{"id":"4811dcf3-9967-45a7-ae2f-da82f2b44a75","entityType":"agent","slug":"clawhub-stephenlzc-humanize-mba-text-skill","name":"humanize-mba-text-skill","canonicalUrl":"https://www.xpersona.co/agent/clawhub-stephenlzc-humanize-mba-text-skill","canonicalPath":"/agent/clawhub-stephenlzc-humanize-mba-text-skill","generatedAt":"2026-10-11T17:43:02.067Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T15:30:38.248Z","emptyReason":null},"description":"Detect and remove AI writing patterns from Chinese MBA theses, making text sound naturally human-written. Triggered by keywords like \"去 AI 痕迹\" or \"MBA 论文改写\". 去除中文 MBA 论文 AI 痕迹，提升学术写作自然度。","descriptionLabel":"Source description","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1K downloads reported by the source. Last updated 10/11/2026.","installCommand":"clawhub skill install s170nnpqv8ratxbb59qz0zxkp587h65b:humanize-mba-text-skill","sourceUrl":"https://clawhub.ai/stephenlzc/humanize-mba-text-skill","homepage":"https://clawhub.ai/stephenlzc/skills/humanize-mba-text-skill","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/stephenlzc/humanize-mba-text-skill","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/stephenlzc/skills/humanize-mba-text-skill","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":60,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"humanize-mba-text-skill technical dossier on Xpersona with agent coverage, OPENCLEW support, and live trust metadata."},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-11T15:30:38.248Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T15:30:38.248Z","emptyReason":null},"stars":null,"forks":null,"downloads":1039,"packageName":null,"latestVersion":"1.5.0","tractionLabel":"1K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T15:30:38.231Z","emptyReason":null},"lastUpdatedAt":"2026-10-11T15:30:38.248Z","lastCrawledAt":"2026-10-11T15:30:38.231Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-12T15:30:38.231Z","lastVerifiedAt":null,"highlights":[{"version":"1.5.0","createdAt":"2026-07-10T06:19:42.451Z","changelog":"Major documentation refactor: split monolithic chapter guide into 5 standalone files (Introduction, Theory, Analysis, Solutions, Conclusion). Added MBA thesis core principles and independent format-standards document. Strengthened practice-oriented requirements: data traceability, theory-application alignment, and concrete case analysis.","fileCount":52,"zipByteSize":224916},{"version":"1.0.0","createdAt":"2026-05-27T16:37:55.730Z","changelog":"Initial release “humanize-mba-text”: transforms AI-generated Chinese text into natural MBA thesis style - Removes common AI-generated patterns from Chinese text, especially for MBA论文（graduation thesis）writing scenarios. - Focuses on academic norms: emphasizes practical orientation, specific data support, theoretical frameworks, and logical structure. - Identifies and rewrites typical AI phrases, ambiguous attributions, macro narrative clichés, and vague expressions. - Enforces MBA thesis writing standards: proper chapter/section structure, specific citation & data requirements, and style conventions. - Includes automated detection workflow and a comprehensive checklist to ensure output is human-like, professional, and meets MBA formatting rules.","fileCount":20,"zipByteSize":110110}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s170nnpqv8ratxbb59qz0zxkp587h65b:humanize-mba-text-skill","setupComplexity":"low","setupSteps":["Install using `clawhub skill install s170nnpqv8ratxbb59qz0zxkp587h65b:humanize-mba-text-skill` in an isolated environment before connecting it to live workloads.","No published capability contract is available yet, so validate auth and request/response behavior manually.","Review the upstream CLAWHUB listing at https://clawhub.ai/stephenlzc/humanize-mba-text-skill before using production credentials."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-11T17:43:02.062Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-stephenlzc-humanize-mba-text-skill/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T15:30:38.248Z","emptyReason":null},"readme":"Skill: humanize-mba-text-skill\n\nOwner: stephenlzc\n\nSummary: Detect and remove AI writing patterns from Chinese MBA theses, making text sound naturally human-written. Triggered by keywords like \"去 AI 痕迹\" or \"MBA 论文改写\". 去除中文 MBA 论文 AI 痕迹，提升学术写作自然度。\n\nTags: latest:1.5.0\n\nVersion history:\n\nv1.5.0 | 2026-07-10T06:19:42.451Z | user\n\nMajor documentation refactor: split monolithic chapter guide into 5 standalone files (Introduction, Theory, Analysis, Solutions, Conclusion). Added MBA thesis core principles and independent format-standards document. Strengthened practice-oriented requirements: data traceability, theory-application alignment, and concrete case analysis.\n\nv1.0.0 | 2026-05-27T16:37:55.730Z | user\n\nInitial release “humanize-mba-text”: transforms AI-generated Chinese text into natural MBA thesis style\n\n- Removes common AI-generated patterns from Chinese text, especially for MBA论文（graduation thesis）writing scenarios.\n- Focuses on academic norms: emphasizes practical orientation, specific data support, theoretical frameworks, and logical structure.\n- Identifies and rewrites typical AI phrases, ambiguous attributions, macro narrative clichés, and vague expressions.\n- Enforces MBA thesis writing standards: proper chapter/section structure, specific citation & data requirements, and style conventions.\n- Includes automated detection workflow and a comprehensive checklist to ensure output is human-like, professional, and meets MBA formatting rules.\n\nArchive index:\n\nArchive v1.5.0: 52 files, 224916 bytes\n\nFiles: examples/cv_after.txt (2046b), examples/cv_before.txt (1659b), examples/cv_compare.md (4219b), FEATURE.md (3088b), README_EN.md (33440b), README_JP.md (34338b), README_KR.md (32768b), README.md (29849b), references/ai-writing-patterns.md (5842b), references/chapter_rewrite_rules.toml (7570b), references/chapter-1-introduction.md (6571b), references/chapter-2-theory.md (6583b), references/chapter-3-analysis.md (8954b), references/chapter-4-solutions.md (9412b), references/chapter-5-conclusion.md (9508b), references/chinese-paper-humanization-rules.toml (258b), references/format-standards.md (7702b), references/mba_rewrite_checklist.toml (5746b), references/rules/categories/content.toml (17051b), references/rules/categories/evidence.toml (10187b), references/rules/categories/formatting.toml (17421b), references/rules/categories/language.toml (27366b), references/rules/categories/rhythm_quality.toml (4146b), references/rules/categories/structure.toml (15767b), references/rules/chapter-categories.toml (1767b), references/rules/index.toml (3298b), references/rules/metrics.toml (720b), references/strategy_ai_reduction.md (11134b), references/strategy_optimization.toml (4261b), references/strategy_plagiarism.md (11561b), references/strategy_polishing.md (10973b), scripts/analyzers/__init__.py (1846b), scripts/analyzers/_regex_categories.py (3363b), scripts/analyzers/_segments.py (5482b), scripts/analyzers/_types.py (1332b), scripts/analyzers/chapter_template.py (4499b), scripts/analyzers/cv_report.py (6471b), scripts/analyzers/high_risk_annotator.py (16513b), scripts/analyzers/paragraph_edges.py (4179b), scripts/analyzers/paragraph_length.py (2389b), scripts/analyzers/paragraph_structure.py (3821b), scripts/analyzers/rewrite_planner.py (13518b), scripts/analyzers/semantic_chain.py (25853b), scripts/analyzers/sentence_length.py (14937b), scripts/detect_ai_patterns.py (24467b), scripts/detect_compare.py (11941b), scripts/feedback_generator.py (34353b), scripts/multi_detector.py (45457b), scripts/rule_loader.py (7764b), skill-card.md (2854b), SKILL.md (11672b), _meta.json (142b)\n\nFile v1.5.0:SKILL.md\n\n---\nname: humanize-mba-text\ndescription: 去除中文文本中的 AI 生成痕迹，使其更符合中国 MBA 毕业论文的自然写作风格。当用户提到\"去 AI 痕迹\"、\"去除 AI 写作痕迹\"、\"MBA 论文改写\"、\"让这段文字更像人写的\"、\"去除机器感\"等关键词时触发。适用于需要降低文本 AI 特征、提升学术写作自然度的场景。\n---\n\n# 去除 AI 写作痕迹 - MBA 论文风格优化\n\n> **本文档是 manifest**：每节只保留导航 / 简介 / 边界，具体内容请读对应 TOML / Markdown 文件。\n> 删繁就简的目的是让 Claude Code 在最小上下文里读到该项目最稳定的入口信息。\n\n## 任务目标\n\n将带有明显 AI 生成特征的中文文本改写为自然、人类化的 MBA 毕业论文风格文本，符合中国 MBA 毕业论文的学术规范和实践导向。\n\n## 核心原则\n\n1. **实践导向**：MBA 论文必须来源于企业管理实际，解决具体管理问题，避免纯理论空谈\n2. **小题大做**：选题聚焦明确，\"小题深做\"，避免选题过大、过于宽泛\n3. **客观性优先**：用事实和数据替代主观评价和空泛论述\n4. **具体化表达**：提供具体企业案例、数据支撑、时间节点，避免笼统描述\n5. **数据溯源**：所有数据必须注明来源，确保准确性和可信度\n6. **理论支撑**：运用 1-2 个相关理论作为分析框架，避免就事论事\n7. **简洁性**：删除冗余修饰、重复表述，保留核心信息\n8. **学术规范**：符合中国高校 MBA 论文的写作规范和格式要求\n9. **逻辑严密**：论证过程清晰，因果关系明确，避免跳跃式推理\n10. **结构合理**：正文字数 3 万字以上，章节分配合理，避免节下无目或一节不足一页\n\n## 识别与改写策略（数据化）\n\nSKILL.md 不再展开具体的识别词表与改写规则——它们以**结构化数据**的形式存放在本目录下：\n\n| 类别 | 数据文件 | 内容 |\n| --- | --- | --- |\n| 内容/语言/结构改写规则 | [`references/rules/categories/*.toml`](references/rules/index.toml) | regex 类规则，由 `scripts/rule_loader.iter_regex_categories` 自动加载 |\n| 三维协同优化 + 评估标准 | [`references/strategy_optimization.toml`](references/strategy_optimization.toml) | 维度 1/2/3 核心策略、改写流程、量化 / 定性评估表 |\n| 改写检查清单 | [`references/mba_rewrite_checklist.toml`](references/mba_rewrite_checklist.toml) | 4 类检查项 + 硬性量化阈值 |\n| 章节特定改写规则 | [`references/chapter_rewrite_rules.toml`](references/chapter_rewrite_rules.toml) | 5 章节 × 改写点的 before/after 示例 |\n| 高频 AI 词 / 连接词 | [`references/rules/categories/language.toml`](references/rules/categories/language.toml) | `ai_buzzwords` / `excessive_connectors` 等条目；与 `humanizer-academic-zh` 模式 10/12/21 交叉对应 |\n\n> **使用方式**：写正文时按 `references/mba_rewrite_checklist.toml` 4 大类逐条核对；遇到具体痕迹词按 `references/rules/categories/language.toml` 词表替换；如果要引用某个章节的特定模式，查 `references/chapter_rewrite_rules.toml` 的 `chapter.section`。\n\n## 改写流程\n\n```\n输入文本\n    ↓\n[多维度检测] → 生成检测报告（detect_ai_patterns.generate_report）\n    ↓\n[modify_plan] → 结构化骨架（analyzers.rewrite_planner.build_modify_plan）\n    ↓\n[反馈生成] → 修改建议（feedback_generator）\n    ↓\n[自动修复] → 中英文空格等可机械修复项\n    ↓\n[手动改写] → 按 checklist.toml / chapter_rewrite_rules.toml 逐项处理\n    ↓\n[质量验证] → 再次跑 detect_patterns，确认 modify_plan 清空\n```\n\n## 自动化检测与反馈工作流\n\n### 多方案融合检测\n\n检测层由三类组成，可独立运行也可组合：\n\n1. **规则匹配检测** (`scripts/detect_ai_patterns.py`)\n   - 加载 `references/rules/**/*.toml` 的 7 个分类（structure / rhythm_quality / formatting / content / evidence / language / chapter-categories）\n   - 走 `iter_regex_categories` 渐进式加载，可按 group 或 category_id 选载\n   - 命中后产出 `PatternMatch(pattern_name, pattern_type, line_number, content, suggestion, severity)`\n\n2. **散文统计 + 结构分析** (`scripts/analyzers/`)\n   - 5 个维度：`uniform_sentence_length` / `uniform_paragraph_length` / `paragraph_edge_template_repeat` / `paragraph_structure_uniformity` / `chapter_template_repeat`\n   - 输出 `AnalyzerIssue(analyzer_id, severity, confidence, location, evidence, suggestion)` + 统计指标\n\n3. **语义链分析** (`scripts/analyzers/semantic_chain.py`)\n   - 10 个维度（3 / 4 / 5）：三段式 / 作者罗列 / 方法堆叠 / 摘要模板 / 结论回声 / 笼统问题 / 无来源量化 / 宏观叙事 / 证据链 / 问题-对策追踪\n   - 跨段 / 跨章节的链状检测，捕捉段内看不到的模式\n\n4. **融合评分** (`scripts/multi_detector.py`)\n   - `FusionEngine.detect` 把统计 + 链 + AI 模式三类 detector 合并\n   - `StatisticalDetector` 把散文指标 + 链指标并入 features 与 issues 通道\n\n5. **按句高风险聚合** (`scripts/analyzers/high_risk_annotator.py`) 🆕v1.4\n   - 把规则匹配 / 散文 / 链三类 issue 按所在句合并成 `high_risk_annotations[]`\n   - 每条标注带 char 偏移、行号、原文、触发规则的 `phrase_replacements` 与 `before_after_example`\n   - LLM humanizer agent 可逐句消费，无需自己再做一次\"哪句有问题\"的二次判断\n\n### 使用方法\n\n```bash\n# 基础检测（含 modify_plan）\npython scripts/detect_ai_patterns.py input.txt --output report.json\n\n# 多维度融合检测\npython scripts/multi_detector.py input.txt --output report.md\n\n# 生成修改建议\npython scripts/feedback_generator.py detection_result.json --text input.txt --output feedback.md\n\n# 自动修复空格等简单问题\npython scripts/feedback_generator.py detection_result.json --text input.txt --apply\n```\n\n### 检测结果解读\n\n`detect_ai_patterns.generate_report` 返回 JSON 含：\n\n- `summary.ai_score`：0-100，越高 AI 痕迹越重\n- `matches`：包含规则、散文、链三类问题的统一列表\n- `modify_plan` ⭐：每条 `ModifyEntry` 含 location / evidence / rewrite_template / recommended_replacements / target_word_count_range / `before_after_example`\n- `high_risk_annotations` 🆕：按句聚合的高风险标注（v1.4），每条 = 一句话 + 该句触发的所有规则 + 短语替换字典 + 真实改写对。