一、起因
现在每天要产出的中文，我自己一个字一个字敲的部分已经很少。本职是外包性质的软件质检：收到别人交的代码和评语，核对之后把结论填进甲方平台的字段和表格里，同时把要改的地方反馈给做这道题的人，这样的字每天几十条，读者固定、格式固定。同时手上还有两个自己的 App，开发那部分交给了 Claude Code——它在多个终端窗口里同时干活，每天回来汇报进度、问要不要拍板。另外还写博客。
三类文字合起来量不小，所以我早就把落笔这件事交给了模型：写一份指导文件规定中文该怎么写，模型每次动笔前先读它，再生成。Claude Code 里这类文件叫「技能」，本质是一段长指令，加上若干份参考资料。
用了几个月，三类文字都出了问题。
甲方那边点过名，说交付文本「AI 味重」。有一次同一份需求文档，对接人自己动手把四千多字压到一千出头，并在群里说：prompt 用模型辅助设计难度可以，但要降低 AI 浓度，多余的 emoji、标点、空格、描述都去掉，用日常开发的话术。
给复核人的报告一写就是几千字，而对方要的是七八百字。
模型发来的汇报越来越难读。有一天收到的一条是这样:
Probe 事件：i18n-sweep 转 stale，等 catalog 重生后自动续，无需处理。
这句话里的每一个词都是模型自己在这次会话里起的名字。i18n-sweep 是一条任务线的代号，catalog 是翻译表，stale 是它给某种状态起的标签。我不记得这些，读完只能问：这是什么，要我做什么。
九月初，我把这套规范整个重做。做法是把规范当成一份可以考试的东西：出题，让模型依规范生成，判「这段能不能直接发出去」，过不了就改规范再考一次。十天，二十个评测轮次，其中三轮因为出题本身有缺陷而作废。四类文字最终都过线了。
下面分两部分。前一部分是最后留下的规范，不针对 AI 也不针对人，是一套「写给谁看就怎么写」的判据。后一部分是怎么让模型真的照它生成，包括那些难以言明、却在每一轮判读里反复出现的语言细节。
二、按读者分四档
改造前的规范是按写作模式分组的：审阅一篇、改写一篇、和人一起写一篇。这个分法我用了半年，后来发现它不回答最要紧的问题——这段话是写给谁看的。
改造后按读者分四档。
第一档，给我本人看的汇报。模型每天要报十几条线的进展：某个功能验收结论是什么，巡检发现了什么，哪几件事需要拍板。
第二档，会被对方读到的工作文字。外包交付里的整改反馈、群里的催办消息、给复核人的核对结论，还有两种特殊子类：给被测模型的需求描述（出题用），以及判分用的评分标准。
第三档，我署名发布的内容。博客文章、读后感、随想。
第四档，朴素中文。没有特定读者，或者明确要求「不要我的语气」时用它。
这不是整理术。同一句「这条不合格」，写进平台的表格字段和发到工作群里，分寸完全不同。评测里出现过一次典型错位：模型学会了群消息里那种客气开场（「麻烦几位对一下」），把它也用到了平台的表格字段上。读起来立刻不对，没人会在表格里这样写。
三、给本人看的汇报
这一档的读者是我，同时在跑十几条线，注意力最稀缺。我只记得自己说过的话和上一次亲口批准的事，不记得任何编号、代号、窗口名。
第一句就是具体判定加一句原因，不写「已完成」这类状态标签。验收类写「不通过，两处必修：日志泄漏、边界没处理」，决策类写「能做，建议走 B，因为数据不出本机」。
要我决定的事紧跟第一句，不放文末。二选一的，选项做编号列表，一项一行，各带一句后果。这条来自一次具体的抱怨：模型把「要不要按 A 方案走」放在了全文最后一句，前面两段都在论证方案可行，而我只想知道要我干什么。
并列的事项一律列表，不用分号串成一段。一件待决下面的子选项做二级列表，缩进四个空格，不打断一级序号。
关键事实只保留支撑判定的那几条。没头没尾、我接不上上下文的段落，尤其是次要信息，宁可不写；重要信息则必须连着上下文一起给。
