小说去AI味 + 过番茄审核辅助工具

把一部容易在番茄小说（及同类网文平台）章节审核中被驳回的小说，处理成既能过审、又去了AI味、还能过8万字推荐评估、并具备获取大流量的门面与节奏的成稿。核心解决五类问题：

> 方法论基础：本技能基于朱雀模型检测——针对起点、七猫、番茄均已接入（内部调用 API）、知乎为外部合作方——的检测技术与编辑判断的实际做法构建：平台以「朱雀疑似度 + 改动率 + 质量审查」三重机制、并以"质量为中心"的编辑判定为准绳（详见 references/tomato_ai_detection.md）。因此本技能的目标不是"数 AI 词删光"，而是让文本读起来像人写、且守住合规改动率。

1. 审核硬伤：种马后宫 / 多女共侍一夫 / 性暗示 / 身体物化 / 暴力威胁 / 书名低俗等（对照 references/tomato_review_rules.md）。
2. AI 写作痕迹：填充词、比喻连接词、套话结构（对照 references/humanizer_banned.md）。
3. 推荐评估不过：开篇无钩子、剧情水文、AI直出低质、排版混乱、字数不达标（对照 references/tomato_80k_evaluation.md）。
4. 评估不过直接修改：按硬性基础/内容核心/避坑雷区三类规则定位问题并逐章修改（对照 references/tomato_eval_fix.md + scripts/eval_fix_check.py 机械检测）。
5. 流量上不去：门面（书名/封面/简介）无钩子、黄金三章慢热、错过验证期/首秀/书测节点、更新节奏混乱、不懂三率复盘（对照 references/tomato_traffic_growth.md）。

📌 遇到问题先查 FAQ

所有报错现在都是「⚠️ 标题 / 原因 / 怎么修」三段式中文提示。装依赖、报错查因、封面版权为什么还要你确认、
去 AI 味效果与过审率、只想跑机械流程等高频问题，集中收录在 references/faq.md，
不用再翻多个文档。

何时使用

30 秒速判（决策树）——先看这张表，再决定用不用、走哪步：

满足以下任一情况就用（速判为 ✅ 的展开）：
- 小说过不了审 / 被驳回 / 要去 AI 味 / 过番茄；
- 含多女向、后宫、种马、亲密关系密集设定，担心审核；
- 准备申请 8 万字推荐评估（自查开篇钩子 / 节奏 / 排版 / 字数）；
- 评估被驳回，要按规则逐章定位问题并修改；
- 已过审但流量 / 追读上不去（优化门面 / 黄金三章 / 更新节奏）。

命令速查卡（记不住参数就看这四行）：

⚠️ 只处理 .docx 文本与书名 / 章节标题；封面图、跨库版权比对、时政敏感库脚本不碰，
但交付前必须按 references/cover_copyright_checklist.md 逐项让用户确认，未确认项写进交付警告。

能力边界与适用人群（先读，避免预期错配）

本 skill 本质是「高级查找替换 + 结构化人工 SOP」，不是一键过审黑盒。诚实划定强弱项：

适合：愿意让 agent 按流程执行、并对 agent 改写做抽查的用户——本 skill 是得力的辅助工具，不是全自动黑盒；也适合完全交给 agent 跑、只看最终成稿的用户；没耐心一步步走的，用"快速模式"（见第 0.7 步）。
不适合：期望"点一下全自动过审、彻底省心省力、零人工零抽查"的用户——本 skill 做不到真正的"一键全自动"：语义层问题（如多角关系暗示、模糊暧昧）仍要 LLM 读上下文甚至人工判断，机器扫不出来；AI 味消除效果因书而异、取决于具体文本，但以"常规文本至少 90% 以上过审"为设计目标（不承诺 100% 过审——但深层暧昧暗示等模糊地带，配合高置信自动改写 + 你抽查可以完全避免）。封面图内容、跨库比对、删核心情节决策这几项也本质无法自动化（图看不见、涉及创作主权），本 skill 已把它们压到"点两下 + 抽查"，但绝不会偷偷代你拍这些板。期望完全省心省力的用户可能会失望；但——愿意配合抽查的用户会发现它确实是得力的辅助工具：硬伤修复与去 AI 味机械部分很稳，深层语义有高置信自动改写 + 你把关，封面/版权只剩"点两下"。

新手极简上手（第一次用只看这段，别被下面的步骤吓到）

本 skill 内部有一长串脚本和参考文档，但你作为使用者完全不用记——它们由 agent 或 pipeline.py 自动调用。第一次用，只需 3 步：

1. 一键跑机械部分：
   run.bat scripts/pipeline.py <你的小说.docx> --quick
   （macOS/Linux 把 run.bat 换成 ./run.sh）。它自动跑完"提取 → 去 AI 味 → 诊断 → 8 万字评估"，最后只给你一份精简报告：列清"还差哪几件事要你点一下 / 抽查"，其余标"已搞定"。
2. 封面 3 项点一下：报告里若提到封面，按选择题点"真人肖像 / 第三方 IP / 敏感地标"三项即可（图内容脚本看不见，只能你点）。
3. 让 agent 接着做语义精修 + 你抽查：模糊的暧昧、人物关系的微妙处，机器扫不出来，交给 agent（LLM）读前后章节判断并改写；这类判断准不准取决于大模型的理解力，所以你最后翻一眼它改的地方就行，发现不对直接说。

> 你真正要经手的就三样：你的原 docx、一条 pipeline.py 命令、输出的 _过审版.docx + 汇总报告。下面"工作流程"是给想深究 / 换机器 / 定制映射的人看的，第一次用可跳过，遇到问题再回查。

