有一天我收到这样一条进度汇报：
Probe 事件：i18n-sweep 转 stale，等 catalog 重生后自动续，无需处理。
发它的是 Claude Code。我在做两个自己的 App，开发交给它在几个终端窗口里同时跑，它每天回来报进度，碰到要我决定的事就来问。i18n-sweep、catalog、stale 这几个词，都是它在那一次会话里自己起的名字：i18n-sweep 是一条任务线，catalog 指翻译表，stale 是它给某种状态打的标记。这些我一个都没记住，读完只能回头去问，这是什么事，要不要我做点什么。
我现在每天写出去的中文，多数不是自己一个字一个字打出来的。除了这类汇报还有两类。一类是工作：我做外包性质的软件质检，拿到别人交来的代码和评语逐条核对，把结论填进甲方的平台和表格，再把要改的地方反馈给做这道题的人，每天几十条，格式和读者都是固定的。另一类是这个博客。三类加起来量很大，很早就交给了模型：有一份文件规定中文该怎么写，模型每次动笔前先读一遍。Claude Code 管这种文件叫「技能」，说到底是一段很长的指令，外加几份参考资料。
这样过了几个月，三类文字都开始出问题。甲方直接指出交付的文字「AI 味重」，有一次对接人干脆自己动手，把一份四千多字的需求文档改到一千出头，还在群里说：「prompt 可以用模型辅助设计难度，但一定要降低 AI 浓度，AI 产出的多余 emoji、标点、空格、描述都去掉，都用自己日常开发中的话术。」写给复核人的报告动辄几千字，人家要的是七八百字。给我的汇报就是开头那条的样子。
九月初开始从头改。思路是拿考试的办法对待规范：先出题，模型按规范作答，由我来判每一份「能不能直接发出去」，不能发，就回去改规范，换题再考。十天里一共考了二十轮，其中三轮是题出坏了，不算数；模型调用有账可查的约三十七美元，加上没逐轮记账的部分，在四十几美元。到最后，规范里分出的四类文字都写到了能直接发的程度。如今我每天收到的汇报、发出去的工作消息，还有博客上的文章，包括这一篇，都是按这套规范生成的。
一、按读者划分的写作规范
旧规范是按怎么写来分的，分成审阅一篇、改写一篇、和人一起写一篇三种。这个分法回答不了最要紧的问题：这段话是写给谁看的。「这条不合格」这句话，填在平台的表格里是一种说法，发在工作群里又是另一种说法。评测时出过一次典型的错位，模型学会了群消息开头那句「麻烦几位对一下」，转头在平台的表格字段里也客气起来，而没有人会在表格里这么写。
改造后按读者分成四类：给我本人看的汇报，对方会读到的工作文字，我署名发布的文章，没有特定读者的朴素中文。这些判据没有一条是专门冲着模型定的，换成人来写一样适用。
给我本人看的汇报
这一类由模型写、给我读。我手上同时有十几条线在跑，能记住的只是自己交代过什么、上回点头同意了什么，编号、代号、窗口名这些我都不会去记。所以汇报开头先给判定和一句理由，「已完成」这种状态词不算判定。验收类写成「不通过，两处必修：日志泄漏、边界没处理」，决策类写成「能做，建议走 B，因为数据不出本机」。
要我拿主意的事，判定之后马上就说。这条是从一次抱怨来的：有份汇报先用两段话论证方案行得通，到最后一句才问「要不要按 A 方案走」，而我从头读到尾，想知道的只是要我做什么。二选一的事，两个选项编号分行，每项后面写一句选了会怎样。几件并列的事同样分行列出，不用分号连成一大段；某件事下面还有子选项，就缩进四个空格再列一层，外层编号照常往下排。
这一轮头一回出现的代号，要当场用一句话交代清楚，交代不清的干脆不提。开头那条汇报改写后是这样：
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。
「不通过」却「建议先发」，两个结论看上去互相矛盾，这时因果要在同一句或紧挨着的下一句里说明白。我判读时对这段的评价是：两个问题分别用「不通过是……建议照发是……」接起来，彼此又分得很清楚。
