DSH Writing Guard

DeepSeek Harness (DSH) 论文写作守卫：在论文撰写和修改过程中自动检查常见 AI 写作风格、 修改残留、防御性表达与机械化句式，并在润色时保护科研事实与科学主张完整性 （Scholarship Lock + Epistemic Lock——数字、引用、主张强度、否定/零结果、scope 边界都不许被语言修改悄悄改变）。

适用于：中文论文、英文论文、SCI manuscript、毕业论文、学术写作与论文润色。

如果你正在寻找：

• DSH 论文去 AI 味插件
• DeepSeek Harness 学术写作插件
• AI writing style checker for academic papers
• academic writing guard / manuscript proofreading
• 论文 AI 痕迹检查
• SCI 写作 AI 味检查

这个插件的定位不是在论文写完之后进行一次"大规模 Humanize"，而是：

写作前提供规则 → 写作过程中自动守卫 → 修改后自动审计。

它提供三个 DSH 原生工具：

• writing_rules：写作前加载学术写作纪律
• writing_audit：检查论文中的 AI-style patterns、revision residue、defensive writing、LLM 高频表达及结构化写作痕迹；v0.6 起支持 Scholarship Lock（传 original 对比润色前后科研事实）与作者风格档案（styleProfile）；v0.8 起自动路径直接启用双锁（见下）
• writing_style_profile：从作者历史论文统计写作风格指标（句长/密度），零 LLM

并支持在 .md / .tex / .txt 论文文件被 write / edit 修改后自动执行审计（v0.5 增量模式）， 将高风险问题反馈给 Agent。v0.8 起自动审计自动捕获修改前的文本（tools/pre-execute 快照 + 持久化基线缓存），每次写入后直接运行 Scholarship Lock + Epistemic Lock——不需要手动传 original。

定位：不是 "AI 检测器"，而是一个知道自己在检查什么文档、能解释"为什么报"的写作 linter。 所有规则为本地正则/统计，零网络、零 LLM 调用，毫秒级返回。

Why Writing Guard instead of a Humanizer?

	Writing Guard	Humanizer	AI Detector
写作前规则	✅	❌	❌
写作过程中检查	✅	通常 ❌	❌
自动监听论文修改	✅	❌	❌
整段重写	❌	✅	❌
风格问题定位（可解释）	✅	部分	部分
revision residue 检测	✅	不一定	❌
defensive writing 检测	✅	不一定	❌
本地规则检查（零网络零 LLM）	✅	通常需 LLM	视工具而定

Writing Guard is complementary to Humanizers, not a replacement for them.

大多数 Humanizer 的工作流是：AI draft → rewrite → humanized version Writing Guard 的工作流是：rules → writing → automatic audit → targeted revision

Humanizer 是写完再改，Writing Guard 是边写边防。

去 AI 味（说明边界）

"去 AI 味"在本项目中指识别和减少机械化、模板化、过度结构化的 LLM 写作风格， 目标是改善论文表达质量，而非保证规避任何 AI 检测系统。

安装

# 从 npm 安装（已发布，推荐）
dsh plugin --profile web add dsh-plugin-writing-guard

# 从 GitHub 安装（lib/ 已提交，无需构建）
dsh plugin --profile web add github:xmutfyh/dsh-plugin-writing-guard

# 或直接从 GitHub tarball 安装
dsh plugin --profile web add https://github.com/xmutfyh/dsh-plugin-writing-guard/archive/refs/heads/master.tar.gz

# 或从本地源码目录安装
dsh plugin --profile web add ./path/to/dsh-plugin-writing-guard

# 重启生效
dsh web

仓库：https://github.com/xmutfyh/dsh-plugin-writing-guard

文档类型感知（document profiles，v0.3）

同一段文字在不同文档里含义不同。插件按文档类型应用规则：

profile	说明	例：as requested by the reviewer
manuscript	论文正文	🔴 修改过程残留，报警
rebuttal	逐条回复信	✅ 正常表述，不报警
cover_letter	投稿信	🔴 残留，报警
review / notes / unknown	其他	保守处理

writing_audit 可通过 profile 参数指定，或从文件路径自动检测（rebuttal/cover_letter/manuscript 关键词）。

解决的问题

基于审稿人分享的 AI 写作识别清单（破折号铺天盖地、"它不是X而是Y"、绝对化定义、冒号滥用） 与"扬长避短/发布会原则"提示词，以及网络研究（Kobak et al., Science Advances 2025，>1500 万 biomedical abstracts 词频统计；社区词表 delve/tapestry/testament/leverage 等），自动检测：