想更省事（完全交给 agent 跑、自己只看成稿）？在第 1 步命令后加 --names 男主,女A,女B --cover 封面图路径，把角色名和封面图给 agent，它能端到端跑完、你只抽查。

> 用户真实反馈（v1.14.0 外部评价，印证上方能力边界与定位）：
>
> 这个工具质量相当不错，能帮你把网文里的 AI 痕迹去掉、并按番茄小说的审核标准修改内容。它最大的好处是把"一键自动"和"必须人工"的部分分得很清楚——机械的活（删词、换词、格式检查）全自动跑，深层语义和封面版权则老老实实告诉你"这个得你来拍板"，不会吹牛说全都能搞定。配套文档写得很详细，新手跟着走也能上手。
>
> 不过注意，它没法保证 100% 过审，深层暧昧暗示这些模糊地带的效果取决于具体文本。愿意配合抽查的用户会发现它是得力的助手；想完全当甩手掌柜的可能会失望。

前置条件（一键部署，无需改任何路径）

本 skill 自带部署脚本，不需要手动改任何路径：
- Windows：运行 setup.bat → 自动创建 .venv 并安装唯一依赖 python-docx。
- macOS / Linux：运行 ./setup.sh。
- 所有脚本用统一入口执行：Windows 用 run.bat，macOS/Linux 用 ./run.sh（自动使用 .venv）。
- 自检：run_tests.bat（或 ./run_tests.sh）一键跑内置测试，全绿说明环境就绪。
- 下文命令以 Windows（run.bat）为例；macOS/Linux 把 run.bat 换成 ./run.sh 即可。
- 所有脚本在 scripts/ 下；相对路径引用 references/example_map.json（默认映射，针对《重生2026》样例）。
- 无脚本入口时的兜底：部分平台出于安全不自动安装 .bat/.sh 封装脚本。此时手动建 venv 并装依赖后，直接用 python scripts/<脚本名>.py [参数] 跑即可，效果完全相同——本 skill 无任何硬编码路径，换机器无需改任何东西。

测试（改过脚本 / 换新环境先跑）

run_tests.bat        # Windows
./run_tests.sh       # macOS / Linux

内置 20 项端到端测试（fixture 动态生成，不依赖任何素材），覆盖：文本提取 / 映射向导
（通用安全层+候选层+说话人）/ 草稿直接消费 / 自定义映射替换 / L1 机械层 / L2 诊断报告 /
推荐评估机械检测 / L2.5 自动改写 / 语义扫描（含 E 类暗示性软信号） / 版权扫描 /
封面客观指标核查 / 人物关系图（多角预警） / 维基《AI 写作迹象》识别扫描 / 一键流水线（pipeline 端到端） / agent 语义闭环（暗示性留白判定）。
全部 PASS 再开工；改过 scripts/ 后必须重跑确认无回退。

质量保障（对照 TRACE 评测维度）

本 skill 在 TRACE 五维度上的真实设计与证据如下，便于你（和评测）快速判断质量结构：

T · 可信任度（Trust）
- 纯本地、零网络、无海外 API：所有脚本仅用 python-docx（docx 读写）与 Pillow（封面指标测量）两个本地库；已自查确认无任何 requests / urllib / socket / 外部模型 API 调用，国内网络环境下直接跑通，不依赖任何海外服务。
- 最小权限 + 敏感数据保护：只读写你显式指定的 docx 与输出目录；不收集、不上传、不留存你的文档；绝不改写你的原文件（所有产物为新文件名，原文件仅做本地备份）。
- 依赖安全、可审计：代码为纯 Python 文本规则引擎，无二进制 / 后门，已通过 SkillHub 安全检测。

R · 可靠性（Reliability）
- 单步隔离 + 可定位失败：pipeline.py 每步独立 try/except，单步失败不阻断后续；汇总报告新增「⚠️ 执行中遇到的问题」段，逐步骤标注 [OK] / [X] 并给出中文「怎么修」建议，问题可定位而非甩一堆 traceback。
- 统一友好报错（errkit）：所有脚本入口经 scripts/errkit.py 的 safe_main 包裹，把常见异常（缺依赖 / 非 docx 损坏 / 文件被占用 / 路径错误）翻译成「⚠️ 标题 / 原因 / 怎么修」三段式中文提示，非技术用户也能照做；如"文件不是有效的 .docx 或已损坏：确认是 Word 另存为的 .docx，损坏请重新获取"。
- 开跑前预检（precheck，事前校验）：scripts/precheck.py 在处理之前主动检查文件是否存在 / 是不是 .docx / 是否为有效 docx（zip + word/document.xml）/ 是否为空或过大 / 是否被 Word 占用 / 依赖是否装好，阻塞问题直接终止并给「原因 + 怎么修」，不再让流水线跑一半才甩原生异常。可单独跑 precheck.py <书.docx> 做体检；pipeline.py 已内置，预检不通过则不改动任何文件。
- 20 项端到端测试兜底：fixture 动态生成，覆盖正常 / 边界 / 复杂输入（含坏文件友好报错断言），改过脚本后必须全绿再交付，防止规则改动把已过审文本改坏。

A · 适用性（Adaptability）
- 触发条件明确：仅当用户持有 .docx 网文、需要"去 AI 味 / 过审 / 过 8 万字评估 / 涨流量"时调用；非小说文本、纯 Markdown、或已自带发布工具的场景不适用（详见上方「何时使用」与「适合 / 不适合」）。
- 能力边界可预期：强项（硬伤修复 / 去 AI 味 / 评估 / 流量）与需人拍板的项（封面图内容 / 跨库比对 / 删核心情节）在「能力边界」表中逐行标注强弱，避免误用。