本轮第一次出现的代号，随手一句说清，说不清就不要出现。开头那句「i18n-sweep 转 stale」之所以失败，就是三个只有当事会话才懂的词连在一起。改写后的版本是这样：
上一轮验收结论是「不通过」，两处待改：6 条文案只补了英文没补日文；设置页里动态拼出来的字符串没扫到。但建议先发这版——这两处只影响日文用户的极少数界面，不碰主流程，而商店审核窗口今晚截止。
stale 那条不用管：i18n-sweep 是扫描全 App 界面文案、把没进翻译表的补上的那条任务线，它的结果被标成过期，是因为翻译表刚被另一条线改过，翻译表重新生成后它会自己再跑一遍，几分钟内自动续上，不需要你做任何事。
两个看起来矛盾的结论（「不通过」却「建议先发」）要在同一句或相邻句把因果讲清。上面这段就是，判读时它得到的评价是「按『不通过是……，建议照发是……』连起来，同时又清晰区分开」。
被说「太长」时，只留三样：一句判定、待决事项的列表、一句必要的支撑事实，其余整段删掉。压缩有两种做法，一种是整段删掉支线、过程、枚举，一种是把每句话都压紧；后一种会让信息密度均匀下降，判断的依据没了。我要的是前一种。
「没头没尾不如不写」这条，对应的是一份产出里的这样一段：
计划已接进跑步页，段前 5 秒震动、掉出区间语音播报一次（用 10 秒滑动平均判断，等红灯不算）。11 个新单测全绿，手表和手机各跑一次 8 组 400 米一致，90 分钟多耗 3% 电。
每个词都准确，读完却不知道要我做什么。这种看似解释了什么、因为缺上下文而完全看不懂的段落比不写更糟，只增加认知负担。当时我记下的原话是：一段话如果没头没尾，不如不要呈递，尤其是次要信息；重要信息则一定要给出上下文。
四、给对方看的工作文字
这一档的读者是甲方复核人、质检人、同事，他们成批读几十条同类字段，会专门找 AI 痕迹。
第一句交代这是哪件事——题号、项目或期次，读的人不用回翻上文。
每个问题都要有定位和可验证的现象。定位是题号、字段名、文件行号或操作步骤；现象是「什么条件下出现什么结果」。对方要能凭这段话找到那个地方，自己复现一遍。
只说哪里有问题、改成什么，不说哪里没问题，不解释规则为什么存在。
说法要商量、不笃定，用「建议改成」「这边查验是这样」，不写「退回」「必须」「你错了」。
主要写现象和结论，验证过程只给一句总结，不说细节，也不替结论作保。「没配 key 时能删任意短链，返回 200」是现象，「本地起服务跑了三轮逐条比对」是细节，「经确认无误」是作保。最后这条，来自整个语料里唯一一次被逐字指认「这句只有 AI 会写」的实例：产出里主动交代了「Prompt 人工撰写率」。人写报告不会替自己作保。
这一档里最费周折的是语气。原始样本我取自工作群里的真实消息，形态是这样：
43 期格式质检，麻烦几位对一下：
@甲 7378「任务质量」填成了「是」，改成「高质量」；「是否是高质量题目」是空的，补一下
@乙 7483 四个模型的「验证截图」都是空的，各补一张
模型学会了这个形态，第一轮产出就从「评语和打分退回重写」这种命令式，变成了「麻烦对一下这题，评语和打分需要改」。
但它也把这套客气用到了平台的表格字段里。表格字段不是群消息，那里没有收件人，客套是多余的。于是补了第二条口径：回填到表格里的内容，讲清楚比语气重要；判不合格时，对方必须能凭这段话找到对应的地方并自己验证，不能为了语气把这部分抹掉。
工作文字里另外两个子体裁，规则另立。
给被测模型的需求描述，只写要做成什么样的行为约定，不写怎么实现。类名、函数签名、参数名、类型注解、文档字符串、单测建议一律不写，输入里有也要剥掉。一段一个主题，一句一件事。
这几条不是凭空定的，是甲方对接人改稿时改出来的。同一份需求，模型写的版本这样开头：
策略用公开枚举 MergePolicy 表示，四个成员分别是 DEEP、REPLACE、EXTEND、EXTEND_UNIQUE。DictConfig 节点只能取 DEEP 或 REPLACE……读写策略靠两个接口：OmegaConf.set_merge_policy(cfg, policy, key=None) 和 OmegaConf.get_merge_policy(cfg, key=None, inherited=True)。