LLM humanizer agent 可直接逐句消费\n- `chapter_specific_advice`：根据检测到的章节类型提供的针对性建议\n- `metrics`：包含 `sentence_cv` / `paragraph_cv` / `prose_*` / `chain_*` / `evidence_chain_completeness`\n\n修改策略见 `references/strategy_optimization.toml` 的「评估标准」节：高风险 (>70%) 重写、中风险 (40-70%) 针对性优化、低风险 (<40%) 细节润色。\n\n## 注意事项\n\n1. **学术诚信**：改写时保持学术诚信，不编造数据；所有数据必须有真实来源\n2. **数据核实**：对于不确定的引用和数据，建议用户核实原始资料\n3. **理论适配**：建议用户根据具体研究问题选择合适的理论框架\n4. **企业授权**：如涉及企业内部数据，建议获得企业书面授权或做脱敏处理\n5. **个性化调整**：改写后的文本需用户根据具体学校和导师要求调整\n6. **查重控制**：改写后建议进行查重，确保复制率 < 15%（详见 `references/mba_rewrite_checklist.toml` `hard_limits.copy_rate`）\n7. **功能边界**：本 Skill 专注于去除 AI 痕迹和格式规范，不涉及学术内容深度审查\n8. **参考文献**：改写不自动生成参考文献，需用户根据实际引用补充完整\n\n## 补充参考：humanizer-academic-zh（人机分工）\n\n本 Skill 走**检测**路径——用正则、统计、链分析把 AI 痕迹定位到具体段落。在**改写**路径上，我们参考同生态的 [`cangtianhuang/humanizer-academic-zh`](https://github.com/cangtianhuang/humanizer-academic-zh)（其 `SYSTEM_PROMPT.md` 与 `SKILL.md`）。两份 Skill 的关系：\n\n| 维度 | humanize-mba-text（本 Skill） | humanizer-academic-zh |\n| --- | --- | --- |\n| 主路径 | 检测 + 量化定位 | 改写 + 润色 |\n| 规则粒度 | 正则 / CV / 跨段指纹 | 25 类语义模式（每类带\"警惕词 + 改写原则\"） |\n| 输出 | `AnalyzerIssue` + `modify_plan` + `high_risk_annotations[]`（按句聚合，含短语替换字典与真实改写对） | 表格化识别人性化润色版本 |\n| 强项 | 维度 3-5 的跨段/跨章链检测、量化报告、按句精确定位 | 模式词典丰富、对中文学术语感的精确判断 |\n\n`humanizer-academic-zh` 把 AI 模式分成 5 大类共 25 小类。本 Skill 已将其中部分模式并入**渐进式加载的 manifest**——具体落位：\n\n| humanizer-academic-zh 模式 | 本 Skill 的 `category_id` | 状态 |\n| --- | --- | --- |\n| 模式 21 填充短语 | [`filler_phrases`](references/rules/categories/language.toml) | 增强 +3 条正则，覆盖「具有处理……的能力」「不难发现，两人之间存在」「需要指出的是，」 |\n| 模式 22 过度对冲 | [`hedging_overload`](references/rules/categories/language.toml) | 已有覆盖，本版本不动 |\n| 模式 23 协作式沟通痕迹 | [`chatbot_conversation_residue`](references/rules/categories/formatting.toml) | 增强 +2 条正则：「亲爱?的?读者」「如下所示」+「以下是 … 修改/改写/润色 …」 |\n| 模式 24 知识截止免责 | [`knowledge_cutoff_disclaimer`](references/rules/categories/formatting.toml) | 已有覆盖，本版本不动 |\n| 模式 25 谄媚语气 | [`sycophantic_praise`](references/rules/categories/language.toml) | **新增** `[[categories]]`，severity=medium / weight=0.5 |\n\n所有上述模式的 `category_id` 都登记在 [`references/rules/index.toml`](references/rules/index.toml) 的 `category_ids` 列表里，由 `scripts/rule_loader.iter_regex_categories` 自动发现。新增模式无须改代码——只要在对应 category 文件里加一行 `regex_patterns` 项即可。\n\n剩余模式（22 类人文化的句式、连接词密度、否定式排比等）已在原 `language.toml` 的 19 个 category 里独立实现，不与 humanizer-academic-zh 的分类一一对应；两套体系互补不冲突。\n\n## 参考文档\n\n### 自动加载的检测规则\n\n- `references/chinese-paper-humanization-rules.toml` — Python `rule_loader.load_rules` 的默认入口（fallback）\n- `references/rules/index.toml` — 渐进式加载的 manifest\n- `references/rules/categories/{structure, rhythm_quality, formatting, content, evidence, language}.toml` — 7 大类 AI 检测规则\n- `references/rules/chapter-categories.toml` — 章节类型识别\n- `references/rules/metrics.toml` — 共享度量词表\n\n### 改写侧策略数据\n\n- `references/strategy_optimization.toml` — 三维协同 + 评估标准\n- `references/mba_rewrite_checklist.toml` — 改写检查清单 + 硬阈值\n- `references/chapter_rewrite_rules.toml` — 五章节特定改写规则\n- `references/strategy_ai_reduction.md` — 策略文档（人读版，gitignored 但本地有）\n- `references/strategy_plagiarism.md` — 策略文档（同上）\n- `references/strategy_polishing.md` — 策略文档（同上）\n\n### 配套指南\n\n- `references/ai-writing-patterns.md` — AI 写作特征详细列表\n- `references/chapter-1-introduction.md` 至 `references/chapter-5-conclusion.md` — 五章节详细写作指南\n- `references/format-standards.md` — 格式规范\n\nFile v1.5.0:README.md\n\n# Humanize MBA Text - 去除 AI 写作痕迹\n\n<p align=\"center\">\n  <img src=\"https://img.shields.io/badge/Python-3.7+-blue.svg\" alt=\"Python 3.7+\">\n  <img src=\"https://img.shields.io/badge/License-MIT-green.svg\" alt=\"License: MIT\">\n  <img src=\"https://img.shields.io/badge/Claude-Skill-orange.svg\" alt=\"Claude Skill\">\n  <img src=\"https://img.shields.io/badge/Version-1.5-brightgreen.svg\" alt=\"Version: 1.5\">\n  <img src=\"https://img.shields.io/badge/Kimi-CLI-blue.svg\" alt=\"Kimi CLI\">\n  <img src=\"https://img.shields.io/badge/中文-🇨🇳-red.svg\" alt=\"中文\">\n  <a href=\"README_EN.md\"><img src=\"https://img.shields.io/badge/English-🇺🇸-inactive.svg\" alt=\"English\"></a>\n  <a href=\"README_KR.md\"><img src=\"https://img.shields.io/badge/한국어-🇰🇷-inactive.svg\" alt=\"한국어\"></a>\n  <a href=\"README_JP.md\"><img src=\"https://img.shields.io/badge/日本語-🇯🇵-inactive.svg\" alt=\"日本語\"></a>\n</p>\n\n<p align=\"center\">\n  <b>专门针对中国 MBA 毕业论文的 AI 写作痕迹检测与去除工具</b>\n</p>\n\n<p align=\"center\">\n  <code>#AI-Detection</code> <code>#Academic-Writing</code> <code>#MBA-Thesis</code> <code>#Claude-Skill</code> <code>#Text-Humanization</code> <code>#ChatGPT-Alternative</code> <code>#LLM-Writing</code> <code>#Research-Tools</code> <code>#Academic-Integrity</code> <code>#Chinese-NLP</code>\n</p>\n\n---\n\n## 🎯 项目简介\n\n这是一个专门为**中国 MBA 毕业论文**设计的 AI 写作痕迹检测与去除工具。基于 MBA 论文的学术规范和实践要求，通过多维度检测方法识别文本中的 AI 生成特征，并提供具体的修改建议，帮助你将 AI 生成的文本改写为自然、人类化的学术写作风格。\n\n### ✨ 版本 1.5 新特性（段落级句长 CV + 报告可读性升级）\n\n- 📐 **段落级句长 CV 分析**：参考 `AI_artifact_detection` 方法，以段落内句子长度的变异系数（CV）作为核心 AI 信号，中文按 CJK 字符、英文按单词计数\n- 📊 **中文 CV 报告**：检测 Markdown 报告末尾自动附加五段式 CV 报告——整体统计 / CV 分布 / Uniform 段落详情 / 章节汇总 / 句长分布\n- 🔁 **改写前后对比**：新增 `scripts/detect_compare.py`，输入改写前、改写后两个文本，输出中文 Before/After 对比 Markdown\n- 🌐 **可选英文检测模式**：`sentence_length.analyze(text, language=\"en\")` 支持英文散文的句长 CV 检测\n- 🎯 **内容片段带上下文**：详细问题列表中的内容片段现在显示匹配处前后约 20 字，便于快速定位\n- 📝 **修改建议完整显示**：不再截断修改建议，完整输出所有提示\n- 📋 **Uniform 段落完整表格**：CV < 0.30 的段落全部以表格列出，不再限制 20 条\n- ⏰ **真实生成时间**：报告末尾显示实际生成时间（YYYY-MM-DD HH:MM:SS）\n\n> 历史版本（1.4 / 1.3 / 1.2）特性已归档至 [`FEATURE.md`](FEATURE.md)。\n\n### 核心功能\n\n- ✅ **多层级 AI 检测**：从规则匹配（regex）→ 散文统计（5 维 CV/指纹）→ 语义链（10 维跨段/跨章）三层叠加\n- ✅ **段落级句长 CV 报告**：基于 `AI_artifact_detection` 方法，输出 Uniform 段落、CV 分布、章节汇总、句长分布\n- ✅ **改写前后对比**：`scripts/detect_compare.py` 一键生成 Before/After 中文对比报告\n- ✅ **章节特定规则**：针对绪论、理论、分析、建议、结论 5 个章节的优化策略\n- ✅ **MBA 论文规范**：符合中国高校 MBA 论文字数、结构、格式要求\n- ✅ **结构化改写计划**：每个 issue 都附 location + skeleton + recommended replacements + 目标字数\n- ✅ **自动修复**：自动处理中英文混排空格等简单问题\n- ✅ **智能反馈**：生成详细的修改建议和前后对比示例\n- ✅ **Claude Skill 集成**：可作为 Claude Code 的 Skill 直接使用\n\n### 技术参考\n\n本项目在优化策略设计上参考了 [thesis-optimizer](https://github.com/Haimbeau1o/thesis-optimizer) 项目的三维协同优化理念：\n- 🔍 **降AI检测率**：句式多样化、语气自然化、逻辑人性化\n- 📉 **降查重率**：深度语义改写、引用规范化、专业术语处理  \n- ✨ **学术润色**：表达精准化、学术规范性、可读性优化\n\n---\n\n## 🎓 MBA 论文核心原则\n\n本工具基于中国 MBA 论文的学术规范设计，遵循以下核心原则：\n\n### 1. 实践导向\n- 必须来源于企业管理实际，解决具体管理问题\n- 避免纯理论空谈\n\n### 2. 小题大做\n- 选题聚焦明确，\"小题深做\"\n- 核心概念不超过 2-3 个\n- 避免选题过大、过于宽泛\n\n### 3. 数据溯源\n- 所有数据必须注明来源\n- 确保准确性和可信度\n- 删除\"相关数据显示\"等模糊表述\n\n### 4. 理论支撑\n- 运用 1-2 个相关理论作为分析框架\n- 避免就事论事\n\n### 5. 结构规范\n- 正文字数 ≥ 3 万字\n- 每章至少 4 节（含本章小结）\n- 每节内容充实，避免一节不足一页\n\n### 6. 学术诚信\n- 复制率 < 15%\n- 不编造数据，所有引用可核实\n\n---\n\n## 🚀 快速开始\n\n### 安装\n\n```bash\n# 克隆仓库\ngit clone https://github.com/stephenlzc/humanize-mba-text-skill.git\ncd humanize-mba-text-skill\n\n# 安装依赖（如需使用 transformers 模型）\npip install transformers torch\n```\n\n### 基础使用\n\n#### 1. 基础检测\n\n```bash\n# 使用基础规则检测\npython scripts/detect_ai_patterns.py your_text.txt --format markdown --output report.md\n```\n\n#### 2. 多维度融合检测（推荐）\n\n```bash\n# 使用多维度检测\npython scripts/multi_detector.py your_text.txt --format markdown --output report.md --plan plan.json\n```\n\n#### 3. 生成修改建议\n\n```bash\n# 基于检测结果生成反馈\npython scripts/feedback_generator.py detection_result.json --text your_text.txt --output feedback.md\n```\n\n#### 4. 应用自动修复\n\n```bash\n# 自动修复空格等简单问题\npython scripts/feedback_generator.py detection_result.json --text your_text.txt --apply\n```\n\n#### 5. 改写前后对比（CV 报告）\n\n```bash\n# 对比改写前后的句长 CV 变化，输出中文 Markdown\npython scripts/detect_compare.py before.txt after.txt --output compare.md\n\n# 同时输出结构化 JSON\npython scripts/detect_compare.py before.txt after.txt --output compare.md --json compare.json\n```\n\n示例文件见 `examples/cv_before.txt`、`examples/cv_after.txt`、`examples/cv_compare.md`。\n\n### 作为 Claude Skill 使用\n\n1. 将本仓库克隆到 Claude Code 的 skills 目录：\n\n```bash\ncd ~/.config/opencode/skills\ngit clone https://github.com/stephenlzc/humanize-mba-text-skill.git\n```\n\n2. 在 Claude Code 中触发 Skill：\n\n```\n去 AI 痕迹：[粘贴你的文本]\n```\n\n或\n\n```\n帮我去除这段文字的 AI 写作痕迹\n```\n\n---\n\n## 📊 检测维度\n\n### 1. 规则匹配检测\n\n识别以下 AI 写作特征：\n\n- **AI 词汇**：赋能、抓手、闭环、痛点、赛道等\n- **模糊归因**：\"有研究指出\"、\"专家认为\"等\n- **过度强调**：\"关键\"、\"核心\"、\"至关重要\"等\n- **宏观叙事**：\"时代\"、\"趋势\"、\"浪潮\"等\n- **表面分析**：\"凸显了\"、\"反映了\"等 -ing 结尾分析\n- **套话结尾**：\"综上所述\"、\"由此可见\"等\n- **连接词过多**：\"首先...其次...最后\"等\n- **中英文混排空格**：\"MBA 论文\" → \"MBA论文\"\n\n### 2. 统计分析检测\n\n- **句子长度均匀度**：AI 文本通常句子长度更均匀\n- **词汇多样性**：AI 文本词汇多样性较低\n- **标点符号分布**：分析标点使用模式\n- **段落结构**：检测段落长度分布\n\n### 3. 语言特征检测\n\n- **连接词密度**：统计逻辑连接词使用频率\n- **正式表达模式**：识别过度正式的学术表达\n- **句式复杂度**：分析复杂句式使用情况\n\n### 4. 散文结构分析器（v1.3）\n\n每个分析器返回 `AnalyzerIssue`(analyzer_id / severity / confidence / location / evidence / suggestion) 和统计指标：\n\n| 维度 | analyzer_id | 触发 |\n| --- | --- | --- |\n| 6 | `uniform_sentence_length` | 段落级 + 全文级句长方差/CV 超阈值 |\n| 9 | `uniform_paragraph_length` | 段间字数高度均匀（CV < 0.25） |\n| 10 | `paragraph_edge_template_repeat` | 段首/段末指纹连续 ≥ 3 段相同 |\n| 8a | `paragraph_structure_uniformity` | 跨段四元句式指纹连续 ≥ 3 段相同 |\n| 8b | `chapter_template_repeat` | 单章内 ≥ 3 节使用同一章法模板 |\n\n### 5. 语义链分析器（v1.3）\n\n跨段、跨章节检测 AI 在成链动作上的痕迹：\n\n| 维度 | analyzer_id | 触发 |\n| --- | --- | --- |\n| 3 | `chain_three_part_rule` | 连续 3+ 段使用「一是...二是...三是」或「首先...其次...最后」 |\n| 3 | `chain_author_listing` | 单章 4+ 处「作者(年份)指出/认为」罗列 |\n| 3 | `chain_method_name` | 单段堆叠 2+ 个方法/模型/理论名且无逐方法说明 |\n| 3 | `chain_abstract_template` | 单段命中 3+ 个摘要模板短语 |\n| 3 | `chain_conclusion_echo` | 结论章首段与绪论首段字符级 Jaccard ≥ 0.30 |\n| 4 | `chain_vague_problem_statement` | 2+ 处笼统问题表述且 30 字内无数字支撑 |\n| 4 | `chain_unsupported_quantification` | 2+ 个百分比/排名断言 80 字内无根据/N= 标记 |\n| 4 | `chain_macro_narrative` | 1000 字窗口内 3+ 个宏观叙事短语 |\n| 5 | `evidence_chain_completeness` | 跨 content+evidence 规则：2+ 个量化/调研断言无方法锚点 |\n| 5 | `cross_section_problem_trace` | 问题章 ↔ 对策章关键词重叠率 < 30% |\n\n### 6. 结构化改写计划（v1.3）\n\n`detect_ai_patterns.AIPatternDetector.generate_report()` 和 `multi_detector.FusionEngine.detect()` 都会暴露 `modify_plan` 键，每行一条 `ModifyEntry`：\n\n```json\n{\n  \"analyzer_id\": \"chain_unsupported_quantification\",\n  \"severity\": \"high\",\n  \"location\": \"global\",\n  \"evidence\": \"出现 7 个百分比/排名类断言，其中 5 个 80 字内没有根据/来源\",\n  \"suggestion\": \"为每个量化断言补齐来源\",\n  \"rewrite_template\": \"为每个量化断言补齐来源：样本、时间、统计口径。\",\n  \"recommended_replacements\": [\n    \"根据 2023 年 12 月客户问卷（N=120），...\",\n    \"样本说明：'问卷采用 5 分制李克特量表'\",\n    \"无法核实时标注：'该指标需要进一步核实'\"\n  ],\n  \"target_word_count_range\": [60, 140],\n  \"before_after_example\": {\n    \"before\": \"客户满意度提升20%。\",\n    \"after\": \"根据2023年12月客户问卷（N=120），客户满意度从3.8分升至4.5分。\"\n  }\n}\n```\n\n### 7. 按句聚合的高风险标注（v1.4）\n\n`report[\"high_risk_annotations\"]` 是新增的第三数组——**一句话一条**，把正则命中和结构/链 issue 合并到同一个句子，避免 `matches[]`（540 条但每条只有笼统建议）与 `modify_plan[]`（4 条聚合但无具体行号）的信息断层。\n\n```json\n{\n  \"sentence_index\": 17,\n  \"char_offset_start\": 1287,\n  \"char_offset_end\": 1335,\n  \"sentence_text\": \"数字化转型赋能业务创新，形成从生产到服务的完整闭环。\",\n  \"line_number\": 24,\n  \"severity\": \"high\",\n  \"triggered_rules\": [\n    {\n      \"rule_id\": \"ai_buzzwords\",\n      \"pattern_name\": \"AI词汇/互联网黑话\",\n      \"pattern_type\": \"regex\",\n      \"evidence\": \"赋能\",\n      \"confidence\": 1.0,\n      \"severity\": \"high\",\n      \"phrase_replacements\": [\n        \"赋能 → 促进/支持\",\n        \"闭环 → 闭合回路/完整流程\",\n        \"抓手 → 切入点/措施\"\n      ],\n      \"before_after_example\": {\n        \"before\": \"数字化转型赋能业务创新，形成从生产到服务的完整闭环。\",\n        \"after\": \"数字化改造使生产到售后的流程数据打通，订单处理时长从5天缩短至2天。\"\n      }\n    }\n  ],\n  \"rewrite_template\": \"把互联网黑话替换为传统管理学术语。\",\n  \"recommended_replacements\": [\n    \"赋能 → 促进/支持\",\n    \"闭环 → 闭合回路/完整流程\"\n  ]\n}\n```\n\n**字段含义**：\n\n| 字段 | 说明 |\n| --- | --- |\n| `sentence_text` | 原始句子原文 |\n| `char_offset_start/end` | 在原文中的字符偏移（含终止符） |\n| `line_number` | 原文 1-based 行号 |\n| `severity` | 该句所有规则中的最高严重度 |\n| `triggered_rules[].rule_id` | `ai_buzzwords` / `empty_solution_verbs` / `chain_three_part_rule` 等 |\n| `triggered_rules[].phrase_replacements` | 来自 TOML `phrase_replacements`：可直接复制的短语替换（如 \"赋能 → 促进/支持\"） |\n| `triggered_rules[].before_after_example` | 来自 TOML `[[categories.examples]]`：真实改写对 |\n| `rewrite_template` | 来自 `rewrite_planner._SKELETONS`：该句最高优先级规则的改写骨架 |\n| `recommended_replacements` | 同句所有规则替换短语的去重并集 |\n\n**保证**：\n\n- 数组按 `severity` 高→低、再按 `char_offset_start` 升序排序，可直接对接 LLM humanizer agent 逐句处理\n- 同句多条规则 → 一条 annotation，`triggered_rules[]` 聚合\n- 现有 `matches` / `modify_plan` / `summary` / `metrics` 字段**完全不变**\n\n---\n\n## 🎓 分章节写作指南\n\n本工具提供针对 MBA 论文 5 个核心章节的详细写作指南：\n\n### 第1章 绪论\n\n**常见问题**：\n- ❌ 宏大叙事式开头：\"随着经济的发展...