PaperSpine Authorial Voice Restoration 实战指南:从 legacy humanize 到证据绑定的作者声音恢复工作流
PaperSpine Authorial Voice Restoration 实战指南:从 legacy humanize 到证据绑定的作者声音恢复工作流
本文以 PaperSpine 开源仓库中的 humanize.md 为权威骨架,完整讲解 PaperSpine 中“作者声音恢复(Authorial Voice Restoration)”这一能力:它如何在贡献、论断/证据/术语已冻结之后恢复作者本人的学术表达,如何用 SHA-256、独立语义审计与作者确认把每一次改写锁进证据链,以及为什么它“不是 AI 检测规避”。读完本文,你将掌握 author_voice_restoration=standard|strict|off 的配置语义、author_voice_profile.json / author_voice_revision.json 两份契约的字段结构、author_voice_check.py 与 progress_check.py 的完整命令用法,并能判断哪些改写属于合法的最小必要修改,哪些会被硬性拦截。
一、能力定位:恢复作者声音,而非规避检测
PaperSpine 将 legacy humanize 路线正式重定义为 Authorial Voice Restoration(作者声音恢复)。它要解决的问题是:在贡献清单、论断/证据图、术语表、面向读者的稿件修订全部冻结之后,把稿件中空洞的框架句、机械的段落角色、缺乏证据支撑的评价性语言、虚假的润色感、重复的脚手架文字清理掉,同时完整保留科学含义。
humanize.md 明确给出了该能力的边界,以下行为一律禁止:
- 承诺“通过某检测器”或报告虚构的“AI 比例”;
- 针对 AI 分类器或词黑名单优化行文;
- 为了“看起来像人”而故意引入错误、俚语、反问句、第一人称或句长波动;
- 未经明确授权模仿其他学者;
- 用多跳翻译 / 回译作为最终改写手段;
- 让某种模式计数决定“作者身份”或强制修改。
在实现层,author_voice_check.py 的模块 docstring 与输出格式也反复声明 Authorship inference: not_performed 与 Detector pass / AI percentage: not_claimed,并在报告中硬编码输出这两行——这是仓库源码级的证据,说明该工具从设计上就不做“AI 作者身份推断”。
1.1 配置项:新配置与兼容开关
老配置 humanize_tier=light|medium|heavy 仍是兼容开关,只会“开启”这条能力车道,不再选择任何检测阈值;新配置统一使用 author_voice_restoration=standard|strict|off。intake.md 给出的配置表格如下:
| 配置项 | 取值 | 默认值 |
|---|---|---|
author_voice_restoration |
off, standard, strict |
off |
humanize_tier |
legacy 兼容:none, light, medium, heavy |
none |
detection_platform |
legacy 观察标签:cnki, weipu, general |
general |
author_voice_restoration 开启证据绑定的 Authorial Voice Restoration 阶段;legacy humanize_tier 取非 none 值时启用同一阶段,但不再选择句长突发度(burstiness)目标、同义词变化或检测器阈值。detection_platform 只用于标记作者自带的第三方观测结果,永远不构成 readiness 门禁。
在源码中,这一语义由两处一致实现:
- progress_check.py 的
author_voice_requested():显式author_voice_restoration为false/off/none/0/disabled时返回False,否则按 legacyhumanize_tier in {light, medium, heavy}兜底判断; - artifact_check.py 的
config_requests_author_voice()实现同样的判定逻辑,用于制品清单门禁。
对应地,progress_check.py 将 author_voice_restoration 注册为一个 config_dependent=True 的阶段(见 progress_check.py),其必需制品为 author_voice_profile.json、author_voice_revision.json、author_voice_receipt.json、author_voice_report.md;配置为 off 时该阶段输出 “Authorial Voice Restoration explicitly disabled; gate passes (opt-out)” 直接放行(progress_check.py)。
二、工作流中的位置:从确认贡献到独立编辑评审
humanize.md 给出了该车道的完整管线。恢复动作发生在“散文已经存在之后”,其前置条件是贡献确认与论断/证据/术语冻结:
confirmed contribution + frozen claim/evidence/terminology
↓
reader-facing manuscript draft + immutable original snapshot
↓
