voice-baseline 用于测量你本人已发表作品构成的写作语料，找出过度使用的词汇与句式，避免让以你口吻写作的 AI 把你的口癖放大成风格。
用途：AI 模仿你的声音时，会从上下文片段与记忆文件中回归到最高频的选择，某个词用一次是选择，用到五次后就成了风格。通用禁用词表抓不到这类问题，因为这些词是你自己的，所以应改为测量。
用法： python3 scripts/census.py PATH/TO/YOUR/WRITING --out voice-baseline.md python3 scripts/census.py PATH/TO/YOUR/WRITING --check DRAFT.md
census 遍历你的成品目录，报告词频（含每篇比率）、句式计数、句首词与标题首词。--check 将单篇草稿与这些比率对比，只打印高于基线的部分；有超基线项时退出码为 1，可接入发布前脚本。输出文件应放在规则旁，供智能体写前读取。
测量内容：词语（赞美与强调类的 watchlist，按词边界统计并给出每篇比率，可编辑脚本中的 WATCH 加入自己的可疑词）；段末裁决句（如“The fix was one line.”，每篇至多一句且须携带段落未给出的事实）；收尾金句（如“That is the point.”，上限为零）；结尾方式（统计多少篇以提问读者收尾）；句首词与标题首词（口癖最易藏身之处，例如 27 篇档案中 53 个标题以 The 开头）。
阅读结果：census 只统计不评判，对每个被标记词或句式判断是声音还是模式。声音：词承载句子必需的含义，或节奏是你刻意为之，则保留并记下例外。模式：词只是赞美、强调或填充，删去不影响读者，则删除或替换为其指向的行为。句式靠上限而非禁令修正：一句裁决句、零金句、不默认提问结尾、每篇一种叙事标题模式。约十篇新作后重新测量，修好的口癖应下降，新口癖会出现。可与 slop-gate、no-ai-slop 搭配处理通用与结构性痕迹。限制：具体效果与替代规则等资料暂未提供。