你的声音 是做什么的？
让这段文字听起来像是该用户为这个目的而写的。保留他们的意思、判断、技术词汇、引文和证据。不要用通用的编辑口吻替换通用的AI口吻。
从上下文开始，而不是问卷
宣布此技能。检查草稿和可用的项目上下文，推断作者、语言、目标受众、文档类型、目的、领域和写作条件。领域包括主题、体裁和语域；条件还可以包括协作、编辑、翻译、时间和章节功能。记录已知与推断的信息。
在收集参考或衡量风格之前，请阅读references/corpus-and-model.md。首先在用户提供的材料和相关的项目文件夹中查找，而不是搜索他们的整个驱动器。如果作者身份已确定，寻找合法的、公开的作者本人可比作品副本。优先选择作者身份可靠且目的可比的作品：独著作品、确认由作者撰写的段落，然后是附带合著编辑说明的首著作品。ChatGPT时代之前的作品在其它方面可比时有帮助，但不是无辅助创作的证据。永远不要猜测作者身份，也不要把一篇合著论文的整体风格归功于其第一作者。
目标是少数几个好的参考，而不是大量不匹配的语料库。通常三到五篇可比文档是一个有用的起点，并非有效性阈值。一篇目的相同的新近文档可能比一篇陈旧的不相关论文更好。你自己完成这个发现工作；只有当身份、访问权限、作者身份或目的无法确定时，才提出一个简洁的问题。当没有合适的参考文献存在时，不要捏造一个个人基线。
建立一个本地声音库
复用项目现有的分析/审查区域，或在草稿旁边创建your_voice/目录。保持原始参考文件不变。保存来源URL/路径、作者置信度、日期、领域/条件、提取排除项和校验和；然后存储干净的散文和简短的定性声音档案。不要在此技能中上传私人文档或重新分发下载的论文。可重用的个人声音库仍保留在本地，并按语言/体裁进行分区，而不是合并成一个通用的指纹。
使用state.md记录原始草稿快照、选定的参考文献、冻结的提取/模型设置、当前阶段、每次处理的输出/检查、剩余问题以及确切的下一个操作。当恢复时读取它；保留原始基线，不要用修订后的文本覆盖它。后续的AI辅助修订是用于比较的输出，而不是新的独立参考材料。
流程
在编辑之前，请阅读references/edit-and-report.md。保留一份原始草稿，并确认这是一项语言编辑任务；标记未解决的科学问题，而不是将其润色成看似确定无疑。
- 基线。 阅读有代表性的参考段落，描述它们实际的写作习惯，并衡量可比的参考/草稿散文。使用功能词、标点和句子长度。表格和其他非作者材料从分析中排除，但不要从手稿中删除。
- 轻度去AI化。 移除明显的聊天机器人残留、空洞的强调、重复的总结和做作的框架（当它们毫无价值时）。如果有‘去AI化’/‘平实学术’技能可用，阅读并使用它；否则使用编辑参考中自包含的指导。不要根据这位作者的证据强加其通用的配额或句子长度下限。将此保存为
cleanup，与原始版本和三次个人风格编辑区分开来。 - 第一轮编辑——容易发现的、大的差异。 检查三到五个稳定且影响大的特征。只编辑自然出现的机会：连锁的结果、重复的开头或不必要的连接性脚手架。保留好的原始句子。
- 第二轮编辑——上下文相关的功能词和节奏工作。 重新测量；处理在实际情况中需要调整的最大的剩余差异。检查情态动词、连词、代词和冠词的含义，而不仅仅是频率。不要为了匹配比率而插入填充词。
- 第三轮编辑——剩余问题和完整通读。 重新测量，做出剩余明显有用的更改，并通读检查流畅性、语法、推理和可辨识的风格。一轮编辑完全可以诚实地做出零修改。不要强制进行三轮任意更改。
在每轮编辑之后，保存一个差异，使用冻结的设置进行测量，检查声明/数字/引文/术语，并简要向用户展示更改内容。继续进行三轮编辑，除非范围、权限或科学意义需要决策，否则不要提出不必要的问题。遵守本地批次大小限制。
80/20法则优先考虑努力；但这并不意味着五个匹配的频率就能解决80%的风格问题。在三轮编辑后诚实说明剩余问题。进一步的重新拟合或编辑需要有理由，而不是为了达到偶然准确性的期望。
测量
附带的scripts/compare_voice.py脚本用于衡量英语句子分段的散文，并在有匹配的分组设计可用时拟合标准化、正则化的逻辑回归。其依赖项是用于透明特征分析和分组分类的NumPy和scikit-learn。它从不编辑草稿。阅读语料库/模型参考以了解输入格式、提取、分组、限制和调用方式。
如果已证实的Koppel-512清单可用且允许使用，则使用它。提供的assets/function_words_en.txt是一个明确标记的小型英语替代清单，不是Koppel-512。不要根据列表的长度来声称其来源。其他语言需要适当的分词和词汇表；不要将中文或翻译后的文本通过英文脚本处理，并声称获得了有效的个人风格测量结果。
此分类器在特定设计下区分参考样本和草稿样本。它不识别AI写作、不认证作者身份、不估计“有多像人”、也不测量用户声音的百分比。相关后的系数是诊断线索，而非单词的因果重要性。可区分性的下降不足以证明写作质量的提升。
像同事一样报告
言简意赅、直接且具体。用一两句话解释模型，针对最相关的特征显示一个小型的参考/原始/最终对比，以及两到三个有代表性的修改前后示例。只有在检查后，才陈述未改变的科学内容。提及参考文献来源的可信度不足、数据不足、提取限制以及没有帮助的更改。不要有戏剧化的热情、格言、宏大的声明或做作的“不是X而是Y”的表述。
交付编辑后的草稿、本地测量/来源路径、完成的编辑轮次数量和未解决项。不要发布、发送或提交私人参考文献。遵循已有的对手稿提交的许可；最终提交和AI使用披露仍然是作者的责任。