用途：检测开发者文本中的AI生成写作模式，覆盖Markdown文档、docstring与代码注释、提交信息、PR描述，减少AI腔调带来的噪音。
主要能力：按六类模式检查——content（宣传语、模糊权威、套话结构）、vocabulary（AI词汇、回避系动词）、formatting（粗体滥用、emoji装饰）、communication（聊天残留、免责声明、讨好语气）、filler（填充短语、过度模糊）、code_docs（同义反复docstring、叙述明显代码）。区分高、中、低置信信号，并列出不应误报的情形（如安全文档中的"Ensure"、API参考的正式语气、Python init.py 的"This module provides"等）。
使用方式：调用 review-ai-writing [--all] [--category <name>] [path]。--all 扫描整个代码库，默认仅扫描相对 main 的变更文件；--category 限定 content|vocabulary|formatting|communication|filler|code_docs；path 指定目标目录。Git 制品使用合成路径 git:commit:<sha> 与 git:pr:<number>，行号为 0。若存在 .beagle/llm-artifacts-review.json，会跳过重复条目。结果写入 .beagle/ai-writing-review.json，包含 category、type、file、line、original_text、description、suggestion、risk、fix_safety、fix_action 等字段及汇总，并在终端按类别展示摘要与下一步提示。
适用场景：代码评审、PR 审查、文档质量检查、提交信息规范化。
限制：不扫描生成代码、第三方内容、代码本身（仅注释与docstring文本）、测试夹具与模拟数据。需先加载 review-verification-protocol 并阅读对应 references/*.md 模式文件；执行后需满足 JSON 可解析、git_head 匹配等验证条件。该技能仅为检测，修复需调用 humanize-beagle（可加 --dry-run 预览）。其余收费、平台等信息暂未提供。