确定性替换 vs 语义重写:同一段文字过两种引擎的差异实录

原创2026-10-31 18:38:291,676 阅读
文章标签:AI 技能前端设计系统

确定性替换 vs 语义重写:同一段文字过两种引擎的差异实录

同一段 658 字符的英文技术散文,先过一遍纯正则替换,再过一遍"在候选词里现场挑一个"的改写器。前者三次运行输出逐字节相同,后者十个随机种子给出十个不同结果,其中一次把 operating leverage(经营杠杆,财务术语)改成了 operating apply。

这不是一篇评测,而是一次可复现的对照实验。仓库 unslop 本身做的是 UI 去 AI 味,不处理文本,但它把"哪些环节必须确定、哪些环节只能靠判断"切得非常干净,正好可以当作观察样本;社区里同名的文本清洗技能则明确提供了两种模式:--deterministic(正则、无 API 调用)与默认的 LLM 重写。本文用仓库里的规则资产和社区公开的规则清单,把这两条路径的真实差异跑出来给你看。

一、先把两台引擎摆到同一张桌上

样本是一段刻意写满 AI 腔的散文,同时包含可替换的套话(It's important to note that、At its core、Furthermore)、可替换的词汇(leverages、comprehensive、seamless、robust)和两类不能被碰的内容:代码标识符 leverage(Redis key 前缀、文件路径)与 URL 查询参数。

引擎 A 是 regex_pass.py,规则直接来自社区公开清单:开场套话 9 条、过渡词 5 条、词汇映射 16 条,全部是字面量或带词边界的正则,无网络、无模型、无随机数。

引擎 B 是 sampling_rewrite.py,替换表与 A 相同,但每次命中时从 3 个候选里抽一个。它不是 Claude,也不是该技能的 LLM 模式:这台机器上没有模型凭据,也没有 claude、ollama 之类的 CLI。它的作用是隔离出一个变量——当"换成什么"由运行时决定而不是由规则表决定时,输出会发生什么。真实 LLM 的自由度只会比它更大,不会更小。

三次运行的关键指标:

指标 引擎 A(确定性) 引擎 B(采样式)
正文 sha256(前 12 位) a70e7891d0d0(固定) efd94156b340 / c3a7cdcfa7a0 / 66a3f8848aa3
三次运行是否一致 一致,整段输出哈希 f4fa58e1a3820b9b 三次相同 不一致,十个种子产出十个不同字符串
词数(原文 107) 82 90 / 89 / 90
二次运行 完全不变(幂等) 在本例中也不变,因为触发词已被清空
规则命中 14 条,可逐条列出 只报告"选了哪个词"

差异集中在三处,值得逐字看:

# 引擎 A(确定性)
the system is solid and flexible ... The parser is solid against malformed UTF-8,
and the finance team tracks operating use separately. because the rollout was smooth ...

# 引擎 B(seed 7)
the system is reliable and flexible ... The parser is reliable against malformed UTF-8,
and the finance team tracks operating apply separately. because the rollout was clean ...

两台引擎都通过了"去掉套话"这一关,也都在同一类地方翻车。下面的两节分别记账。

二、确定性引擎的账:可复现,但不等于正确

它确实给得起工程承诺

确定性替换的价值不在"改得更好",而在"改的结果可以被断言"。上面这组数字对应四个可以直接写进 CI 的性质:

  • 字节稳定:同一输入、同一规则集、同一顺序,输出恒定。前端构建缓存、文档快照比对、生成式资源的 content hash 都依赖这一点。
  • 幂等:第二遍跑完 first == second 为真。这条性质让"重复提交钩子""流水线重跑"不会累积污染。
  • 可解释:14 条命中逐条打印,\bleverages\b -> uses (1x) 这种记录可以进 review。社区技能把这一点做成了产品能力:--deterministic --report audit.json 会写下每条触发的规则、每个 before → after 对和 counts_by_rule,让评审者在信任 diff 之前先看规则动了什么。
  • 零外部依赖:无 API key、无延迟、无单次成本,可以放在 pre-commit 里,也可以在 CI 里对上千个文件批量跑。

但它"稳定地错"也同样稳定

第一处翻车是边界缺失。我把同一套规则喂给 edge.md,里面有一句:

`leverage` is the Redis key prefix we use in `services/billing/leverage.ts`.
See https://example.com/docs/leverage for the schema.

输出变成:

`use` is the Redis key prefix we use in `services/billing/use.ts`.
See https://example.com/docs/use for the schema.

