zh-novel-writing-toolkit

给中文长篇写作准备的一套工具，主要是长篇小说：

• 一个写作教练 skill，管怎么写才对；
• 一个AI 检测器 skill，判断稿子像不像 AI 写的；
• 一个去 AI 味 skill，管已经写歪的怎么改回来；
• 一个机械检查 MCP 服务，把标点、句长、词表这些能算的东西交给代码。

skill 都是单文件、零依赖，装进任何支持 Agent Skills 的编辑器就能用。MCP 只需要 Node ≥18。

装哪个

| Skill | 管什么 | 什么时候用 | |---|---|---| | novel-writing-coach-zh | 写作教练：立意、结构、人物、场景、对话、视角、句子基本功、改稿定位 | 动笔前、落笔时、改稿定位问题 | | ai-detector-zh | AI 检测器：A–F 信号表 + 五维度评分，判断文本像不像 AI 写的 | 拿到稿子，先判断像不像 AI | | deepseek-humanizer-zh-longform | DeepSeek 特化去 AI 味：DS1–DS15 | 稿子明确由 DeepSeek 写成，逐条改 |

npx skills add Yan-W-u/zh-novel-writing-toolkit --skill novel-writing-coach-zh -g
npx skills add Yan-W-u/zh-novel-writing-toolkit --skill ai-detector-zh -g
npx skills add Yan-W-u/zh-novel-writing-toolkit --skill deepseek-humanizer-zh-longform -g

三个一起装：

npx skills add Yan-W-u/zh-novel-writing-toolkit --all -g

也可以手动把对应目录里的 SKILL.md 放进工具的 skills 目录。

正确顺序：先用写作教练把结构、场景、对话、句子写对；写完想确认像不像 AI，用检测器扫一眼拿结论；确认有 DeepSeek 味，再用去味规则扫最后一遍。反过来做是白费功夫——一段本来就多余的戏，把句子磨得再像人写的，它还是多余。

写作教练管什么

novel-writing-coach-zh 有三种模式：

• plan：动笔前搭骨架。先逼出一句话"这个故事想证明什么"，再走特鲁比的七个关键步骤，把主要人物填进四角对立。产出几句话或一张表，不是几十页设定。
• draft：落笔时指导。先钉住"谁在写"，再给这一节定尺度（分几部分、每部分多少字、哪几处大段哪几处小段，按内容定），然后认主导段型——冲突、消化、对话、描写、说明各有各的落笔法，无功能的段落直接砍；然后落句、别写太齐（别把每处擦干净，也别演笨拙）、收尾，最后必须过机械自检（分句长度、句长分布、逗号÷句号）。方法是条件式的，不是一份每段照做的清单。
• diagnose（默认）：成品稿诊断。先定位问题在哪一层，再动手。

核心工具是这张定位表：

| 症状 | 在哪一层 | |---|---| | 故事不成立（激励事件太软、对手太弱、因果断裂） | 结构与人物 | | 这一段读完什么都没变，或几场戏在反复说同一件事 | 场景与节奏 | | 台词一个腔、把该说的直说了 | 对话 | | 不知道这是谁在讲 | 叙述与视角 | | 句子不顺、读起来累 | 语言 |

细则放在 references/ 里，按需加载，用到哪块读哪块：

| 文件 | 内容 | |---|---| | references/story.md | 麦基（激励事件/转折点/场景价值/鸿沟/因果链/控制性理念）+ 特鲁比（设计原则/七步/四角对立/对手）+ 人物与场景节奏 | | references/dialogue.md | 贝尔对话设计：三职能、潜台词、冲突、躲避错位、标签与动作节拍、人物声音、配比、常见病、改坏对话五步 | | references/pov.md | 展示与讲述、视角类型、视角漂移、场景与概括、有意义的细节、意象、语调 | | references/language.md | 中文句子基本功：主干、动词、形容词、长短句、承接、虚词、标点、朗读、常见病、改前改后十组、文字品质五条 | | references/drafting.md | 落笔：这一节怎么写。先钉"谁在写"，再定尺度（分几部分、每部分多少字、大段还是小段），然后认段型分化落笔，再落句、别写太齐、收尾、五问自检 | | references/revision.md | 从构思到修改的五个阶段 + 五层定位法 + 与去 AI 味 skill 的衔接 |