\"\n- ❌ 研究意义空泛：\"具有重要理论意义和实践价值\"\n- ❌ 文献综述罗列：A说、B说、C说\n- ❌ 研究方法简单罗列\n\n**改进策略**：\n- ✅ 开门见山：直接点明研究企业、具体问题\n- ✅ 意义具体：说明解决什么问题、带来什么价值\n- ✅ 综述主题化：按主题组织，有批判性分析\n- ✅ 方法具体：说明数据来源、样本、分析工具\n\n📄 **详细指南**：[chapter-1-introduction.md](references/chapter-1-introduction.md)\n\n### 第2章 理论基础\n\n**常见问题**：\n- ❌ 教科书式定义堆砌\n- ❌ 理论罗列：介绍5-6个理论\n- ❌ 理论与实践脱节\n\n**改进策略**：\n- ✅ 简洁界定：2-3 个核心概念\n- ✅ 精选理论：1-2 个核心理论，说明选择理由\n- ✅ 应用导向：理论为后续分析提供框架\n\n📄 **详细指南**：[chapter-2-theory.md](references/chapter-2-theory.md)\n\n### 第3章 现状与问题分析\n\n**常见问题**：\n- ❌ 企业概况资料堆砌，与研究关联度低\n- ❌ 现状描述定性为主，缺乏数据\n- ❌ 问题识别笼统：\"管理不善\"、\"效率低下\"\n- ❌ 成因分析表面化：停留在现象描述\n\n**改进策略**：\n- ✅ 聚焦相关：只提供与研究相关的背景\n- ✅ 数据说话：用具体指标和时间序列数据\n- ✅ 问题具体：每个问题都有衡量指标和调研数据\n- ✅ 深入挖掘：用理论框架分析根本原因\n\n📄 **详细指南**：[chapter-3-analysis.md](references/chapter-3-analysis.md)\n\n### 第4章 对策建议\n\n**常见问题**：\n- ❌ 建议空泛：\"加强管理\"、\"优化流程\"\n- ❌ 缺乏可操作性\n- ❌ 忽视约束条件\n- ❌ 套用模板：SWOT 流于形式\n\n**改进策略**：\n- ✅ 具体可操作：明确做什么、怎么做、谁来做\n- ✅ 分阶段实施：区分短期、中期、长期\n- ✅ 考虑约束：分析资源、能力、文化限制\n- ✅ 效果量化：预期效果尽可能量化\n\n📄 **详细指南**：[chapter-4-solutions.md](references/chapter-4-solutions.md)\n\n### 第5章 结论\n\n**常见问题**：\n- ❌ 重复摘要内容\n- ❌ 简单罗列各章内容\n- ❌ 创新点空泛：\"首次研究\"、\"填补空白\"\n- ❌ 回避研究局限\n\n**改进策略**：\n- ✅ 研究发现：突出核心发现，不与摘要重复\n- ✅ 创新具体：客观说明理论、方法、应用创新\n- ✅ 诚实局限：具体分析局限和影响\n- ✅ 未来展望：提出具体可行的研究方向\n\n📄 **详细指南**：[chapter-5-conclusion.md](references/chapter-5-conclusion.md)\n\n---\n\n## 📝 格式规范\n\n独立的格式规范文档覆盖：\n\n- 中英文/数字混排规范\n- 图表编号与排版规范\n- 引用与参考文献规范\n- 数字与单位规范\n- 标点符号规范\n- 段落与层级规范\n\n📄 **详细规范**：[format-standards.md](references/format-standards.md)\n\n---\n\n## 📈 检测结果解读\n\n检测报告包含以下维度：\n\n- **AI 生成概率**：0-100%，分数越高 AI 痕迹越明显\n- **风险等级**：🔴 高风险 / 🟡 中风险 / 🟢 低风险\n- **检测器一致性**：三种检测方法的结果一致性\n- **优先修复项**：按严重程度排序的修改建议\n- **章节特定建议**：根据检测到的章节类型提供针对性建议\n\n### 修改策略\n\n根据 AI 概率分数采取不同策略：\n\n**🔴 高风险 (>70%)**：深度改写\n- 全面重构段落结构\n- 删除所有 AI 特征词汇\n- 补充具体数据和案例\n- 预计时间：2-3小时\n\n**🟡 中风险 (40-70%)**：针对性优化\n- 修复高优先级 AI 特征\n- 调整套话和模板化表达\n- 补充关键数据支撑\n- 预计时间：1-2小时\n\n**🟢 低风险 (<40%)**：细节润色\n- 修复少量 AI 痕迹\n- 优化语言表达\n- 最终校对\n- 预计时间：30分钟-1小时\n\n---\n\n## 💡 使用示例\n\n### 示例 1：去除 AI 词汇\n\n**原文**：\n```\n数字化转型已成为推动企业高质量发展的关键抓手，\n通过赋能业务创新，为企业创造显著价值。\n```\n\n**改写后**：\n```\n本研究探讨数字化转型对企业绩效的影响。\n通过分析XX公司2018-2023年的财务数据，\n发现数字化投入与营业收入增长呈正相关关系。\n```\n\n### 示例 2：去除模糊归因\n\n**原文**：\n```\n有研究指出，企业文化对组织绩效具有重要影响。\n```\n\n**改写后**：\n```\nSchein(2010)的研究表明，强势企业文化与组织绩效\n存在正相关关系（r=0.42, p<0.05）。\n```\n\n### 示例 3：MBA 论文小题大做\n\n**原文**：\n```\n企业数字化转型研究\n```\n\n**改写后**：\n```\nXX公司生产部门数字化转型中的流程优化研究\n```\n\n### 示例 4：数据溯源\n\n**原文**：\n```\n企业营收增长20%，员工满意度为85%。\n```\n\n**改写后**：\n```\n根据XX公司2023年年报，企业营收同比增长20%。\n根据2023年12月开展的问卷调查（N=120），员工满意度为85%。\n```\n\n### 示例 5：修复中英文混排空格\n\n**原文**：\n```\nMBA 论文写作需要关注 AI 痕迹问题。\n2023 年的研究表明，15 % 的企业存在此类问题。\n```\n\n**改写后**：\n```\nMBA论文写作需要关注AI痕迹问题。\n2023年的研究表明，15%的企业存在此类问题。\n```\n\n---\n\n## 📁 项目结构\n\n```\nhumanize-mba-text-skill/\n├── SKILL.md                          # Claude Skill 主文件\n├── README.md                         # 本文件（中文）\n├── README_EN.md                      # English README\n├── README_JP.md                      # 日本語 README\n├── README_KR.md                      # 한국어 README\n├── LICENSE                           # MIT 许可证\n│\n├── references/                       # 参考文档 + AI 检测规则数据\n│   ├── ai-writing-patterns.md        # AI写作特征详细指南\n│   ├── chapter-1-introduction.md     # 第1章：绪论写作指南\n│   ├── chapter-2-theory.md           # 第2章：理论基础写作指南\n│   ├── chapter-3-analysis.md         # 第3章：现状与问题分析写作指南\n│   ├── chapter-4-solutions.md        # 第4章：对策建议写作指南\n│   ├── chapter-5-conclusion.md       # 第5章：结论写作指南\n│   ├── format-standards.md           # 格式规范\n│   ├── strategy_ai_reduction.md      # 降AI检测率策略\n│   ├── strategy_plagiarism.md        # 降查重率策略\n│   ├── strategy_polishing.md         # 学术润色策略\n│   ├── chinese-paper-humanization-rules.toml   # 规则单体入口（fallback）\n│   └── rules/                        # ⭐v1.3：渐进式加载的 AI 规则集\n│       ├── index.toml                #   轻量 manifest\n│       ├── categories/\n│       │   ├── structure.toml        #   句法结构类\n│       │   ├── rhythm_quality.toml  #   节奏类\n│       │   ├── formatting.toml       #   格式类\n│       │   ├── content.toml          #   内容类（含宏观叙事/笼统问题/无来源量化）\n│       │   ├── evidence.toml         #   证据类（含数据无方法/因果跳跃）\n│       │   └── language.toml         #   语言类\n│       ├── chapter-categories.toml  #   章节类型识别\n│       └── metrics.toml              #   通用度量词表\n│\n└── scripts/                          # 检测脚本\n    ├── rule_loader.py                # ⭐v1.3：TOML 规则渐进式加载器\n    ├── detect_ai_patterns.py         # AIPatternDetector 入口（含 modify_plan）\n    ├── multi_detector.py             # FusionEngine 多源融合入口\n    ├── feedback_generator.py         # 反馈生成器\n    └── analyzers/                    # ⭐v1.3：分析器包（散文 + 语义链 + planner）\n        ├── __init__.py               #   统一导出 run_prose_analyzers / run_semantic_chain_analyzers / build_modify_plan\n        ├── _types.py                 #   AnalyzerIssue / AnalyzerReport 数据契约\n        ├── _segments.py              #   共享分词工具\n        ├── _regex_categories.py      #   hit-level 包装（供链层用）\n        ├── sentence_length.py        #   维度 6\n        ├── paragraph_length.py       #   维度 9\n        ├── paragraph_edges.py        #   维度 10\n        ├── paragraph_structure.py    #   维度 8a\n        ├── chapter_template.py       #   维度 8b\n        ├── semantic_chain.py         #   维度 3/4/5：10 个链分析器\n        └── rewrite_planner.py        #   AnalyzerIssue → 结构化 ModifyEntry\n```\n\n---\n\n## 🔧 高级用法\n\n### 交互式修改\n\n```bash\npython scripts/multi_detector.py your_text.txt --interactive\n```\n\n### 导出修改计划\n\n```bash\npython scripts/multi_detector.py your_text.txt --plan modification_plan.json\n```\n\n### 批量处理\n\n```bash\n# 处理多个文件\nfor file in *.txt; do\n    python scripts/multi_detector.py \"$file\" --output \"reports/${file%.txt}_report.md\"\ndone\n```\n\n---\n\n## ⚠️ 注意事项\n\n1. **学术诚信**：改写时保持学术诚信，不编造数据；所有数据必须有真实来源\n2. **数据核实**：对于不确定的引用和数据，建议用户核实原始资料\n3. **理论适配**：建议用户根据具体研究问题选择合适的理论框架\n4. **企业授权**：如涉及企业内部数据，建议获得企业书面授权或做脱敏处理\n5. **查重控制**：改写后建议进行查重，确保复制率 < 15%\n6. **个性化调整**：改写后的文本需用户根据具体学校和导师要求调整\n7. **范围限制**：本工具专注于去除 AI 痕迹和格式规范，不涉及学术内容深度审查\n8. **参考文献**：改写不自动生成参考文献，需用户根据实际引用补充完整\n\n---\n\n## 🤝 贡献指南\n\n欢迎提交 Issue 和 Pull Request！\n\n### 提交 Issue\n\n- 描述清楚遇到的问题\n- 提供示例文本（可脱敏）\n- 说明期望的行为\n\n### 提交 Pull Request\n\n1. Fork 本仓库\n2. 创建你的特性分支 (`git checkout -b feature/AmazingFeature`)\n3. 提交你的修改 (`git commit -m 'Add some AmazingFeature'`)\n4. 推送到分支 (`git push origin feature/AmazingFeature`)\n5. 打开一个 Pull Request\n\n---\n\n## 📝 更新日志\n\n### v1.4.0 (2026-07-05)\n\n- 🧭 **`high_risk_annotations[]` 按句聚合**：`detect_ai_patterns.generate_report` 返回的 JSON 新增顶层键，把正则命中和结构/链 issue 按句合并；每条标注同时具备句级字符偏移、原文、触发的全部规则、每条规则的短语替换字典与真实改写对\n- 🔁 **TOML `phrase_replacements` 字段**：为 4 类高频规则提供短语级替换映射（`ai_buzzwords` / `empty_solution_verbs` / `vague_attribution` / `unsupported_quantification`）；接口预留 LLM 兜底扩展点\n- 📐 **`ModifyEntry.before_after_example`**：`modify_plan` 现有 schema 增量增加 `before_after_example` 字段（None 或 `{before, after}`），直接复用 `[[categories.examples]]` 中的真实改写对\n- 🆕 **`scripts/analyzers/high_risk_annotator.py`**：新模块负责句子切分（带字符偏移）+ 双轨桶聚合（regex 按行号 / issue 按 location + evidence 子串）+ 严重度排序；与 `detect_ai_patterns.py` 通过懒导入解耦\n- ✅ **向后兼容**：现有 `matches` / `modify_plan` / `summary` / `metrics` 字段顺序与类型完全不变；`target_word_count_range` 仍为 2 元素 list；117 个测试全部通过\n\n### v1.3.0 (2026-07-05)\n\n#### 主体发布 — `feat: rule-driven AI-trace detection with prose + semantic-chain analyzers`\n\n- 🔬 **规则外置**：所有 AI 检测规则改为外部 TOML，按 7 个分类目录拆分；`scripts/rule_loader.py` 提供渐进加载\n- 📊 **散文结构分析器**：新增 5 个统计 / 指纹分析器（维度 6 / 8a / 8b / 9 / 10）\n- 🔗 **语义链分析器**：新增 10 个跨段 / 跨章节链分析器（维度 3 / 4 / 5）\n- 📋 **结构化改写计划**：`detect_ai_patterns.generate_report` 返回 `modify_plan` 键\n- 🎯 **三方统一接入**：`AIPatternDetector` / `StatisticalDetector` / `FeedbackGenerator` 共用同一份 TOML 规则\n- 🛠 **新增 scripts/analyzers/**：作为分析器包统一目录\n\n#### v1.3.0 增量\n\n- 📐 **SKILL.md Harris 拆分**：576 行 → 197 行（-66%）；识别与改写策略 / 三维协同 + 评估 / 改写检查清单 / 章节特定规则等数据化到 `references/strategy_optimization.toml` / `mba_rewrite_checklist.toml` / `chapter_rewrite_rules.toml`；SKILL.md 仅保留导航入口\n- 🔁 **与 [humanizer-academic-zh](https://github.com/cangtianhuang/humanizer-academic-zh) 互引**：检测（我们）↔ 改写（他们）路径互补，模式 21-25 通过渐进式 manifest 接进 `references/rules/categories/*.toml`\n- 📊 **规则 data 升级**：\n  - `filler_phrases`（模式 21 填充短语）：5 → 8 条 regex\n  - `chatbot_conversation_residue`（模式 23 协作式沟通痕迹）：4 → 7 条 regex\n  - 新增 `sycophantic_praise`（模式 25 谄媚语气）：9 条 regex + 3 条 before/after 示例，severity=medium / weight=0.5\n- 🌐 **多语言 README 同步**：v1.3.0 内容同步到中文 / 英文 / 日文 / 韩文四份，致谢与「相关项目」节都加 cross-link 到 `humanizer-academic-zh`\n\n### v1.2.0 (2024-03-11)\n\n- 📚 **三维优化策略文档化**：新增 AI 检测率降低 / 查重率降低 / 学术润色三份策略文档\n- 🔍 **增强检测能力**：规则匹配、统计分析、语言特征三层全面调优\n- 🎓 **细化 MBA 规范**：MBA 论文核心原则和分章节写作指南进一步细化\n- 📝 **完善格式规范**：扩展格式标准文档的边界场景覆盖\n- 🌐 **多语言 README**：补齐英文 / 日文 / 韩文版本\n\n### v1.1.0 (2024-02-05)\n\n- 📚 **重构章节文档**：将章节规则拆分为 5 个独立文件\n  - chapter-1-introduction.md：绪论详细指南\n  - chapter-2-theory.md：理论基础详细指南\n  - chapter-3-analysis.md：现状与问题分析详细指南\n  - chapter-4-solutions.md：对策建议详细指南\n  - chapter-5-conclusion.md：结论详细指南\n  - format-standards.md：格式规范独立文档\n- 🎓 **细化 MBA 规范**：新增 MBA 论文核心原则章节\n- 🎯 **强化实践导向**：更强调数据支撑、理论应用和具体案例\n- 📝 **完善格式规范**：独立整理格式标准，覆盖中英文混排、图表、引用等\n- 🏗️ **优化项目结构**：更清晰的文件组织和索引\n\n### v1.0.0 (2024-02-04)\n\n- ✨ 初始版本发布\n- 🎯 支持多维度 AI 特征检测\n- 📚 添加章节特定规则\n- 🔧 实现自动修复功能\n- 🎓 集成 Claude Skill\n\n---\n\n## 📄 许可证\n\n本项目采用 [MIT 许可证](LICENSE) - 详见 LICENSE 文件\n\n---\n\n## 🙏 致谢\n\n- 感谢 Claude Code 提供的 Skill 框架\n- 感谢 Kimi CLI 提供的 Agent 并行执行工具\n- 感谢所有提供反馈和建议的用户\n- **特别感谢 [Haimbeau1o/thesis-optimizer](https://github.com/Haimbeau1o/thesis-optimizer) 项目**，本项目的三维协同优化策略（降AI检测率、降查重率、学术润色提升）参考了该项目的优秀设计\n- **改写策略参考 [cangtianhuang/humanizer-academic-zh](https://github.com/cangtianhuang/humanizer-academic-zh)**：本项目走「检测 + 量化定位」路径，该项目走「改写 + 润色」路径；其 25 类语义模式（按表达/语言/风格/填充词/交流痕迹五大类组织）的「模式 21-25」被本项目 SKILL.md 的补充参考节交叉引用\n\n---\n\n## 📮 联系方式\n\n- GitHub Issues: [https://github.com/stephenlzc/humanize-mba-text-skill/issues](https://github.com/stephenlzc/humanize-mba-text-skill/issues)\n- 作者：stephenlzc\n\n---\n\n## 🔗 相关项目\n\n- [thesis-optimizer](https://github.com/Haimbeau1o/thesis-optimizer) - 学术论文智能优化系统（计算机深度学习方向）\n- [cangtianhuang/humanizer-academic-zh](https://github.com/cangtianhuang/humanizer-academic-zh) - Humanizer 中文学术版：与本项目「检测 + 量化定位」路径互补的「改写 + 润色」Skill；25 类语义模式按表达 / 语言 / 风格 / 填充词 / 交流痕迹五大类组织。本项目 v1.3.0 已将其中「模式 21-25」并入渐进式加载的 `references/rules/categories/*.toml`（`filler_phrases` / `chatbot_conversation_residue` / `sycophantic_praise` 等）。\n\n---\n\n<p align=\"center\">\n  如果这个项目对你有帮助，请给个 ⭐ Star！\n</p>\n\nFile v1.5.0:_meta.json\n\n{\n  \"ownerId\": \"kn77k0qnxvrb2gwbr1132zf7kh80qhny\",\n  \"slug\": \"humanize-mba-text-skill\",\n  \"version\": \"1.5.0\",\n  \"publishedAt\": 1783664382451\n}\n\nFile v1.5.0:references/ai-writing-patterns.md\n\n# AI 写作特征识别指南\n\n本文档详细列出 AI 生成文本的常见特征，用于指导去 AI 痕迹改写工作。\n\n## 一、内容特征\n\n### 1.1 过度强调重要性\n- **表现**: 用词浮夸，强调主题的代表性和贡献\n- **示例**: \"丰田喜一郎是丰田汽车公司的创办人之一，也是把丰田从纺织业带进汽车产业的关键人物\"\n- **改写**: 直接陈述事实，避免价值判断词汇\n\n### 1.2 宏观趋势过度解读\n- **表现**: 将具体事物上升到宏观层面\n- **示例**: \"将日本从'织布机国家'推向'汽车大国'的关键推手\"\n- **改写**: 聚焦具体事实，避免宏大叙事\n\n### 1.3 分析流于表面\n- **表现**: 以 -ing 结尾的肤浅分析\n- **示例**: \"凸显了...的重要性\"、\"反映了...的趋势\"\n- **改写**: 提供具体数据或实例支撑\n\n### 1.4 模糊归因\n- **表现**: 将观点归于\"专家\"、\"学者\"等模糊主体\n- **示例**: \"有专家指出...\"、\"研究表明...\"\n- **改写**: 明确引用具体来源或删除此类表述\n\n### 1.5 宣传性语言\n- **表现**: 使用广告式措辞\n- **示例**: \"卓越的性能\"、\"显著的成效\"\n- **改写**: 使用客观描述性词汇\n\n## 二、结构特征\n\n### 2.1 三段式法则\n- **表现**: 背景-现状-展望的僵化结构\n- **改写**: 根据内容需要灵活组织段落\n\n### 2.2 过于简略的前景\n- **表现**: \"尽管...有其意义，但面临挑战...\"\n- **改写**: 具体问题具体分析，避免套话\n\n### 2.3 列表式行文\n- **表现**: 滥用项目符号和编号\n- **改写**: 转化为连贯的段落文字\n\n## 三、语言特征\n\n### 3.1 连接性短语过多\n- **高频词汇**: \n  - 首先、其次、最后\n  - 此外、另外、与此同时\n  - 因此、所以、综上所述\n  - 值得注意的是、需要指出的是\n- **改写**: 减少连接词，使用更自然的过渡\n\n### 3.2 否定式排比\n- **表现**: \"不仅...而且...\"、\"既不是...也不是...