行内代码、文件路径、URL 全部被改写。这不是假设,是 re.sub 的正常行为:正则不认识 Markdown 语法,也不认识 URL。社区清单里其实写死了"绝不修改围栏代码块、行内代码、URL、文件路径、命令、标题",但那条约束不在正则里,而在调用正则之前的切分逻辑里。少了切分,"确定性"只会确定地破坏更多东西。

第二处翻车是句首大小写。删掉 It's important to note that 之后,句子开头留下小写:

our platform uses a complete set of smooth integrations ...
shipping fast is crucial, and our solution is a shift ...

第三处翻车是搭配与词性。the finance team tracks operating leverage 被替换成 operating use,词形对了,术语错了。同一份输出里,The parser is robust against malformed UTF-8 改成 solid 却是合理的——因为 robust 在两个语境里恰好都能换成 solid,而 leverage 的名词义和动词义没有共同替换词。规则表是一词一映射,它无法表达"作动词时换成 use,作名词时别动"。

还有一处纯粹是顺序问题:如果复数规则 \bleverages\b 排在单数 \bleverage\b 之后,由于词边界的作用,后者匹配不到前者,输出里会残留 leverages。词形表、规则顺序、大小写回填、句界识别,这四件事没有任何一件是"写个正则"就自动获得的。

仓库里"确定性"做得对的样子

这个仓库值得借鉴的地方,是它把确定性放在了能被计算的地方,而不是放在措辞上。

tokens.md 给出的是死值:间距阶 4/8/12/16/20/24/32/40/48/64/80/96/128,行高 32/36/40–44,侧栏 240–280,主图高度 280–360,缓动曲线 cubic-bezier(0.22, 1, 0.36, 1),四档时长 120–180 / 160–220 / 300–500 / 40–60ms。这些值可以被机器校验,不需要模型判断。

SKILL.md 把这条纪律写成可执行的算术:所有边距、内边距、间隙、固定高度落在 4px 网格上;嵌套圆角满足 inner = outer − padding,且不小于 4。我按这两条规则跑了一遍:

13 -> 12   (off by -1)
22 -> 24   (off by +2)
28 -> 28   (off by  0)
nested radius: outer 16, padding 8 -> inner 8

13px 和 22px 是可以通过断言自动修掉的,inner = 8 是可以算出来的。这类改动不需要"重写",只需要"替换"。

再看两个脚本。 story.mjs 里判断某个步骤该显示哪种标注,用的是字面正则:

const kindOf = (text) => (/spac/i.test(text) ? "spacing" : /detail|radius|corner/i.test(text) ? "details" : null);

元素动画的错峰延迟也是位置算出来的,不是随机的:

const wave = Math.round(Math.min(420, Math.max(0, b.top) / innerHeight * 320 + Math.max(0, b.left) / innerWidth * 100));

再往下的渲染循环更硬:FPS = 60、LENGTH = 10,逐帧 tick(now * 1000) 后截图,最后交给 ffmpeg 固定 -crf 18 -preset slow。同一份 story.html 渲染两次,帧序列一致。这正是 八帧连续画面 能被当作参考素材的原因:它是一段由确定的 CSS 值与确定的时间轴生成的动画,不是每次重新抽样的结果。

snapshot.mjs 同理:它把页面的样式表抓下来内联、删掉 script、把 img/src 与 CSS 里的 url() 转成 data URI、把 prefers-color-scheme 用正则改写成 min-width: 0px / max-width: 0px 来强制明暗主题。这是一次"冻结":把活的网页压成一个不会再变化的静态文件,后续所有对比才有基准。没有这一步,所谓的"改前/改后"根本不可比。

三、语义引擎的账:每次输出都不同的代价

差异不是随机噪声,是语义漂移

把引擎 B 的三个种子结果并排放,问题一目了然:

原文片段 seed 7 seed 8 seed 9
leverages a comprehensive set leverages a complete set leverages a full set leverages a broad set
system is robust reliable solid sturdy
operating leverage operating apply operating use operating apply
game-changer turning point shift turning point

三个种子都留下了 leverages——因为候选表里只写了 \bleverage\b,而 leverages 不在词边界内。同一份输出里,一个财务术语被改成了动词,一个复数形式却没被识别。采样式重写没有词形层,也没有词性层:它只保证"这一格被重画了",不保证"这一格画对了"。