类别	典型问题
修改过程残留	"revised model"、"as requested"、"we have updated"、"本轮/投稿前/审稿人要求"
主张校准	"we do not claim"、"本文并非要证明"、自我削弱词；研究局限性正当陈述不报警（ICMJE 要求）
修辞模式	"不是X而是Y"/"not X but Y"、rather than 滥用、绝对化定义、三连排比、重复绕圈、多重"的"字链（v0.7）
LLM 关联词	delve/tapestry/testament/leverage/harness 等（密度规则，单次出现不报警）；空洞热词密度（v0.7：robust/crucial/机制/耦合/范式，高门槛防误伤术语）
学术文体	we believe/think、模糊词、抽象副词；"significantly" 仅提示复核统计语境；平均句长（v0.7：英 ≤18 词/中 ≤25 字）
格式	破折号密度（范围连字符不算）、冒号标题、Unicode 数学符号（LaTeX 工作流）

v0.6 学术写作质量守卫

定位升级：从"AI 风格 Linter"到"在 Agent 修改学术论文时，持续保护科研事实、作者风格和写作质量"。全部依旧本地正则/统计，零网络零 LLM：

能力	检测什么	例子
Scholarship Lock 🔴	润色/改写前后科研事实被改动：数字、百分数、p 值、置信区间、单位、\cite/\ref、Figure/Table 编号、DOI	87.3% → 89.1% 直接 HIGH：语言润色不得改数字；恢复原值或显式确认
防御饱和（hedge 密度）	may/might/could/possibly/potentially 密度 ≥5 次且 ≥300/千句——每个结论都附 caveat	按句归一，讨论段正常 hedging 不误伤（ICMJE）
限定词堆叠	一条 claim 套多层保险	may potentially suggest → 只留一层
超长句 + 从句堆叠	英文 >35 词且 ≥3 从句标记（which/that/while/because…）；中文 >80 字且 ≥5 逗号且 ≥3 连接词	一句话承载过多独立论点 → 拆句
重复绕圈	同段句子 token 余弦相似 ≥0.72 且后句无新增证据（数字/引用/实体）	同一观点换三种说法 → 删重复圈
作者风格档案	writing_style_profile 学习作者历史论文；新稿件句长分布显著偏离时提示	"当前句长中位数 38 vs 作者历史 22"
强主张缺证据	prove/establish/confirm/guarantee 附近 ±120 字符无数字/统计量/图表引用	提示补充证据锚点，非判定错误
连续句首连接词	同一段连续 ≥3 句以 Moreover/Furthermore/Additionally 开头	机械推进感
Unicode 数学符号	LaTeX 正文中 ₁₂₃ ²³ α β × − 等字符	建议改用数学模式

原则（来自 v0.6 设计评审）：不针对具体模型写规则（GPT-5.6 风格、Opus 风格之类——模型会变，行为模式不会）；有证据依据的 hedging 是正确的学术表达，本工具不是"反 hedge 工具"。

v0.7 机械感与自黑免责（ko5.6sol 借鉴）

借鉴社区技能 handsomeZR-netizen/ko5.6sol（KO GPT-5.6 SOL 机械措辞与防御性声明），在保留 "密度门控 + 领域安全"设计的前提下新增：

能力	检测什么	例子
多重"的"字链	中文连续 ≥3 个"的"的修饰嵌套	基于X的Y的Z的机制 → 拆成 2–3 个短句
平均句长	全文均值超参考目标（英 >18 词 / 中 >25 字），按语言各报一次	与 overlong-sentence 互补：抓整体均值而非单句极端
自黑免责套话 🔴	"完全基于假数据/模型毫无意义/结果完全不可靠/不足为凭"	改写为客观边界 + 未来方向；诚实 limitations 与模拟数据表述不误伤
空洞热词密度	英 robust/crucial/exhibits/tailored/interplay/imperative（≥5 且 ≥1.0/千词）；中 机制/支撑/动态/耦合/范式（≥10 且 ≥3.0/千字）	术语用法（robust regression、"耦合机理"）保留，高门槛防误伤
词表并入	EN 过渡词 + consequently/thus/hence/accordingly/notably…；中文套话 + 进一步/由此可见/鉴于/毫无疑问…	密度门槛不变（≥8 次），正常使用不受影响
writing_rules 新增章节	「局限性与学术自信」：自黑改写公式 + 主张动词校准表（modelled ≠ observed；suggested 原则（v0.8）：cue ≠ verdict——防御性措辞是候选不是判决；删除修辞性防御，但保护 scholarly

caution（scope 条件/证据状态/竞争解释/负面发现）。negative、null、矛盾结果是数据，不得删除。 许可：Epistemic Lock 的 claim-strength ladder 思想改编自 Yila-AI/sci-ssci-skills（Apache-2.0）， candidate 判定模型借鉴 Evidence-Bound（MIT）——见 THIRD_PARTY.md。

v0.9 双轴主张模型 + 子句级多主张（0.8 复盘 8.3/10 的修复）

修复项	内容
双轴模型	单一 0–5 阶梯拆成 因果力（consistent with(0) 定位（v0.9）：deterministic manuscript integrity guard——不是检测"AI 写得像不像人"，

