用途：对指定文本做“AI 指纹”审计，而不是一般性的文风批评。目标是找出文本中可归类的 AI 腔调痕迹，并给出一个从 1（明显人类）到 10（接近原始大模型输出）的 AI-Voice 分数。适用对象包括用户提供的段落、章节、博客文章、推文、README 等；若用户指向文件则读取文件，若粘贴文本则基于粘贴内容，未指定时需询问要审计什么。
主要能力：按内置的“AI 腔调现场指南”逐类统计并标注痕迹，类别包括谄媚式开场（sycophant-opener）、对比陈词（contrast-cliché）、“delve/navigate/leverage/robust/seamless”等词汇痕迹（lexical-tell）、“In today's fast-paced world”“At its core”等短语痕迹（phrasal-tell）、破折号超用（em-dash-overuse，约每 1000 词 5 个为预算）、三段式滥用（tricolon-abuse）、列表平行结构（listicle-parallelism）、首尾呼应式总结（bookend-summary）、自得式过渡（smug-transition）、叠加模糊限定（hedge-cluster）、泛化场景开场（generic-scene-set）、对称段落（symmetric-paragraphs）。每个实例都需引用原文并打上类别标签，不跳过“轻微”项、不合并重复、不概括。
使用方式：先完整通读目标文本，不跳读，因为节奏判断依赖阅读顺序；然后逐类统计并标注每个实例；接着按评分细则计算分数：从 1 分起，每出现一个谄媚式开场加 1（最多加 2），对比陈词超过每 1000 词一次加 1，破折号超出预算加 1，每两个词汇痕迹加 1，列表平行结构占主导加 1，存在首尾呼应式总结加 1，自得式过渡超过两次加 1，出现模糊限定堆叠或泛化场景开场加 1，若“遮住作者测试”失败（即隐藏署名后看起来像顶级大模型由一句话提示生成）加 1，最高 10 分并取整。同时应用朗读测试（读出来节奏是否平板）、朋友测试（朋友在对话中是否会这样说）、计数测试（破折号、词汇痕迹、对比陈词是否超预算）、遮住作者测试。输出格式固定为：标题“AI-Voice Audit”、目标说明、分数与色带、一句话结论、Tally 统计、逐条 Findings、最高杠杆修改建议三条；除 Findings 需穷尽外，其余部分保持精简。
适用场景：写作后自检、编辑前筛查、判断一段文本是否明显带有大模型腔调、为后续修改提供可操作的证据清单。限制：仅做检测与评分，不主动改写；评分基于内置启发式规则，不涉及其他平台或收费信息；工具本身的具体安装方式、运行环境等暂未提供。