AI 检测：ai-detector-zh 管什么

ai-detector-zh 只判断，不改写。它按 A–F 信号表逐条标出可疑处，再给五个维度各 10 分（具体性、节奏、克制、信息密度、声音，满分 50），据此下结论：

| 总分 | 结论 | |---|---| | ≥40 | 基本是人写的 | | 25–39 | 混合，需要逐条看 | | <25 | 典型 AI 腔 |

报告里同时给置信度（高/中/低）、逐条证据表（信号 | 命中处 | 为什么像 | 严重度）和客观数据（逗号÷句号、句长分布、分句长度、高频词密度）。

| 组 | 检测什么 | |---|---| | A 说而不是演 | 情绪直述、心理旁白、替读者总结动机、段尾升华 | | B 修饰膨胀 | 形容词三连、程度副词、比喻滥用与复用、四字格排比、宏大意象 | | C 节奏句式 | 句长均匀、排比三连、对称对比句、虚词堆叠、逗号碎句、虚动词与被动句、承接断裂、欧化句式 | | D 结构模板 | 段落等长、开场景描套路、对话过度功能化、破折号滥用、重复铺陈、对话同腔 | | E 残留痕迹 | 助手腔、说明文腔、自我叙述、知识免责 | | F 高频词 | 此外、赋能、闭环、氤氲、蜕变……扎堆出现才算信号，用得准就不该算命中 |

它的边界：清单查的是"有什么"，查不出"缺什么"。一段稿子可以一条痕迹都不中，照样读着假——太齐了，没有一处是白写的。所以结论是"像不像 AI"，不是鉴伪；命中少不等于就是人写的。真要动手改，回到写作教练或去味 skill。

去 AI 味：DeepSeek 特化版管什么

DeepSeek 写中文长文，第一眼认出来的是短：句子短、分句短，短得没有理由。它把断句当成了有文采的默认手段，于是不重要的信息也配上金句的乐。

| 编号 | 症状 | 例子 | |---|---|---| | DS1 | 逗号碎句，一段切出好几个短块 | 他走进屋子，点亮灯，坐下。 | | DS2 | 对称排比癖，三项同质只为好听 | 自己的穹顶，自己的煤，自己的光 | | DS3 | 把背景设定写成警句 | 灯亮，抽水机转。不多不少，就这么多。 | | DS4 | 留白腔，用"不必多言"代替克制 | 这就够了。 | | DS5 | 廉价抒情，用"说不清"假装含蓄 | 心里涌上一阵说不清的滋味 | | DS6 | 万能缓冲词 | 仿佛、似乎、某种、一丝、静静、缓缓 | | DS7 | 规训腔，先立个错做法再宣布对的 | 他要做的不是逃，是留下。 | | DS8 | 大事记腔，背景交代写成编年简报 | 灰石镇的人打了几场，不想打了。 | | DS9 | 对话同腔，所有角色一个冷调门 | 遮住说话人分不出谁在说 | | DS10 | 含糊收束，用一句情绪话跳过代价和原因 | 打了几场，不想打了。 | | DS11 | 语域漂移，叙述和台词用一个腔 | 遮住引号分不出谁在说 | | DS12 | 用词误置，词的档次不对 | 一处没塌的窝 / 空气里氤氲着潮气 | | DS13 | 标点频率失衡，句号扎堆逗号太少 | 逗号÷句号低于 1.0 | | DS14 | 动作之间夹光头短状态当定格 | 喝了一口，涩的，就放下了。 | | DS15 | 表演式粗糙，刻意造工整的笨拙 | 蹭了蹭，蹭不掉 / 试一试松不松，又拉了一下 |