C · 规范性（Convention）
- 信息架构清晰、文档充分不过载：本文件为总览，深度方法论拆到 references/ 各专题（审核规则 / 检测机制 / 评估 / 流量 / 重构 / 去 AI 味 / 语义精修等），参数命名稳定、可复现。
- 版本可追溯：CHANGELOG.md 记录每次版本的能力变更与不兼容点；当前版本 1.22.0。

E · 有效性（Effectiveness）
- 结果可直接使用：最终交付 _过审版.docx，无需二次加工即可提交平台。
- 可量化的质量提升（输出准确性可验证）：去 AI 味四层流水线 + 维基迹象识别 + 语义闭环，把 AI 味评分压低并有前后对比；v1.21.0 起机械层改写自带「消除率」量化——改写前后各算一次 AI 味浓度分并报告消除率与残留信号（deai_report.md），"改得怎么样"可验证而非只报改了几段；以"常规文本至少 90% 以上过审"为设计目标（深层暧昧暗示配合高置信改写 + 你抽查可完全避免）。
- 推荐评估就绪度可自查（增值）：eval_readiness.py 对齐 8 万字硬门槛给 0-100 综合就绪度 + 五维雷达 + 最短板清单，直接回答"现在能不能提交、还差什么"；日更稳定性与留存率无法从文档判断，单列「需后台自查」不谎报。
- 真实验证：已在 49 万字真实小说上跑通（人物关系图无误报、维基迹象扫描命中合理），20 项测试全绿（含消除率量化与就绪度自检的两端断言、预检三类输入、决策树存在性）。

已知限制（不可自动化，必须人拍板）
- 封面图内容（真人肖像 / 第三方 IP / 政治敏感地标）脚本看不见，只能你点选确认。
- 跨库版权比对、时政敏感库比对需人工 / 外部库，本 skill 只挖正文文本候选。
- 删整条感情线 / 动核心卖点等创作主权决策，agent 会先问，不擅自动刀。
- 不保证单本书 100% 过审（设计目标 90%+）；AI 味消除效果因书而异。

工作流程

第 0 步：备份 + 提取

复制用户原 docx 到工作区（绝不改用户原文件）。提取文本供诊断：

run.bat scripts/extract_docx.py <原文件.docx> novel_text.txt

第 0.5 步（推荐）：一键流水线跑完机械部分

不想一步步手敲？pipeline.py 把第 0~4 步里机械能自动做的一切串成一条命令：

run.bat scripts/pipeline.py <原文件.docx> [--workdir DIR] [--no-reframe] [--no-eval]

脚本全自动跑完：提取 → 映射向导 → 关系重构 → L1 去AI → L2 诊断 → L2.5 自动改写（迭代到规则极限） → L2 复评 → 8万字评估检测，
并在工作目录产出 99_PIPELINE_SUMMARY.md 汇总：每个文件是否生成、AI 味评分（改写前→后）、
明确列出仍需你确认/人工处理的 4 类事项（映射候选定稿、书名拍板、L3 精修、封面版权）。

⚠ 流水线只自动化可枚举的机械工作：映射候选的替换词、书名、封面版权仍要人/agent 拍板，L3 深层语义精修（agent 亲自改写闭环，见 references/agent_semantic_rewrite.md）也由 agent 接着做——
它把"待办"直接写进汇总报告，不偷偷代做。跑完流水线后，按汇总报告的"待人工确认项"接着走 L3 闭环即可。

第 0.7 步（没耐心版）：快速模式

用户说"一键 / 快点 / 我没耐心一步步看"时，用快速模式把使用门槛压到最低：

run.bat scripts/pipeline.py <原文件.docx> --quick [--names 男主,女A,女B] [--cover 封面图路径]

-quick 让汇总报告只列不可自动化项（封面图 3 项点一下 / 核心情节决策 / 抽查），其余标"已搞定"，用户一眼看完。
配合 --names（给主要角色名，让 relation_graph.py 精准标多角预警）和 --cover（自动查封面客观指标），整条链路里用户真正要动的就 3 件事：
1. 封面图 3 项点一下（真人肖像 / 第三方IP / 敏感地标）；
2. 若 agent 改写涉及删整条感情线 / 动核心卖点，agent 会先问（其余高置信项直接改）；
3. 最后抽查 agent 改写处 + 听感。

→ 即"agent 端到端执行（扫描→关系图→判断→改写闭环）+ 用户只点 3 下 + 抽查"，把原 7 步流程的手动量降到最低。

第 0.6 步（认知前提）：设定过审目标——平台到底怎么判定"AI 产出"

动手前先对齐目标，避免把力气用错地方。平台判定不是"数 AI 词"，而是多手段 + 质量为中心（详见 references/tomato_ai_detection.md）：

• 朱雀模型（DetectAI）：输出 AI 疑似度 0–1，0.45 以上视为"高度疑似"；但若疑似度来自润色（同义替换）且提供原稿，编辑会结合改动幅度放宽。
• 改动率比对：人工稿 vs AI 处理稿相似度。改动率 < 10% = 合规润色；10–30% 需人工复审；> 30% 大概率超标。→ 本 skill 的核心护城河是把改动率压到语言润色级（< 10%），即只换词/调句式/改节奏，不重写情节、不生成人物。
• 质量审查（人工）：情节完整、人物连贯、语言流畅、受众口味。AI 文字的典型破绽是"过度平滑"——缺乏作者口头禅、缺乏故意的"卡壳"。
• 红线政策：用 AI 做情节/人物生成的，必须 AI 生成比例 ≤ 15% 且简介标注"AI 辅助"；违规则下架 + 15 天禁投，累计 3 次永久封号。