而是检测"AI 在帮科研人员改文字时，有没有悄悄改掉 science"。

v1.0 Evidence-Status Lock（Revision Integrity 模型收官）

科学承诺（scientific commitments）的确定性 delta 模型补全最后一块：证据状态。

Scientific tokens          Scientific commitments
├─ number                  ├─ causal force
├─ statistic               ├─ evidential force
├─ citation                ├─ modality / hedge
├─ DOI                     ├─ negation
└─ figure/table            ├─ null finding
                          ├─ scope
                          └─ evidence status (v1.0)
              ↓ before → aligned claims → after
              ↓ deterministic delta

能力	检测什么	例子
证据状态守恒 🟠	reported/observed/measured/implemented/estimated/simulated 等来源状态词消失或被替换	participants reported improvement → participants improved（报告→直接声称）；observed rate → estimated rate（状态替换）——都要求核验，不自动判错
完整性回归第 6 行	报告尾部回归块新增"证据状态"行	✓ 保持 / ⚠ 变化 N 处

至此双锁覆盖：数字、引用、主张因果力/证据力、hedge、否定/零结果、scope、证据状态—— Scholarship Lock = token multiset integrity；Epistemic Lock = semantic-marker multiset integrity（v0.9.2 评审架构落地）。

v1.1 claim-bound integrity（marker 绑定到主张）

1.0 评审（9.2/10）的核心升级：marker 不再对整句做"袋子"比较，而是绑定到所属子句：

能力	检测什么	例子
claim-bound 守恒 🔴	否定/零结果/scope/证据状态按子句配对比较（未配对子句全句兜底）——标记交换不再被句子级 multiset 掩盖	X did not improve, but Y improved → X improved, but Y did not improve（两边都是 did not ×1，但结论交换了）✅
主语一致性配对	配对加分：同一实体的主张优先配对	X did not improve 配 X improved 而非相似度更高的 Y did not improve
marker canonicalization	大小写/英美拼写归一	Observed→observed、modelled→modeled 不再误报
scope 新增事件 🟡	引入边界 = 外部有效性可能被缩窄	The treatment improves survival → In this cohort, …
shows that 角色修复	that-complement 恢复 epistemic	Figure 4 shows that X increases survival → suggest 漂移可检出；Figure shows architecture 仍 descriptive
多轴 delta 单事件	causal+evidential+hedge 同条保留	delta：因果力 1→5，证据力 1→5，hedge 有→无
version-gap F1	对齐率改 symmetric coverage	before=100/after=10 全对齐不再误判 100% 可比
null/negation 去重	重叠事件只报更具体的一条	did not improve 只报零结果事件

测试 209 → 218 项。

v1.2 claim alignment credibility（配对可信度，1.1 评审 9.4/10）

能力	检测什么	例子
raw 阈值修复 🔴	配对门槛看 raw cosine ≥0.3，主语奖励只参与排名	The model predicts mortality vs The model was initialized…（同主语但词面不似）不再被绑成同一 claim
nullResultAdded 独立	零结果新增独立事件 + removed/added 双向去重	Z improved → Z did not improve 只报更具体的零结果事件
scope 前缀附着	In this cohort/Under these conditions/在本实验中 不单独成 span，附着到后续 claim	scope markers 归属真正的 claim
fragment-aware 切分	相对从句（which was trained…）与无主语谓语片段（achieved higher accuracy）并入主句	span 更接近真实 claim
alignment-uncertain 🟡	含受保护 markers 的未配对子句不再退化回整句袋子比较——生成 review candidate	没有可靠 claim identity 时不假定 commitments 被保留
短文档位置兜底	≤3 句且零对齐时位置即身份，marker 守恒按位置跑	Z improved → Z did not improve（sim≈0.35）不再漏报；version-gap 判定用低阈值对齐

测试 218 → 225 项。

v1.2.1 Scholarship Lock hit 补全 + 精度修复（1.2 评审 9.3/10 的 P0/P1）

能力	修复
Scholarship Lock 全覆盖 🔴	lockTypes 补 number/doi；新增 diff.added hit 循环（凭空引入数字/引用/DOI/图表编号 → MEDIUM/invariant）——"5 mg 被删"、"DOI 被换"、"无引用→\cite{}" 不再只有摘要计数没有告警
self-report canonical	正则支持空格变体（self reported）；self-report/reports/reported/self reported 折叠为同一 canonical key
位置兜底诚实化	短文档 fallback 事件携带真实相似度 + positionalFallback 标记（报告明示"位置兜底，非词面对齐"）
scope-only 统一分类	删除 SCOPE_PREFIX_RE，isScopeOnlyFragment 直接复用 SCOPE_RE——scope 检测与附着不再两表分叉（Within this sample, 等全覆盖）
对齐 tokenizer 修复	句子对齐改用不滤停用词的 tokenization——results/experiment/model 是 claim 身份词，restatement 停用表曾导致含实体句对齐失败