\"\n- **改写**: 直接陈述，避免复杂句式\n\n### 3.3 破折号过度使用\n- **表现**: 频繁使用\"——\"进行解释或补充\n- **改写**: 使用括号或逗号，或拆分为独立句子\n\n### 3.4 中英文/数字混用空格\n\n**基本原则：中文语境下，中英文、数字与中文之间不加空格。**\n\n#### 常见错误场景\n\n| 场景 | ❌ 错误示例 | ✅ 正确示例 |\n|------|------------|------------|\n| 英文缩写 | MBA 论文、AI 写作 | MBA论文、AI写作 |\n| 英文单词 | Python 语言 | Python语言 |\n| 数字+中文 | 15 % 的增长、5 个企业 | 15%的增长、5个企业 |\n| 年份 | 2023 年、20 世纪 | 2023年、20世纪 |\n| 百分比 | 提升了 20 % | 提升了20% |\n| 货币 | 100 万元、50 美元 | 100万元、50美元 |\n| 人名引用 | Smith (2019) | Smith(2019) |\n| 编号 | 第 1 章、图 2-1 | 第1章、图2-1 |\n\n#### 例外情况\n\n以下情况保留空格：\n- 英文句子中的中文（如：This is a 中文 sentence）\n- 代码中的注释（如：# 这是一个 comment）\n- 特殊格式要求（如期刊投稿要求）\n\n#### 检测方法\n\n使用正则表达式检测：\n```python\n# 中文后接英文/数字有空格\npattern1 = r'[\\u4e00-\\u9fff]\\s+[a-zA-Z0-9]'\n# 英文/数字后接中文有空格  \npattern2 = r'[a-zA-Z0-9]\\s+[\\u4e00-\\u9fff]'\n```\n\n### 3.5 AI 词汇\n- **高频词汇**:\n  - 赋能、抓手、闭环、落地\n  - 痛点、打法、赛道、生态\n  - 迭代、优化、协同、整合\n- **改写**: 使用传统学术词汇替代\n\n## 四、引用特征\n\n### 4.1 过度强调来源\n- **表现**: 对无争议事实也标注来源\n- **改写**: 常识性内容无需标注\n\n### 4.2 虚构引用\n- **表现**: 引用不存在或错误的文献\n- **改写**: 核实所有引用，删除无法验证的内容\n\n## 五、MBA 论文改写原则\n\n### 5.1 风格要求\n1. **客观性**: 避免主观评价，用事实和数据说话\n2. **具体性**: 提供具体案例、数据支撑\n3. **简洁性**: 删除冗余修饰，保留核心信息\n4. **专业性**: 使用规范的学术用语\n\n### 5.2 改写策略\n1. 识别并删除 AI 特征词汇\n2. 将列表转化为段落\n3. 简化复杂句式\n4. 补充具体细节\n5. 调整段落结构，避免僵化模式\n\n### 5.3 检查清单\n- [ ] 是否删除了浮夸的形容词\n- [ ] 是否避免了模糊归因\n- [ ] 是否减少了连接词使用\n- [ ] 是否提供了具体数据\n- [ ] 是否检查了引用准确性\n- [ ] 是否符合中文标点规范\n\n## 六、改写示例\n\n### 示例 1：过度强调\n**原文**: 数字化转型已成为推动企业高质量发展的关键抓手，通过赋能业务创新，为企业创造显著价值。\n\n**改写**: 本研究探讨数字化转型对企业绩效的影响。通过分析XX公司2018-2023年的财务数据，发现数字化投入与营业收入增长呈正相关关系。\n\n### 示例 2：列表式行文\n**原文**:\n- 提升了运营效率\n- 降低了管理成本\n- 增强了市场竞争力\n\n**改写**: 实施该方案后，企业运营效率提升15%，管理成本下降8%，市场份额从12%增长至18%。\n\n### 示例 3：模糊归因\n**原文**: 有研究指出，企业文化对组织绩效具有重要影响。\n\n**改写**: Schein(2010)的研究表明，强势企业文化与组织绩效存在正相关关系（r=0.42, p<0.05）。\n\n### 示例 4：连接词过多\n**原文**: 首先，本文回顾了相关文献。其次，构建了理论模型。最后，进行了实证检验。\n\n**改写**: 本文首先回顾相关文献，在此基础上构建理论模型，并通过实证数据检验研究假设。\n\n## 七、注意事项\n\n1. **保持原意**: 改写时不改变原文的核心观点\n2. **学术规范**: 符合 MBA 论文的格式和引用要求\n3. **逻辑连贯**: 确保改写后的文本逻辑清晰\n4. **语言自然**: 读起来像人类作者的真实写作\n\nFile v1.5.0:references/chapter_rewrite_rules.toml\n\n# Chapter-specific Rewrite Rules\n#\n# Reference data for `SKILL.md` — the 「MBA论文章节特定改写规则」section.\n# 五章节 × 多个改写点。每个章节的每个改写点带：\n# - id       : 稳定标识符\n# - ai_traces: 常见 AI 痕迹（含警惕词 / 模板）\n# - rewrite_requirements: 改写要求（描述）\n# - examples : before/after 示例（可选）\n\nversion = \"1.3.0\"\nlanguage = \"zh-CN\"\ndomain = \"MBA thesis humanization\"\n\n[meta]\npurpose = \"MBA 论文五章节的特定改写规则。\"\ncontext = \"SKILL.md「MBA论文章节特定改写规则」一节的源数据。\"\nchapter_labels_zh = [\"绪论\", \"理论基础\", \"现状与问题分析\", \"对策建议\", \"结论\"]\n\n# ---------------------------------------------------------------------------\n# 第 1 章 绪论\n# ---------------------------------------------------------------------------\n\n[[chapter]]\nid = \"chapter_1_introduction\"\ntitle = \"第1章 绪论\"\norder = 1\n\n[[chapter.section]]\nid = \"research_background\"\n\n[[chapter.section.ai_traces]]\nbefore = \"随着市场竞争日益激烈，企业面临诸多挑战\"\n\n[[chapter.section.ai_traces]]\nbefore = \"在……背景下\"\nnote = \"滥用背景句式\"\n\n[[chapter.section.ai_traces]]\nbefore = \"当今时代\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"直接点明研究企业、具体问题、研究必要性\"\n\n[[chapter.section.examples]]\nbefore = \"随着市场竞争日益激烈，企业面临诸多挑战\"\nafter = \"XYZ 公司作为广东省制造企业，2022-2023 年市场份额从 15% 下降至 10%，亟需优化营销策略\"\n\n[[chapter.section]]\nid = \"purpose_and_significance\"\n\n[[chapter.section.ai_traces]]\nbefore = \"具有重要理论意义和实践价值\"\nnote = \"vague_attribution / 空泛研究意义\"\n\n[[chapter.section.ai_traces]]\nbefore = \"丰富相关理论研究\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"具体说明解决什么问题、带来什么价值\"\n\n[[chapter.section.examples]]\nbefore = \"本研究具有重要理论意义和实践价值\"\nafter = \"本研究旨在通过优化 XYZ 公司绩效考核体系，解决当前研发人员流失率高达 25% 的问题，预期可将流失率降至 15% 以内\"\n\n[[chapter.section]]\nid = \"literature_review\"\n\n[[chapter.section.ai_traces]]\nbefore = \"简单罗列 A 说、B 说、C 说\"\nnote = \"缺乏归纳分析；chain_author_listing 维度直接命中\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"按主题/流派分类整理；指出已有研究不足和空白；明确本文研究的补充价值\"\nquantitative = [\n  \"参考文献不少于 50 篇\",\n  \"外文 ≥ 1/3\",\n  \"近 5 年 ≥ 1/3\",\n  \"近 2 年文献应有涉及\",\n  \"期刊论文 ≥ 60%\",\n  \"专著 ≤ 20%\",\n  \"避免大量引用学位论文\",\n]\n\n[[chapter.section]]\nid = \"research_methods\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"说明为什么选择该方法；阐述如何应用；说明数据来源和收集方式；确保研究方法与论文类型匹配\"\nnote = \"避免「简单列举方法名称」类的 AI 痕迹 (chain_method_name)\"\n\n# ---------------------------------------------------------------------------\n# 第 2 章 理论基础\n# ---------------------------------------------------------------------------\n\n[[chapter]]\nid = \"chapter_2_theory\"\ntitle = \"第2章 理论基础\"\norder = 2\n\n[[chapter.section]]\nid = \"concept_definition\"\n\n[[chapter.section.ai_traces]]\nbefore = \"大段引用教科书式理论阐述\"\nnote = \"理论与研究脱节\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"界定核心概念（2-3 个主要概念）\"\n\n[[chapter.section]]\nid = \"theoretical_framework\"\n\n[[chapter.section.ai_traces]]\nbefore = \"理论罗列：介绍 5-6 个理论\"\nnote = \"也是 chain_method_name 的模板痕迹\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"选择 1-2 个核心理论作为分析框架；理论与研究问题紧密结合；为后续分析奠定理论基础，而非纯理论介绍\"\n\n# ---------------------------------------------------------------------------\n# 第 3 章 现状与问题分析\n# ---------------------------------------------------------------------------\n\n[[chapter]]\nid = \"chapter_3_analysis\"\ntitle = \"第3章 现状与问题分析\"\norder = 3\n\n[[chapter.section]]\nid = \"company_overview\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"提供企业基本信息（成立时间、主营业务、规模等）；与研究问题相关的背景信息；数据真实，必要时可做脱敏处理\"\n\n[[chapter.section]]\nid = \"current_status\"\n\n[[chapter.section.ai_traces]]\nbefore = \"公司发展良好\"\nnote = \"模糊表述\"\n\n[[chapter.section.ai_traces]]\nbefore = \"取得显著成效\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"用数据说话，提供具体指标；包含时间序列数据，展示变化趋势；与行业平均水平或竞争对手对比\"\n\n[[chapter.section]]\nid = \"problem_identification\"\n\n[[chapter.section.ai_traces]]\nbefore = \"存在诸多问题\"\nnote = \"chain_vague_problem_statement 直接命中\"\n\n[[chapter.section.ai_traces]]\nbefore = \"管理水平有待提升\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"问题明确、具体、可度量；通过调研数据（问卷、访谈）识别问题；每个问题应有具体表现和证据\"\n\n[[chapter.section]]\nid = \"root_cause_analysis\"\n\n[[chapter.section.ai_traces]]\nbefore = \"原因是多方面的\"\nnote = \"表面化分析；causal_leap\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"运用理论框架深入分析；分析因果机制，而非简单罗列；区分根本原因和表面原因；有数据或案例支撑\"\n\n# ---------------------------------------------------------------------------\n# 第 4 章 对策建议\n# ---------------------------------------------------------------------------\n\n[[chapter]]\nid = \"chapter_4_solutions\"\ntitle = \"第4章 对策建议\"\norder = 4\n\n[[chapter.section]]\nid = \"recommendations\"\n\n[[chapter.section.ai_traces]]\nbefore = \"加强管理\"\nnote = \"all_purpose_recommendation；万能型建议\"\n\n[[chapter.section.ai_traces]]\nbefore = \"完善制度\"\n\n[[chapter.section.rewrite_requirements]]\ntext = [\n  \"建议具体、可操作、可落地\",\n  \"结合企业实际资源和能力约束\",\n  \"明确实施阶段、步骤和优先级\",\n  \"预期效果可量化\",\n  \"与问题分析一一对应\",\n]\nnote = \"与第3章的 problem_identification 一一对应；cross_section_problem_trace 维度会反过来检查\"\n\n# ---------------------------------------------------------------------------\n# 第 5 章 结论\n# ---------------------------------------------------------------------------\n\n[[chapter]]\nid = \"chapter_5_conclusion\"\ntitle = \"第5章 结论\"\norder = 5\n\n[[chapter.section]]\nid = \"findings\"\n\n[[chapter.section.ai_traces]]\nbefore = \"简单重复摘要\"\nnote = \"chain_conclusion_echo 直接命中\"\n\n[[chapter.section.ai_traces]]\nbefore = \"综上所述\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"分条列出主要研究发现（用「提出了」「建立了」等）\"\n\n[[chapter.section]]\nid = \"innovation\"\n\n[[chapter.section.ai_traces]]\nbefore = \"首次研究\"\nnote = \"创新点空泛\"\n\n[[chapter.section.ai_traces]]\nbefore = \"填补空白\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"明确指出创新点（新见解、新方法、新应用）\"\n\n[[chapter.section]]\nid = \"limitations_outlook\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"说明研究局限性；提出未来研究展望\"\n\n[[chapter.section]]\nid = \"length_constraint\"\n\n[chapter.section.length_constraint]\ntarget_max_words = 2000\nnote = \"结论 ≤ 2000 字；不与摘要雷同\"\n\nFile v1.5.0:references/chapter-1-introduction.md\n\n# 第1章 绪论 - 写作规范与去AI痕迹指南\n\n## 1.1 研究背景\n\n### 常见AI特征\n\n#### 宏大叙事式开头\n- **特征**: 从\"随着经济的发展\"、\"在全球化背景下\"等宏观层面切入\n- **AI示例**: \"随着市场竞争日益激烈，企业面临诸多挑战\"\n- **改写策略**: 直接点明具体企业、具体问题、研究必要性\n- **改写示例**: ❌\"随着市场竞争日益激烈...\" → ✅\"XYZ公司作为广东省制造企业，2022-2023年市场份额从15%下降至10%\"\n\n#### 背景堆砌\n- **特征**: 大量无关的行业背景、政策背景\n- **改写策略**: 筛选与研究问题直接相关的背景信息\n\n### 改写原则\n\n1. **开门见山**: 首段即点明研究企业、核心问题\n2. **数据支撑**: 用具体数据说明问题的严重性\n3. **聚焦具体**: 避免行业全景式描述\n4. **问题导向**: 背景描述服务于问题提出\n\n### 规范示例\n\n**❌ AI风格**:\n```\n随着经济全球化和信息技术的快速发展，企业面临着前所未有的挑战。\n在\"互联网+\"时代背景下，传统制造业正在经历深刻变革。\n数字化转型已成为企业发展的必然趋势...\n```\n\n**✅ 改写后**:\n```\nXYZ公司成立于2005年，主营汽车零部件生产，2023年营收12亿元，员工800人。\n然而，2021-2023年间，公司市场份额从18%降至12%，净利润率从8.5%降至4.2%。\n与此同时，竞争对手A公司通过数字化改造，同期市场份额从15%提升至22%。\n这一反差引发了对XYZ公司数字化转型策略的深入思考...\n```\n\n---\n\n## 1.2 研究目的与意义\n\n### 常见AI特征\n\n#### 价值判断堆砌\n- **特征**: \"具有重要的理论意义和实践价值\"、\"丰富相关研究\"\n- **改写策略**: 具体说明解决什么问题、带来什么价值\n\n#### 意义泛化\n- **特征**: 理论意义和实践意义写得过于宽泛，缺乏针对性\n- **改写策略**: 结合具体研究内容阐述意义\n\n### 改写原则\n\n1. **问题具体**: 明确本研究要解决的具体管理问题\n2. **价值量化**: 预期效果尽可能量化\n3. **针对性强**: 意义阐述与研究内容紧密关联\n4. **避免空话**: 删除\"重要\"、\"重大\"等主观评价\n\n### 规范示例\n\n**❌ AI风格**:\n```\n本研究具有重要的理论意义和实践价值。理论方面，丰富了数字化转型理论研究。\n实践方面，为企业数字化转型提供参考，促进行业发展。\n```\n\n**✅ 改写后**:\n```\n本研究旨在解决XYZ公司数字化转型中的组织变革问题，具体目标包括：\n(1) 识别转型过程中的组织阻力来源；(2) 设计分阶段的变革方案；\n(3) 评估方案可行性并提出实施建议。\n预期通过优化组织架构和流程，将项目交付周期从45天缩短至30天，\n员工对新系统的接受度从当前的58%提升至80%以上。\n```\n\n---\n\n## 1.3 文献综述\n\n### 常见AI特征\n\n#### 罗列式综述\n- **特征**: 简单罗列作者和观点，缺乏深度分析\n- **AI示例**: \"Smith(2010)认为...，Johnson(2012)指出...，Lee(2015)强调...\"\n- **改写策略**: 按主题或流派组织，比较不同观点的异同\n\n#### 缺乏批判性\n- **特征**: 只陈述不评价，没有指出研究局限\n- **AI示例**: \"大量研究表明...\"\n- **改写策略**: 指出各研究的方法局限、样本问题或结论差异\n\n#### 时间线堆砌\n- **特征**: 按时间顺序简单罗列，缺乏逻辑主线\n- **改写策略**: 按理论发展脉络或研究主题分类组织\n\n### 改写原则\n\n1. **主题化组织**: 不按作者罗列，按研究主题分类\n2. **比较分析**: 对比不同研究的观点差异\n3. **指出空白**: 明确现有研究的不足和本研究的切入点\n4. **逻辑递进**: 从宏观到微观，或从理论到实证\n\n### 参考文献要求\n\n- 参考文献不少于50篇\n- 外文文献≥1/3\n- 近5年文献≥1/3，近2年文献应有涉及\n- 期刊论文≥60%，专著≤20%\n- 避免大量引用学位论文\n- 不引用百度百科等网络资源\n\n### 规范示例\n\n**❌ AI风格**:\n```\n关于企业创新，Smith(2010)认为创新是企业发展的动力。Johnson(2012)指出创新需要组织支持。\nLee(2015)强调了领导力的作用。Wang(2018)研究了创新绩效的影响因素。\n```\n\n**✅ 改写后**:\n```\n企业创新研究主要从三个视角展开：资源基础观强调内部资源配置(Smith, 2010)，\n组织支持理论关注制度环境(Johnson, 2012)，领导行为视角则聚焦高管特质(Lee, 2015)。\n然而，现有研究多关注创新投入与产出的直接关系，对创新过程的动态机制探讨不足(Wang, 2018)。\n本研究试图填补这一空白，从...视角分析...\n```\n\n---\n\n## 1.4 研究方法\n\n### 常见AI特征\n\n#### 方法名称罗列\n- **特征**: 简单列举\"文献研究法、案例分析法、问卷调查法\"\n- **改写策略**: 说明为什么选择该方法，如何应用\n\n#### 缺乏操作细节\n- **特征**: 只说用什么方法，不说怎么用\n- **改写策略**: 阐述数据来源、样本选择、分析工具\n\n### 改写原则\n\n1. **方法匹配**: 研究方法与研究问题相匹配\n2. **操作具体**: 说明数据如何收集、如何分析\n3. **样本清晰**: 明确样本量、抽样方法、选择标准\n4. **工具透明**: 说明使用的分析工具或软件\n\n### 规范示例\n\n**❌ AI风格**:\n```\n本文采用文献研究法、问卷调查法和案例分析法进行研究。\n```\n\n**✅ 改写后**:\n```\n本研究综合运用以下方法：\n(1) 文献研究：系统检索中国知网(CNKI)、Web of Science数据库2015-2023年的相关文献，\n    筛选标准包括...\n(2) 问卷调查：设计李克特5级量表，面向XYZ公司中层管理人员发放问卷120份，\n    回收有效问卷108份，有效回收率90%。问卷信度检验Cronbach's α=0.87...\n(3) 深度访谈：对5名高管进行半结构化访谈，每次访谈60-90分钟，\n    访谈提纲包括...\n```\n\n---\n\n## 1.5 本章小结\n\n### 改写原则\n\n1. **内容回顾**: 简要回顾本章主要内容\n2. **逻辑承启**: 为下一章（理论基础）做好铺垫\n3. **简洁凝练**: 避免重复正文内容\n4. **200-500字**: 控制篇幅，不宜过长\n\n### 检查清单\n\n- [ ] 研究背景聚焦具体企业问题，有数据支撑\n- [ ] 研究目的明确，预期效果可量化\n- [ ] 文献综述按主题组织，有批判性分析\n- [ ] 研究方法具体，操作步骤清晰\n- [ ] 无\"重要\"、\"关键\"等主观评价词汇\n- [ ] 无\"随着...的发展\"等宏观叙事\n- [ ] 中英文/数字间无多余空格\n\nFile v1.5.0:references/chapter-2-theory.md\n\n# 第2章 理论基础 - 写作规范与去AI痕迹指南\n\n## 2.1 核心概念界定\n\n### 常见AI特征\n\n#### 教科书式定义\n- **特征**: 大段引用教科书或百度百科式的定义\n- **AI示例**: \"根据XX的定义，战略管理是指...\"\n- **改写策略**: 简洁界定核心概念，结合研究语境\n\n#### 概念过多\n- **特征**: 界定过多与研究关联度不高的概念\n- **改写策略**: 聚焦2-3个核心概念，与研究问题紧密相关\n\n### 改写原则\n\n1. **简洁界定**: 用2-3句话清晰界定核心概念\n2. **研究语境**: 结合本研究的具体语境定义概念\n3. **聚焦核心**: 只界定与研究直接相关的概念\n4. **避免堆砌**: 不罗列多个相近概念\n\n### 规范示例\n\n**❌ AI风格**:\n```\n战略管理(Strategic Management)一词最早由Ansoff(1965)提出，\n是指企业确定其使命，根据组织外部环境和内部条件设定企业的战略目标...\n此后，Andrews(1971)、Porter(1980)、Mintzberg(1987)等学者从不同角度对战略管理进行了定义...\n```\n\n**✅ 改写后**:\n```\n本研究涉及两个核心概念：\n\n(1) 数字化转型：指企业利用数字技术重塑业务模式、组织结构和企业文化的过程。\n    在本研究中，特指制造业企业从传统生产向智能制造的转变过程。\n\n(2) 组织变革：指组织在结构、流程、文化等方面进行的系统性调整。\n    本研究聚焦于数字化转型背景下的组织架构重组和流程再造。