编辑实际原则（质量为中心）：即使朱雀 0.6 高疑似，只要只改了词且质量在线，编辑常宽容；反之疑似度低但情节机器化、人物没风格，照样拒稿。所以本 skill 的去 AI 味目标定为——保留作者声音、制造可控的不完美、守住合规改动率，而不是机械清空所有"AI 味词"。若稿件已是"AI 写了大半情节"，优先建议用户走"简介标注 AI 辅助"或重写道具，别指望只靠润色过关。

第 1 步：诊断（对照审核类别）

读取 references/tomato_review_rules.md，对全文做触发词扫描，分类报告：
- 书名/章节标题是否含低俗色情词（"老婆/后宫/种马/绝色"等）。
- 结构性硬伤：上床、情人、新娘、三妻四妾、后宫、种马、名分、白月光、暧昧、四个女人、四个妈妈、脚踏四条船、皇帝（多女围一人比喻）、胸部、翘臀、妩媚勾人、真心爱过。
- 暴力/政治/未成年风险点。
给出"必死项 vs 可修项"清单，先和用户确认重构方向。

第 2 步：确认重构方向（必问）

用 AskUserQuestion 让用户拍板人物关系重构方式（默认推荐"单配偶+三合伙人"）：
- 单配偶 + 合伙人（推荐）：男主只与一人是夫妻，其余女性改创业合伙人/至交。最稳过审。
- 纯事业线、感情极简：亲密关系大幅弱化。
- 仅改书名+换词（不推荐，大概率仍驳回）。
详见 references/reframe_map.md。

第 3 步：关系重构（去硬伤）

新书（非《重生2026》样例）先跑映射向导，不从零手建映射：

run.bat scripts/build_map_wizard.py <原文件.docx> --map draft_map.json --out 扫描报告.md

向导自动产出：书名识别、通用安全替换（已可直接用）、触发词候选（带上下文例句和建议替换词）、
整章违规候选、高频说话人清单（重构人物清单）。确认动线：
1. 按第 2 步定下的重构方向，把 candidates 条目逐条定稿替换词，挪入 bulk；
2. 整章违规的章按 references/reframe_map.md 写 chapter_swaps；
3. title_new 必填（向导留空待用户拍板）。

然后执行重构：

run.bat scripts/reframe_novel.py <原文件.docx> <输出_过审版.docx> --map 定稿map.json [--title-old OLD --title-new NEW]

脚本依次做：① bulk 子串替换（书名+明示违规+身体物化+去浪漫化）② 整章替换（如多妻婚礼章）③ 写回文档标题属性。
映射分两层：通用安全层（向导 AUTO_SAFE，不依赖具体书）+ 书籍专属层（人物名、整章替换）。
- 适配方法论见 references/reframe_map.md 的"适配到另一本小说"。
- 重构后必须重新抽取文本，肉眼过一遍整章违规候选章，确认无"共侍一夫"潜台词。

第 4 步：去 AI 味（三层流水线）

L1 机械层（直接替换，脚本一次跑完）：

run.bat scripts/deai_humanizer.py <_过审版.docx> <_去AI过审版.docx>

按 references/humanizer_banned.md 清除填充词/比喻连接词/套话。

L2 诊断层（定位深层 AI 味到章，不盲改）：

run.bat scripts/deai_deep_report.py <_去AI过审版.docx> --out 深层AI味报告.md

逐章检测九项：对话标签滥用、情绪直陈密度（tell-not-show）、安全比喻密度、AI填充词残留、
套路转场、段落同构（变异系数）、章尾套路、跨角色口头禅（声纹趋同）、
过度平滑/作者声纹缺失（对照平台"质量审查"维度：AI 文字过度平滑、缺口语毛刺/卡壳）。输出 MUST/WARN 逐章清单。

L2.5 自动改写层（真实改写句子，不只是删词，把 L3 人工量降到最低）：

run.bat scripts/auto_rewrite.py <_去AI过审版.docx> <_自动改写版.docx> [--dry-run]

脚本对 L2 报告里能安全自动修复的五类模式做改写，并复用 L2 九项指标打印改写前后
AI 味评分对比（MUST+WARN 合计），让人一眼看到自动化修了多少：
- A. 扩展填充词：覆盖 L1 漏掉的 AI 填充词（就在这时/顿时/瞬间/恍然大悟/微微一笑/轻轻叹了口气/嘴角微微上扬/似乎/一丝+情绪）。
- B. 情绪直陈→行为微描写（tell-not-show）：感到/觉得/涌起+情绪名词 → 具身动作（愤怒→攥紧了拳），直接消掉 L2 第 2 项。
- C. 对话标签去烂副词：淡淡地说/冷冷地道/微微一笑道 → 说/道（保说话人、去 AI 腔）。
- D. 陈词比喻替换：固定常见 AI 比喻 → 具体描写（小字典，仅精确匹配）。
- E. 套路转场轮换：与此同时/另一边/此时此刻 → 非待消词的衔接表达，破模板感。
--dry-run 只打印每处 old→new 与前后评分，不写文件，适合先核对再落盘。
⚠ 仍不可自动修的（继续走 L3）：跨角色口头禅趋同（需给每人设语癖）、段落同构/章尾套路（影响节奏需人判断）、语义层多女信号/人物关系/剧情/听感。