对接人改完的版本是这样：
策略希望有四种：深合并、整体替换、追加、去重追加。字典只能用前两种，列表只能用后三种。设到叶子节点或者设了不支持的策略要报错。要有公开的方式按路径给节点设置、读取、清除策略，读取时能区分节点自己设的和实际生效的，生效值往上找最近的祖先设置。
四千多字压到一千出头，成稿里没有一个枚举名。差别不在措辞，在于前者把实现细节当成了需求。
判分用的评分标准，每条只查一件事，写成「做了什么操作，应观察到什么」，期望值具体到状态码、次数、返回值。甲方发的正例长这样：「某请求首次处理后，数据库中的结果码应等于 RELEASE_MANIFEST_CHANGED」「相同参数再次提交后，该请求在数据库中仍应只有 1 行」。反例是把十几项塞进一条，或写「代码质量好」「体验良好」这类没有可观察结果的话。
五、我署名发布的内容
这一档最难立规范，因为「像自己写的」听上去只可意会。拆开之后，有四条是可验证的。
每个判断、感受、细节都要能追到材料或口述，材料里没有的经历、情绪、人物一句不编。
不确定的地方保留不确定，确定的地方不加缓冲和拔高。不替我总结意义，不写「让我明白了」「或许这就是」一类收束句。
第一句进事，不铺垫背景、不点题，结尾停在最后一件事或最后一个念头上。
不用现成的、装饰性的比喻，不排比、不堆成语。但我自己给出的意象可以用，而且要用足。
最后半句是看产出时才想明白的。规则起初写的是「不比喻」，但我自己的文章里用过旷野、寺庙、逛五金店这些比方，它们是我的东西。该禁的是谁都能用的装饰性比喻，不是长在作者身上的意象。
这一档的做法也和别的档不同：不给模型描述性的规则，而是直接给几段作者亲笔写的原文，让它照那个分寸写。选段时刻意避开两类，一是引古文的段落，二是复述别人书里论述的段落，留下的是有具体经历细节、有作者自己判断的部分。
严肃文章另立一组，管的是事实层面的纪律：每个事实性断言都要有来源；结构性结论必须配至少一个具体案例，写清时间、人、事、结果；段落主语放对象、时间线、制度；判断用「我觉得」明示，不用「不难发现」「由此可见」代替。
六、朴素中文
明确要求「朴素」「不要我的语气」时用这一档。它的特点是提示词里不注入任何人的样本，靠规则，不靠模仿。
第一句给结论或给要讲的那件事，不铺垫、不点题、不写「本文将」。只写材料里有的：材料没有的推断写成推断，不确定写成不确定，不补细节、不加评价。不比喻、不排比、不堆成语、不设问自答，不用「值得注意的是」「综上所述」「不难发现」这类过渡和收束套话。
七、句读长度不做规定
改造过程里我加过两条关于分段和句子长度的规定，后来又都撤了。经过写在后半部分，结论是：段落和句子的长短由内容定，不刻意拉长也不刻意切碎。规范能管的是「不要照搬口述转写的形态」这种方向性的东西，管不到句读。
八、评测的做法
先说清楚「考试」这件事具体怎么做，否则后面的胜负数字没有意义。
一道题包含四样东西：一段口述式的指令（「这题我要退回去让他改，你写一条给他看的反馈，让他看完就知道该怎么改」）、一份材料（只给事实，不给任何人的原话）、一张判据表（哪些字必须出现、哪些不能出现、哪些要人判），以及这道题想测什么。题目全部是虚构场景，但形态照着真实工作合成。
生成的时候，一道题派出多个无头会话，各自独立跑一遍。无头会话就是没有交互界面的模型实例，它只能看到派给它的那条消息。每条消息开头都写死一句「本题只依据本消息内提供的信息作答，不要读取任何本地文件」——规范文件本身就在同一台机器上，不隔离的话模型可以直接读出来照做，那测的是「它会不会读文件」，不是「规范有没有效」。
判读的时候，产出并排放在一个网页上，左右两边分别来自不同的规范版本或不同的模型，但页面上不标哪边是哪边。我只看文字本身，给出结论，然后才对答案。
