用途：面向中文稿件的编辑工具，处理“AI 味太重”“保留我的判断”“润色得像人写的”等需求。它先确认文中哪些判断、取舍和不确定性真正属于作者，再审计篇章结构，最后才用可计算指标处理套话与节奏。
主要能力：四阶段内部工作流，分别对应作者性账本、篇章审计、证据约束改写、30 项表层度量与复测。篇章审计维度包括命题溯源、因果压缩、反例是否真正改变论证、结尾强行收束、读者推理预算、结构对称性、作者删留痕迹，均须逐项给出原文证据。表层度量脚本为 python3 "$SKILL_DIR/scripts/measure.py" -i draft.md -p wechat，可选 -b baseline.json、-f json、--no-locate；复测用 --compare draft.md。档位 wechat（默认）、zhuque、neutral、thesis，按发布场景推断而非直接询问。有 30 篇以上本人历史稿件时可用 --calibrate ~/writing/ --out baseline.json 建个人基线。
使用方式：文件路径优先，长稿粘贴先存临时文件再传 --input；完整任务依次执行四阶段，仅需报告可在报告环节停止，仅需指标则读取表层工作流。改写遵守不动事实、不动立场与术语、不为凑指标写废话、不制造人类噪声（如错别字、口头禅、无关支线）、不强制收束。
适用场景：公众号等中文长文发布前检查、定位“哪几句最像机器写的”、按指标做定向润色。英文稿件不适用，因其指标（“的”字率、四字格、句读切分）只对中文成立。
限制：不做 AI 生成判定，也不承诺通过平台检测或输出 AI 概率；fail 仅表示越界密度超过 90% 真人长文。判别侧对 AI 稿的召回尚无带标签语料验证，准确率问题须照 references/benchmark.md 第 5 节回答。默认阈值来自公开中文长文，非用户本人文风。核心编辑与度量使用 Python 3.8+ 标准库，无第三方依赖；lov-branding-consistency 仅做最终可见文案的品牌语境检查。交付写入 ./output/，命名“原文件名 + -human-v0.x.md”。其余细节资料未提供。