L3 精修层（只接手 L2.5 剩下的，按模板定向重写，不靠感觉）：
- 先跑 L2.5（或流水线），再复跑 L2 看评分下降；优先处理 L2 报告里 L2.5 未覆盖的章
（跨角色口头禅、段落同构、章尾套路）。
- L3 不是凭语感乱改——按 references/llm_rewrite_sop.md 的 6 个重写模板（声纹/同构/章尾/
段落级 tell-not-show/空洞总结句/反过度平滑·作者声纹注入）逐模式过，每个模板带 before/after 范例和"改完判定"。
- 按 MUST 章优先，每次对话处理 3-5 章，对照 L2 报告定向重写（重写规则见
references/humanizer_banned.md 第五节：信息倾倒、固定套路开场、对话标签、安全比喻、情绪直陈）。
- 涉及语义层多女信号 / 暗示性多角关系 / 暧昧 / 价值观 / 未成年负面的复杂问题，先跑
scripts/semantic_scan.py 把高风险段挖出来，再按 references/semantic_risk_sop.md 逐段判定与改写
（是否越界必须人/LLM 拍板）；结构性重构（整章/整线）仍按 references/manual_fix_sop.md 场景 A-D（每类有具体步骤和"做完的判定"）。

当本 skill 由 agent（LLM）执行时，L3 的语义精修应由 agent 亲自闭环完成（这是突破"高级查找替换"的关键）：
1. agent 跑 semantic_scan.py → 读候选 + 回原文读前后 1-2 章上下文（确认人物关系设定，避免误杀正常亲密/漏杀暗示）；
2. 逐段用 LLM 语义理解判断越界 → 直接改写该段写回 docx，不只生成报告甩给用户；
3. 扫描器漏掉的"暗示性留白"（独处+私密+对等亲密、跨角色情感并列、情感独占暗示）靠 agent 读上下文兜底判断；
4. 结构性重构（整章/整线多角）仍按 manual_fix_sop.md 场景 A，涉及删情节/大改/动核心卖点时先 AskUserQuestion 确认，不擅自动刀；
5. 改完复跑 semantic_scan.py 确认该章 A/B/C/D 候选清零或仅剩"合理保留"，E 类经判断后改写或标注"合理保留（非越界）"。
→ 完整执行协议、LLM 判定规则与"暗示性（无显式 token）"before/after 范例见 references/agent_semantic_rewrite.md。

• 每章重写完复跑 eval_fix_check.py 确认字数/对话占比/红线未回退。
• 全书 MUST 清零后，用户只需抽查 3 章听感（读对话能否分出谁在说话）+ 抽查 agent 的语义改写处，不再要求逐章人工重写。

第 5 步：验证与交付

• 复扫硬伤触发词，确认合计趋近 0（允许 ≤5 处无害残留，需说明）。
• 确认章节数 / （全书完）结构完好、书名属性已改。
• 封面/版权逐项确认（不可省）：先跑 scripts/copyright_scan.py <_过审版.docx> --out 版权风险报告.md
  把正文文本里的疑似侵权引用（明星名/IP/歌词/同人/商标）挖出来，连同本报告一起交给用户核查；
  再对照 references/cover_copyright_checklist.md 的可填体检单（自动 vs 人工边界已拆分），
  用 AskUserQuestion 让用户确认"封面 8 项 / 版权 6 项是否全部满足"；
  未确认项加粗写进交付警告（版权问题后果量级大于内容驳回）。
  ⚠ 封面图内容、跨库比对脚本做不到，必须人确认——这点在交付说明里如实告知。
• 交付 _去AI过审版.docx，把测试产物与用户原文件区分，避免误覆盖。

第 6 步：8万字推荐评估自查

读取 references/tomato_80k_evaluation.md，按三阶段逐项自查：

评估前准备（硬性门槛）：
- [ ] 全文≥8万字。
- [ ] 提交前连续3天日更≥4000字（无断更/凑字数）。
- [ ] 封面含清晰书名+笔名，风格匹配内容（慎用平台模板封面）。
- [ ] 书名/简介抓眼球无歧义。
- [ ] 保持连载状态（点击"开启推荐评估"后不可撤回）。

内容核心避坑：
- [ ] 前三章300-1000字内亮出冲突/金手指（重中之重）。
- [ ] 无大段世界观/技能堆砌，设定用剧情渗透。
- [ ] 每章推进情节，无纯废话对话/机械罗列/重复描写（"删了这章后面的剧情不受影响吗？"）。
- [ ] 章节字数1500-3000字均衡，标点规范。
- [ ] AI辅助已深度精修，无50%以上AI直出内容。
- [ ] 分段合理，单段≤5-6行，无标点乱用。

验证期操作：
- [ ] 通过后7天日更≥4000字（断更/低于4000=无效更新）。
- [ ] 小流量数据（百级阅读/个位数加书架）属正常，重点看留存率。
- [ ] 验证期结束满10万字方可进入首秀。

给出"就绪 vs 待优化"清单，标注不达标项的具体章节和修改方向。

第 7 步：评估不过直接修改

当评估被驳回（或预检发现大量问题时），读取 references/tomato_eval_fix.md，按以下动线执行：

7.1 机械检测（生成修改清单）：

run.bat scripts/eval_fix_check.py <src.docx> --out 修改清单.md

脚本自动扫描七类硬性问题：章节字数 1500–3000、单章对话占比 ≤40%、超长段落（>150 汉字）、章节长度稳定性（均值 ±60% 带宽）、前三章开篇 300 字钩子（世界观堆砌 vs 冲突标记）、双逗号/省略号滥用、AI 低质词。输出 MUST（必修）/ WARN（建议）两级逐章清单。