判什么。最初我给的是五档评分：A 明显好、A 稍好、差不多、B 稍好、B 明显好。后来改成两个按钮：这一边能不能直接发出去。不能发的，再点一下是哪种毛病——看不出哪里出问题、语气不对、太长或太短、不像人写的。
输的题拿出来看原文，找到具体哪句坏事，改规范里对应的那一条，换一批新的虚构题面，再跑一轮。
九、规则写得越细，产出反而越差
最初的做法很自然：把规范写细，压缩成一份指导文本随每道题一起发给模型，每轮看哪几题输了，就往里加一条规则。这份指导文本以下称注入物。
汇报那一档连降三轮。注入物从 1281 字涨到 1520 字，成绩从四胜一负掉到三比五，再掉到两胜两负一双废。输因查得很具体：范例被当成模板整套照抄。注入物里当时有一段完整的范例，形态是「一句判定，三个编号选项各带后果，最后写我推荐 1、你不回我就按 1 走」。结果有一题的材料里只有一条路可走，产出却硬编出「先修完再归档」「直接关掉不留单」两个材料里根本没有的选项，再配上「我推荐 1」。模型学的不是分寸，是那个壳。
工作文字那一档更彻底。注入物长到 2097 字，三道题六份产出全部判为不能发。评语是：两个都不是很好的文本，阅读时非常吃力，基本上没有阅读下去的欲望，也不大像是人随手写的。
停下来查文献，两个结果直接解释了这件事。
第一，约束数量与遵循率的关系。有实验把约束条数从一条加到十条测同一个模型，通过率从 94% 降到 21%，四到六条是下降最陡的区间；另一项实验里，八条约束时单条通过率还有四成，但八条全部满足只剩不到 6%。当时那份注入物包含读者画像、七条骨架、若干硬线、候选规则和范例，实际约束远超五条。规则越加越多而效果不变好，是这条曲线的正常表现。
第二，模仿锚点的选择。风格模仿研究里，用抽象的风格摘要当锚点，准确率不到 6%；用作者亲笔的典型段落当锚点，91% 到 100%。那份注入物里占比最大的一块——读者画像和骨架描述——本质上都是抽象摘要。
三条差评复盘下来也不是文风问题。一千两百字的需求描述读不下去，是长度预算缺失；报告开头没有上下文，是场景缺失，模型不知道这段发给谁、对方已经知道什么；客套进了表格字段、语气命令式又太笃定，是语域混杂。加再多文风规则都修不好。
十、样本、场景卡、五条硬边界
新做法把提示词整个倒过来。原来是规则在前、任务在后，现在变成四层：最前面是两三段同体裁的真人原文，中间是一张五行的场景卡（交代这段写给谁、走什么渠道），再是不超过五条硬边界（能用脚本检查的禁止项），任务和材料放最后。
读者画像、骨架、候选规则、自行合成的范例，全部删掉。注入物从 2097 字降到 963 字。
验证这次改动本身的办法：同一批题目跑两边，一边用旧注入物，一边用新形态，每边三份；同时用另一个模型把新形态再跑一遍作对照；只看「能直接发」的比例，不看「哪边稍好」。新形态第一轮就把整改反馈那题从全部不能发拉到能发，压缩报告那题也是新形态最好。
三处细节值得展开。
第一，样本必须是真人写的，而且必须溯源。在自己的外包工作区里找样本时，我踩过一个坑：有一批驳回记录读起来极像真人所写，口气、停顿、称呼都对，核实后发现是甲方系统代拟发出的；另一个项目里有个字段读着像口语，查出来是模型代填的。读起来像真人不能作为收录依据，必须溯源到作者字段——谁写的、什么时候写的、有没有记录。
第二，场景卡解决的是「不知道写给谁」。五行：发给谁、什么渠道、对方已知什么、要他做什么、字数上限。渠道那一行信息量最大，同一件事，发群消息和填表格字段是两种写法。字数上限要注明是含标点的字符数，否则模型按汉字数算。这里我吃过一次亏：指令说「压到一千字」，产出交了一千两百个汉字，而参照的真人版本只有六百多汉字，字符数才一千出头。
第三，硬边界按体裁分组。最初写的是一组通用的五条，结果它只对整改反馈这类文字成立。同一组拿去写需求描述，模型把输入里的类名和函数签名当成约定搬了过来；拿去写评分标准，考点写得没有具体期望值。拆成反馈类、需求描述、评分标准三组之后，各五条，两题一次就过。