author-voice profile (authorized corpus or explicit unavailable receipt)
↓
claim/evidence/limitation reverse outline
↓
clean-text no-op decision or minimum necessary rewrite
↓
deterministic invariants + advisory pattern scan
↓
independent semantic audit with veto authority
↓
author confirmation bound to the revised SHA-256
↓
independent editorial review
两个关键实践约束:
- 在散文产出之后才应用声音恢复;独立评审者应使用保存的偏好直接比对原始文本与修订后文本,历史缺失的作者声音回执不阻碍该评审;
- 对当前公开宿主工作流,应优先使用保存的偏好与 assertive-scientific-writing.md 中的方法;下文“Runner 序列”属于历史路线,其冻结权威文件、回执与哈希绑定作者确认不是当前单 Skill 常规编辑/独立评审的前提。
三、第一步:重写前冻结权威(Freeze authority)
重写必须以“冻结的权威文件”为唯一事实来源。humanize.md 要求:
- 对管辖本次修订的文件做快照,典型包括
confirmed_contribution.md、scientific_evidence_ledger.json、术语来源与当前稿件; - 在
author_voice_revision.json的authority_files中记录这些文件的相对路径、用途与 SHA-256; - 把恢复前的稿件复制到不可变的项目内路径,例如
author_voice/original_manuscript.tex;修订文件通常仍为final_paper/main.tex; - 绝不覆盖唯一的原始字节。
为什么是 SHA-256 而不是文件名?看 author_voice_check.py 的 _verify_file_spec:它会把声明路径解析到输出根目录内(_resolve_local 拒绝路径逃逸),校验文件存在,然后逐块计算真实 SHA-256(sha256_file 以 1 MiB 分块读取),与声明哈希比对。声明哈希缺失/非法、文件缺失、哈希不匹配都会产生 BLOCKER 级 finding——也就是说,权威文件必须真实存在于磁盘且字节未被改动,才能通过校验。
四、第二步:构建作者声音画像 author_voice_profile.json
使用 author-voice-profile.schema.json 创建 author_voice_profile.json。该契约是 additionalProperties: false 的严格 JSON Schema,必填字段包括 contract(必须为 paperspine.author-voice-profile)、schema_version(1.0)、profile_id、status、output_language、authorized_sources、protected_terms。
4.1 授权语料(authorized_sources)
只允许使用作者本人或明确授权的文本,优先选择:
- 同一作者既往发表的论文;
- 项目申请书或学位论文章节;
- 审稿回复信(reviewer-response letters);
- 能反映作者真实推理过程的研究笔记。
每个来源都要在 reference_materials/author_voice/ 下做快照,并绑定 authorization=author_owned|explicitly_authorized;Schema 还要求标注 source_kind(prior_paper|proposal|review_response|research_note|other)。同时要在 protected_terms 中登记不得漂移的受保护术语:方法名、变量、统计术语、数据集名等。
Schema 的 allOf 约束很有意思:status=available 时 authorized_sources 至少 1 项;status=unavailable 时必须提供 unavailable_reason 且 authorized_sources 必须为空数组。检查器 author_voice_check.py 完全复刻了这一约束:available 但无来源、unavailable 却带了来源、unavailable 缺理由,都是 BLOCKER。
4.2 无授权语料怎么办
如果没有任何授权语料,正确做法是:status=unavailable、authorized_sources=[]、写明原因,然后继续工作,但不模仿任何人。这是诚实的局限,不是去借用某位“名作家”文风的理由。检查器此时会追加一条 ADVISORY 级 finding:voice_baseline_unavailable(“没有授权作者语料;不得模仿其他学者”),并且 style_deviation 输出 available: False, reason: authorized_author_corpus_unavailable,而不是用假基线硬算。
五、第三步:先做 no-op 决策,再谈重写
humanize.md 强调:先问是否存在具体的、面向读者的问题。仅凭模式匹配不足以触发改写——一段清晰、准确、符合章节功能的文字,即使用了常见连接词、重复的程序性句式或较低的句长方差,也应当是 clean-text no-op。
no-op 的正确姿势:
mode=no_op;- 原始与修订字节完全一致;
changes=[];- 记录“当前散文已履行其章节功能”的理由;