测试 225 → 233 项。

v1.2.2 自动 Guard 交付修复（1.2.1 评审：引擎 9.5/10，delivery 8.3/10 → 补上）

能力	修复
event-level 指纹 🔴	integrity 事件按 matchText 指纹（AGGREGATE_RULE_IDS 白名单保留全文统计类）——5 mg→6 mg 与 10 mg→12 mg 是独立事件，增量自动审计不再把新科研修改当"旧问题"静默
invariant 永不静默 🔴	filterReport 始终保留 findingKind=invariant——conservative 的 high 门槛只作用于文体问题；MEDIUM invariant（新增引用/数字/DOI、新增否定/零结果、证据状态漂移）默认进自动通知
SCOPE lastIndex 修复	SCOPE_TEST_RE（无 /g 副本）——连续 scope 前缀不再漏附着
subject bonus 非空	纯中文空主语不再白拿 +0.3（中英混写排序不偏差）
version-gap 全局清单	行级配对跳过但全文 multiset 计数仍报：引用：移除 12 / 新增 17；DOI：移除 2 / 新增 3…——供人工结构级核对

测试 233 → 240 项。

v1.2.3 claim identity 指纹 + unpaired inventory（1.2.2 评审 9.55/10 的三项）

能力	实现
Epistemic 指纹带 claim identity 🔴	Hit.fingerprintKey 与展示用 matchText 分离；claimAnchor（subject+内容 token，零 NLP）进指纹——两个不同 claim 发生完全相同的 association→causation 不再碰撞，第二个始终被增量审计当 new；FNV-1a hash 消除截断碰撞（FINGERPRINT_VERSION 6→7）
inventory 不配对 multiset 🔴	新 diffScholarshipInventory 纯 multiset 守恒——version-gap 下 5 mg→6 mg 报"移除 6 / 新增 1"而非被 changed 配对吞掉；遍历全部 9 类 ScholarshipType（不再手写清单）
marker 事件统一可信度 🟡	markerEventTier(sim, fallback) added/removed 共用——"多确定是同一个 claim"不因变化方向而异；位置兜底低相似 → candidate（不再写死 invariant）

测试 240 → 246 项。

v1.3.0 篇章统计层（第 10 轮评审：局部规则 → 篇章统计 → 科学完整性）

不是再扩 AI 禁词表，而是开始判断整篇文章是不是写得过于整齐——把 Writing Guard 从 "词、句、claim 级"推到"篇章结构层"。7 条新规则全部 deterministic/statistical，零网络：

规则	原理	性质
paragraph-rhythm 🔴	一次计算多个信号：一句成段比例（碎片化）、段长 CV + 长段 outlier（拥塞）、连续 ≥3 段长度在中位数 ±15% 内的 run 数（过度整齐）；只用 prose-only 段落（版式行如标题/图片/表格残留不误报）	advisory
sentence-rhythm-uniformity 🔴	段落内连续 ≥3 句长度在局部中位数 ±15% 内且全文 ≥2 处 → 节奏过匀；有作者 styleProfile 时对比历史 std（当前 不是又增加了几个 regex，而是拿真实 manuscript audit 出来的 false positive 反过来改 engine——

每次真实论文测试都直接产出一个 patch 版本：

版本	真实论文	发现并修复
v0.9.1	pore-scale 论文	"a baseline (M1) is established" 误报——establish+基建名词是"建立"不是"证明"
v0.9.2	pore-scale 论文	子句重排导致位置配对错配（引文子句↔正文子句）→ clause cosine ≥0.3 门槛；Markdown 引用块 > 破坏句子切分 → 先剥 blockquote 标记
v0.9.3	ESR 中文综述 + 0.9.2 评审	证据力角色排除（Figure shows / establish baseline / confirm config ≠ epistemic）；hedge 独立字段（may suggest ≠ suggest 可检出）；否定/零结果/scope 句子级 marker multiset（多主张句不再被布尔掩盖）；best-match-first 子句配对；版本差距过大降级保护（对齐率 = minCount AND count/denominator*1000 >= perK` 才报警。
例如 rather than：≥4 次且 ≥1.0/千词；破折号：≥5 次且 ≥0.5/千词；LLM 高频词：≥2 次且 ≥0.4/千词；
中文套话：≥8 次且 ≥2.0/千字。500 字摘要和 12000 字全文不再用同一阈值。

preprocessing（v0.4 segment pipeline，默认开启）

文档先被切分为带类型的 segment（prose/heading/reference/code/math/table），每条规则声明自己扫描的类型：

• LLM 词表、修订残留等 → prose
• 冒号