用途：写不像机器生成的日语说明文（技术文章、笔记等），让文字读起来像某人对自己做过的事的记述。
主要能力：给出单一诊断轴——句子是在更新状况（事件、数字、测量、他人发言，或写作者的判断状态），还是在更新文档（本文讲什么、上文已述、阅读方式）。后者不含主题信息，应优先删除。仅允许四种位于章节边界的文档侧形式：反论处理、问题的设置与回收、对读者的请求、示例框架的开合。
校准数据：平均句长 24–56 字（合并均值 44.5），短句（≤15 字）占 8%，长句（≥70 字）占 14%，爆发度 CV 0.36–0.66。语体需在首句前选定敬体或常体并保持不变，18 篇人类文章中 18 篇纯度≥80%。主观性主要来自「自分」（11.5/万字）而非含糊结尾。体言止め与反問在 18 篇中 15 篇出现，未被编辑的模型输出为 0。
用法：起草后按顺序做机械检查——话题测试删文档侧句；漏出测试搜本文规范自身词汇；紧张台账为每个问题/假设/承诺标出回答行；拍の点検补短句或犹豫；边界检查人称与请求位置。可运行 python3 ../ai-index/scripts/slopscore.py --lang ja draft.md 检查语体纯度、爆发度与 AI 味表模式。开篇用 1–2 句散文留下一个未解紧张，结尾落回读者已持有的具体事物。
限制：文中数据来自 18 篇 mizchi 的 Zenn 文章、937 句散文，样本有限；lint 只能判断表面，无法判断第 1 步是否执行；通过 lint 却在第 1 步失败是需避免的失败模式。未提供收费标准与平台支持信息。