事实只挑撑得住判定的几条写。另一份汇报里有这样一段：
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。
这段话挑不出一个用错的词，可读完我不知道它想让我干什么。判读时我当场记下：「不能假设读者对上下文全部了解，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。」这句后来写进了规范。我觉得它是这一类里最有用的一条，因为缺了上下文的段落看着在解释，其实读不懂，比不写还多耗读的人一份力气。
嫌长要删的时候，只保留判定、待决事项的列表和一条必要的事实，其余成段删掉。这里出过两次问题。删法有两种：把旁支、经过、逐项罗列整段去掉，或者每句都削短一点。后一种删完，句子一句没少，每句都短了，判定靠的那几条依据反而没了。
对方会读到的工作文字
这一类包括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。看这些文字的是甲方的复核人、质检人和同事，一次要看几十条同样格式的字段，而且他们会留意哪里像 AI 写的。
开头先点明说的是哪一题、哪个项目或哪一期，省得对方往上翻。每指出一处问题，都给出位置和能复现的现象：位置是题号、字段名、文件行号或操作步骤，现象写成在什么条件下得到什么结果，对方照着这段话能找到地方，自己试一遍。没问题的地方不提，规则背后的道理也不讲。口气放软，用「建议改成」「这边查验是这样」，避开「退回」「必须」「你错了」。
怎么验证的，一句话带过，不展开，也不替结论担保。「没配 key 时能删任意短链，返回 200」是现象，要写；「本地起服务跑了三轮逐条比对」是细节，「经确认无误」是担保，都不写。不作保这条有来历：所有收集来的文字里，只有一处被逐字点出来说「这句只有 AI 会写」，那是一份产出主动报上的「Prompt 人工撰写率」。我觉得人写报告不会这样替自己作保。
这一类花时间最多的是口气。一开始拿给模型参照的，是工作群里的一条真实消息：
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
@丙 7491 四个模型都判了不合格，这种情况下需要填一下「脏数据标签理由」
先客气一句，接着一人一行：哪道题，哪一栏填成了什么，和哪里对不上，怎么改。模型第一轮就学会了，原来写「评语和打分退回重写」，这次写的是「麻烦对一下这题，评语和打分需要改」。可它把这份客气也用进了平台的表格字段，就是前面说的那次错位，表格没有收件人，客套放在那里是多余的。所以又加了一条：填回表格的内容，先求讲清楚，口气放第二位；判了不合格，就得写到对方能照着找到位置、自己验一遍，不能因为想说得客气，把这些删了。
工作文字里还有两种，规则单独定。一种是出题时写给被测模型的需求描述，只描述做出来的东西该有什么行为，不碰实现：类名、函数签名、参数名、类型注解、文档字符串、单测建议都不出现，给的输入里有也要删掉；每段只谈一个主题，每句只说一件事，段与段之间不留空行。这几条来自开头那次改稿。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，含义和现在的参数几种一致。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，对当前节点类型不适用的跳过。
改过的稿子里找不到一个枚举名。我觉得两版差的不是用词，模型那版的问题是把怎么实现当成了要什么。
另一种是判分用的评分标准。一条只检查一件事，句式是「做了什么操作，应观察到什么」，期望结果写到具体的状态码、次数或返回值。甲方给的规范里有正例：
考点 22：某请求首次处理后，数据库中的结果码应等于 RELEASE_MANIFEST_CHANGED