7.2 先修硬性基础（直接扣分项）：
- 格式合规：短章扩写补冲突（非补描写）、长章砍灌水或拆章、超长段切分。
- 内容安全：红线词替换（复用第 1 步扫描）。
- 原创性：跑 deai_humanizer.py 后重点精修对话与叙述。

7.3 再修内容核心（评估重点）：
- 开篇钩子：前三章冲突/金手指前置到前 300 字，设定改为"事件中展示"。
- 主线节奏：对话超标章砍无效对白；"删了不影响剧情"的水文章合并或删。
- 人物立体：主角每 3 章一个"目标-阻碍-选择"小循环；工具人配角给记忆点。
- 逻辑连贯：逐章写"本章推进了什么"，说不出的章标记重写。

7.4 避坑雷区复查：低质 AI 文 / 结构空洞 / 节奏崩坏 / 可读性差四项逐个过（见 tomato_eval_fix.md 第三节表格）。

7.5 针对性调整：若平台给了驳回理由，按建议定向修改（如节奏问题缩章节、补冲突），切勿盲目全篇重写；首次不过优先"前三章重写 + 格式统一"组合拳。

第 8 步：大流量获取优化

当用户目标从"过审"升级到"要流量/要追读"时，读取 references/tomato_traffic_growth.md，按流量漏斗（曝光→点击→转化→留存）逐层优化：

8.1 门面优化（提升点击率）：
- 书名按"热词 + 冲突/金手指"公式重拟（如《重生虐渣：我靠系统躺赢豪门》），同步对照 tomato_review_rules.md 避开低俗红线。
- 封面建议：红黑撞色 + 题材匹配（脚本不碰封面图，给用户设计要点）。
- 简介精简留悬念，首句必须是钩子。

8.2 黄金三章（提升完读率）：
- 前三章 500 字内切入冲突，每章 1000–2000 字，结尾埋钩子。
- 可复用 scripts/eval_fix_check.py 检测开篇钩子是否达标。

8.3 流量节点冲刺：
- 验证期（8万字/7天）：日更 ≥4000 字，断更即限流。
- 首秀（10万字）：精修前三章 + 日更 6000+ 字冲万级/十万级流量池。
- 书测（20万字）：数据不佳时优化剧情"复活"，参与征文/书荒广场蹭官方流量。

8.4 更新节奏与三率复盘：
- 固定流量高峰时段更新（放学/通勤/睡前）；章节加"点书架催更"引导。
- 盯后台三率定向优化：完读率低删水剧情、点击差改书名封面、书架率低强化结尾钩子。
- 数据差且节点已过：建议完结开新书止损，勿死磕。

关键提醒

• 本 skill 是"高级查找替换 + 结构化 agent/人工 SOP"，不是一键过审黑盒：硬伤修复 / 去 AI 味 / 8万字评估 / 流量方法论是强项；深层语义问题由 semantic_scan.py 挖候选 + relation_graph.py 自动画关系图标多角 + agent（LLM）直接判断改写写回 docx（闭环协议见 references/agent_semantic_rewrite.md），高置信项直接改、用户抽查；封面图内容/跨库比对仍须人确认，但客观指标已可由 cover_check.py 自动测、文本版权已可由 copyright_scan.py 自动挖候选，仅剩"真人肖像/第三方IP/敏感地标"3 项用选择题式点两下。期望"点一下全自动过审、零人工"的用户会失望——封面图内容、跨库比对、删核心情节决策这几项本质无法自动化，本 skill 已压到最低但仍需你拍板（详见「能力边界与适用人群」+ 第 0.7 步快速模式）。
• 两个语义/版权扫描器都是 WARN-only（只挖候选、不改字）：semantic_scan.py / copyright_scan.py 输出的是"疑似风险段落 + 原因"，判定与改写仍须人/LLM，不要把它们当成自动修复。
• 改书名是硬要求：含"四个绝色老婆/后宫/种马"的书名直接命中低俗色情类，必须改。
• 结构重构 > 换词：保留多女暧昧结构只换词，过不了审。
• 人工处理按 SOP 走：脚本是文本级规则引擎，语义层多女信号 / 人物关系连贯 / 剧情删改 /
  听感判断 / 封面版权五类必须人工——按 references/manual_fix_sop.md 五类场景对号入座，
  每类有步骤和"做完的判定"。脚本跑完残留的"名分/皇帝"等语义层信号见场景 A。
• 新书必跑映射向导：example_map.json 只适配样例书；换书直接跑 build_map_wizard.py 生成草稿，确认 candidates 后定稿，不要从零手建。
• 去AI味是四层流水线 + 一键入口：L1 机械层删词 → L2 报告定位深层问题到章 →
  L2.5 自动改写五类安全模式（情绪直陈/陈词比喻/套路转场/扩展填充词/标签烂副词，词典已扩到 40+ 情绪、20+ 比喻，并自迭代到规则极限）并给出前后评分 →
  L3 按 references/llm_rewrite_sop.md 的 6 个模板定向重写 L2.5 没覆盖的章（声纹/同构/章尾/段落级 tell-not-show/空洞总结/反过度平滑·作者声纹注入），人工只做抽查。
  机械部分可用 scripts/pipeline.py 一条命令跑完（见第 0.5 步），自动化能消掉大部分机械型 AI 味，但语义级润色仍要人。
• 去AI味的目标是"像人写、有作者声纹"，不是"零AI词"：平台判定以"质量为中心"——朱雀疑似度只是参考，编辑更看改动率与文字是否"过度平滑"。所以除删 AI 词外，L3 还要主动注入作者/角色口头禅、故意的"卡壳"（破折号/句内省略号/超短句/语气词），打破"每句都工整"的机器节奏；L2 第 9 项"过度平滑/作者声纹缺失"就是量化这一信号。检测机制与红线（改动率/15%标注）详见 references/tomato_ai_detection.md。
• 守住 AI 生成比例红线：若情节/人物有 ≥15% 由 AI 生成，单靠润色过不了审——必须建议用户在简介标注"AI 辅助"或重写道具；本 skill 只做语言级润色（改动率压到 < 10%），不替你生成情节。
• 8万字评估仅3次机会：三次不过永久无推荐，务必打磨到位再提交，切勿盲目试错。
• 开篇钩子是评估成败关键：前三章300-1000字不亮冲突/金手指，大概率不过。
• 评估不过先跑机械检测再改：eval_fix_check.py 的修改清单是修改依据，别凭感觉盲改；首次不过优先"前三章重写+格式统一"。
• 流量是漏斗：曝光→点击（门面）→转化（开篇）→留存（追读），每步数据达标才触发更大推荐；优化前先看后台三率定位漏水的环节。
• 书名要同时满足"热词+冲突"公式和审核红线：只满足一头，要么没流量要么被驳回。
• 保留用户原文件，所有输出为新文件名。
• 改脚本先跑测试：动了 scripts/ 后必须 run_tests.bat（或 ./run_tests.sh）全绿再交付，
  防止规则改动把已过审文本改坏。