十一、判读方法的四次修改
每次都是被判读结果逼出来的。
第一次，从「哪边更好」改成「能不能直接发」。最初给的是五档评分，判到后来发现「差不多」这个选项没有信息量，分不清是两边都好还是两边都不能用。有一轮三道题全判了「差不多」，看完毫无头绪，不知道该改什么。改成绝对判断以后，下一轮立刻得到了明确信号：三题全部不能发。这一点也有实验佐证——两两比较的翻转率约 35%，绝对打分只有 9%。
第二次，基线必须包含已经确认的偏好。前四轮的对照组是完全不注入规则的裸模型，判读时我一眼就能认出哪个是基线，它连编号列表都不会用。这种对比测的是「有没有规则」，不是「这条规则对不对」。当场我提出：已经明确有偏好的东西应该也补进基线，新旧对比每次都应该基于还不确定的语句来做。改成基线注入已确认规则集、对照臂只多带一两条待验证的候选之后，第一轮的结论有些出乎意料：两条候选都没赢过基线，而只带已确认规则的那一边，自己就长出了想要的形态。之前反复加进去的那条「巡检类每件待决写一行我建议 X」，连输四轮后移出。
第三次，同一题要多跑几份。有一轮被判「明显好」的两边，注入物其实完全相同，只是同一个提示词的两次采样。单次采样的噪声大到能盖过规则差异。改成每边跑三份同题产出并排堆着，判这一边整体。
第四次，样本和题目不能同题材。有一轮的任务是压缩一份需求文档，而注入的真人样本恰好是同一个项目的需求文档，照抄即可，那轮作废。
十二、出题的三次失误
出题本身翻过三次错，合起来是一条正反两面的原则。
第一次最贵。有道真题漏了把口述稿放进材料，五个模型十份稿子跑完，花了 26 美元，判下来的结论是两版读起来没什么区别。补上口述稿重跑才看清原因：模型照着口述稿写，风格被口述稿带走，测不出规范本身的增量。
第二次是上文提到的样本和题目同题材。
第三次，材料已经成文。给出的是一段写好的路上观察，让模型整理，产出与原文差别很小。判读记录：自己写的已经有很多不错的修辞，导致看不出来 AI 做了什么。改成给十条零散的、没写成文的日志片段，其中掺三条与主题无关的干扰项，让模型做取舍、串联、定调，才测出差别。
三次合起来是同一条原则的两面：工作文字和汇报类的材料只给事实，不给作者的语言；写「像自己」的那一档正相反，材料必须是没写成文的零碎记录，已经带作者修辞的成品只能当样本，不能当材料。
十三、体裁与模型的对应
同一套样本和规则下，两个模型的表现并不一致。
整改反馈、给复核人的核对结论、压缩需求描述，Opus 5 能发而 Sonnet 5 不行。判分标准、从要点写需求描述，反过来是 Sonnet 5 能发而 Opus 5 不行。给我看的汇报和署名发布的文字，三题都是 Opus 能发、Sonnet 不能发。
失败方向也不同。Sonnet 的毛病是压得太省，口述里那些分寸词（「大概是这么处理」）会被删掉；它还会把自检句漏进正文，例如在开头写一句「812 字，在 1200 以内，符合要求。直接输出正文：」。Opus 的毛病是爱解释，写评分标准偏长。
所以技能里存的是一张体裁到模型的表，不是「哪个模型更好」。当前会话的模型不是某个体裁的推荐模型时，就把这段文字派给推荐模型去写，而不是硬写。
十四、句长与段长的两次反转
这是整个改造里最曲折的一段，也最能说明细节把控有多难。
判完一轮之后我的反馈是：偏好长句子、喜欢把段落聚成一块，这其实并不是我推崇的风格，只是因为很多时候我用口述语音转文字，表述上往往会把自然段弄得很长。
查下去发现三处一起在把模型往长句大段推。规则里写着「长短句照样本的走法」；样本是从长文里整段截的，段均一百三到两百三十字；语气档案里的句长画像统计自日志和口述转写，中位数三十五到五十五字。三处互相印证，产出当然越写越长。
于是我加了一条：一段只讲一件事，讲完就分段；换时间、地点、话题必分段；句子能断成两句就断，一句里最多一个转折。同时把句长画像按发表过的成文重新统计。