考点 24：相同参数再次提交后，该请求在数据库中仍应只有 1 行
不合格的写法，要么一条里挤了十几项要查的东西，要么是「代码质量好」「体验良好」这种没法观察验证的话。
我署名发布的文章
「像我自己写的」这种要求听上去没法说清楚，是四类里最难写成规则的。拆开来看，能拿来核对的有四条。文中每个判断、感受和细节，都得在材料或我的口述里找得到，材料以外的经历、情绪和人物一句不添。拿不准的地方照实写拿不准，拿得准的地方不加缓冲，也不往高处拔，意义不替我总结，「让我明白了」「或许这就是」这类收尾不用。开头直接写事，不交代大背景，不先亮主题，写到最后一件事或最后一个念头就停。谁都能用的装饰性比喻不用，不排比，不堆成语，我自己的意象例外，可以用，而且要用足。
意象那半句是看了产出以后加的。之前的规则干脆写着「不比喻」，可我以前写文章用过旷野、寺庙、逛五金店这样的比方，这些是我自己的东西，和谁都能随手拿来的装饰不是一回事。
给模型的东西也和其他几类不同，不给描述性的规则，给的是几段我亲手写的原文，让它照着原文的分寸写。挑原文时，引了古文的段落不要，转述别人书里观点的段落也不要，只留写了具体经历、下了我自己判断的那些。
写得严肃些的文章，还要多守一组关于事实的规矩：凡是陈述事实，都加脚注，文末列出对应来源；下结构性的结论，至少举一个时间、人物、事情、结果都写明白的例子，「据说」「当时很多人」这类说不出是谁的说法不用；段落的主语是对象、时间线或制度，观点跟在证据后面；我个人的判断标上「我觉得」，不拿「不难发现」「由此可见」替读者下结论。
朴素中文
这一类只在明说要「朴素」、或者说「不要我的语气」时才用。它不带任何人的样本，是一类没有作者口吻的文字，全靠规则约束，不靠模仿。第一句就是结论，或者就是要说的那件事，「本文将」之类的开场不要。内容以材料为限，自己推出来的要说明是推断，没把握的要说没把握，细节不补，评价不加。比喻、排比、成语堆砌、自问自答都不用，「值得注意的是」「综上所述」「不难发现」这种承上启下或收尾的套话也不用。
四类之外还有一条通用的：一段写几句、一句有几个转折，都不做规定，长短由内容决定。改造中途加过分段和句长的规定，后来都撤了，经过写在第二部分。
二、让模型照着规范写
逐条加规则的那几轮
一开始想得很简单：规范写得越细越好，浓缩成一份指导文本，和题目一起交给模型；哪道题输了，就针对它补一条规则进去。每道题两边的产出并排摆着给我判，我不知道哪边用的是哪一版。
汇报这一类，规则越补成绩越差，一连三轮：指导文本由 1281 字增加到 1520 字，成绩从四胜一负，到三胜五负，再到两胜两负外加一题两边都不能用。找到的原因是一段范例。指导文本里给了一份完整的示范，结构是「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」，模型拿它当了填空的模板。有道题按材料只有一种处理办法，产出里却照样列了选项，其中「先修完再归档」「直接关掉不留单」两条是材料里没有的，末尾照例写着「我推荐 1」。我觉得它学到的只是范例的样子，没学到分寸。
工作文字这一类问题更严重。等指导文本加到 2097 字，一轮三道题共六份产出，我一份都没判能发。我给其中一题的评语是：「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。」
评测于是停下来，转去查文献，查到的两组实验正好对得上。第一组讲约束条数和遵循率：同一个模型，约束从一条加到十条，通过率由 94% 降到 21%，降得最快的是四到六条那一段；另一项实验里，八条约束时每一条单看还有四成能做到，八条同时做到的不到 6%。对照当时那份指导文本，读者画像、七条行文结构、一串硬性规定、候选规则、范例，加起来的约束早就不止五条。我觉得照这个结果，规则越加效果越差是正常的，不能怪模型不听话。第二组讲风格模仿：拿一段抽象的风格摘要给模型作参照，模仿准确率不到 6%；拿作者亲笔的典型段落作参照，是 91% 到 100%。那份指导文本里篇幅最大的读者画像和结构描述，恰好都是抽象摘要。