顺带一个反直觉的观察:把引擎 B 的输出再喂给引擎 B(种子换成 10、11),结果完全不变,三次哈希都是 efd94156b340。原因是触发词已经被清空,规则无事可做。这说明幂等有可能来自"没有触发",而不是来自"设计保证"。真实的 LLM 没有这个性质:它会对一段已经干净的文本继续改写,因为它的任务不是"匹配并替换",而是"生成一段更符合要求的文本"。这一点我无法在本机实测,只能作为风险标注,不应算作观测结论。

工程上真正付账的地方

不可复现的代价不在"质量波动"这种模糊说法,而在几个具体的环节:

  • diff 无法评审。同一份输入改三次得到三份文本,reviewer 无法判断某处改动是规则要求还是采样噪声。
  • CI 无法断言。expect(output).toBe(snapshot) 会随机失败;退化成"只检查不含某些词"的话,就丢掉了对改写质量的约束。
  • 缓存与产物失效。文档站、构建产物、内容哈希每次重跑都变,增量发布失去意义。
  • 回滚粒度变粗。确定性替换可以按规则回滚(撤销第 7 条),生成式重写只能整段还原。
  • 成本与凭据进入构建链。API key、超时、限流、单次费用,都得由 CI 承担。
  • 失败路径必须显式设计。社区技能的做法是:覆盖前先写 FILE.original.md 备份;改写后做保留检查与 AI 腔残留检查;校验失败时做定向修复,最多重试 2 次;仍失败则恢复原文件并以退出码 2 结束。一套"语义重写"要能被流水线接受,必须自带这种失败闭环,否则它只是一个人工操作。

规则条数本身也在漂移

社区里同一主题的实现,公开文章分别数出 30 条、31 条、33 条规则,分组从 6 类到 7 类不等。这不是谁抄错了,而是"规则清单"作为自然语言文档天然缺少唯一定版:什么算一条、Furthermore 和 Moreover 算一条还是两条、in order to 归"填充"还是归"啰嗦",都没有编译器来裁决。清单可以传播,行为只能靠代码与测试固定。这也是为什么这个仓库把可校验的部分全部写成了数值和公式,而把"方向""性格""签名细节"留给判断——前者能进断言,后者不能。

四、把两者拼成一条能交付的流水线

结论不是"正则更好"或"模型更好",而是两者的职责边界要按"能不能被断言"来划。

环节 应该用哪种 判据
代码块、行内代码、URL、路径、命令、标题 都不改,先占位保护 保守护,后改写
套话、填充词、破折号上限、三连排比 确定性替换 字面可枚举,替换可逆
单位、间距、圆角、颜色、字号、时长 确定性计算 有公式,可断言
标题重写、语气、方向、签名细节 语义重写或人工 需要理解产品与读者
术语、指标名、专有名词 白名单 + 人工确认 一词多义,不可机械映射

一条可落地的顺序:

  1. 冻结。像 snapshot.mjs 那样先把输入固定成一份不会再变的副本,后续所有对比以它为基准。
  2. 切分。把围栏代码块、行内代码、URL、路径、命令、标题替换成不可改写的占位符,再进入规则层。这一步是引擎 A 从"稳定地错"变成"稳定地对"的唯一开关。
  3. 确定性替换 + 报告。跑规则表,输出 audit.json:命中了哪条、原文是什么、替换成什么、各命中几次。评审先看报告,再看 diff。
  4. 只对残余散文调用语义重写。契约写死:不得改动占位符,不得新增事实,只输出改动片段而不是整篇。
  5. 不变量校验。占位符必须原样回填;代码块字节相等;URL 集合相等;数字与版本号集合相等;标题文本相等。任一条不成立就失败。
  6. 幂等与预算闸门。同一输入跑两遍,第二遍应无改动;改动行数超过阈值就转人工。仓库里那句"一次运行最多渲染三次"是同一类纪律:给生成行为设硬预算,而不是靠自觉。
  7. 失败即回滚。备份原件,非零退出码,不留下半成品。

这套结构里,语义重写被压缩到了它真正不可替代的位置:处理那些"规则写不出来、但人一眼能看出不对"的段落。它在流水线里的权限越小,整条流水线就越可复现;反过来,如果让它从第一行处理到最后一行,前面所有的稳定性设计都会被它抹平。

最后一句判断:确定性替换买的不是质量,是可追责性;语义重写买的不是质量,是覆盖面。把可追责的部分交给正则和算术,把覆盖面留给模型,并且在两者之间放一道字节级的不变量检查——这才是"同一段文字过两种引擎"之后,真正值得抄进项目的部分。

登录后查看全文
unslop