---

name: lov-anti-wechat-ai-check description: > 兼容旧命令的中文表层模式扫描器，只定位套话、句段均匀和过渡词等可观察特征， 不判断作者身份或平台风险。新任务请使用 lov-human-writing。Use only for legacy “anti-ai-check” commands. Use when reproducing a legacy surface scan; route “去 AI 味” and “humanize article” to lov-human-writing. license: MIT compatibility: > Requires Python 3.8+ (stdlib only, no external dependencies). Cross-platform: macOS, Windows, Linux. depends_on:

• lov-branding-consistency metadata: author: contributors version: "1.1.2" content_class: deterministic-output tags:
  • legacy-compatibility
  • surface-patterns
  • content-review

---

文风扫描（旧入口） · Writing Pattern Scan (Legacy)

本 Skill 已弃用，只为旧命令和脚本调用保留兼容入口。它能扫描模板短语、过渡词、 句长与段长均匀度，但这些都是表层启发式，不能证明文本由 AI 生成，也不能预测 微信或其他平台的审核结果。新的诊断、改写和复测任务交给 lov-human-writing。

不得把本 Skill 用于规避平台标识、内容披露、学术诚信或审核机制。

Triggers

Activate when

• 用户明确要求复现旧版 anti-ai-check 报告或维护 scripts/analyze.py 兼容调用。
• “Run the legacy anti-ai-check surface scan.”

Do not activate when

• “去 AI 味”“人性化润色”“像不像 AI 写的”“humanize article”——使用 lov-human-writing，先审作者性和篇章结构，再做表层度量。
• 用户要求“通过检测”“绕过审核”或删除 AI 标识——拒绝规避目标，只提供质量改进、 事实核查和合规披露帮助。

Workflow (MANDATORY)

You MUST follow these steps in order:

Step 1: Get the article

Determine the input source:

• If user provides a file path → read the file
• If user pastes text in the conversation → save to a temp file or use --text

Step 2: Run analysis

python skills/lov-anti-wechat-ai-check/scripts/analyze.py \
  --input <path> --format json

Or with inline text:

python skills/lov-anti-wechat-ai-check/scripts/analyze.py \
  --text "文章内容" --format json

Step 3: Present findings

Show the user:

1. Legacy heuristic score (0-100) and band (LOW / MEDIUM / HIGH). Explain that it is an uncalibrated surface-pattern sum, not an AI probability or platform risk score.
2. Template phrases found — list each one with its location
3. Structure issues — transition word density, paragraph uniformity, etc.
4. Sentence issues — length uniformity, repeated starters, excessive "的"

Step 4: Hand off

只交付兼容报告，并明确推荐下一步使用 lov-human-writing。不要在本 Skill 中 改写全文，不要为了“增加人味”补造个人经历、数字、情绪、错别字或不规范表达。 任何真实改写都必须从作者提供的事实、判断和可追溯材料开始。

CLI Reference

Argument	Default	Description
--input, -i	—	Input file path (.md, .txt)
--text, -t	—	Inline text to analyze
--format, -f	text	Output format: text or json

Dependencies

No external dependencies — stdlib only.

Runtime context (shared)

运行前读取本 Skill 包的 skill.yaml，由宿主提供 skill-runtime/v1 上下文。字段解析顺序为：当前请求、项目上下文、个人 Preferences、品牌 Profile、通用默认值。

• 只使用 Manifest 声明的字段；Profile 保存公开品牌事实，Preferences 保存个人工作偏好。
• required: true 字段缺失时，按 Manifest 的问题配置向用户提出一个聚焦问题；用户明确同意后再保存回答。
• 报错提供可复制的 context_id、字段路径与来源，诊断内容避开秘密、完整私人路径和原始配置。

通用反馈闭环

用户在 Skill 驱动任务中提出修改意见时，继续当前产物前必须执行：

1. 先判断意见是 task-specific（仅本次）还是 reusable（可跨任务复用）。
2. task-specific 只修改当前任务，不改 Skill。
3. reusable 先确定作用域：领域规则先更新对应 canonical Skill；适用于所有 Skill 的规则先更新共享规范。
4. 完成规则更新、版本、lint 与分发核验后，再把修改应用到当前任务。
5. reusable 修改会使此前的“确认”“继续”“发吧”失效；完成当前产物修改和回读后必须停下，等待用户下一步指示，不自动进入发布、提交或其他外部写入。