\n```\n\n---\n\n## 2.2 理论基础\n\n### 常见AI特征\n\n#### 理论堆砌\n- **特征**: 罗列多个理论，缺乏与研究的关联\n- **AI示例**: 详细介绍5-6个理论，每个理论占很大篇幅\n- **改写策略**: 选择1-2个核心理论，说明为何选择、如何应用\n\n#### 理论与实践脱节\n- **特征**: 理论部分与后续案例分析完全脱节\n- **改写策略**: 理论与研究问题紧密结合，为后续分析奠定框架\n\n#### 教科书式阐述\n- **特征**: 像写教材一样详细介绍理论的发展历史\n- **改写策略**: 聚焦理论的核心观点和分析框架\n\n### 改写原则\n\n1. **精选理论**: 选择1-2个最相关的理论作为分析框架\n2. **说明理由**: 解释为什么选择这些理论\n3. **应用导向**: 说明如何在后续分析中应用这些理论\n4. **避免历史**: 不追溯理论发展历史，聚焦核心内容\n5. **建立框架**: 用理论构建问题分析的理论框架图\n\n### 规范示例\n\n**❌ AI风格**:\n```\n资源基础观(Resource-Based View, RBV)由Barney(1991)系统提出。\n其理论渊源可追溯到Penrose(1959)的企业成长理论...\nBarney(1991)提出了VRIN框架，认为资源应具备价值性(Valuable)、\n稀缺性(Rare)、难以模仿性(Inimitable)和不可替代性(Non-substitutable)...\n此后，许多学者对RBV进行了扩展研究...\n```\n\n**✅ 改写后**:\n```\n本研究以资源基础观(RBV)为主要理论框架。该理论认为企业竞争优势来源于\n其拥有的异质性资源(Barney, 1991)。在数字化转型背景下，企业的数字技术能力、\n数据资产和数字化人才构成关键资源。\n\n基于RBV，本研究构建如下分析框架：\n- 识别XYZ公司现有的数字资源禀赋\n- 评估这些资源是否符合VRIN特性\n- 分析资源缺口及其对转型的制约\n- 提出资源构建和能力培养路径\n\n该理论为本研究提供了分析企业数字化能力的视角，帮助识别转型的关键资源要素。\n```\n\n---\n\n## 2.3 理论框架构建\n\n### 常见AI特征\n\n#### 框架图堆砌\n- **特征**: 复杂的理论模型图，与后续分析脱节\n- **改写策略**: 构建简洁实用的分析框架\n\n#### 缺乏操作性\n- **特征**: 理论框架过于抽象，无法指导后续分析\n- **改写策略**: 明确框架中各要素的测量或识别方法\n\n### 改写原则\n\n1. **简洁实用**: 框架图清晰、要素明确\n2. **操作性强**: 每个要素都可以在实际中观察或测量\n3. **逻辑清晰**: 要素间关系明确\n4. **紧扣问题**: 框架直接服务于研究问题\n\n### 规范示例\n\n**分析框架设计**:\n```\n基于资源基础观和动态能力理论，构建本研究的理论分析框架：\n\n                    ┌─────────────────────┐\n                    │   数字化转型驱动    │\n                    │  (外部压力+内部需求) │\n                    └──────────┬──────────┘\n                               │\n                               ▼\n        ┌──────────────────────┼──────────────────────┐\n        │                      │                      │\n        ▼                      ▼                      ▼\n┌───────────────┐    ┌───────────────┐    ┌───────────────┐\n│ 数字技术资源   │    │ 数字化人才     │    │ 数据资产      │\n│ (硬件+软件)   │    │ (技能+意识)   │    │ (数据+平台)   │\n└───────┬───────┘    └───────┬───────┘    └───────┬───────┘\n        │                      │                      │\n        └──────────────────────┼──────────────────────┘\n                               │\n                               ▼\n                    ┌─────────────────────┐\n                    │   数字化转型绩效    │\n                    │  (效率+创新+竞争力)  │\n                    └─────────────────────┘\n\n该框架指导第3章的现状分析：识别XYZ公司在三类资源上的禀赋和缺口。\n```\n\n---\n\n## 2.4 本章小结\n\n### 改写原则\n\n1. **概念回顾**: 简要回顾界定的核心概念\n2. **理论总结**: 总结选择的理论及其应用价值\n3. **承上启下**: 说明理论框架如何指导后续分析\n4. **简洁凝练**: 200-500字\n\n### 检查清单\n\n- [ ] 核心概念界定简洁，2-3个即可\n- [ ] 理论基础选择1-2个，与研究问题匹配\n- [ ] 说明理论选择的理由和应用方式\n- [ ] 构建了清晰的理论分析框架\n- [ ] 理论部分与后续分析逻辑连贯\n- [ ] 无教科书式历史追溯\n- [ ] 无大段理论定义堆砌\n\nFile v1.5.0:references/chapter-3-analysis.md\n\n# 第3章 现状与问题分析 - 写作规范与去AI痕迹指南\n\n## 3.1 企业概况\n\n### 常见AI特征\n\n#### 资料堆砌\n- **特征**: 大量罗列企业基本信息，与研究问题关联度低\n- **AI示例**: \"公司成立于1990年，总部位于北京，员工5000人，年营收10亿元...\n  公司愿景是...，使命是...，价值观是...\"\n- **改写策略**: 筛选与研究问题直接相关的背景信息\n\n#### 描述性语言\n- **特征**: 使用\"优秀\"、\"领先\"、\"知名\"等主观评价词汇\n- **改写策略**: 用客观数据描述企业地位和规模\n\n### 改写原则\n\n1. **聚焦相关**: 只提供与研究问题相关的背景\n2. **数据客观**: 用数字和事实说话，避免主观评价\n3. **简洁精练**: 企业概况控制在500-800字\n4. **脱敏处理**: 涉及敏感信息时做适当脱敏\n\n### 规范示例\n\n**❌ AI风格**:\n```\n华为公司是全球领先的通信设备制造商，在5G、云计算、人工智能等领域处于世界前列。\n公司成立于1987年，总部位于深圳，是全球知名的科技企业。\n华为坚持\"以客户为中心\"的核心价值观，致力于把数字世界带入每个人、每个家庭、每个组织...\n```\n\n**✅ 改写后**:\n```\n华为技术有限公司(以下简称\"华为\")成立于1987年，注册地深圳市龙岗区。\n2023年数据显示：员工总数约20.7万人，年营收7042亿元人民币，研发投入1647亿元\n(占营收23.4%)(华为年报，2023)。\n\n本研究聚焦华为消费者BG(业务集团)，该板块2023年营收2515亿元，占总营收35.7%。\n研究对象为该板块中国区销售渠道管理体系，涉及经销商3000余家，直营店200余家。\n选择该对象的理由：(1) 渠道管理问题是研究核心；(2) 作者2019-2023年任职于该部门，\n具备数据收集条件；(3) 2021-2023年间渠道冲突问题凸显，具有研究价值。\n```\n\n---\n\n## 3.2 现状描述\n\n### 常见AI特征\n\n#### 定性描述为主\n- **特征**: \"公司发展良好\"、\"取得显著成效\"、\"稳步增长\"等模糊表述\n- **改写策略**: 用具体数据和指标描述现状\n\n#### 缺乏对比\n- **特征**: 只描述本企业情况，缺乏行业对比或历史对比\n- **改写策略**: 增加时间序列数据和行业对标\n\n#### 模板化结构\n- **特征**: 严格按照\"发展历程-组织架构-业务范围-经营状况\"四段式\n- **改写策略**: 根据研究需要灵活组织，突出关键信息\n\n### 改写原则\n\n1. **数据说话**: 用具体指标替代模糊描述\n2. **时间维度**: 提供3-5年的历史数据，展示变化趋势\n3. **对比分析**: 与行业平均、竞争对手、历史同期对比\n4. **问题导向**: 现状描述服务于问题识别\n\n### 规范示例\n\n**❌ AI风格**:\n```\n公司近年来发展迅速，在行业内处于领先地位。公司非常重视渠道建设，\n建立了完善的销售网络，取得了良好的业绩。公司产品质量优良，深受客户好评...\n```\n\n**✅ 改写后**:\n```\n(1) 渠道规模：2021-2023年，经销商数量从1850家增至3200家，增幅73%。\n    但同期单店平均营收从350万元降至210万元，下降40%。\n\n(2) 渠道结构：直营店占比从8%提升至15%，但直营店单店坪效(12万元/㎡)\n    仍低于主要竞争对手A公司(18万元/㎡)和B公司(15万元/㎡)。\n\n(3) 渠道冲突：2023年内部调研显示，32%的经销商反映存在串货问题，\n    较2021年的18%显著上升。线上渠道与线下渠道价格差异率达15-25%，\n    导致客户投诉率上升至月均120起。\n\n(4) 渠道成本：渠道管理费用占营收比例从2021年的8.5%上升至2023年的11.2%，\n    高于行业平均水平(9.0%)(中国电子信息产业发展研究院，2023)。\n```\n\n---\n\n## 3.3 问题识别\n\n### 常见AI特征\n\n#### 问题描述笼统\n- **特征**: \"管理不善\"、\"效率低下\"、\"沟通不畅\"等概括性表述\n- **改写策略**: 具体化问题表现，提供量化指标\n\n#### 缺乏数据支撑\n- **特征**: 凭主观判断指出问题，无调研数据支撑\n- **改写策略**: 基于问卷、访谈、财务数据识别问题\n\n#### 问题过多过散\n- **特征**: 列出8-10个问题，缺乏重点\n- **改写策略**: 聚焦2-3个核心问题，深入分析\n\n### 改写原则\n\n1. **具体可测**: 每个问题都有明确的衡量指标\n2. **数据支撑**: 基于调研数据或客观指标识别问题\n3. **聚焦核心**: 识别2-3个最关键的问题\n4. **问题分解**: 将大问题分解为可分析的子问题\n\n### 规范示例\n\n**❌ AI风格**:\n```\n通过调研发现，公司存在以下问题：\n1. 渠道管理混乱，经销商积极性不高\n2. 线上线下冲突严重\n3. 渠道成本居高不下\n4. 渠道信息化水平低\n```\n\n**✅ 改写后**:\n```\n基于问卷调查(N=120)和深度访谈(N=15)，识别出三个核心问题：\n\n问题一：渠道冲突导致经销商满意度下降\n- 问卷数据显示，经销商整体满意度从2021年的4.2分(5分制)降至2023年的3.1分\n- 主要不满集中在：价格体系混乱(68%受访者提及)、区域保护不力(52%)、\n  促销支持不足(45%)\n- 2023年经销商流失率达23%，较行业平均水平(12%)高出近一倍\n\n问题二：渠道结构失衡影响市场覆盖效率\n- 一二线城市渠道密度过高：深圳每万人拥有销售网点3.2个，高于合理密度(1.5个)\n- 三四线城市覆盖不足：在目标城市中的覆盖率仅58%，低于A公司(82%)和B公司(75%)\n- 直营与经销比例失调：直营店主要集中在一线城市，三四线城市完全依赖经销商\n\n问题三：渠道协同机制缺失\n- 线上线下库存不共享，缺货率达15%，而A公司通过全渠道库存共享将缺货率控制在5%以内\n- 跨部门协调效率低：促销活动从策划到落地平均需45天，A公司仅需21天\n- 信息系统孤岛：ERP、CRM、POS系统未打通，数据实时性差\n```\n\n---\n\n## 3.4 成因分析\n\n### 常见AI特征\n\n#### 表面化分析\n- **特征**: 停留在现象描述，未深入挖掘根本原因\n- **AI示例**: \"原因是管理不到位、执行不严格、意识不够强\"\n- **改写策略**: 运用理论框架深入分析，揭示深层机制\n\n#### 就事论事\n- **特征**: 缺乏理论指导，凭经验判断原因\n- **改写策略**: 用第2章的理论框架分析原因\n\n#### 原因罗列\n- **特征**: 简单罗列5-6条原因，缺乏逻辑关系\n- **改写策略**: 区分根本原因和表面原因，构建因果关系链\n\n### 改写原则\n\n1. **理论指导**: 运用第2章的理论框架分析成因\n2. **深入挖掘**: 从表面现象深入到制度、文化、能力等深层原因\n3. **因果链条**: 构建清晰的因果关系链\n4. **数据验证**: 用访谈或数据验证原因判断\n\n### 规范示例\n\n**❌ AI风格**:\n```\n造成上述问题的原因是多方面的：\n1. 管理层重视不够\n2. 制度不健全\n3. 执行不到位\n4. 员工意识不强\n5. 资源投入不足\n```\n\n**✅ 改写后（运用资源基础观分析）**:\n```\n基于资源基础观分析，渠道管理问题的根源在于资源配置失衡：\n\n(1) 人力资源缺口：渠道管理人员配置不足\n    - 现状：每100家经销商配备1名渠道经理，而A公司比例为1:60\n    - 结果：渠道经理人均管理半径过大，难以提供有效支持\n    - 深层原因：公司2019-2022年业务扩张期，重销售轻管理，渠道管理团队未同步扩充\n\n(2) 技术资源滞后：数字化工具支撑不足\n    - 现状：经销商管理系统(DMS)建于2015年，功能落后，与ERP系统未打通\n    - 结果：库存数据实时性差，无法支撑精准决策\n    - 深层原因：IT预算向产品研发倾斜(占IT总预算70%)，渠道数字化投入不足\n\n(3) 制度资源缺陷：渠道政策缺乏系统性\n    - 现状：价格政策、区域政策、促销政策由不同部门制定，缺乏统筹\n    - 结果：政策间存在冲突，执行层面无所适从\n    - 深层原因：组织架构中缺乏渠道管理的专职部门，职能分散在销售部、市场部、电商部\n\n根本原因：公司战略重心从\"产品导向\"向\"渠道导向\"转型过程中，\n组织能力(尤其是渠道管理能力)建设滞后于业务规模扩张。\n```\n\n---\n\n## 3.5 本章小结\n\n### 改写原则\n\n1. **问题总结**: 简要回顾识别的核心问题\n2. **原因归纳**: 总结根本原因\n3. **承上启下**: 为第4章的对策建议奠定基础\n4. **简洁凝练**: 300-600字\n\n### 检查清单\n\n- [ ] 企业概况简洁，聚焦研究相关问题\n- [ ] 现状描述用数据说话，有时间序列和行业对比\n- [ ] 问题识别具体可测，有调研数据支撑\n- [ ] 聚焦2-3个核心问题，而非罗列大量问题\n- [ ] 成因分析运用理论框架，深入挖掘根本原因\n- [ ] 构建了清晰的因果关系链\n- [ ] 无\"发展良好\"、\"显著成效\"等模糊表述\n- [ ] 无\"管理不善\"、\"意识不强\"等笼统归因\n\nFile v1.5.0:references/chapter-4-solutions.md\n\n# 第4章 对策建议 - 写作规范与去AI痕迹指南\n\n## 4.1 总体思路\n\n### 常见AI特征\n\n#### 空泛思路\n- **特征**: \"从战略高度重视\"、\"全方位优化\"、\"系统性改进\"等空洞表述\n- **改写策略**: 明确改进的核心逻辑和主要方向\n\n#### 缺乏针对性\n- **特征**: 思路与第3章的问题脱节\n- **改写策略**: 思路设计对应第3章识别的根本问题\n\n### 改写原则\n\n1. **问题导向**: 总体思路针对第3章的根本原因\n2. **逻辑清晰**: 明确改进的核心逻辑和优先级\n3. **分阶段推进**: 区分近期、中期、长期任务\n4. **资源匹配**: 考虑企业资源约束\n\n### 规范示例\n\n**❌ AI风格**:\n```\n针对上述问题，建议公司从战略高度重视渠道管理，全方位优化渠道体系，\n加强渠道管理能力建设，推动数字化转型，实现渠道协同发展。\n```\n\n**✅ 改写后**:\n```\n基于第3章的成因分析，渠道优化应遵循\"系统规划、分步实施、重点突破\"的思路：\n\n核心逻辑：以渠道管理能力建设为主线，通过组织调整、流程再造、技术赋能三条路径，\n          解决资源配置失衡问题。\n\n实施策略：\n- 近期(6个月)：聚焦渠道冲突治理，建立统一的价格管理体系\n- 中期(1-2年)：优化渠道结构，完善三四线市场覆盖\n- 长期(3-5年)：构建全渠道协同平台，实现线上线下一体化运营\n\n资源投入：预计总投入2800万元，其中组织调整300万、系统建设1800万、\n          人员培训700万。资金来源：2024-2026年营销预算中的渠道专项基金。\n```\n\n---\n\n## 4.2 具体方案\n\n### 常见AI特征\n\n#### 建议空泛\n- **特征**: \"加强管理\"、\"优化流程\"、\"提升能力\"等笼统建议\n- **改写策略**: 明确做什么、怎么做、谁来做、何时完成\n\n#### 缺乏可操作性\n- **特征**: 建议停留在理念层面，无法落地执行\n- **改写策略**: 提供详细的实施步骤和配套措施\n\n#### 忽视约束条件\n- **特征**: 不考虑企业资源、能力、文化限制\n- **改写策略**: 分析实施条件、潜在阻力、应对预案\n\n#### 套用模板\n- **特征**: SWOT、PEST等分析流于形式，建议千篇一律\n- **改写策略**: 根据企业实际情况设计定制化方案\n\n### 改写原则\n\n1. **具体可操作**: 明确行动主体、具体措施、完成标准\n2. **分阶段实施**: 区分短期、中期、长期，明确里程碑\n3. **考虑约束**: 分析资源、能力、组织文化的限制\n4. **风险预案**: 指出实施风险和应对措施\n5. **效果量化**: 预期效果尽可能量化\n\n### 规范示例\n\n**❌ AI风格**:\n```\n建议公司采取以下措施：\n1. 优化渠道结构，提升渠道效率\n2. 加强渠道管理，规范渠道行为\n3. 推动数字化转型，提升渠道协同\n4. 完善激励机制，提升经销商积极性\n```\n\n**✅ 改写后**:\n\n```\n方案一：建立全渠道价格管理体系(解决渠道冲突问题)\n\n目标：3个月内建立统一价格政策，6个月内将线上线下价差控制在5%以内\n\n具体措施：\n(1) 组织保障：成立跨部门价格管理委员会\n    - 组成：销售总监(主任)、电商负责人、线下渠道负责人、财务代表\n    - 职责：制定价格政策、审批促销方案、处理价格争议\n    - 决策机制：月度例会，重大促销需委员会审批\n\n(2) 制度设计：建立差异化定价机制\n    - 统一定价：基础产品实行线上线下同价(占SKU 60%)\n    - 差异定价：定制产品允许10%价差(占SKU 30%)\n    - 专供产品：线上线下独立SKU，避免直接比价(占SKU 10%)\n\n(3) 技术支撑：上线动态定价系统\n    - 功能：实时监控竞品价格、自动调整定价策略、预警异常价格波动\n    - 投入：系统开发150万元，2024年Q2上线\n    - 供应商：对比SAP、Oracle、用友三家方案，建议选用...\n\n(4) 执行监督：建立价格巡查制度\n    - 频率：每周抽查10%的经销商和线上店铺\n    - 处罚：首次违规警告，二次违规扣减返点5%，三次违规取消经销资格\n    - 激励：严格执行价格的经销商，年度返点额外增加2%\n\n预期效果：\n- 3个月内：价格违规投诉从月均120起降至40起\n- 6个月内：经销商满意度从3.1分提升至3.8分\n- 12个月内：经销商流失率从23%降至15%\n\n实施风险与应对：\n- 风险1：线下经销商抵触线上同价 → 应对：设置6个月过渡期，期间给予流量补贴\n- 风险2：短期销售额下滑 → 应对：配套促销活动，预计影响控制在10%以内\n```\n\n---\n\n## 4.3 实施保障\n\n### 常见AI特征\n\n#### 保障措施空泛\n- **特征**: \"加强领导\"、\"落实责任\"、\"强化监督\"等套话\n- **改写策略**: 明确组织保障、资源保障、制度保障的具体内容\n\n#### 缺乏细节\n- **特征**: 只说\"需要高层支持\"，不说如何获得支持\n- **改写策略**: 提供详细的推动策略和沟通方案\n\n### 改写原则\n\n1. **组织保障**: 明确责任部门、岗位职责、汇报关系\n2. **资源保障**: 明确资金、人员、技术的投入计划\n3. **制度保障**: 建立配套的考核、激励、监督机制\n4. **风险管控**: 识别实施风险，制定应对预案\n\n### 规范示例\n\n**组织保障**:\n```\n(1) 成立渠道变革项目组\n    - 组长：销售VP(全面负责)\n    - 副组长：渠道总监(日常执行)\n    - 成员：IT负责人、HR负责人、财务代表、区域销售经理代表(3人)\n    - 项目办公室：设在渠道部，专职人员3人\n\n(2) 明确分工与职责\n    - 渠道部：负责方案设计、经销商沟通、执行监督\n    - IT部：负责系统开发、数据对接、技术支持\n    - HR部：负责人员培训、考核方案设计、激励机制\n    - 财务部：负责预算审批、效果评估、ROI测算\n\n(3) 决策机制\n    - 周例会：项目组成员参加，解决执行问题\n    - 月度汇报：向销售VP汇报进展，审批重大调整\n    - 季度复盘：向CEO汇报，评估阶段性成果\n```\n\n**资源保障**:\n```\n(1) 资金投入计划\n    ┌──────────┬──────────┬──────────┬──────────┐\n    │  项目    │ 2024年   │ 2025年   │ 2026年   │\n    ├──────────┼──────────┼──────────┼──────────┤\n    │ 系统建设 │  1200万  │  500万   │  100万   │\n    │ 组织调整 │  200万   │  100万   │    -     │\n    │ 人员培训 │  300万   │  300万   │  100万   │\n    │ 促销支持 │  500万   │  400万   │  200万   │\n    ├──────────┼──────────┼──────────┼──────────┤\n    │  合计    │  2200万  │  1300万  │  400万   │\n    └──────────┴──────────┴──────────┴──────────┘\n\n(2) 人员配置计划\n    - 新增岗位：渠道经理8人(2024年Q1招聘)、数据分析师2人(2024年Q2)\n    - 培训计划：渠道经理专业培训(人均40学时)、经销商培训(全年12场)\n    - 外部顾问：聘请渠道管理咨询顾问(6个月，费用150万)\n\n(3) 技术支持\n    - 系统开发：外包给XX公司，签订合同明确交付标准和里程碑\n    - 数据对接：IT部负责ERP、CRM、POS系统接口开发\n    - 运维保障：系统上线后首年免费维护，7×24小时技术支持\n```\n\n---\n\n## 4.4 效果评估\n\n### 改写原则\n\n1. **指标体系**: 建立可量化的评估指标\n2. **评估周期**: 明确评估时间节点\n3. **对比基准**: 与现状、行业平均、竞争对手对比\n4. **调整机制**: 根据评估结果优化方案\n\n### 评估指标示例\n\n```\n评估维度与指标：\n\n(1) 渠道效率指标\n    - 单店平均营收：目标1年内从210万提升至280万\n    - 库存周转天数：目标从45天降至35天\n    - 订单响应时间：目标从72小时缩短至48小时\n\n(2) 渠道满意度指标\n    - 经销商满意度：目标从3.1分提升至4.0分(5分制)\n    - 经销商流失率：目标从23%降至12%\n    - 投诉处理及时率：目标达到95%以上\n\n(3) 财务指标\n    - 渠道成本占比：目标从11.2%降至9.5%\n    - 投入产出比(ROI)：目标3年达到1:2.5\n    - 营收增长率：目标年增长15%以上\n\n评估周期：\n- 月度：跟踪关键运营指标\n- 季度：评估阶段性目标达成情况\n- 年度：全面评估项目成效，调整下年度计划\n```\n\n---\n\n## 4.5 本章小结\n\n### 改写原则\n\n1. **方案总结**: 简要回顾核心方案\n2. **创新点**: 说明方案的创新之处\n3. **可行性**: 强调方案的可操作性\n4. **简洁凝练**: 300-600字\n\n### 检查清单\n\n- [ ] 总体思路明确，针对第3章的根本原因\n- [ ] 具体方案可操作，明确做什么、怎么做、谁来做\n- [ ] 分阶段实施，有明确的时间节点和里程碑\n- [ ] 考虑了企业资源约束和实施条件\n- [ ] 分析了潜在风险和应对措施\n- [ ] 预期效果可量化，有明确的评估指标\n- [ ] 实施保障具体，包括组织、资源、制度保障\n- [ ] 无\"加强管理\"、\"优化流程\"等空泛建议\n- [ ] 无\"全方位\"、\"系统性\"等笼统表述\n\nFile v1.5.0:references/chapter-5-conclusion.md\n\n# 第5章 结论 - 写作规范与去AI痕迹指南\n\n## 5.1 主要研究发现\n\n### 常见AI特征\n\n#### 重复摘要内容\n- **特征**: 结论与摘要高度雷同，甚至直接复制\n- **改写策略**: 结论侧重研究发现，不与摘要重复\n\n#### 简单罗列\n- **特征**: 重复各章内容，像写目录\n- **改写策略**: 提炼核心发现，按逻辑组织\n\n#### 缺乏提炼\n- **特征**: 描述做了什么，没说发现了什么\n- **改写策略**: 突出研究发现和创新点\n\n### 改写原则\n\n1. **研究发现**: 突出研究的核心发现，而非研究过程\n2. **高度提炼**: 浓缩全文精华，删除细节描述\n3. **逻辑清晰**: 按重要性或逻辑关系组织\n4. **用词准确**: 使用\"发现了\"、\"提出了\"、\"验证了\"等词汇\n\n### 规范示例\n\n**❌ AI风格**:\n```\n本文以XYZ公司为研究对象，首先分析了公司渠道管理的现状，\n然后识别了存在的问题，最后提出了优化方案。研究表明，\n公司渠道管理存在一些问题，需要优化改进。\n```\n\n**✅ 改写后**:\n```\n本研究的主要发现如下：\n\n(1) 发现了渠道冲突的三重根源\n    通过问卷和访谈数据分析，发现XYZ公司渠道冲突并非单一因素导致，\n    而是价格体系缺陷(制度层面)、系统支撑不足(技术层面)、\n    管理能力滞后(组织层面)三重因素叠加的结果。\n    其中，跨部门协调机制缺失是根本原因。