一句判据：把碎句连起来说，意思少了没有？没少，断句就是装饰。

DS1 到 DS7 管句子，DS8、DS9、DS10 管更深的三处：一个把历史写成年表，一个把所有人写成同一个人，一个拿轻飘飘的情绪话跳过该交代的代价和缘由。DS11、DS12 管语域，DS13 是把 DS1 变成能算的尺子，DS14 管状态——把"涩的""绳子细"这样的光头状态夹在两个动作之间当定格。DS15 管行为——把工整的笨拙摆出来，表演"真实"（DS14 是它在状态层的特例）。

ai-feel-checker（MCP）

句长、标点比例、高频词这三类是能算的，不该靠估。这个 MCP 服务把规则搬进代码，模型只拿结果，不占上下文。

| 工具 | 作用 | |---|---| | check_punctuation | 逗号÷句号，同时给全篇与去掉台词后的叙述层两个数；判定 1.2–1.6 为正常，并标出需要看的段落。对话密集的稿子两个数都会偏低，那是台词本身句号多，不要为了凑数去跨说话人合并句子 | | check_sentence_lengths | 句数、平均、中位、标准差、区间分布，判断句长有没有被拉平。句数少于 6 时只说"样本太少"并补一条提示，不硬下结论（短文本别指望它给判定） | | check_clause_lengths | 分句长度（逗号、分号切开的单位）：平均、中位、标准差、区间分布。逗号÷句号有盲区——一篇可能这一项正常、却通篇碎句；分句长度才测得出来。写完必查 | | scan_words | F 组高频词与缓冲词（仿佛、似乎、某种……）的密度，按段给位置 | | extract_dialogue | 按顺序抽出所有引号台词，用于"遮住说话人看分不分得出是谁"的对话同腔检查 |

不需要安装依赖，直接用 Node 跑 mcp/ai-feel-checker/server.js。接入编辑器的配置：

{
  "mcpServers": {
    "ai-feel-checker": {
      "command": "node",
      "args": ["<仓库路径>/mcp/ai-feel-checker/server.js"]
    }
  }
}

没装 MCP 也不影响 skill 使用，按 skill 里写的方法人工数一遍即可。

测评集

测评集/ 是拿来验证这套规则到底管不管用的样本：12 篇 DeepSeek 首稿加对应的改后稿，逐条标了命中的规则和改动理由。

| 文件 | 内容 | |---|---| | 原始.md | 首稿。写的时候不做自我修订，也不刻意塞 AI 痕迹，就是"快写一遍"的状态 | | 定稿.md | 按 skill 改后，只动讲法，不动人物、事件、因果 | | 对比.md | 逐条对照 + MCP 客观数据 + 结论 |

改完规则拿它跑一遍，看数字有没有真的动。当前基线：

| 指标 | 原始 | 定稿 | |---|---|---| | 逗号÷句号 | 0.47（碎句成灾） | 1.08 | | 总句数 | 316 | 174 | | 句长标准差 | 4.1 | 8.2 |

样本里 12 篇全中 DS1 和 DS13；DS12 一次没中、DS6 只中一次，这两条在这批文本里基本失效。结论和理由都在 对比.md。

两条底线

一，动的是讲法。人物、事件、因果、设定、时间线，一个都不动。

二，感官和动作细节可以往上补，人物关系、事件、因果这些不能加。把"她很害怕"改成她攥紧门框、听见自己吞口水的声音，行。给她添个弟弟，不行。

还有一条容易被忽略：把句子改短当去味，是最常见的翻车。句句求短、句句留白，读起来照样假。

不适用的情况

引文、人物故意这么说的台词、方言、信件奏折这类文中文体，不动。

网文的爽点和章末钩子是体裁约定，不是 AI 味，别删。

2022 年 11 月之前的旧稿不是 AI 写的。

来源

去 AI 味规则取自维基百科 Signs of AI writing（WikiProject AI Cleanup 维护）与 blader/humanizer、op7418/Humanizer-zh 的公开实践。

写作教练骨架取自罗伯特·麦基《故事》、约翰·特鲁比《故事写作大师班》、詹姆斯·斯科特·贝尔《如何创作炫人耳目的对话》、珍妮特·伯罗威《小说写作：叙事技巧指南》，中文句子部分取自叶圣陶、夏丏尊《七十二堂写作课》。均为对公开框架的归纳与转述。

MIT 协议。