與平台規則是否通過

任何 hard fail 都要先修。保真未過，不得進入盲測。

### 7. Residual audit

第二遍只找殘留，不重寫全文：

- 還有沒有提示讀者「我要開始解釋」的句子
- 還有沒有空泛收尾、無來源權威或假洞見
- 句子、段落、卡片與區塊是否仍過度等長
- 是否換掉詞，卻保留同一個模板骨架
- 視覺是否仍靠常見 AI 裝飾撐辨識度
- 台灣用語與英文語域是否仍有局部漂移

第二遍只能做輕量修正。不得改掉已通過的部分。

## Validation loop

Validation 必須由獨立角色執行。生成者不得自評自證。

若目前環境無法提供獨立 context、另一位 validator 或使用者提供的盲評結果，只能準備匿名 tasks 與 rubric，狀態標成 `delivery pass / validation not run` 或 `unresolved`。不得在同一 context 先生成再扮演獨立 judge。

### A. 建立相配的比較組

- 候選稿與 human reference 必須來自同一場景、語言、受眾、長度範圍與任務。
- Human reference 必須有合法使用權，且不能是 skill 內已出現的範例。
- 設計稿使用相同 viewport、內容量、裝置與呈現格式。
- 將兩份作品匿名標成 A/B，並隨機交換位置。

### B. Validator 分開評兩件事

1. **Origin task**：哪一份較可能是 AI 產出，信心 1 至 5，並指出證據。
2. **Quality task**：分別評品質、brief fit、在地自然度、保真與設計工藝。不得因 origin 猜測直接扣品質分。

重要作品至少使用兩個獨立 validator。Validator 不得看生成 prompt、修訂紀錄、檔名與作者資訊。

### C. 通過條件

正式 benchmark 建議至少 20 組 matched pairs，50 組以上較穩定。通過必須同時滿足：

- candidate 沒有 fidelity、accessibility、safety 或 platform hard fail
- candidate 的品質、brief fit 與 locale 分數，平均不得比 human reference 低超過 0.25 分，量尺為 1 至 5
- origin 判斷正確率不高於 0.60，且 95% Wilson 區間包含 0.50
- 信心加權的辨識優勢接近 0，不能只是 validator 穩定地把標籤猜反

單一作品或少量 validator 只能標為 `pilot pass`，不能宣稱已證明「與人類不可區分」。

### D. 失敗後只修失敗族

Validator 必須回傳最多三個 failure families。生成者只修改這些位置，再跑 fidelity gate 與盲測。

- 保留已通過部分，採用 ratchet 原則
- 新版本若品質、保真或無障礙退步，回滾
- 每個 session 最多三輪 targeted revision
- 三輪後仍未過，輸出未解問題與證據，不要宣稱成功

可使用 [scripts/blind_eval.py](scripts/blind_eval.py) 準備匿名題目與產生報告。完整方法見 [references/validation.md](references/validation.md)。

## 輔助工具

- `python3 scripts/michelin_lint.py <file>`：找出文字與 HTML/CSS 的常見模板訊號。Lint 不是 AI 身分證明；exit code 1 代表命中設定的門檻，不是程式崩潰。
- `python3 scripts/blind_eval.py prepare ...`：匿名、亂序 A/B 題目。
- `python3 scripts/blind_eval.py score ...`：計算 origin、品質、保真與通過條件。

## 輸出合同

### `audit`

輸出 1 至 5 個高影響問題。每項包含位置、問題族、證據、影響與建議動作。不要偷偷附上全文重寫。

### `revise` 或 `create`

預設輸出：

1. `診斷摘要`：最多 5 項，只列真正改動的問題。
2. `完成稿`：只給一個推薦版本。
3. `驗證狀態`：使用「交付門檻與狀態」定義的精確標籤。

使用者明確要求只看完成稿時，省略診斷。

### `calibrate`

輸出 profile、樣本範圍、觀察證據、不可推斷的部分與 holdout 狀態。樣本不足、未授權或跨場景混雜時，標成 `unresolved`，不要捏造 voice。

### `validate`

輸出評測設定、樣本數、validator 數、origin 結果、品質差、hard fails、failure families 與結論。結論只能使用本次 benchmark 支援的強度。

## 不可做的事

- 不以繞過學術誠信、招募、內容治理或著作來源查核為目標
- 不聲稱 AI 產出是某個真人親自寫作或設計
- 不虛構第一手經驗、使用者研究、客戶評語、數據或來源
- 不用錯字、語病、隨機標點、刻意低品質或隱藏字元欺騙 detector
- 不把禁用詞表當成唯一規則
- 不為了「不像 AI」破壞清楚度、專業性、無障礙或在地語言

## 參考導覽

- [AI 味 taxonomy](references/taxonomy.md)
- [台灣繁體中文](references/copy-zh-TW.md)
- [English copy](references/copy-en.md)
- [設計與前端](references/design.md)
- [Voice 與 brief](references/voice-and-brief.md)
- [Validation protocol](references/validation.md)
- [改寫與重設計範例](references/examples.md)
- [研究來源與取捨](references/research-notes.md)