semantic_audit.audit_method=deterministic_identity或独立审计;- 复用作者既有偏好与授权,未改动的段落无需新的哈希绑定确认。
测试 test_progress_check.py 提供了一个可运行的 no-op 完整样例:original 与 revised 指向两个字节相同的文件(author_voice/original_manuscript.tex 与 final_paper/main.tex),authority_files 绑定 scientific_evidence_ledger.json,semantic_audit.audit_method=deterministic_identity,六个漂移计数全部为 0,author_confirmation.confirmed_sha256 等于修订文件哈希——随后 author_voice_check.py --write --json 以退出码 0 通过。检查器对 no_op 还有两道硬校验(author_voice_check.py):哈希必须一致,changes 必须为空,否则产生 invalid_no_op / invalid_no_op_log。
no-op 是正面的精确性证据,不是“错过一次降低 AI 分数的机会”——这句表述直接来自原文档,也符合整条链路“不优化检测分数”的设计。
六、第四步:从段落功能重写,而非表面同义词替换
对每个受影响的段落,先从冻结权威中恢复四样东西(humanize.md):
- 该段落负责的论断或问题;
- 授权它的证据;
- 改变解释的局限或替代方案;
- 该段落与前后单元的关系。
必要时隐藏原文措辞,从这些“功能”出发重建。优先删除空洞框架,而不是做同义词替换。author_voice_revision.json 中 changes 数组的每一项都必须包含 change_id、source_locator、revised_locator、reason、evidence_anchor 五个字段——Schema 规定的 reason 枚举值见 author-voice-restoration.schema.json:delete_empty_framing、restore_author_preference、clarify_claim_evidence_link、remove_unsupported_evaluation、repair_paragraph_function、section_register、other_reader_facing_problem。
6.1 分章节规则
- Methods(方法):常规句法与重复结构常常是正确的。保持术语稳定、主语清晰、一个概念一个名字;不要强行制造 burstiness。
- Results(结果):直接陈述观察,数字与比较紧贴其证据,避免无支撑的评价。
- Discussion(讨论):恢复作者自己的优先级、竞争解释、权衡、反例与真实局限;不要人为制造犹豫或自信。
- Introduction / Abstract:删除泛化的“重要性”框架,让问题-空白-贡献关系贴合冻结的论断边界。
6.2 回译的合法用途
回译(back-translation)只能作为差异探针(difference probe),绝不自动采纳其措辞;一旦它暴露出含义变化,立即回到原始论断。
6.3 风格偏差是“描述性”指标
检查器计算修订文本与授权作者语料之间的风格偏差时(author_voice_check.py),输出的是句子长度均值、变异系数、每千字符连接词/第一人称/模糊语(hedge)频次的归一化分量与一个综合 distance,但解释固定为 descriptive_distance_only_not_authorship_evidence。也就是说,风格距离只作描述,不作作者身份证据,更不作通过阈值。
七、第五步:硬语义不变量检查 author_voice_check.py
创建 author_voice_revision.json,使用 author-voice-restoration.schema.json。其必填字段为:contract(paperspine.author-voice-restoration)、schema_version(1.0)、mode(rewrite|no_op)、rewriter_id、original、revised、authority_files(≥1,每项带 purpose)、protected_terms、changes、semantic_audit、author_confirmation。
然后运行:
python scripts/author_voice_check.py paper_rewriting_output --markdown --write
命令行参数(author_voice_check.py):
| 参数 | 说明 |
|---|---|
output_dir |
输出目录,默认 paper_rewriting_output |
--request PATH |
指定修订契约文件(默认 <output_dir>/author_voice_revision.json) |
--profile PATH |
指定画像文件(默认 <output_dir>/author_voice_profile.json) |
--json |
输出 JSON 结果 |
--markdown |
输出 Markdown 报告 |
--write |
写入 author_voice_receipt.json 与 author_voice_report.md |
7.1 检查器绑定并比对的语义不变量
humanize.md 列出的不变量,在 author_voice_check.py 中都有对应的提取器:
- 原始与修订字节 / SHA-256:
_verify_file_spec双向校验; - 冻结的论断/证据/术语权威:
authority_files逐项哈希校验; - 数字与单位:
NUMBER_UNIT_RE覆盖% ‰ pp bp fold ×及mg g kg μg mL L nm μm mm cm m km s ms min h Hz kHz MHz °C K Pa kPa mol mmol nM μM mM M等常见单位(含−、科学计数法); - 引用键:同时支持 LaTeX
\cite{...}与 Pandoc[@key]两种语法(extract_citations); - 公式:
extract_formulas覆盖行内$...$、显示\[...\]与equation/align/gather/multline环境; - 受保护术语与专名:由 profile 与 request 双方提供的
protected_terms并集; - 否定标记:中英双语词表(如
not/no/never/without/lack与不/未/无/缺乏/失败); - 因果/关联方向:
cause/because/therefore/resulted in/leads to/due to/associated with与导致/引起/因为/因此/归因于/关联; - 情态、不确定性与论断强度:
may/might/could/suggest/likely/prove与可能/或许/提示/证明/显示。
任何不变量出现计数差异,都会产生 semantic_invariant_drift 的 BLOCKER finding。正确的处理方式是:修复数字、归属、否定、因果方向或应有把握度的真实变化;而不要因为标记计数不同就阻断一个含义等价的表达——计数差异只是“去检查受影响含义”的信号。
7.2 语言声明:en/zh 分别评估,不回退英文
output_language 必须是真实语言标签(支持 en、zh 及 zh-CN 这类区域子标签)。检查器(author_voice_check.py)会:
- 校验标签形如
(en|zh)(-[a-z0-9]{1,8})*; - 校验 profile 与 revision 声明的语言一致,不一致产生
language_declaration_mismatch(BLOCKER); - 不支持的语言明确报告 not_assessed,绝不静默映射为英文兜底——这是
unsupported_language_assessment(BLOCKER)的触发条件。
7.3 模式扫描只是建议(advisory)
scan_diagnostics(author_voice_check.py)对修订文本做建议级诊断,五类模式组(中英双语短语库见 author_voice_check.py):
empty_framing:如 “it is worth noting that”“值得注意的是”;generic_importance:如 “plays an important role”“具有重要意义”;mechanical_enumeration:如 “firstly…secondly”“首先…其次…综上所述”;writing_process_leak:如 “this section discusses”“本文重新组织”;promotional_precision_gap:如 “groundbreaking”“unprecedented”“突破性的”“前所未有”。
这些命中只进 advisory_findings(template_pattern_diagnostics,ADVISORY),从不单独构成作者判定或强制改写。
八、第六步:独立语义审计与作者确认
对于 mode=rewrite,humanize.md 要求另一个 Agent(rewriter 与 reviewer 必须是不同身份)比对冻结的原始文本与修订文本,且不得润色审计对象。审计者拥有否决权(veto authority),其回执必须同时绑定两个哈希。以下计数必须全部为 0:
unsupported_new_claims(无支撑的新论断);claim_strength_drift(论断强度漂移);causal_direction_changes(因果方向改变);negation_changes(否定改变);modality_uncertainty_changes(情态/不确定性改变);citation_meaning_changes(引用含义改变)。
检查器把上述要求落实为多条硬校验(author_voice_check.py):semantic_audit.status 必须为 pass;审计哈希必须与当前文件一致(否则 stale_semantic_audit);rewrite 模式要求 audit_method=independent_agent 且 independent_from_rewriter=true;reviewer_id 不得等于 rewriter_id(same_rewriter_reviewer);六个字段任一非 0 即 semantic_audit_drift。
作者确认同样绑定哈希(author_voice_check.py):author_confirmation.status 必须为 confirmed 且 confirmed_sha256 必须等于当前修订文件哈希,否则产生 author_confirmation_missing / stale_author_confirmation。后续再编辑时:保留当前修订与具体发现,只重查受影响段落;只有超出既有指令的新的实质选择才需要再次征求作者输入——常规已授权编辑与未改动段落不需要新一轮哈希批准。
九、产出物与门禁
车道启用时必需产出(humanize.md):