那三道题挨的差评，细看也不是文风的事。需求描述写了一千两百字，读不下去，缺的是一个长度上限；报告一上来没有上下文，是因为模型不知道这段要发给谁、对方已经知道多少；表格字段里出现客套话，口气又命令又笃定，是把几种场合的写法搅在了一起。这些毛病，文风规则写得再多也管不到。
提示词的四层
后来的做法是把提示词的顺序翻过来。以前先讲规则再给任务，现在拆成四层，从前往后依次是：
- 两三段同一体裁的真人原文；
- 一张五行的场景卡：发给谁、走什么渠道、对方已经知道什么、要他做什么、字数上限；
- 不超过五条硬边界，也就是能用脚本检查的禁止项；
- 任务和材料。
原先的读者画像、结构描述、候选规则和编出来的范例都没有保留，指导文本从 2097 字缩到 963 字。为了确认这一步改对了，拿同一批题目让旧文本和新结构各写三份，再换一个模型按新结构写一遍作对照，比的只是每边有几份能直接发，谁稍好一点不算。头一轮的结果，整改反馈那题原先一份能发的都没有，这回新结构写的能发了；压缩报告那题，也是新结构那边写得最好。
作参照的原文必须出自真人之手，还要查得到来历。在我的外包工作区里找样本时出过错：有一批驳回记录，从口气、停顿到称呼都挑不出毛病，一查来源，是我这边的系统替人拟好发出去的；另一个项目里也有一栏看着很口语，其实是模型填的。从那以后，读着再像人写的也不算数，要在记录里查到作者一栏，是谁、什么时候写的、有没有留档。
场景卡要回答的就是这段写给谁。五行里最管用的是渠道，同一件事在群里说和填进表格，写法完全两样。字数上限要说清按含标点的字符算，不说的话模型只数汉字。有一回要求「压到一千字」，交上来的稿子光汉字就有一千两百个；拿来对照的真人版本，汉字六百多，加上标点也就一千出头。
硬边界要按体裁分开。一开始只有一组五条，对所有体裁通用，后来发现只在整改反馈上管用。用同一组去写需求描述，输入里的类名和函数签名被原样当成了约定；去写评分标准，考点里看不到具体的期望值。后来按反馈、需求描述、评分标准各写五条，分成三组，需求描述和评分标准那两道题一次就都能发了。
评测的做法
前面提到的胜负和「能不能发」，都是这样考出来的。一道题里有四样东西：一段像口头交代的指令，比如「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，只有事实，没有任何人的原话；一张判据表，写明必须出现的字、不许出现的字和需要人来判断的地方；再加上这题要测的点。题目里的场景全是编的，但样子仿照真实工作，比如「某 App 的导出功能验收不通过，但上游方案已经换了」。
每道题派给几个无头会话分头去写。所谓无头会话，是不带交互界面的模型实例，除了派给它的那条消息，它什么也看不到。每条消息开头都固定写着「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」。规范文件和它在同一台机器上，要是不加这句，它可以自己把文件翻出来照着写，这样考出来的只是它会不会找文件，跟规范好不好没关系。产出并排放在一个网页上，左右来自不同版本的规范或不同的模型，页面上不标。我判的时候只看文字，结论定下来以后才去看哪边是哪个版本。判输的题，回到产出原文里找出问题出在哪一句，再去改规范里管这件事的那一条，然后换一批新题重跑。
判卷的办法前后改了四次。最早分五档：A 明显好、A 稍好、差不多、B 稍好、B 明显好。有一轮三道题我全判了「差不多」，看完不知道该改什么，「差不多」既可能是两边都好，也可能是两边都没法用，光看这三个字分辨不出来。后来改成只判这一边能不能直接发出去，不能发的再选一种毛病：「看不出哪里出问题」「语气不对」「太长或太短」「不像人写的」。改完的下一轮就得到了明确的结果，三道题都不能发。查到的一项实验也指向这边：两两比较时约 35% 的判断会前后翻转，绝对打分只有 9%。