\n\n(2) 构建了渠道能力评估模型\n    基于资源基础观，提出了包含\"资源禀赋-管理能力-协同效率\"三维度的\n    渠道能力评估框架。该框架在本研究中的实证应用显示，\n    XYZ公司在协同效率维度得分仅2.8分(满分5分)，显著低于行业均值(3.6分)。\n\n(3) 验证了分阶段改进路径的有效性\n    通过对比同行业3家企业的渠道变革案例，验证了\"先治理冲突、\n    再优化结构、最后构建协同平台\"的三阶段路径具有较高可行性。\n    该路径可避免变革过程中的渠道震荡，降低转型风险。\n\n(4) 识别了渠道数字化的关键成功因素\n    研究发现，渠道数字化转型不仅是技术问题，更需要配套的组织变革。\n    成功案例的共同特征是：IT投入与组织投入比例约为1:0.6，\n    而XYZ公司当前仅为1:0.2，组织投入明显不足。\n```\n\n---\n\n## 5.2 创新点\n\n### 常见AI特征\n\n#### 创新点空泛\n- **特征**: \"首次研究\"、\"填补空白\"等夸大表述\n- **改写策略**: 客观、具体地说明创新之处\n\n#### 与研究内容脱节\n- **特征**: 创新点与实际研究内容不符\n- **改写策略**: 创新点必须基于研究内容提炼\n\n### 改写原则\n\n1. **客观表述**: 避免\"首次\"、\"首创\"等绝对化词汇\n2. **具体明确**: 明确说明在理论、方法、应用等方面的创新\n3. **适度谦虚**: 承认研究的局限性\n4. **紧扣内容**: 创新点必须与研究内容对应\n\n### 创新点类型\n\n```\n理论创新：\n- 将XX理论应用于XX领域，拓展了该理论的适用范围\n- 构建了XX模型，为XX研究提供了新的分析框架\n- 发现了XX与XX之间的作用机制，丰富了XX理论\n\n方法创新：\n- 采用XX方法研究XX问题，提供了新的研究视角\n- 将XX方法与XX方法结合，提高了研究的信度和效度\n- 设计了XX测量工具，为后续研究提供了可复制的工具\n\n应用创新：\n- 针对XX企业的XX问题，设计了XX解决方案\n- 将XX理论应用于XX实践，验证了理论的有效性\n- 提出了XX实施路径，为同类企业提供了参考\n```\n\n### 规范示例\n\n**❌ AI风格**:\n```\n本研究的创新点：\n1. 首次系统研究了XX公司的渠道管理问题\n2. 填补了国内该领域研究的空白\n3. 具有重要的理论价值和实践意义\n```\n\n**✅ 改写后**:\n```\n本研究的创新之处：\n\n(1) 理论应用创新\n    将资源基础观与动态能力理论相结合，构建了渠道管理能力分析框架。\n    现有研究多从单一理论视角分析渠道问题，本研究的整合视角更全面地\n    解释了渠道能力的形成机制。\n\n(2) 研究方法创新\n    采用社会网络分析法(SNA)测量渠道协同效率，突破了传统问卷测量的局限。\n    通过分析经销商之间的交易网络，量化识别了关键节点和断点，\n    为精准干预提供了依据。\n\n(3) 实践方案创新\n    设计了\"冲突治理-结构优化-平台构建\"三阶段实施路径，\n    并配套了具体的组织调整方案、系统建设方案和投入产出测算。\n    该方案已在XX公司试点应用，初步验证了可行性。\n\n(4) 研究对象创新\n    聚焦耐用消费品行业的线上线下渠道冲突问题，而现有研究多关注快消品。\n    耐用消费品的低购买频率、高客单价特征导致其渠道冲突机制与快消品存在差异。\n```\n\n---\n\n## 5.3 研究局限\n\n### 常见AI特征\n\n#### 回避局限\n- **特征**: 只说优点，不提局限\n- **改写策略**: 客观分析研究的局限性\n\n#### 形式化局限\n- **特征**: \"样本量较小\"、\"时间有限\"等模板化表述\n- **改写策略**: 具体说明局限是什么、如何影响结论\n\n### 改写原则\n\n1. **诚实客观**: 不回避研究的局限性\n2. **具体说明**: 指出局限的具体表现和影响\n3. **改进方向**: 说明如何在未来研究中克服\n\n### 规范示例\n\n```\n本研究存在以下局限：\n\n(1) 样本局限性\n    研究仅基于XYZ公司一家企业的数据，虽然通过深度调研获取了丰富资料，\n    但结论的普适性可能受限。特别是耐用消费品行业的特殊性，\n    使得研究结论在其他行业的适用性需要进一步验证。\n    未来研究可扩大样本，纳入更多行业和不同规模的企业进行对比分析。\n\n(2) 时间跨度局限\n    调研主要基于2023年的横截面数据，虽然收集了2021-2023年的历史数据，\n    但难以完全捕捉渠道变革的动态过程。特别是数字化转型是一个长期过程，\n    本研究仅能观察到短期效果。未来研究可采用纵向追踪设计，\n    跟踪观察3-5年的变革过程。\n\n(3) 变量测量局限\n    渠道协同效率的测量主要依赖问卷数据，虽然进行了信效度检验，\n    但主观评价可能存在偏差。未来研究可结合客观数据(如订单响应时间、\n    库存周转率等)进行综合测量，提高测量的客观性。\n\n(4) 因果关系局限\n    本研究主要采用案例研究方法，虽然通过多数据源三角验证提高了可信度，\n    但难以完全排除其他混淆变量的影响。未来研究可引入准实验设计，\n    通过干预-对比的方式验证因果关系。\n```\n\n---\n\n## 5.4 未来研究展望\n\n### 常见AI特征\n\n#### 展望空泛\n- **特征**: \"值得进一步研究\"、\"有待深入探讨\"等敷衍表述\n- **改写策略**: 提出具体的研究方向和问题\n\n#### 脱离实际\n- **特征**: 提出难以实现或与本研究无关的方向\n- **改写策略**: 基于本研究的局限和发现提出可行方向\n\n### 改写原则\n\n1. **具体可行**: 提出具体的研究问题和方向\n2. **承接本研究**: 基于本研究的局限延伸\n3. **价值明确**: 说明未来研究的价值和意义\n\n### 规范示例\n\n```\n未来研究可从以下方向展开：\n\n(1) 扩大样本的跨行业比较研究\n    基于本研究在耐用消费品行业的发现，未来可纳入快消品、工业品等行业，\n    比较不同行业渠道冲突的形成机制和治理策略的差异。\n    特别是B2B与B2C渠道的差异值得深入探讨。\n\n(2) 数字化转型效果的长期追踪研究\n    本研究仅观察到转型初期的效果，数字化转型对渠道关系的长期影响尚不明确。\n    未来可采用纵向追踪设计，跟踪观察5年以上，\n    分析数字化转型不同阶段(数字化、数智化、数字化生态)的渠道特征变化。\n\n(3) 渠道协同的量化模型构建\n    本研究提出了渠道协同的评估框架，但尚未构建精确的量化模型。\n    未来可运用结构方程模型(SEM)或系统动力学方法，\n    构建渠道协同的影响因素模型和效果预测模型，提高决策的科学性。\n\n(4) 渠道治理的跨文化比较\n    本研究基于中国市场的数据，但渠道治理可能受到文化因素的影响。\n    未来可开展跨国比较研究，分析不同文化背景下(如高情境文化vs低情境文化)\n    渠道冲突的表现形式和治理策略的适用性差异。\n```\n\n---\n\n## 5.5 结论撰写要求\n\n### 字数控制\n- **总字数**: 1500-2000字\n- **研究发现**: 800-1000字\n- **创新点**: 300-400字\n- **研究局限**: 200-300字\n- **未来展望**: 200-300字\n\n### 格式要求\n\n1. **分条陈述**: 使用(1)(2)(3)或①②③分条\n2. **标题明确**: 每个部分使用小标题\n3. **无\"综上所述\"**: 避免使用套话开头\n4. **不与摘要重复**: 结论侧重发现，摘要侧重内容概述\n\n### 检查清单\n\n- [ ] 主要研究发现具体、明确，突出核心发现\n- [ ] 使用\"发现了\"、\"提出了\"、\"验证了\"等词汇\n- [ ] 创新点客观具体，避免\"首次\"、\"填补空白\"等夸大表述\n- [ ] 研究局限诚实说明，具体指出局限和影响\n- [ ] 未来展望具体可行，提出明确的研究方向\n- [ ] 总字数控制在2000字以内\n- [ ] 不与摘要内容重复\n- [ ] 无\"综上所述\"、\"由此可见\"等套话\n- [ ] 分条陈述，逻辑清晰\n\nFile v1.5.0:references/chinese-paper-humanization-rules.toml\n\nversion = \"2026-07-04\"\nlanguage = \"zh-CN\"\ndomain = \"Chinese MBA thesis humanization\"\n\n[split_rules]\ndirectory = \"rules\"\nindex = \"index.toml\"\ndescription = \"Lightweight manifest. Full AI-trace rules are split under references/rules/ for progressive loading.\"\n\nFile v1.5.0:references/format-standards.md\n\n# 格式规范 - 写作标准与去AI痕迹指南\n\n## 1. 中英文/数字混排规范\n\n### 1.1 基本原则\n\n**中文语境下，中英文、数字与中文之间不加空格。**\n\n### 1.2 具体规则\n\n| 场景 | ❌ 错误 | ✅ 正确 |\n|------|--------|--------|\n| 英文缩写 | MBA 论文 | MBA论文 |\n| 英文单词 | AI 写作 | AI写作 |\n| 数字+中文 | 15 % 的增长 | 15%的增长 |\n| 数字+量词 | 5 个企业 | 5个企业 |\n| 年份 | 2023 年 | 2023年 |\n| 百分比 | 提升了 20 % | 提升了20% |\n| 货币 | 100 万元 | 100万元 |\n| 英文人名 | Smith (2019) | Smith(2019) |\n| 英文标题 | IPD 理论 | IPD理论 |\n| 版本号 | 第 3 代 | 第3代 |\n| 编号 | 图 1-1 | 图1-1 |\n| 章节 | 第 1 章 | 第1章 |\n\n### 1.3 例外情况\n\n以下情况保留空格：\n- 英文句子中的中文（如：This is a 中文 sentence）\n- 代码中的注释（如：# 这是一个 comment）\n- 特殊格式要求（如期刊投稿要求）\n\n### 1.4 检测方法\n\n```python\n# 检测中英文/数字间多余空格\nimport re\n\n# 中文后接英文/数字有空格\npattern1 = r'[\\u4e00-\\u9fff]\\s+[a-zA-Z0-9]'\n# 英文/数字后接中文有空格  \npattern2 = r'[a-zA-Z0-9]\\s+[\\u4e00-\\u9fff]'\n\n# 合并检测\npattern = r'[\\u4e00-\\u9fff]\\s+[a-zA-Z0-9]|[a-zA-Z0-9]\\s+[\\u4e00-\\u9fff]'\n```\n\n---\n\n## 2. 图表规范\n\n### 2.1 图表基本要求\n\n1. **自明性**: 图表应有自明性，不阅读正文也能理解\n2. **清晰可读**: 图表清晰，不可直接拷贝模糊图片\n3. **编号规范**: 图表必须编号，格式为\"图1-1\"、\"表1-1\"\n4. **标题完整**: 图表应有图题/表题，说明图表内容\n\n### 2.2 图的规范\n\n#### 编号与标题\n- 图序按章编排，如第1章第一个图为\"图1-1\"\n- 图题置于图下方，居中\n- 图题格式：图号+空格+图名（无标点）\n- 示例：**图1-1 技术路线图**\n\n#### 文字说明\n- 图之前必须有引用提示，如\"如图1-1所示\"\n- 图之后必须有文字说明和解释\n- 先文字后图表，图表是文字的补充\n\n#### 字体字号\n- 图中文字：宋体/Times New Roman，5号或小5号\n- 图题：宋体，5号，居中\n- 同一图中字号统一\n\n### 2.3 表的规范\n\n#### 编号与标题\n- 表序按章编排，如第1章第一个表为\"表1-1\"\n- 表题置于表上方，居中\n- 表题格式：表号+空格+表名（无标点）\n- 示例：**表1-1 调研样本分布**\n\n#### 格式要求\n- 采用三线表格式（顶线、栏目线、底线）\n- 表头设计简单明了，尽量不用斜线\n- 表中文字：宋体/Times New Roman，5号或小5号\n- 表内文字1倍行距\n\n#### 数据规范\n- 数据应准确无误，书写清楚\n- 数字空缺的格内加横线\"—\"\n- 同一指标小数位数保持一致\n- 单位标注在表头右上角加圆括号\n\n### 2.4 图表摆放\n\n1. **图文配合**: 图表应与文字紧密配合，文图相符\n2. **位置合理**: 图表尽量跟随首次提及的段落\n3. **分页处理**: 图过大时可移至次页，图题只出现在下页\n4. **留白规范**: 图表前后各空1行\n\n---\n\n## 3. 引用规范\n\n### 3.1 正文引用\n\n#### 引用格式\n- 引用用上标序号，如\"...成果[1]\"\n- 序号用小4号Times New Roman，置于方括号中\n- 引用标注在引文最后一个句号之前\n- 多次引用同一文献用同一序号\n\n#### 多处引用\n- 引用多篇：[1, 2, 5]\n- 连续引用：[1-3]\n- 注意：按增序排列\n\n#### 直接说明\n- 格式：\"由文献[8, 10-14]可知：\"\n- 此时序号与正文排齐，不用上标\n\n### 3.2 脚注\n\n#### 使用场景\n- 解释性说明\n- 补充性信息\n- 引用来源（网站、报纸等不宜入参考文献的资料）\n\n#### 规范要求\n- 脚注序号用①②③\n- 每页重新编号\n- 脚注内容小5号宋体\n- **注意**：不引用百度百科、维基百科等网络百科\n\n### 3.3 参考文献\n\n#### 数量要求\n- 参考文献不少于50篇\n- 外文文献≥1/3\n- 近5年文献≥1/3\n- 近2年文献应有涉及\n\n#### 类型要求\n- 期刊论文≥60%\n- 专著≤20%\n- 避免大量引用学位论文\n- 不引用百度百科、网页资料（除非是官方数据源）\n\n#### 常用期刊\n- 《管理世界》\n- 《中国工业经济》\n- 《南开管理评论》\n- 《会计研究》\n- 《金融研究》\n- 《经济管理》\n- 《财经研究》\n- 《管理学报》\n\n#### 著录格式\n\n**期刊**:\n```\n[序号] 作者. 题名[J]. 期刊名, 年, 卷(期): 页码.\n[1] 王学通, 崔雪竹. 大型公共项目交易模式溢出效应研究[J]. 建筑经济, 2014(8): 122-125.\n[2] Helfat C E, Raubitschek R S. Product Sequencing[J]. Strategic Management Journal, 2000(21): 961-979.\n```\n\n**专著**:\n```\n[序号] 作者. 题名[M]. 出版地: 出版者, 出版年: 页码.\n[3] 靖爽, 陈年根. 研发体系改进之道[M]. 天津: 天津人民出版社, 2019: 45-48.\n```\n\n**学位论文**:\n```\n[序号] 作者. 题名[D]. 保存地: 保存单位, 年份: 页码.\n[4] 赖文勇. 基于过程视角的建筑企业社会责任行为识别与优化研究[D]. 广州: 广州大学, 2019: 45-48.\n```\n\n---\n\n## 4. 数字与单位规范\n\n### 4.1 数字用法\n\n1. **阿拉伯数字**: 统计数据、年代、百分比、金额等\n2. **汉字数字**: 概数(三五个)、成语(一帆风顺)、固定搭配(星期四)\n3. **年份完整**: 2023年，不写23年\n4. **百分比**: 统一使用%，如\"提升了20%\"\n\n### 4.2 单位规范\n\n1. **法定单位**: 使用国家法定计量单位\n2. **单位符号**: 除人名命名的单位首字母大写外，一律小写\n3. **中文单位**: 可用汉字与单位符号混写，如\"万t·km\"\n4. **时刻表达**: 用中文计量单位，如\"上午8点3刻\"\n\n---\n\n## 5. 标点符号规范\n\n### 5.1 常用标点\n\n1. **句号**: 中文用\"。\"，英文用\".\"\n2. **逗号**: 中文用\"，\"，英文用\",\"\n3. **分号**: 并列分句间用分号\n4. **冒号**: 提示下文或总结上文\n5. **引号**: 引用、强调、特殊含义用引号\n6. **书名号**: 书名、篇名、报纸名用书名号《》\n\n### 5.2 特殊用法\n\n1. **破折号**: 减少使用\"——\"，可用逗号或括号替代\n2. **省略号**: 用\"……\"(中文占两格)，不用\"...\"\n3. **连接号**: 年份、页码范围用\"-\"，如\"2021-2023年\"、\"45-48\"\n\n### 5.3 标点与空格\n\n- 标点后不加空格(英文写作除外)\n- 括号内文字与括号间不加空格\n- 书名号之间不加顿号\n\n---\n\n## 6. 段落与层级规范\n\n### 6.1 章节编号\n\n```\n第1章 绪论              (章)\n1.1 研究背景            (节)\n1.1.1 行业背景          (条)\n1.1.1.1 细分市场        (款) - 一般不用\n```\n\n### 6.2 层级要求\n\n1. **每章至少4节**（含本章小结）\n2. **节下有目**: 避免节下直接到正文，应有3级标题\n3. **内容充实**: 每节内容不少于1页\n\n### 6.3 本章小结\n\n- 每章最后应有\"本章小结\"\n- 字数：200-600字\n- 内容：回顾本章主要内容，承上启下\n\n---\n\n## 7. 格式检查清单\n\n### 7.1 文字格式\n- [ ] 中英文/数字间无多余空格\n- [ ] 标点符号使用规范\n- [ ] 数字用法统一\n- [ ] 单位使用规范\n\n### 7.2 图表格式\n- [ ] 图表编号规范(图1-1、表1-1)\n- [ ] 图表有标题，无标点\n- [ ] 图表清晰，非拷贝模糊图片\n- [ ] 图表前后各空1行\n- [ ] 先文字后图表，图表有说明\n\n### 7.3 引用格式\n- [ ] 正文引用用上标[1]\n- [ ] 参考文献≥50篇，外文≥1/3\n- [ ] 参考文献格式符合GB/T 7714-2015\n- [ ] 期刊论文≥60%，专著≤20%\n- [ ] 无百度百科、网页资料引用\n- [ ] 不引用过多学位论文\n\n### 7.4 结构格式\n- [ ] 正文字数≥3万字\n- [ ] 每章至少4节(含本章小结)\n- [ ] 节下有目，层级清晰\n- [ ] 每节内容≥1页\n- [ ] 每章有\"本章小结\"\n\nArchive v1.0.0: 20 files, 110110 bytes\n\nFiles: README_EN.md (20674b), README_JP.md (21073b), README_KR.md (19602b), README.md (16437b), references/ai-writing-patterns.md (5842b), references/chapter-1-introduction.md (6571b), references/chapter-2-theory.md (6583b), references/chapter-3-analysis.md (8954b), references/chapter-4-solutions.md (9412b), references/chapter-5-conclusion.md (9508b), references/format-standards.md (7702b), references/strategy_ai_reduction.md (11134b), references/strategy_plagiarism.md (11561b), references/strategy_polishing.md (10973b), scripts/detect_ai_patterns.py (28684b), scripts/feedback_generator.py (32804b), scripts/multi_detector.py (42843b), skill-card.md (2894b), SKILL.md (20986b), _meta.json (142b)\n\nFile v1.0.0:SKILL.md\n\n---\nname: humanize-mba-text\ndescription: 去除中文文本中的 AI 生成痕迹，使其更符合中国 MBA 毕业论文的自然写作风格。当用户提到\"去 AI 痕迹\"、\"去除 AI 写作痕迹\"、\"MBA 论文改写\"、\"让这段文字更像人写的\"、\"去除机器感\"等关键词时触发。适用于需要降低文本 AI 特征、提升学术写作自然度的场景。\n---\n\n# 去除 AI 写作痕迹 - MBA 论文风格优化\n\n## 任务目标\n\n将带有明显 AI 生成特征的中文文本改写为自然、人类化的 MBA 毕业论文风格文本，符合中国MBA毕业论文的学术规范和实践导向。\n\n## 核心原则\n\n1. **实践导向**: MBA论文必须来源于企业管理实际，解决具体管理问题，避免纯理论空谈\n2. **小题大做**: 选题聚焦明确，\"小题深做\"，避免选题过大、过于宽泛\n3. **客观性优先**: 用事实和数据替代主观评价和空泛论述\n4. **具体化表达**: 提供具体企业案例、数据支撑、时间节点，避免笼统描述\n5. **数据溯源**: 所有数据必须注明来源，确保准确性和可信度\n6. **理论支撑**: 运用1-2个相关理论作为分析框架，避免就事论事\n7. **简洁性**: 删除冗余修饰、重复表述，保留核心信息\n8. **学术规范**: 符合中国高校MBA论文的写作规范和格式要求\n9. **逻辑严密**: 论证过程清晰，因果关系明确，避免跳跃式推理\n10. **结构合理**: 正文字数3万字以上，章节分配合理，避免节下无目或一节不足一页\n\n## 识别与改写策略\n\n### 1. 内容层面改写\n\n#### 1.1 去除过度强调\n- **识别**: 使用\"关键\"、\"重要\"、\"核心\"、\"至关重要\"、\"不可或缺\"等价值判断词汇\n- **改写**: 直接陈述事实，删除评价性形容词，用数据说话\n- **示例**: \n  - \"数字化转型是关键抓手\" → \"数字化转型影响企业绩效\"\n  - \"人才是企业发展的核心竞争力\" → \"2020-2023年间，该公司技术人才占比从15%提升至28%\"\n\n#### 1.2 避免宏观叙事与空洞表述\n- **识别**: 将具体事物上升到\"时代\"、\"历史\"、\"趋势\"、\"浪潮\"、\"征程\"、\"新篇章\"层面\n- **改写**: 聚焦具体研究对象、企业背景和实证数据\n- **示例**: \n  - \"推动行业变革\" → \"提升企业运营效率15%\"\n  - \"顺应数字化浪潮\" → \"2022年启动ERP系统升级项目，实现业务流程数字化\"\n\n#### 1.3 消除表面分析与套话\n- **识别**: \"凸显了\"、\"反映了\"、\"体现了\"、\"昭示着\"、\"预示着\"等 -ing 结尾分析\n- **改写**: 提供具体机制解释、因果链条或数据支撑\n- **示例**: \n  - \"凸显了管理的重要性\" → \"管理效率提升使成本下降8%\"\n  - \"这体现了企业文化的重要性\" → \"实施新的绩效考核制度后，员工离职率从18%降至12%\"\n\n#### 1.4 删除模糊归因与无主引用\n- **识别**: \"专家指出\"、\"研究表明\"、\"普遍认为\"、\"相关数据显示\"、\"实践证明\"\n- **改写**: 明确引用具体文献、具体数据来源或删除此类表述\n- **示例**: \n  - \"有研究指出\" → \"Smith(2019)的研究发现\"\n  - \"相关数据显示\" → \"根据公司年报，2023年营收增长...\" 或 直接陈述事实\n\n#### 1.5 避免MBA论文常见套话\n- **识别词汇**:\n  - \"综上所述\"、\"由此可见\"、\"因此可见\"（每章结尾过度使用）\n  - \"这不仅...更是...\"（强行拔高意义）\n  - \"在...背景下\"、\"基于...视角\"（滥用背景句式）\n  - \"具有重要理论意义和实践价值\"（空洞评价）\n- **改写**: \n  - 用具体研究发现替代总结性套话\n  - 用\"本文发现\"、\"研究结果表明\"替代\"综上所述\"\n  - 删除无实质内容的评价语句\n\n#### 1.6 强化数据支撑\n- **识别**: 缺乏数据支撑的定性描述、\"显著提升\"、\"明显优化\"等模糊表述\n- **改写**: 补充具体数据、时间、对比基准\n- **示例**:\n  - \"显著提升客户满意度\" → \"客户满意度评分从2021年的3.8分提升至2023年的4.5分（5分制）\"\n  - \"优化了供应链管理\" → \"库存周转天数从45天降至32天，缺货率从8%降至3%\"\n\n#### 1.7 聚焦具体问题（小题大做原则）\n- **识别**: 讨论过于宽泛，缺乏针对性；问题描述模糊；选题过大\n- **改写**: 明确研究边界，聚焦具体企业、具体问题，符合\"小题深做\"要求\n- **示例**:\n  - ❌ \"当前企业面临诸多挑战\" → ✅ \"XYZ公司在2022-2023年面临市场份额下降问题，从12%降至9%\"\n  - ❌ \"市场竞争日益激烈\" → ✅ \"区域内新增3家竞争对手，2023年价格平均下降15%\"\n  - ❌ \"企业数字化转型研究\" → ✅ \"XYZ公司生产部门数字化转型中的流程优化研究\"\n  - ❌ \"人力资源管理优化\" → ✅ \"XYZ公司研发人员绩效考核体系优化研究\"\n\n#### 1.8 标注数据来源\n- **识别**: 数据陈述缺乏来源说明；使用\"相关数据显示\"、\"据统计\"等模糊表述\n- **改写**: 明确标注数据来源，确保可追溯性\n- **示例**:\n  - ❌ \"企业营收增长20%\" → ✅ \"根据XYZ公司2023年年报，企业营收同比增长20%\"\n  - ❌ \"员工满意度为85%\" → ✅ \"根据2023年12月开展的问卷调查（N=120），员工满意度为85%\"\n  - ❌ \"相关数据显示，行业平均利润率为10%\" → ✅ \"根据国家统计局《2023年工业企业主要经济指标》（表号：B604-1），行业平均利润率为10%\"\n\n#### 1.9 理论与实践的融合\n- **识别**: 理论阐述与实践分析脱节；缺乏理论框架指导；就事论事\n- **改写**: 用理论框架指导问题分析，用实践案例验证理论\n- **示例**:\n  - ❌ \"公司存在沟通不畅问题\" → ✅ \"基于组织沟通理论，XYZ公司在横向沟通（部门间）和纵向沟通（层级间）两个维度均存在障碍，具体表现为...