author_voice_profile.json;author_voice_revision.json;author_voice_receipt.json;author_voice_report.md;- 不可变的原始稿件快照与授权语料快照(按契约命名)。
门禁命令:
python scripts/progress_check.py paper_rewriting_output --gate author_voice_restoration
报告必须包含:原始/修订哈希、变更理由、被保留的不变量、语义审计状态、可用时的“与授权作者文本的描述性偏差”、未解决的诊断模式、作者确认。报告明确输出 authorship inference=not_performed,且不声称检测通过(这两行由 to_markdown 硬编码生成,见 author_voice_check.py)。
门禁侧的证据:progress_check.py 在 final audit 阶段对启用了作者声音恢复的任务追加四个必需制品(progress_check.py);artifact_check.py 也有对等逻辑。测试 test_progress_check.py 覆盖三种典型情形:off 时门禁跳过放行、启用但缺回执时门禁 BLOCKED、合法 no-op 时门禁 PASSED。
十、兼容层:humanize_check.py 的 D1-D5 只是诊断
humanize_check.py 是面向旧制品的兼容诊断工具(humanize_check.py)。关键事实:
- 它的 D1-D5 维度(sentence structure、paragraph similarity、information density、connector frequency、term-context matching)全部是 ADVISORY,没有 readiness 权限;
- 它显式声明
readiness_authority: False、authority: diagnostic_only、authorship inference: not_performed、Detector pass / AI percentage: not_claimed; - 如果输出目录中已存在
author_voice_revision.json或author_voice_profile.json,它会把校验委托给author_voice_check.validate_author_voice(),并生成一条“Compatibility Redirect”说明; - 若
humanize_matrix.md缺失或无数据行,它建议“迁移到 author_voice_revision.json”,而不是用旧矩阵充当门禁。
对应地,原文档明确:humanize_check.py 的 D1-D5 观测仅作建议、无 readiness 权威。旧 humanize_tier 与 detection_platform 在 intake_wizard.py 中也只保留为“兼容档/外部观察记录(非门禁)”语义。
十一、评估口径:humanize-calibration 的替换逻辑
与 legacy “检测器阈值校准”相对的评估口径见 humanize-calibration.md:主评估集包含机械润色文、种子化语义漂移修订、无支撑新论断突变、分章节案例、应保持 no-op 的强人类文本、可用/不可用语料案例、过期哈希与不独立审计案例;硬指标要求语义漂移均为 0、无过期权威误放行、clean-text 误改写率为 0;用户自带的第三方检测结果只能作为附注观察记录(平台、日期、语言、学科、文档哈希、修订哈希与平台自身不确定性),不得用于优化阈值、承诺跨平台迁移或作为作者身份证据。新规则只有在提升留出集的清晰度/声音偏好、修复精度且无语义不变量回退、不增加 clean-text 误改写率时才被采纳——单靠“检测分数更低”永远不够。
十二、关键文件速查
| 文件 | 作用 |
|---|---|
| humanize.md | 本文依据的权威 playbook(legacy humanize 路线) |
| assertive-scientific-writing.md | 当前公开宿主工作流的配套写作方法(standard/strict/off 语义) |
| humanize-calibration.md | 替换检测阈值校准的评估口径 |
| author-voice-profile.schema.json | author_voice_profile.json 契约 |
| author-voice-restoration.schema.json | author_voice_revision.json 契约 |
| author_voice_check.py | 检查器:哈希/不变量/语言/审计/确认校验 |
| humanize_check.py | legacy 兼容诊断(D1-D5,仅建议) |
| progress_check.py | readiness 门禁与阶段注册 |
| intake.md | 配置项说明(author_voice_restoration / humanize_tier) |
| test_progress_check.py | no-op 合法样例与门禁行为测试 |
结语:一句话记住这条链路
Authorial Voice Restoration 的核心纪律是:先冻结权威(SHA-256 绑定)→ 建作者画像(授权语料或诚实声明不可用)→ 优先 no-op → 只做最小必要改写(每处变更带定位、理由与证据锚点)→ 硬语义不变量零漂移 → 独立审计者否决权 + 作者哈希确认 → 门禁放行。检测分数从头到尾都不是目标、不是门槛,也不是作者身份的证明——这正是它区别于“AI 检测规避”的根本所在。