下一轮产出出来，我的反馈是：每一个段落被切得太碎了，把前面那个让段落变得这么碎的说明撤回，不要主动去规范一个自然段有多少个转折。
终态是两头都不规定。规则只剩一句：按书面稿分段，不照搬口述转写的形态，段落与句子的长短由内容定，不刻意拉长也不刻意切碎。句长段长的机器检查整组移除。重跑验证，同一道题的段落从三到四段、段均五十到七十五字，回到三段、段均八十到一百零四字。
这件事留下两条。统计作者样本得到的分布，是他说话的样子，不一定是他的写作偏好——日志是语音输入的，据此统计出的句长根本不该当写作目标。而按偏好反向加的形态规定，又极容易矫枉过正。形态这一层只写一句方向性的「不要照搬某某」，其余交给人判，不进机器检查。
十五、两处凭印象猜错
有两件事值得单记，它们都是「以为了解自己」结果凭印象猜错。
第一件是格式。我看过自己几百条口述，几乎不用编号列表，说事情就是一段话连着说。据此在规范里写了「不用表格、标题、加粗」。产出出来后我直接否掉：给我看的东西该格式化就格式化，三个选项串成一段，远不如编号列表一项一行看着方便。这里我把自己的书写习惯当成了读者的阅读偏好——而这是两回事。写「像我自己写的」那一档管的是我怎么写，写「给我看的汇报」那一档管的是我怎么读。
第二件是词。改造前的语气档案里列了几个我的口头禅：毕竟、愈发、多少有些。拿我 2024 年以后的十一篇亲笔文章逐一检索，三个词各出现零次。档案是更早的材料加印象总结出来的，写进去以后就成了指导模型的依据，而且没人验证过。此后规则里的「他常用某词」类断言，一律要求附一条亲笔引证，没有引证就不写。
十六、黑名单能少就少
改造前的规范里有大量禁词：文学化的词、书面腔的词、评语收束词，还有一张替换表。文风类的禁词我最后全部删除。理由是应该以规范的指导让模型生成合适的东西，而不是以违禁的方式绕开问题。
禁词表有个隐蔽的坏处，它逼出更隐蔽的规避式表达。把「属实」全换成「一致」，「一致」就成了新的口头禅，换了个词而已。
留下的只有信息边界那一类：工具名、截图文件名、内部流程词、「甲方」两个字本身。这些不是文风问题，是不该让对方看到的东西——交付文本的读者就是甲方，正文里出现「甲方」二字本身就是内部视角泄露。它们也不进通用规范，而是按项目配置成单独的词表文件，词表要经我过目。不同项目的边界不同，没有一份通用黑名单。
十七、能自动检查的和不能的
规范里有一部分能写成脚本自动查，一部分不能。最后落定的分工是这样。
机器管三件事：字数超硬顶报红；信息边界命中项目黑名单报红；几个确定性的结构缺陷报红，包括结尾总结句、决策请求埋在后面、营销模板段。
机器不管文风，不管句子长短和段落密度，不管像不像人。这些交给规则里的描述和真人样本，最终由人判。
检查脚本自身也修了两个 bug。一个是句长阈值只认两个特定值，设成别的值会静默退回默认值，而提示语里印的是新值——检查结果看起来对，实际一直按旧阈值判。另一个是命令行传文本时，若文本以两个减号开头（markdown 的文件头正是如此），会被当成参数旗标丢弃，整段文本被判成空，且不报错。工具本身的沉默失败，比规则写错更难发现。
十八、尚未解决的
四类文字都过线了，还有几件事没有答案。
样本会过时。现在用的亲笔样本最早是 2024 年的，人的写法会变。什么时候该换样本、怎么判断「已经不这么写了」，目前我没有办法。
模型升级等于换人。这次的推荐表是在 Opus 5 和 Sonnet 5 上测出来的，下一代模型上大概率要重测一遍。
「真挚」只拆到了可验证的那几条：可追溯、保留不确定、不拔高、不总结。读一段文字觉得它诚恳，显然不止这些，剩下的部分暂时只能靠人判。
整个过程十天，二十个评测轮次，三轮作废，模型调用有账可查的约 37 美元，算上未逐轮记账的部分在四十几美元。改出来的规范现在每天在用：我收到的汇报、我发出去的工作文字、这个博客上的文章，都走这一套。这篇也是。