\"\n  - ❌ \"采用SWOT分析\" → ✅ \"运用SWOT分析框架，从内部优势（S）、劣势（W）和外部机会（O）、威胁（T）四个维度，对XYZ公司战略环境进行系统分析\"\n\n#### 1.10 避免MBA论文常见禁区\n- **识别问题类型**:\n  - 非管理类问题（纯技术、纯财务计算等）\n  - 过多研究主题（超过2-3个核心概念）\n  - 纯理论研究（缺乏企业实际背景）\n  - 与工商管理范畴无关的问题\n- **改写**: 确保选题属于工商管理范畴，运用工商管理知识分析和解决实际管理问题\n- **检查要点**:\n  - [ ] 研究对象为企业组织\n  - [ ] 运用管理学理论和方法\n  - [ ] 有明确的管理问题导向\n  - [ ] 核心概念不超过2-3个\n\n### 2. 结构层面改写\n\n#### 2.1 打破三段式结构\n- **识别**: 背景-现状-展望的僵化模式\n- **改写**: 根据论证逻辑灵活组织段落\n- **方法**: 按问题-分析-解决方案的逻辑重组\n\n#### 2.2 转化列表为段落\n- **识别**: 使用项目符号或编号列表\n- **改写**: 转化为连贯的叙述性段落\n- **示例**: 将\"第一...第二...第三...\"改为\"首先...，其次...，此外...\"\n\n#### 2.3 删除套话式结尾\n- **识别**: \"尽管面临挑战，但前景广阔\"\n- **改写**: 具体问题具体分析，避免泛泛而谈\n\n### 3. 语言层面改写\n\n#### 3.1 减少连接词\n- **高频连接词**: \n  - 首先、其次、最后、综上所述\n  - 此外、另外、与此同时、值得注意的是\n  - 因此、所以、由此可见\n- **改写策略**: \n  - 保留必要连接，删除冗余\n  - 使用更自然的过渡方式\n  - 通过段落结构体现逻辑关系\n\n#### 3.2 简化复杂句式\n- **识别**: \"不仅...而且...\"、\"既不是...也不是...\"\n- **改写**: 拆分为简单句或直接陈述\n- **示例**: \"不仅提升了效率，而且降低了成本\" → \"效率提升15%，成本下降8%\"\n\n#### 3.3 规范标点使用\n- **破折号**: 减少\"——\"使用，改用逗号或括号\n- **中英文混排**: 删除中英文之间的空格（\"MBA论文\"而非\"MBA 论文\"）\n\n#### 3.4 替换 AI 词汇\n- **识别词汇**:\n  - 赋能、抓手、闭环、落地、痛点\n  - 打法、赛道、生态、迭代、优化\n- **改写**: 使用传统学术词汇\n- **示例**: \"赋能业务创新\" → \"促进业务创新\"、\"支持业务创新\"\n\n### 4. 引用层面检查\n\n#### 4.1 核实引用准确性\n- 检查所有引用是否存在\n- 验证引用内容与原文是否一致\n- 删除无法验证的引用\n\n#### 4.2 优化引用方式\n- 常识性内容无需标注\n- 具体数据和观点必须标注来源\n- 使用规范的引用格式\n\n## 三维协同优化策略\n\n本Skill采用三维协同优化方法，系统性地提升MBA论文质量：\n\n### 维度1: 降低AI检测率\n核心策略：\n- **句式多样化**：打破规整并列结构，引入句长变化（目标：句长标准差 > 8）\n- **学术语气自然化**：适当使用第一人称（\"本文\"、\"我们\"），引入合理主观判断\n- **逻辑链路人性化**：增加背景铺垫，避免过于完美的逻辑闭环\n\n### 维度2: 降低查重率\n核心策略：\n- **深度语义改写**：同义替换、结构重组、表述角度转换\n- **引用规范化**：直接引用转间接引用，归并多源引用\n- **专业术语处理**：核心术语保留，非核心描述灵活变换\n\n### 维度3: 学术润色提升\n核心策略：\n- **表达精准化**：消除模糊表述，量化抽象概念\n- **学术规范性**：术语一致性，时态语态规范\n- **可读性优化**：复杂句拆分，段落结构优化\n\n## 改写流程（三维协同版）\n\n1. **通读原文**：理解核心观点和论证逻辑\n2. **多维度检测**：\n   - 检测AI特征\n   - 评估查重风险\n   - 检查学术规范性\n3. **降AI优化**：应用句式多样化、语气自然化策略\n4. **降重优化**：进行深度语义改写\n5. **学术润色**：提升表达精准性和可读性\n6. **质量验证**：对照评估标准确认\n\n## 输出要求\n\n1. **保持原意**: 不改变原文的核心观点和结论\n2. **提升自然度**: 读起来像人类作者的真实写作\n3. **符合规范**: 符合 MBA 论文的学术写作规范\n4. **提供说明**: 简要说明主要修改点（可选）\n\n## MBA论文改写检查清单\n\n### 内容质量检查\n- [ ] 选题聚焦，符合\"小题大做\"原则（核心概念≤3个）\n- [ ] 研究对象为企业组织，有明确职业背景\n- [ ] 所有数据已标注来源（公司年报、调研、统计年鉴等）\n- [ ] 运用了1-2个理论框架指导分析\n- [ ] 问题分析有数据支撑，因果机制清晰\n- [ ] 建议具体可操作，考虑资源约束\n- [ ] 属于工商管理范畴，非纯技术/财务研究\n\n### AI痕迹检查\n- [ ] 删除了\"重要\"、\"关键\"、\"核心\"等过度强调词汇\n- [ ] 删除了\"时代\"、\"趋势\"、\"浪潮\"等宏观叙事词汇\n- [ ] 删除了\"凸显了\"、\"体现了\"等表面分析表述\n- [ ] 删除了\"专家指出\"、\"研究表明\"等模糊归因\n- [ ] 删除了\"综上所述\"、\"由此可见\"等套话\n- [ ] 删除了\"赋能\"、\"抓手\"、\"闭环\"等AI词汇\n- [ ] 减少了\"首先、其次、最后\"等机械连接词\n- [ ] 避免中英文之间多余空格\n\n### 结构规范检查\n- [ ] 正文字数≥3万字\n- [ ] 每章至少4节（含本章小结）\n- [ ] 每节内容充实，避免一节不足一页\n- [ ] 节下有目，层级清晰\n- [ ] 文献综述按主题组织，非按作者罗列\n- [ ] 结论分条列出，2000字以内，不与摘要雷同\n\n### 格式规范检查\n- [ ] 图表有编号（图1-1、表1-1）和标题\n- [ ] 图表有文字说明，先文后图\n- [ ] 图表清晰，非拷贝模糊图片\n- [ ] 引用格式规范，用上标[1]\n- [ ] 参考文献≥50篇，外文≥1/3，近5年≥1/3\n- [ ] 期刊论文≥60%，专著≤20%\n- [ ] 无百度百科等网络引用\n- [ ] 章节目序号规范\n\n## MBA论文章节特定改写规则\n\n根据中国高校MBA论文结构要求，不同章节需遵循特定改写策略：\n\n### 第1章 绪论改写要点\n\n#### 1.1 研究背景\n- **AI痕迹**: \"随着经济的发展...\"、\"在...背景下\"、\"当今时代\"\n- **改写要求**: 直接点明研究企业、具体问题、研究必要性\n- **示例**:\n  - ❌ \"随着市场竞争日益激烈，企业面临诸多挑战\" \n  - ✅ \"XYZ公司作为广东省制造企业，2022-2023年市场份额从15%下降至10%，亟需优化营销策略\"\n\n#### 1.2 研究目的与意义\n- **AI痕迹**: \"具有重要理论意义和实践价值\"、\"丰富相关理论研究\"\n- **改写要求**: 具体说明解决什么问题、带来什么价值\n- **示例**:\n  - ❌ \"本研究具有重要理论意义和实践价值\"\n  - ✅ \"本研究旨在通过优化XYZ公司绩效考核体系，解决当前研发人员流失率高达25%的问题，预期可将流失率降至15%以内\"\n\n#### 1.3 文献综述\n- **AI痕迹**: 简单罗列A说、B说、C说；缺乏归纳分析\n- **改写要求**: \n  - 按主题/流派分类整理，避免按作者罗列\n  - 指出已有研究不足和空白\n  - 明确本文研究的补充价值\n  - 参考文献不少于50篇，其中外文≥1/3，近5年≥1/3，近2年文献应有涉及\n  - 期刊论文≥60%，专著≤20%，避免大量引用学位论文\n\n#### 1.4 研究方法\n- **AI痕迹**: 简单列举方法名称\n- **改写要求**: \n  - 说明为什么选择该方法\n  - 阐述如何应用该方法\n  - 说明数据来源和收集方式\n  - 确保研究方法与论文类型匹配\n\n### 第2章 理论基础改写要点\n\n- **AI痕迹**: 大段引用教科书式理论阐述；理论与研究脱节\n- **改写要求**:\n  - 界定核心概念（2-3个主要概念）\n  - 选择1-2个核心理论作为分析框架\n  - 理论与研究问题紧密结合\n  - 为后续分析奠定理论基础，而非纯理论介绍\n\n### 第3章 现状与问题分析改写要点\n\n#### 3.1 企业概况\n- **改写要求**: \n  - 提供企业基本信息（成立时间、主营业务、规模等）\n  - 与研究问题相关的背景信息\n  - 数据真实，必要时可做脱敏处理\n\n#### 3.2 现状描述\n- **AI痕迹**: \"公司发展良好\"、\"取得显著成效\"等模糊表述\n- **改写要求**:\n  - 用数据说话，提供具体指标\n  - 包含时间序列数据，展示变化趋势\n  - 与行业平均水平或竞争对手对比\n\n#### 3.3 问题识别\n- **AI痕迹**: 问题描述笼统；缺乏数据支撑\n- **改写要求**:\n  - 问题明确、具体、可度量\n  - 通过调研数据（问卷、访谈）识别问题\n  - 每个问题应有具体表现和证据\n\n#### 3.4 成因分析\n- **AI痕迹**: 表面化分析；\"原因是多方面的\"\n- **改写要求**:\n  - 运用理论框架深入分析\n  - 分析因果机制，而非简单罗列\n  - 区分根本原因和表面原因\n  - 有数据或案例支撑\n\n### 第4章 对策建议改写要点\n\n- **AI痕迹**: 建议空泛、模板化；\"加强管理\"、\"完善制度\"\n- **改写要求**:\n  - 建议具体、可操作、可落地\n  - 结合企业实际资源和能力约束\n  - 明确实施阶段、步骤和优先级\n  - 预期效果可量化\n  - 与问题分析一一对应\n\n### 第5章 结论改写要点\n\n- **AI痕迹**: 简单重复摘要；\"综上所述\"\n- **改写要求**:\n  - 分条列出主要研究发现（用\"提出了\"、\"建立了\"等）\n  - 明确指出创新点（新见解、新方法、新应用）\n  - 说明研究局限性\n  - 提出未来研究展望\n  - 2000字以内，不与摘要雷同\n\n### 格式规范检查\n\n- **字数要求**: 正文≥3万字\n- **复制率**: <15%（15%-20%需修改，≥20%不通过）\n- **结构要求**: \n  - 每章至少4节（含本章小结）\n  - 避免节下无目\n  - 避免一节不足一页\n- **图表要求**:\n  - 图表必须有编号、标题（图1-1、表1-1）\n  - 图表前后留空行\n  - 图表必须有文字说明，先文后图\n  - 图表清晰，不可直接拷贝模糊图片\n- **引用要求**:\n  - 正文引用用上标[1]\n  - 参考文献格式符合GB/T 7714-2015\n  - 避免引用百度百科等网络资源\n  - 脚注使用规范\n\n## 自动化检测与反馈工作流\n\n### 多方案融合检测\n\n提供多维度 AI 特征检测系统，结合三种检测方法：\n\n1. **规则匹配检测** (`scripts/detect_ai_patterns.py`)\n   - 识别 AI 词汇、模糊归因、过度强调等\n   - 检测中英文混排空格问题\n   - 基于正则表达式的模式匹配\n\n2. **统计分析检测** (`scripts/multi_detector.py`)\n   - 句子长度均匀度分析\n   - 词汇多样性统计\n   - 标点符号分布检测\n   - 段落结构分析\n\n3. **语言特征检测** (`scripts/multi_detector.py`)\n   - 连接词密度分析\n   - 正式表达模式识别\n   - 句式复杂度评估\n\n### 完整检测-修改工作流\n\n```\n输入文本\n    ↓\n[多维度检测] → 生成检测报告\n    ↓\n[反馈生成] → 生成修改建议\n    ↓\n[自动修复] → 处理可自动修复的问题\n    ↓\n[手动改写] → 处理需人工修改的问题\n    ↓\n[质量验证] → 再次检测确认\n    ↓\n输出优化文本\n```\n\n### 使用方法\n\n#### 1. 基础检测\n```bash\n# 基础规则检测\npython scripts/detect_ai_patterns.py input.txt --format markdown --output report.md\n\n# 多维度融合检测\npython scripts/multi_detector.py input.txt --format markdown --output report.md\n```\n\n#### 2. 生成修改建议\n```bash\n# 基于检测结果生成反馈\npython scripts/feedback_generator.py detection_result.json --text input.txt --output feedback.md\n```\n\n#### 3. 应用自动修复\n```bash\n# 自动修复空格等简单问题\npython scripts/feedback_generator.py detection_result.json --text input.txt --apply\n```\n\n#### 4. 交互式修改\n```bash\n# 交互模式，逐条确认\npython scripts/multi_detector.py input.txt --interactive\n```\n\n### 评估标准\n\n#### 定量指标\n| 指标 | 计算方法 | 目标值 |\n|------|---------|--------|\n| AI检测率 | AI生成概率 | < 20% |\n| 句长标准差 | 各句长度标准差 | > 8 |\n| 词汇丰富度(TTR) | 不同词/总词数 | > 0.6 |\n\n#### 定性指标\n- 学术严谨性：论点明确，论证充分\n- 逻辑连贯性：章节内外逻辑自洽\n- 表达专业性：术语准确，符合规范\n\n### 检测结果解读\n\n检测报告包含以下维度：\n\n- **AI 生成概率**: 0-100%，分数越高 AI 痕迹越明显\n- **风险等级**: 🔴 高风险 / 🟡 中风险 / 🟢 低风险\n- **检测器一致性**: 三种检测方法的结果一致性\n- **优先修复项**: 按严重程度排序的修改建议\n- **章节特定建议**: 根据检测到的章节类型提供的针对性建议\n\n### 修改策略\n\n根据 AI 概率分数采取不同策略：\n\n**🔴 高风险 (>70%)**: 深度改写\n- 全面重构段落结构\n- 删除所有 AI 特征词汇\n- 补充具体数据和案例\n- 预计时间: 2-3小时\n\n**🟡 中风险 (40-70%)**: 针对性优化\n- 修复高优先级 AI 特征\n- 调整套话和模板化表达\n- 补充关键数据支撑\n- 预计时间: 1-2小时\n\n**🟢 低风险 (<40%)**: 细节润色\n- 修复少量 AI 痕迹\n- 优化语言表达\n- 最终校对\n- 预计时间: 30分钟-1小时\n\n### 快速修复 vs 深度改写\n\n**可自动修复的问题**:\n- 中英文混排空格\n- 明显的 AI 词汇替换\n- 标点符号规范\n\n**需手动改写的问题**:\n- 段落结构重组\n- 数据补充和案例分析\n- 逻辑论证优化\n- 学术表达提升\n\n## 注意事项\n\n1. **学术诚信**: 改写时保持学术诚信，不编造数据；所有数据必须有真实来源\n2. **数据核实**: 对于不确定的引用和数据，建议用户核实原始资料\n3. **理论适配**: 建议用户根据具体研究问题选择合适的理论框架\n4. **企业授权**: 如涉及企业内部数据，建议获得企业书面授权或做脱敏处理\n5. **个性化调整**: 改写后的文本需用户根据具体学校和导师要求调整\n6. **查重控制**: 改写后建议进行查重，确保复制率<15%\n7. **功能边界**: 本 Skill 专注于去除 AI 痕迹和格式规范，不涉及学术内容深度审查\n8. **参考文献**: 改写不自动生成参考文献，需用户根据实际引用补充完整\n\n## 参考文档\n\n### 三维优化策略\n- `references/strategy_ai_reduction.md` - 降低AI检测率策略详解\n- `references/strategy_plagiarism.md` - 降低查重率策略详解\n- `references/strategy_polishing.md` - 学术润色策略详解\n\n### AI写作特征\n- `references/ai-writing-patterns.md` - AI写作特征详细列表\n\n### 分章节写作规范\n- `references/chapter-1-introduction.md` - 第1章：绪论（研究背景、文献综述、研究方法）\n- `references/chapter-2-theory.md` - 第2章：理论基础（概念界定、理论框架）\n- `references/chapter-3-analysis.md` - 第3章：现状与问题分析（企业概况、问题识别、成因分析）\n- `references/chapter-4-solutions.md` - 第4章：对策建议（具体方案、实施保障）\n- `references/chapter-5-conclusion.md` - 第5章：结论（研究发现、创新点、局限与展望）\n\n### 格式规范\n- `references/format-standards.md` - 格式规范（中英文混排、图表、引用、标点等）\n\nFile v1.0.0:README.md\n\n# Humanize MBA Text - 去除 AI 写作痕迹\n\n<p align=\"center\">\n  <img src=\"https://img.shields.io/badge/Python-3.7+-blue.svg\" alt=\"Python 3.7+\">\n  <img src=\"https://img.shields.io/badge/License-MIT-green.svg\" alt=\"License: MIT\">\n  <img src=\"https://img.shields.io/badge/Claude-Skill-orange.svg\" alt=\"Claude Skill\">\n  <img src=\"https://img.shields.io/badge/Version-1.1-brightgreen.svg\" alt=\"Version: 1.1\">\n  <img src=\"https://img.shields.io/badge/Kimi-CLI-blue.svg\" alt=\"Kimi CLI\">\n  <img src=\"https://img.shields.io/badge/中文-🇨🇳-red.svg\" alt=\"中文\">\n  <a href=\"README_EN.md\"><img src=\"https://img.shields.io/badge/English-🇺🇸-inactive.svg\" alt=\"English\"></a>\n  <a href=\"README_KR.md\"><img src=\"https://img.shields.io/badge/한국어-🇰🇷-inactive.svg\" alt=\"한국어\"></a>\n  <a href=\"README_JP.md\"><img src=\"https://img.shields.io/badge/日本語-🇯🇵-inactive.svg\" alt=\"日本語\"></a>\n</p>\n\n<p align=\"center\">\n  <b>专门针对中国 MBA 毕业论文的 AI 写作痕迹检测与去除工具</b>\n</p>\n\n<p align=\"center\">\n  <code>#AI-Detection</code> <code>#Academic-Writing</code> <code>#MBA-Thesis</code> <code>#Claude-Skill</code> <code>#Text-Humanization</code> <code>#ChatGPT-Alternative</code> <code>#LLM-Writing</code> <code>#Research-Tools</code> <code>#Academic-Integrity</code> <code>#Chinese-NLP</code>\n</p>\n\n---\n\n## 🎯 项目简介\n\n这是一个专门为**中国 MBA 毕业论文**设计的 AI 写作痕迹检测与去除工具。基于 MBA 论文的学术规范和实践要求，通过多维度检测方法识别文本中的 AI 生成特征，并提供具体的修改建议，帮助你将 AI 生成的文本改写为自然、人类化的学术写作风格。\n\n### ✨ 版本 1.1 新特性\n\n- 📚 **重构章节文档**：将章节规则拆分为 5 个独立文件，更便于查找和使用\n- 🎓 **细化 MBA 规范**：新增 MBA 论文核心原则和分章节写作指南\n- 📝 **完善格式规范**：独立整理格式标准文档，覆盖中英文混排、图表、引用等\n- 🎯 **强化实践导向**：更强调数据支撑、理论应用和具体案例分析\n\n### 核心功能\n\n- ✅ **多维度 AI 检测**：结合规则匹配、统计分析和语言特征三种检测方法\n- ✅ **章节特定规则**：针对绪论、理论、分析、建议、结论 5 个章节的优化策略\n- ✅ **MBA 论文规范**：符合中国高校 MBA 论文字数、结构、格式要求\n- ✅ **自动修复**：自动处理中英文混排空格等简单问题\n- ✅ **智能反馈**：生成详细的修改建议和前后对比示例\n- ✅ **Claude Skill 集成**：可作为 Claude Code 的 Skill 直接使用\n\n### 技术参考\n\n本项目在优化策略设计上参考了 [thesis-optimizer](https://github.com/Haimbeau1o/thesis-optimizer) 项目的三维协同优化理念：\n- 🔍 **降AI检测率**：句式多样化、语气自然化、逻辑人性化\n- 📉 **降查重率**：深度语义改写、引用规范化、专业术语处理  \n- ✨ **学术润色**：表达精准化、学术规范性、可读性优化\n\n---\n\n## 🎓 MBA 论文核心原则\n\n本工具基于中国 MBA 论文的学术规范设计，遵循以下核心原则：\n\n### 1. 实践导向\n- 必须来源于企业管理实际，解决具体管理问题\n- 避免纯理论空谈\n\n### 2. 小题大做\n- 选题聚焦明确，\"小题深做\"\n- 核心概念不超过 2-3 个\n- 避免选题过大、过于宽泛\n\n### 3. 数据溯源\n- 所有数据必须注明来源\n- 确保准确性和可信度\n- 删除\"相关数据显示\"等模糊表述\n\n### 4. 理论支撑\n- 运用 1-2 个相关理论作为分析框架\n- 避免就事论事\n\n### 5. 结构规范\n- 正文字数 ≥ 3 万字\n- 每章至少 4 节（含本章小结）\n- 每节内容充实，避免一节不足一页\n\n### 6. 学术诚信\n- 复制率 < 15%\n- 不编造数据，所有引用可核实\n\n---\n\n## 🚀 快速开始\n\n### 安装\n\n```bash\n# 克隆仓库\ngit clone https://github.com/stephenlzc/humanize-mba-text-skill.git\ncd humanize-mba-text-skill\n\n# 安装依赖（如需使用 transformers 模型）\npip install transformers torch\n```\n\n### 基础使用\n\n#### 1. 基础检测\n\n```bash\n# 使用基础规则检测\npython scripts/detect_ai_patterns.py your_text.txt --format markdown --output report.md\n```\n\n#### 2. 多维度融合检测（推荐）\n\n```bash\n# 使用多维度检测\npython scripts/multi_detector.py your_text.txt --format markdown --output report.md --plan plan.json\n```\n\n#### 3. 生成修改建议\n\n```bash\n# 基于检测结果生成反馈\npython scripts/feedback_generator.py detection_result.json --text your_text.txt --output feedback.md\n```\n\n#### 4. 应用自动修复\n\n```bash\n# 自动修复空格等简单问题\npython scripts/feedback_generator.py detection_result.json --text your_text.txt --apply\n```\n\n### 作为 Claude Skill 使用\n\n1. 将本仓库克隆到 Claude Code 的 skills 目录：\n\n```bash\ncd ~/.config/opencode/skills\ngit clone https://github.com/stephenlzc/humanize-mba-text-skill.git\n```\n\n2. 在 Claude Code 中触发 Skill：\n\n```\n去 AI 痕迹：[粘贴你的文本]\n```\n\n或\n\n```\n帮我去除这段文字的 AI 写作痕迹\n```\n\n---\n\n## 📊 检测维度\n\n### 1. 规则匹配检测\n\n识别以下 AI 写作特征：\n\n- **AI 词汇**：赋能、抓手、闭环、痛点、赛道等\n- **模糊归因**：\"有研究指出\"、\"专家认为\"等\n- **过度强调**：\"关键\"、\"核心\"、\"至关重要\"等\n- **宏观叙事**：\"时代\"、\"趋势\"、\"浪潮\"等\n- **表面分析**：\"凸显了\"、\"反映了\"等 -ing 结尾分析\n- **套话结尾**：\"综上所述\"、\"由此可见\"等\n- **连接词过多**：\"首先...其次...最后\"等\n- **中英文混排空格**：\"MBA 论文\" → \"MBA论文\"\n\n### 2. 统计分析检测\n\n- **句子长度均匀度**：AI 文本通常句子长度更均匀\n- **词汇多样性**：AI 文本词汇多样性较低\n- **标点符号分布**：分析标点使用模式\n- **段落结构**：检测段落长度分布\n\n### 3. 语言特征检测\n\n- **连接词密度**：统计逻辑连接词使用频率\n- **正式表达模式**：识别过度正式的学术表达\n- **句式复杂度**：分析复杂句式使用情况\n\n---\n\n## 🎓 分章节写作指南\n\n本工具提供针对 MBA 论文 5 个核心章节的详细写作指南：\n\n### 第1章 绪论\n\n**常见问题**：\n- ❌ 宏大叙事式开头：\"随着经济的发展...