文件清单

• scripts/extract_docx.py — docx 提取为按段文本。
• scripts/build_map_wizard.py — 新书映射生成向导：扫描触发词/说话人/整章违规，输出草稿 map.json + 扫描报告。
• scripts/reframe_novel.py — 关系重构（bulk + 整章替换 + 标题）。
• scripts/deai_humanizer.py — 去 AI 味机械层（L1）；v1.21.0 起自带效果量化：改写前后各复用 wiki_signs_scan 的浓度分算法算一次，输出「AI 味浓度分 前→后 + 消除率」；--report 写出 deai_report.md（改写段落数 / 消除率 / 仍残留的高频信号 Top3，供 L3 定向精修；浓度分若未降反升会明确告警）。
• scripts/deai_deep_report.py — 深层 AI 味逐章诊断（L2）：对话标签/情绪直陈/安全比喻/段落同构/声纹趋同/过度平滑等九项。
• scripts/semantic_scan.py — 深层语义风险扫描（辅助层，WARN-only）：多信号启发式挖"暗示性多角关系/暧昧/亲密暗示/未成年负面"候选段（A/B/C/D 硬信号 + E 类中置信暗示性留白），交 L3 / agent 判定，不自动修改；E 类单列、不计入硬候选，交 LLM 二次判断。
• scripts/relation_graph.py — 人物亲密关系图（v1.11.0，辅助层，WARN-only）：自动检测角色在亲密/暧昧语境的共现，构建配对边并标出"亲密对象 ≥2"的多角高置信预警（角色级 C 类），让 agent 直接据此定向改写，把"人物关系需人判断"降到"看图改"；不改字。
• scripts/copyright_scan.py — 文本级版权风险扫描（辅助层，WARN-only）：挖正文里疑似侵权引用（明星名/IP/歌词/同人/商标），交人工核查；封面图/跨库比对仍须人。
• scripts/cover_check.py — 封面客观指标自动核查（v1.11.0）：用 Pillow 自动测封面格式/尺寸/宽高比(竖向3:4)/文件大小/是否近似纯色，把"封面须人确认"降为只需点"真人肖像/第三方IP/敏感地标"3 项；PIL 缺失时优雅降级。
• scripts/wiki_signs_scan.py — 维基《AI 写作迹象》识别扫描（v1.18.0，辅助层，WARN-only）：把维基百科《Signs of AI writing》的识别方法论落成机械扫描——英文词汇黑名单（高置信）+ 否定平行结构/说教式免责声明/模糊归因(黄鼠狼话术)/僵化结尾升华/Markdown残留/Emoji异常/破折号过量（高置信）+ 虚假范围/三段式排比/疑似伪造来源（中置信-待人工），按高/中置信分级输出 11_wiki_signs.md 与"AI 味浓度分"，不自动改字，交 agent/L3 定向精修（知识库见 references/wiki_ai_writing_signs.md）。
• scripts/auto_rewrite.py — 去 AI 味自动改写层（L2.5）：五类安全模式真实改写 + 前后 AI 味评分对比，消灭大部分机械型 AI 味；词典已扩（40+ 情绪 / 20+ 比喻 / 扩展填充词）+ 自迭代定点循环。
• scripts/precheck.py — 开跑前预检（v1.22.0，事前校验）：跑流水线之前检查文件存在性 / 是否 .docx / 是否有效 docx（zip+word/document.xml）/ 空文件 / 过大 / 被占用 / 依赖缺失，逐项给「⚠️ 标题 / 原因 / 怎么修」；阻塞问题退出码 1 并终止（pipeline.py 已内置，可单独跑做体检）。与 errkit 的事后异常翻译形成"事前 + 事后"双保险。
• scripts/pipeline.py — 一键流水线：开跑前先 precheck，再串联提取/向导/重构/L1/L2/L2.5/L2复评/评估检测/语义扫描/版权扫描/维基AI写作迹象识别/去AI效果量化/推荐评估就绪度，产出 99_PIPELINE_SUMMARY.md 汇总（文件清单 + 前后评分 + 消除率 + 就绪度 + 执行中遇到的问题 + 待人工确认项）。
• scripts/eval_fix_check.py — 评估不过机械检测：字数/对话占比/分段/节奏/开篇钩子/标点/AI低质词，输出逐章修改清单。
• scripts/eval_readiness.py — 推荐评估就绪度自检（v1.21.0）：在逐章清单之上补宏观总览，按字数门槛(30)/章节健康度(20)/开篇钩子(20)/AI味健康度(15)/对话健康度(15) 算 0-100 综合就绪度，产出 12_eval_readiness.md（五维得分雷达 + 最需补的短板清单 + 需后台自查项：连续3天日更≥4000 / 验证期留存率——这些无法从 docx 判断，不谎报）。
• scripts/build_map.py — 从原始重构脚本重建 example_map.json（维护用，一般不需跑）。