第二次改的是对照组。前四轮拿来对照的，是什么规则都不给的模型。它写的东西连编号列表都没有，我判的时候一眼就认得出，这样比只能说明有规则比没规则强，至于某一条规则该不该留，比不出来。我当场提的意见是：「已经明确有偏好的东西应该也补进基线，不然一眼就看出来哪条是基线；新旧对比每次都应该基于还不确定的语句来做。」这里的基线就是对照组。照这个意见改过以后，对照组先带上已经确认的规则，另一边在此之外多加一两条还没定的候选。第一轮的结果和预想的不一样：两条候选都没比对照组好，对照组靠已确认的那些规则，自己就写出了想要的样子。有一条候选「巡检类每件待决写一行我建议 X」前后加进去好几次，连着输了四轮，最后没有留下。
第三次是同一题多跑几份。有一轮我判了一边「明显好」，其实两边带的指导文本一字不差，只是同一个提示词跑了两次。单跑一次的偶然差别，足以盖过规则之间的差别。从那以后每边各出三份，我看三份的总体表现再下判断。
第四次是样本和题目不能同题材。那一轮要压缩的是一份需求文档，给模型作参照的真人样本也是同一个项目的需求文档，模型抄样本就能交卷，这一轮只能不算。
题目本身也出过三次错，同题材算一次。花钱最多的一次，用的是一道真实工作里的题，五个模型写了十份稿子，花掉二十六美元，判完发现两个版本读起来分不出高下。毛病在口述稿：模型顺着口述稿的说法往下写，写出来的风格是口述稿的，规范到底添了什么，看不出来。还有一次，材料本身就是我写好的一段路上的观察，让模型整理，交回来的和原文几乎一样，我的判读记录是「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」。后来改给十条零碎的日志，都没成文，其中三条跟主题无关，模型得自己挑、自己连、自己定口气，两边的高下这才分出来。
三次错误合在一起，得出的出题规矩分两头：工作文字和汇报的题，材料里只放事实，不放作者自己的话；「像我自己写的」那一类反过来，材料要用没成文的零碎记录，我已经写成、带着修辞的文章，只能拿来当样本。
两个模型各自适合的体裁
同一套样本和规则，换个模型结果就不同。这次比的是两个模型，Opus 5 和 Sonnet 5，按体裁分，结果是这样：
- 整改反馈、给复核人的核对结论、压缩需求描述：Opus 5 写的能发，Sonnet 5 的不能；
- 评分标准、从要点写需求描述：Sonnet 5 能发，Opus 5 不能；
- 给我看的汇报和署名文章：三道题都只有 Opus 5 写的能发。
两个模型出错的方向也不一样。Sonnet 5 删得太多，口述里「大概是这么处理」这种留有余地的说法也一并删掉；它还会把自检的话漏进正文，比如开头来一句「812 字，在 1200 以内，符合要求。直接输出正文：」。Opus 5 则是解释得太多，评分标准总写得偏长。所以技能里记的是每种体裁该交给哪个模型。正在干活的模型如果不是这类文字的推荐人选，就把这段转给推荐的那个去写。
句子和段落的长短
语言细节里来回改得最多的是句子和段落的长短。有一轮判完，我的反馈是：「偏好长句子、喜欢把段落聚成一块，这其实并不是推崇的风格，只是因为很多时候用口述语音转文字，表述上往往会把自然段弄得很长。」
顺着查，发现有三个地方同时在把句子和段落往长里带。规则里有一句「长短句照样本的走法」。样本是从长文章里整段截来的，一段平均一百三十到两百三十字。记录我说话习惯的语气档案里还有一份句长统计，数据来自日志和口述转写，句长中位数在三十五到五十五字。规则让模型学样本，样本和统计又都偏长，写出来的东西只会越来越长。
