用途：面向英文学术写作，通过消除可观察的写作缺陷来改善学术文本，而非模仿不完美或优化作者身份检测器。保留作者的事实、论证、不确定性与学科语气，不保证任何读者或检测器如何分类文本。
主要能力：支持四种操作——generate（依据用户提供的论点、提纲、数据与来源起草）、detect（识别高置信度缺陷但不改写）、rewrite（最小化修改所给文本，用户要求去AI化或人性化时的默认操作）、edit（对指定文件应用同样的最小修改）。核心行为由 SKILL.md 与 references/ 定义，与具体智能体无关；Python 可选，用于可复现诊断，不可用时跳过脚本直接应用相同契约。
使用方式：先阅读语义契约、术语契约、全局模式契约、学术白名单与对比逻辑等参考文件，再按可编辑文本的多数语言路由到英文或中文规则。语言路由按 r = CJK 字符数 /（CJK 字符数 + 拉丁词数）计算，r ≥ 0.5 走中文分支，否则走英文分支；无可计数文本时停止并询问。可选运行 <python> "<skill-dir>/scripts/metrics.py" "<input-file>" --route。工作流包括通读可编辑范围、锁定跨度并建立证据与术语台账、局部候选检查、构建分布图并运行全局检查、分类后再编辑、做最小连贯修改、运行全文术语与模式门禁、二次语义与风格门禁。
适用场景：方法、结果、讨论、审稿回复、基金申请等学术文本的起草与最小化修订，中英文均可。
限制：不添加来源中不存在的事实、关系、例子、引用、动机或局限；不编造具体细节、个人经历、数据、机制、基线或局限；不将学术写作随意口语化；不用于规避检测器或规避披露政策。输入主要为受保护引文、公式或参考文献列表，或用户要求全文判断却只提供摘录，或请求语言非中英文时，应停止并询问。资料未提供具体收费、价格、平台与效果信息。