Article Taster - 文章品鉴师

> 帮助用户提前品尝文章可读性，过滤低质量内容，节省宝贵阅读时间

核心定位

"文章含大质量检测" —— 站在文章分析师的角度，多维度评估文章价值：
- 技术文章：衡量技术含量、学习价值
- AI生成检测：正确识别原创内容（古诗等不被误判）
- 情感散文：分析情感曲线、架构模式
- 小说：分析情节结构（但不剧透）

工作流程

输入文章文本/标题
       ↓
┌─────────────────────────────────────┐
│  M1: 文章类型识别                     │
│  技术文章 | 情感散文 | 小说 | 其他     │
└─────────────────────────────────────┘
       ↓
┌─────────────────────────────────────┐
│  M2: 专业分析 (根据类型分发)           │
│  ├─ 技术文章 → TechAnalyzer          │
│  ├─ 情感/散文 → CreativeAnalyzer     │
│  ├─ 小说 → NovelAnalyzer (无剧透)   │
│  └─ 其他 → GenericAnalyzer           │
└─────────────────────────────────────┘
       ↓
┌─────────────────────────────────────┐
│  M3: AI生成检测与原创识别              │
│  ├─ 文本统计特征                      │
│  ├─ 困惑度分析                        │
│  ├─ 风格一致性                        │
│  └─ 原创内容豁免 (古诗词/经典文学)     │
└─────────────────────────────────────┘
       ↓
┌─────────────────────────────────────┐
│  M4: 综合评分与阅读建议                │
│  最终评分 + 等级 + 阅读价值建议        │
└─────────────────────────────────────┘
       ↓
输出: JSON报告 + Markdown摘要

评分体系

技术文章评分维度

情感散文/小说评分维度

AI生成检测维度

AI味/大便味检测维度 (新增)

AI味评分等级

综合评分公式

最终评分 = 加权得分 × 类型匹配度 × (1 - AI概率 × 0.3)

评分等级

AI生成检测豁免规则

为防止误判真正的原创内容，采用豁免机制：

古诗测试预期: "床前明月光..." → 识别为 classical_poetry，得分>85，标注"高度可信原创"

输出报告格式

JSON 完整报告

{
  "report_id": "taster_20260408_001",
  "title": "文章标题",
  "type": "technical_article|essay|novel|other",
  "type_confidence": 0.92,
  "overall_score": 85,
  "grade": "A",
  "reading_advice": {
    "verdict": "强烈推荐！内容扎实，适合认真阅读",
    "target_audience": "初中级开发者",
    "time_estimation": "10分钟",
    "key_benefits": ["深入浅出的架构设计", "实操性强"],
    "suitable_moments": ["专注阅读", "深度学习"]
  },
  "dimension_scores": {
    "technical_depth": {"score": 88, "weight": 0.30},
    "structure": {"score": 85, "weight": 0.25},
    "practicality": {"score": 82, "weight": 0.20},
    "originality": {"score": 78, "weight": 0.15},
    "readability": {"score": 80, "weight": 0.10}
  },
  "ai_detection": {
    "ai_probability": 0.15,
    "is_ai_generated": false,
    "ai_flavor_score": 38,
    "ai_flavor_level": "轻度疑似AI",
    "confidence_label": "高度可信原创",
    "dimensions": {
      "text_statistics": {"score": 75},
      "perplexity": {"score": 80},
      "vocabulary_richness": {"score": 72},
      "style_consistency": {"score": 68},
      "semantic_coherence": {"score": 85},
      "special_patterns": {"score": 95, "exemption_type": "classical_poetry"},
      "paragraph_uniformity": {"score": 70},
      "bullshit_ratio": {"score": 85},
      "template_patterns": {"score": 90},
      "human_markers": {"score": 80}
    },
    "ai_flavor_warnings": [
      "段落长度高度一致，AI味特征明显",
      "缺少人类真实表达痕迹"
    ]
  },
  "detailed_analysis": {
    "spoiler_warnings": [],
    "genre_specific": {...}
  },
  "timestamp": "2026-04-08T10:00:00Z"
}

Markdown 用户报告

# 文章品鉴报告

## 基本信息
- **标题**: 技术架构设计原则
- **类型**: 技术文章 (置信度: 92%)
- **评分**: 85分 (A级)

## 综合评价
强烈推荐！内容扎实，适合认真阅读

**目标读者**: 初中级开发者
**预计阅读时间**: 10分钟

## 维度评分
| 维度 | 得分 | 权重 |
|------|------|------|
| 技术深度 | 88 | 30% |
| 结构清晰度 | 85 | 25% |
| 实用性 | 82 | 20% |
| 原创性 | 78 | 15% |
| 可读性 | 80 | 10% |

## AI检测结果
- **AI生成概率**: 15%
- **AI味评分**: 38 (轻度疑似AI)
- **结论**: 高度可信原创

### AI味警告
- 段落长度高度一致，AI味特征明显
- 缺少人类真实表达痕迹

## 阅读建议
- 适合专注阅读、深度学习
- 核心价值: 深入浅出的架构设计、实操性强

Skill 结构

article-taster/
├── SKILL.md                    # 本文件
├── scripts/
│   ├── __init__.py
│   ├── main.py                 # 主入口
│   ├── article_classifier.py   # M1: 类型识别
│   ├── tech_analyzer.py        # M2-T: 技术文章分析
│   ├── creative_analyzer.py    # M2-C: 情感/散文分析
│   ├── novel_analyzer.py       # M2-N: 小说分析 (无剧透)
│   ├── ai_detector.py          # M3: AI生成检测
│   ├── scorer.py               # M4: 综合评分
│   └── report_generator.py     # 报告生成
├── config/
│   ├── scoring_weights.json    # 评分权重
│   ├── type_keywords.json      # 类型关键词
│   ├── ai_patterns.json        # AI检测模式
│   └── exemption_rules.json    # 原创豁免规则
├── references/
│   ├── scoring_methodology.md  # 评分方法论
│   └── spoiler_free_principles.md # 无剧透分析原则
├── requirements.txt
└── README.md

使用方式

# 分析单篇文章
python -m article_taster analyze --text "文章内容..."
python -m article_taster analyze --file article.txt

# 批量分析
python -m article_taster batch --dir ./articles

# 仅获取快速评分
python -m article_taster quick --text "文章内容..."

# 指定文章类型
python -m article_taster analyze --text "..." --type technical_article

依赖项

• Python 3.10+
• jieba (中文分词)
• scikit-learn (文本相似度)
• openai / anthropic (可选，LLM辅助评分)