用途：structural-humanizer 处理“结构层”的 AI 写作痕迹。它假定用词层面的问题（如 delve、破折号、三段式、否定式排比）已由 humanizer 处理，本技能负责那些在表层润色后仍然存在的话语结构特征。资料称两者顺序为先表层、后结构。
主要能力：围绕六项审计展开——1）主题显性化：AI 更常直接点明道理，需只保留一次、删掉复述；2）结构整洁度：AI 更常单线因果、全部收束，可通过离题、悬置问题、在解决前停笔打破；3）情感模式：研究显示 AI 更多用身体与氛围表演情绪，人类更常直接命名情绪；4）指称具体性：把模糊指代替换为真实可核查的名称、日期、价格等；5）读者互动：承认读者存在，但需节制；6）形状收敛：检查是否与近期作品骨架雷同。资料还提供干预菜单（如结果前置、冷开场、延迟揭示、回指重构、离题、开放式线索、真实矛盾、明确命名、直白情绪、承认读者、停在高峰）以及针对 Claude、GPT、Gemini 的指纹提示。
使用方式：先抽取骨架并用审计逐项检查，选出 1-2 个干预后做结构性重写，而非句子润色；可用 python3 scripts/structural_scan.py <file> 扫描可模式化识别的痕迹，最后复查是否落入新的默认形状。参考资料包括 references/storyscope-findings.md 与 references/genre-calibration.md。
适用场景与限制：主要面向写作、内容与编辑流程。资料明确它不修复词汇与标点、不赋予特定嗓音，也不能让文本不可检测；其研究基于约 5000 词虚构作品，迁移到短篇非虚构属于推断，短文本适用度较高的是第 1、3、4、6 项审计。