接着加进去的规定是：每段只写一件事，写完就另起一段，时间、地点或话题一变也另起；两句能拆开的就拆开，一句话里最多转一次折。句长统计换成拿我发表过的文章重算。下一轮出来，我的反馈是：「每一个段落被切得太碎了，把前面那个会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。」
最后定下来的是哪一头都不规定。规范里关于长短只剩一句话，意思是分段按书面文章来，别学口述转写的样子，句子和段落写多长看内容需要，既不故意写长，也不故意拆碎。脚本里查句长、段长的那几项也全部删了。拿同一道题再跑，原来切成三到四段、每段平均五十到七十五字，现在回到三段，每段平均八十到一百零四字。
这一来一回，我觉得有两点。我的日志是语音输入的，从里面数出来的句长，是我说话时的习惯，拿它当写作的目标本来就不对。反过来，凭一句偏好就去加形态上的硬规定，又容易改过头。所以在句子和段落的形态上，规范只保留「不要照搬口述转写」这样一句指方向的话，别的交给人来判，脚本不查。
对我写作习惯的两处误判
规范里还有两处，是凭着对我的印象写进去的，后来发现都不对。第一处是格式。模型看过我几百条口述，里面几乎没有编号列表，我说事情就是一段话连着说，它据此在规范里写了「不用表格、标题、加粗」。按这条写出来的汇报，我看了就否掉了。给我看的东西，需要格式就该用格式，三个选项挤在一段里，远没有编号列表一行一项好读。我觉得问题出在把两件事混在了一起：我怎么写，归署名文章那一类管；我怎么读，归汇报那一类管。
第二处是用词。语气档案里原先记着我的几个口头禅，毕竟、愈发、多少有些。把我 2024 年以后自己写的十一篇文章挨篇搜过，这三个词一次都没出现。那份档案是根据更早的材料和印象归纳的，一旦写进去，模型就照着用，中间没有人回头查过。现在档案里要写我常用哪个词，必须同时附上一处我亲笔文章里的原句，附不出来就不写。
禁用词和机器检查
旧规范里列了很多不许用的词，有文学腔的，有书面腔的，有评语结尾爱用的，另外还有一张替换表。比如把「属实」全换成「一致」，「一致」接着就成了新的口头禅。我觉得禁词表的坏处就在这里，它逼出来的是更隐蔽的绕开写法，毛病只是换了个词。这次文风类的禁用词全部删掉，我定的口径是「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」。
还留着的，是划定信息边界的那些词：工具名、截图的文件名、内部流程的叫法，以及「甲方」这个词本身。它们要管住，是因为不能让对方看见。交付的文字本来就是写给甲方的，文中却称对方为「甲方」，等于把内部的叫法摆到了对方面前。这些词按项目各列一张表，我看过才用，不写进通用规范，因为每个项目要防的东西都不一样。
能交给脚本自动检查的只是规范的一部分。最后的分工是：字数超过硬上限、命中项目的信息边界词表、几种确定的结构毛病，比如结尾的总结句、需要决定的事埋在后面、营销腔的模板段，由脚本标红；文风、句子长短、段落疏密、像不像人写的，脚本一概不管，交给规则描述和真人样本，最后由人判。
检查脚本本身也有过两个毛病。其一，句长的门槛只接受两个固定的数，填了别的数，脚本不提示，自己改回默认值，提示语里印的却还是新填的数，所以查出来的结果看着正常，用的其实一直是旧门槛。其二，从命令行把文本传给脚本时，只要文本开头是两个减号，脚本就把整段当成命令参数扔掉，当作空文本来查，同样不报错，而 markdown 文件的文件头恰恰是以减号开头的。我觉得工具出错却不吭声，比规则本身写错更难察觉。
还没解决的问题
有几件事到现在还没有办法。我自己的样本里最早的是 2024 年写的，人写东西的习惯会变，哪天该换样本，凭什么判断我已经不这样写了，眼下都说不上来。体裁和模型的对应表只在 Opus 5 和 Sonnet 5 上测过，模型换代以后，多半得从头再测。至于「真挚」，能拆成规则的只有可追溯、保留不确定、不拔高、不总结这四条。我觉得一段文字读着诚恳，靠的不止这四条，其余的部分，目前还只能由人读了再判。