用途：润色作者本人撰写的学术稿件，使其读起来像严谨的人类作者，并符合对应语域规范。两种模式：英文学术期刊论文（en-journal）与中文学位论文（zh-dissertation）。分析内核基于 Wikipedia《Signs of AI writing》分类法，但按学术语域重新设门，对每条痕迹采取保留、校准或禁用，而非套用通用散文默认值。
主要能力：识别并处理 AI 写作痕迹；按章节（摘要、引言、方法、结果、讨论、结论）校准行为，例如方法部分保留被动语态；统一术语、修正幽灵引用、替换空泛表述、变化句长节奏；中文模式还处理 GB 标点、数字与法定计量单位、AIGC 量化自检。
使用方式：先确定目标语域，未指定 --target 时按 CJK 字符比例推断，语言模糊时用 AskUserQuestion 选择；再推断章节，可用 --section 覆盖。随后加载对应规范包，进行语域感知改写，运行机械检查脚本：
python "<skill-dir>/scripts/polish_lint.py"
--target "<en-journal|zh-dissertation>"
--file "<path-or-omit-to-read-stdin>"
--json
脚本仅报告表面痕迹、节奏统计与可选术语变体，退出码始终为 0，改写仍由模型完成。输出依次为：改写稿、"Still-AI" 审计、最终改写、变更摘要；--check-only 时只返回检查报告与痕迹清单。
适用场景：英文期刊/会议稿件或章节润色；中文学位论文各章节润色与规范检查；仅做规范检查而不改写。
限制：不适用于博客、随笔、营销等非学术文本；不负责论文阅读、综述、内容分析（属 paper-workbench）；不负责将论文方法实现为代码。诚信边界为硬性规则：仅润色作者实际撰写或实质创作的文本，若请求被表述为"改写生成文本以通过 Turnitin/知网 AIGC/AI 检测器"，应拒绝该框架并转向提升真实原创性；不得将其定位为规避学术不端检测的手段。脚本若尚未提供，可按同一清单手工扫描。