• references/tomato_review_rules.md — 番茄审核类别与修改方向（章节审核驳回7大类）。
• references/tomato_ai_detection.md — 番茄小说 AI 内容检测机制与编辑判定（据公开资料整理）：政策红线/5种检测手段/质量为中心原则/4个案例/对去AI味策略的启示/快速自查清单。所有"过审目标设定"均以此为锚。
• references/tomato_80k_evaluation.md — 番茄8万字推荐评估攻略（准备/内容/验证期三阶段自查）。
• references/tomato_eval_fix.md — 评估不过直接修改规则（硬性基础/内容核心/避坑雷区/修改动线）。
• references/tomato_traffic_growth.md — 大流量获取方法论（门面/黄金三章/三节点冲刺/更新节奏/三率复盘）。
• references/reframe_map.md — 种马后宫→过审 方法论与映射适配。
• references/humanizer_banned.md — 去 AI 味禁用词与结构清单。
• references/cover_copyright_checklist.md — 封面 8 项 + 版权 6 项可填体检单（自动 vs 人工边界已拆分；正文版权由 copyright_scan.py 自动挖候选；封面客观指标由 cover_check.py 自动测，仅剩真人肖像/第三方IP/敏感地标 3 项引导式确认）。
• references/semantic_risk_sop.md — 深层语义风险精修 SOP（L3 辅助）：判定树 + 4 个改写模板（去 veil/情感克制/明确关系边界/未成年兜底），处理 semantic_scan.py 挖出的候选。
• references/agent_semantic_rewrite.md — Agent 语义精修闭环协议（L3 · agent 亲自判断 + 改写）：当 skill 由 agent 执行时，读候选 + 上下文 → LLM 判断越界 → 直接改写写回 docx → 用户抽查；含 LLM 判定规则（显式 A/B/C/D + 软信号暗示性留白）、4 个改写原则 + "暗示性（无显式 token）"before/after 范例、何时必须问用户。这是突破"高级查找替换"的关键文件。
• references/example_map.json — 《重生2026》可用样例映射（114 条 + 第40章整章替换）。
• references/wiki_ai_writing_signs.md — 维基《AI 写作迹象》识别知识库（v1.18.0）：核心逻辑（LLM 预测→平庸/空洞）+ 词汇黑名单 + 6 类惯用句型与语气 + 标点格式 6 类 + 伪造来源幻觉，附 agent 研判指引；是 wiki_signs_scan.py 的配套说明。
• references/manual_fix_sop.md — 人工处理 SOP：机器做不了的五类场景（语义多女信号/人物关系/
  剧情删改/听感/封面版权）+ 每类步骤 + 完成判定 + 兜底决策。
• references/llm_rewrite_sop.md — L3 精修 SOP（agent 辅助重写）：6 个可套用重写模板
  （跨角色声纹/段落同构/章尾套路/段落级 tell-not-show/空洞总结句/反过度平滑·作者声纹注入），每个带 before/after 范例，
  把"人工精修靠感觉"变成"按模板定向重写"，可复现、可判定。
• references/faq.md — 集中式 FAQ（v1.20.0）：安装/依赖缺失、报错怎么查、封面版权为何须人确认、
  去 AI 味效果与过审率、快速上手、文件速查表，一处集中答疑，不用翻多文档。
• references/before_after_examples.md — 改前改后对比示例（v1.20.0）：去 AI 味 / 语义精修 / 版权扫描的真实
  before→after 片段，直观看"改完长什么样"。
• setup.bat / setup.sh — 一键部署（自动建 .venv + 装 python-docx，无需手动改路径）。
• run.bat / run.sh — 统一命令入口（自动用 .venv）。
• run_tests.bat / run_tests.sh — 一键跑全部测试。
• tests/ — 内置测试套件：make_fixture.py（动态生成测试 docx）+ test_core.py（20 项端到端断言，含 L2.5 自动改写 / 语义扫描 / 版权扫描 / 封面核查 / 人物关系图 / 维基AI写作迹象识别 / agent 语义闭环）+ run_tests.py。
• CHANGELOG.md — 版本变更记录（能力增量 / 不兼容点 / 参数稳定性），对应 TRACE 的 Convention 维度。
• requirements.txt — 本地依赖：python-docx（docx 读写）+ Pillow（封面客观指标测量）；均为本地库，无网络 / 外部服务依赖。