\"\n- ❌ 研究意义空泛：\"具有重要理论意义和实践价值\"\n- ❌ 文献综述罗列：A说、B说、C说\n- ❌ 研究方法简单罗列\n\n**改进策略**：\n- ✅ 开门见山：直接点明研究企业、具体问题\n- ✅ 意义具体：说明解决什么问题、带来什么价值\n- ✅ 综述主题化：按主题组织，有批判性分析\n- ✅ 方法具体：说明数据来源、样本、分析工具\n\n📄 **详细指南**：[chapter-1-introduction.md](references/chapter-1-introduction.md)\n\n### 第2章 理论基础\n\n**常见问题**：\n- ❌ 教科书式定义堆砌\n- ❌ 理论罗列：介绍5-6个理论\n- ❌ 理论与实践脱节\n\n**改进策略**：\n- ✅ 简洁界定：2-3 个核心概念\n- ✅ 精选理论：1-2 个核心理论，说明选择理由\n- ✅ 应用导向：理论为后续分析提供框架\n\n📄 **详细指南**：[chapter-2-theory.md](references/chapter-2-theory.md)\n\n### 第3章 现状与问题分析\n\n**常见问题**：\n- ❌ 企业概况资料堆砌，与研究关联度低\n- ❌ 现状描述定性为主，缺乏数据\n- ❌ 问题识别笼统：\"管理不善\"、\"效率低下\"\n- ❌ 成因分析表面化：停留在现象描述\n\n**改进策略**：\n- ✅ 聚焦相关：只提供与研究相关的背景\n- ✅ 数据说话：用具体指标和时间序列数据\n- ✅ 问题具体：每个问题都有衡量指标和调研数据\n- ✅ 深入挖掘：用理论框架分析根本原因\n\n📄 **详细指南**：[chapter-3-analysis.md](references/chapter-3-analysis.md)\n\n### 第4章 对策建议\n\n**常见问题**：\n- ❌ 建议空泛：\"加强管理\"、\"优化流程\"\n- ❌ 缺乏可操作性\n- ❌ 忽视约束条件\n- ❌ 套用模板：SWOT 流于形式\n\n**改进策略**：\n- ✅ 具体可操作：明确做什么、怎么做、谁来做\n- ✅ 分阶段实施：区分短期、中期、长期\n- ✅ 考虑约束：分析资源、能力、文化限制\n- ✅ 效果量化：预期效果尽可能量化\n\n📄 **详细指南**：[chapter-4-solutions.md](references/chapter-4-solutions.md)\n\n### 第5章 结论\n\n**常见问题**：\n- ❌ 重复摘要内容\n- ❌ 简单罗列各章内容\n- ❌ 创新点空泛：\"首次研究\"、\"填补空白\"\n- ❌ 回避研究局限\n\n**改进策略**：\n- ✅ 研究发现：突出核心发现，不与摘要重复\n- ✅ 创新具体：客观说明理论、方法、应用创新\n- ✅ 诚实局限：具体分析局限和影响\n- ✅ 未来展望：提出具体可行的研究方向\n\n📄 **详细指南**：[chapter-5-conclusion.md](references/chapter-5-conclusion.md)\n\n---\n\n## 📝 格式规范\n\n独立的格式规范文档覆盖：\n\n- 中英文/数字混排规范\n- 图表编号与排版规范\n- 引用与参考文献规范\n- 数字与单位规范\n- 标点符号规范\n- 段落与层级规范\n\n📄 **详细规范**：[format-standards.md](references/format-standards.md)\n\n---\n\n## 📈 检测结果解读\n\n检测报告包含以下维度：\n\n- **AI 生成概率**：0-100%，分数越高 AI 痕迹越明显\n- **风险等级**：🔴 高风险 / 🟡 中风险 / 🟢 低风险\n- **检测器一致性**：三种检测方法的结果一致性\n- **优先修复项**：按严重程度排序的修改建议\n- **章节特定建议**：根据检测到的章节类型提供针对性建议\n\n### 修改策略\n\n根据 AI 概率分数采取不同策略：\n\n**🔴 高风险 (>70%)**：深度改写\n- 全面重构段落结构\n- 删除所有 AI 特征词汇\n- 补充具体数据和案例\n- 预计时间：2-3小时\n\n**🟡 中风险 (40-70%)**：针对性优化\n- 修复高优先级 AI 特征\n- 调整套话和模板化表达\n- 补充关键数据支撑\n- 预计时间：1-2小时\n\n**🟢 低风险 (<40%)**：细节润色\n- 修复少量 AI 痕迹\n- 优化语言表达\n- 最终校对\n- 预计时间：30分钟-1小时\n\n---\n\n## 💡 使用示例\n\n### 示例 1：去除 AI 词汇\n\n**原文**：\n```\n数字化转型已成为推动企业高质量发展的关键抓手，\n通过赋能业务创新，为企业创造显著价值。\n```\n\n**改写后**：\n```\n本研究探讨数字化转型对企业绩效的影响。\n通过分析XX公司2018-2023年的财务数据，\n发现数字化投入与营业收入增长呈正相关关系。\n```\n\n### 示例 2：去除模糊归因\n\n**原文**：\n```\n有研究指出，企业文化对组织绩效具有重要影响。\n```\n\n**改写后**：\n```\nSchein(2010)的研究表明，强势企业文化与组织绩效\n存在正相关关系（r=0.42, p<0.05）。\n```\n\n### 示例 3：MBA 论文小题大做\n\n**原文**：\n```\n企业数字化转型研究\n```\n\n**改写后**：\n```\nXX公司生产部门数字化转型中的流程优化研究\n```\n\n### 示例 4：数据溯源\n\n**原文**：\n```\n企业营收增长20%，员工满意度为85%。\n```\n\n**改写后**：\n```\n根据XX公司2023年年报，企业营收同比增长20%。\n根据2023年12月开展的问卷调查（N=120），员工满意度为85%。\n```\n\n### 示例 5：修复中英文混排空格\n\n**原文**：\n```\nMBA 论文写作需要关注 AI 痕迹问题。\n2023 年的研究表明，15 % 的企业存在此类问题。\n```\n\n**改写后**：\n```\nMBA论文写作需要关注AI痕迹问题。\n2023年的研究表明，15%的企业存在此类问题。\n```\n\n---\n\n## 📁 项目结构\n\n```\nhumanize-mba-text-skill/\n├── SKILL.md                          # Claude Skill 主文件\n├── README.md                         # 本文件\n├── LICENSE                           # MIT 许可证\n│\n├── references/                       # 参考文档\n│   ├── ai-writing-patterns.md        # AI写作特征详细指南\n│   ├── chapter-1-introduction.md     # 第1章：绪论写作指南\n│   ├── chapter-2-theory.md           # 第2章：理论基础写作指南\n│   ├── chapter-3-analysis.md         # 第3章：现状与问题分析写作指南\n│   ├── chapter-4-solutions.md        # 第4章：对策建议写作指南\n│   ├── chapter-5-conclusion.md       # 第5章：结论写作指南\n│   ├── format-standards.md           # 格式规范\n│   ├── strategy_ai_reduction.md      # 降AI检测率策略 ⭐新增\n│   ├── strategy_plagiarism.md        # 降查重率策略 ⭐新增\n│   └── strategy_polishing.md         # 学术润色策略 ⭐新增\n│\n└── scripts/                          # 检测脚本\n    ├── detect_ai_patterns.py         # 基础规则检测\n    ├── multi_detector.py             # 多方案融合检测器\n    └── feedback_generator.py         # 反馈生成器\n```\n\n---\n\n## 🔧 高级用法\n\n### 交互式修改\n\n```bash\npython scripts/multi_detector.py your_text.txt --interactive\n```\n\n### 导出修改计划\n\n```bash\npython scripts/multi_detector.py your_text.txt --plan modification_plan.json\n```\n\n### 批量处理\n\n```bash\n# 处理多个文件\nfor file in *.txt; do\n    python scripts/multi_detector.py \"$file\" --output \"reports/${file%.txt}_report.md\"\ndone\n```\n\n---\n\n## ⚠️ 注意事项\n\n1. **学术诚信**：改写时保持学术诚信，不编造数据；所有数据必须有真实来源\n2. **数据核实**：对于不确定的引用和数据，建议用户核实原始资料\n3. **理论适配**：建议用户根据具体研究问题选择合适的理论框架\n4. **企业授权**：如涉及企业内部数据，建议获得企业书面授权或做脱敏处理\n5. **查重控制**：改写后建议进行查重，确保复制率 < 15%\n6. **个性化调整**：改写后的文本需用户根据具体学校和导师要求调整\n7. **范围限制**：本工具专注于去除 AI 痕迹和格式规范，不涉及学术内容深度审查\n8. **参考文献**：改写不自动生成参考文献，需用户根据实际引用补充完整\n\n---\n\n## 🤝 贡献指南\n\n欢迎提交 Issue 和 Pull Request！\n\n### 提交 Issue\n\n- 描述清楚遇到的问题\n- 提供示例文本（可脱敏）\n- 说明期望的行为\n\n### 提交 Pull Request\n\n1. Fork 本仓库\n2. 创建你的特性分支 (`git checkout -b feature/AmazingFeature`)\n3. 提交你的修改 (`git commit -m 'Add some AmazingFeature'`)\n4. 推送到分支 (`git push origin feature/AmazingFeature`)\n5. 打开一个 Pull Request\n\n---\n\n## 📝 更新日志\n\n### v1.1.0 (2024-02-05)\n\n- 📚 **重构章节文档**：将章节规则拆分为 5 个独立文件\n  - chapter-1-introduction.md：绪论详细指南\n  - chapter-2-theory.md：理论基础详细指南\n  - chapter-3-analysis.md：现状与问题分析详细指南\n  - chapter-4-solutions.md：对策建议详细指南\n  - chapter-5-conclusion.md：结论详细指南\n  - format-standards.md：格式规范独立文档\n- 🎓 **细化 MBA 规范**：新增 MBA 论文核心原则章节\n- 🎯 **强化实践导向**：更强调数据支撑、理论应用和具体案例\n- 📝 **完善格式规范**：独立整理格式标准，覆盖中英文混排、图表、引用等\n- 🏗️ **优化项目结构**：更清晰的文件组织和索引\n\n### v1.0.0 (2024-02-04)\n\n- ✨ 初始版本发布\n- 🎯 支持多维度 AI 特征检测\n- 📚 添加章节特定规则\n- 🔧 实现自动修复功能\n- 🎓 集成 Claude Skill\n\n---\n\n## 📄 许可证\n\n本项目采用 [MIT 许可证](LICENSE) - 详见 LICENSE 文件\n\n---\n\n## 🙏 致谢\n\n- 感谢 Claude Code 提供的 Skill 框架\n- 感谢 Kimi CLI 提供的 Agent 并行执行工具\n- 感谢所有提供反馈和建议的用户\n- **特别感谢 [Haimbeau1o/thesis-optimizer](https://github.com/Haimbeau1o/thesis-optimizer) 项目**，本项目的三维协同优化策略（降AI检测率、降查重率、学术润色提升）参考了该项目的优秀设计\n\n---\n\n## 📮 联系方式\n\n- GitHub Issues: [https://github.com/stephenlzc/humanize-mba-text-skill/issues](https://github.com/stephenlzc/humanize-mba-text-skill/issues)\n- 作者：stephenlzc\n\n---\n\n## 🔗 相关项目\n\n- [thesis-optimizer](https://github.com/Haimbeau1o/thesis-optimizer) - 学术论文智能优化系统（计算机深度学习方向）\n\n---\n\n<p align=\"center\">\n  如果这个项目对你有帮助，请给个 ⭐ Star！\n</p>\n\nFile v1.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn77k0qnxvrb2gwbr1132zf7kh80qhny\",\n  \"slug\": \"humanize-mba-text-skill\",\n  \"version\": \"1.0.0\",\n  \"publishedAt\": 1779899875730\n}\n\nFile v1.0.0:references/ai-writing-patterns.md\n\n# AI 写作特征识别指南\n\n本文档详细列出 AI 生成文本的常见特征，用于指导去 AI 痕迹改写工作。\n\n## 一、内容特征\n\n### 1.1 过度强调重要性\n- **表现**: 用词浮夸，强调主题的代表性和贡献\n- **示例**: \"丰田喜一郎是丰田汽车公司的创办人之一，也是把丰田从纺织业带进汽车产业的关键人物\"\n- **改写**: 直接陈述事实，避免价值判断词汇\n\n### 1.2 宏观趋势过度解读\n- **表现**: 将具体事物上升到宏观层面\n- **示例**: \"将日本从'织布机国家'推向'汽车大国'的关键推手\"\n- **改写**: 聚焦具体事实，避免宏大叙事\n\n### 1.3 分析流于表面\n- **表现**: 以 -ing 结尾的肤浅分析\n- **示例**: \"凸显了...的重要性\"、\"反映了...的趋势\"\n- **改写**: 提供具体数据或实例支撑\n\n### 1.4 模糊归因\n- **表现**: 将观点归于\"专家\"、\"学者\"等模糊主体\n- **示例**: \"有专家指出...\"、\"研究表明...\"\n- **改写**: 明确引用具体来源或删除此类表述\n\n### 1.5 宣传性语言\n- **表现**: 使用广告式措辞\n- **示例**: \"卓越的性能\"、\"显著的成效\"\n- **改写**: 使用客观描述性词汇\n\n## 二、结构特征\n\n### 2.1 三段式法则\n- **表现**: 背景-现状-展望的僵化结构\n- **改写**: 根据内容需要灵活组织段落\n\n### 2.2 过于简略的前景\n- **表现**: \"尽管...有其意义，但面临挑战...\"\n- **改写**: 具体问题具体分析，避免套话\n\n### 2.3 列表式行文\n- **表现**: 滥用项目符号和编号\n- **改写**: 转化为连贯的段落文字\n\n## 三、语言特征\n\n### 3.1 连接性短语过多\n- **高频词汇**: \n  - 首先、其次、最后\n  - 此外、另外、与此同时\n  - 因此、所以、综上所述\n  - 值得注意的是、需要指出的是\n- **改写**: 减少连接词，使用更自然的过渡\n\n### 3.2 否定式排比\n- **表现**: \"不仅...而且...\"、\"既不是...也不是...\"\n- **改写**: 直接陈述，避免复杂句式\n\n### 3.3 破折号过度使用\n- **表现**: 频繁使用\"——\"进行解释或补充\n- **改写**: 使用括号或逗号，或拆分为独立句子\n\n### 3.4 中英文/数字混用空格\n\n**基本原则：中文语境下，中英文、数字与中文之间不加空格。**\n\n#### 常见错误场景\n\n| 场景 | ❌ 错误示例 | ✅ 正确示例 |\n|------|------------|------------|\n| 英文缩写 | MBA 论文、AI 写作 | MBA论文、AI写作 |\n| 英文单词 | Python 语言 | Python语言 |\n| 数字+中文 | 15 % 的增长、5 个企业 | 15%的增长、5个企业 |\n| 年份 | 2023 年、20 世纪 | 2023年、20世纪 |\n| 百分比 | 提升了 20 % | 提升了20% |\n| 货币 | 100 万元、50 美元 | 100万元、50美元 |\n| 人名引用 | Smith (2019) | Smith(2019) |\n| 编号 | 第 1 章、图 2-1 | 第1章、图2-1 |\n\n#### 例外情况\n\n以下情况保留空格：\n- 英文句子中的中文（如：This is a 中文 sentence）\n- 代码中的注释（如：# 这是一个 comment）\n- 特殊格式要求（如期刊投稿要求）\n\n#### 检测方法\n\n使用正则表达式检测：\n```python\n# 中文后接英文/数字有空格\npattern1 = r'[\\u4e00-\\u9fff]\\s+[a-zA-Z0-9]'\n# 英文/数字后接中文有空格  \npattern2 = r'[a-zA-Z0-9]\\s+[\\u4e00-\\u9fff]'\n```\n\n### 3.5 AI 词汇\n- **高频词汇**:\n  - 赋能、抓手、闭环、落地\n  - 痛点、打法、赛道、生态\n  - 迭代、优化、协同、整合\n- **改写**: 使用传统学术词汇替代\n\n## 四、引用特征\n\n### 4.1 过度强调来源\n- **表现**: 对无争议事实也标注来源\n- **改写**: 常识性内容无需标注\n\n### 4.2 虚构引用\n- **表现**: 引用不存在或错误的文献\n- **改写**: 核实所有引用，删除无法验证的内容\n\n## 五、MBA 论文改写原则\n\n### 5.1 风格要求\n1. **客观性**: 避免主观评价，用事实和数据说话\n2. **具体性**: 提供具体案例、数据支撑\n3. **简洁性**: 删除冗余修饰，保留核心信息\n4. **专业性**: 使用规范的学术用语\n\n### 5.2 改写策略\n1. 识别并删除 AI 特征词汇\n2. 将列表转化为段落\n3. 简化复杂句式\n4. 补充具体细节\n5. 调整段落结构，避免僵化模式\n\n### 5.3 检查清单\n- [ ] 是否删除了浮夸的形容词\n- [ ] 是否避免了模糊归因\n- [ ] 是否减少了连接词使用\n- [ ] 是否提供了具体数据\n- [ ] 是否检查了引用准确性\n- [ ] 是否符合中文标点规范\n\n## 六、改写示例\n\n### 示例 1：过度强调\n**原文**: 数字化转型已成为推动企业高质量发展的关键抓手，通过赋能业务创新，为企业创造显著价值。\n\n**改写**: 本研究探讨数字化转型对企业绩效的影响。通过分析XX公司2018-2023年的财务数据，发现数字化投入与营业收入增长呈正相关关系。\n\n### 示例 2：列表式行文\n**原文**:\n- 提升了运营效率\n- 降低了管理成本\n- 增强了市场竞争力\n\n**改写**: 实施该方案后，企业运营效率提升15%，管理成本下降8%，市场份额从12%增长至18%。\n\n### 示例 3：模糊归因\n**原文**: 有研究指出，企业文化对组织绩效具有重要影响。\n\n**改写**: Schein(2010)的研究表明，强势企业文化与组织绩效存在正相关关系（r=0.42, p<0.05）。\n\n### 示例 4：连接词过多\n**原文**: 首先，本文回顾了相关文献。其次，构建了理论模型。最后，进行了实证检验。\n\n**改写**: 本文首先回顾相关文献，在此基础上构建理论模型，并通过实证数据检验研究假设。\n\n## 七、注意事项\n\n1. **保持原意**: 改写时不改变原文的核心观点\n2. **学术规范**: 符合 MBA 论文的格式和引用要求\n3. **逻辑连贯**: 确保改写后的文本逻辑清晰\n4. **语言自然**: 读起来像人类作者的真实写作\n\nFile v1.0.0:references/chapter-1-introduction.md\n\n# 第1章 绪论 - 写作规范与去AI痕迹指南\n\n## 1.1 研究背景\n\n### 常见AI特征\n\n#### 宏大叙事式开头\n- **特征**: 从\"随着经济的发展\"、\"在全球化背景下\"等宏观层面切入\n- **AI示例**: \"随着市场竞争日益激烈，企业面临诸多挑战\"\n- **改写策略**: 直接点明具体企业、具体问题、研究必要性\n- **改写示例**: ❌\"随着市场竞争日益激烈...\" → ✅\"XYZ公司作为广东省制造企业，2022-2023年市场份额从15%下降至10%\"\n\n#### 背景堆砌\n- **特征**: 大量无关的行业背景、政策背景\n- **改写策略**: 筛选与研究问题直接相关的背景信息\n\n### 改写原则\n\n1. **开门见山**: 首段即点明研究企业、核心问题\n2. **数据支撑**: 用具体数据说明问题的严重性\n3. **聚焦具体**: 避免行业全景式描述\n4. **问题导向**: 背景描述服务于问题提出\n\n### 规范示例\n\n**❌ AI风格**:\n```\n随着经济全球化和信息技术的快速发展，企业面临着前所未有的挑战。\n在\"互联网+\"时代背景下，传统制造业正在经历深刻变革。\n数字化转型已成为企业发展的必然趋势...\n```\n\n**✅ 改写后**:\n```\nXYZ公司成立于2005年，主营汽车零部件生产，2023年营收12亿元，员工800人。\n然而，2021-2023年间，公司市场份额从18%降至12%，净利润率从8.5%降至4.2%。\n与此同时，竞争对手A公司通过数字化改造，同期市场份额从15%提升至22%。\n这一反差引发了对XYZ公司数字化转型策略的深入思考...\n```\n\n---\n\n## 1.2 研究目的与意义\n\n### 常见AI特征\n\n#### 价值判断堆砌\n- **特征**: \"具有重要的理论意义和实践价值\"、\"丰富相关研究\"\n- **改写策略**: 具体说明解决什么问题、带来什么价值\n\n#### 意义泛化\n- **特征**: 理论意义和实践意义写得过于宽泛，缺乏针对性\n- **改写策略**: 结合具体研究内容阐述意义\n\n### 改写原则\n\n1. **问题具体**: 明确本研究要解决的具体管理问题\n2. **价值量化**: 预期效果尽可能量化\n3. **针对性强**: 意义阐述与研究内容紧密关联\n4. **避免空话**: 删除\"重要\"、\"重大\"等主观评价\n\n### 规范示例\n\n**❌ AI风格**:\n```\n本研究具有重要的理论意义和实践价值。理论方面，丰富了数字化转型理论研究。\n实践方面，为企业数字化转型提供参考，促进行业发展。\n```\n\n**✅ 改写后**:\n```\n本研究旨在解决XYZ公司数字化转型中的组织变革问题，具体目标包括：\n(1) 识别转型过程中的组织阻力来源；(2) 设计分阶段的变革方案；\n(3) 评估方案可行性并提出实施建议。\n预期通过优化组织架构和流程，将项目交付周期从45天缩短至30天，\n员工对新系统的接受度从当前的58%提升至80%以上。\n```\n\n---\n\n## 1.3 文献综述\n\n### 常见AI特征\n\n#### 罗列式综述\n- **特征**: 简单罗列作者和观点，缺乏深度分析\n- **AI示例**: \"Smith(2010)认为...，Johnson(2012)指出...，Lee(2015)强调...\"\n- **改写策略**: 按主题或流派组织，比较不同观点的异同\n\n#### 缺乏批判性\n- **特征**: 只陈述不评价，没有指出研究局限\n- **AI示例**: \"大量研究表明...\"\n- **改写策略**: 指出各研究的方法局限、样本问题或结论差异\n\n#### 时间线堆砌\n- **特征**: 按时间顺序简单罗列，缺乏逻辑主线\n- **改写策略**: 按理论发展脉络或研究主题分类组织\n\n### 改写原则\n\n1. **主题化组织**: 不按作者罗列，按研究主题分类\n2. **比较分析**: 对比不同研究的观点差异\n3. **指出空白**: 明确现有研究的不足和本研究的切入点\n4. **逻辑递进**: 从宏观到微观，或从理论到实证\n\n### 参考文献要求\n\n- 参考文献不少于50篇\n- 外文文献≥1/3\n- 近5年文献≥1/3，近2年文献应有涉及\n- 期刊论文≥60%，专著≤20%\n- 避免大量引用学位论文\n- 不引用百度百科等网络资源\n\n### 规范示例\n\n**❌ AI风格**:\n```\n关于企业创新，Smith(2010)认为创新是企业发展的动力。Johnson(2012)指出创新需要组织支持。\nLee(2015)强调了领导力的作用。Wang(2018)研究了创新绩效的影响因素。\n```\n\n**✅ 改写后**:\n```\n企业创新研究主要从三个视角展开：资源基础观强调内部资源配置(Smith, 2010)，\n组织支持理论关注制度环境(Johnson, 2012)，领导行为视角则聚焦高管特质(Lee, 2015)。\n然而，现有研究多关注创新投入与产出的直接关系，对创新过程的动态机制探讨不足(Wang, 2018)。\n本研究试图填补这一空白，从...视角分析...\n```\n\n---\n\n## 1.4 研究方法\n\n### 常见AI特征\n\n#### 方法名称罗列\n- **特征**: 简单列举\"文献研究法、案例分析法、问卷调查法\"\n- **改写策略**: 说明为什么选择该方法，如何应用\n\n#### 缺乏操作细节\n- **特征**: 只说用什么方法，不说怎么用\n- **改写策略**: 阐述数据来源、样本选择、分析工具\n\n### 改写原则\n\n1. **方法匹配**: 研究方法与研究问题相匹配\n2. **操作具体**: 说明数据如何收集、如何分析\n3. **样本清晰**: 明确样本量、抽样方法、选择标准\n4. **工具透明**: 说明使用的分析工具或软件\n\n### 规范示例\n\n**❌ AI风格**:\n```\n本文采用文献研究法、问卷调查法和案例分析法进行研究。\n```\n\n**✅ 改写后**:\n```\n本研究综合运用以下方法：\n(1) 文献研究：系统检索中国知网(CNKI)、Web of Science数据库2015-2023年的相关文献，\n    筛选标准包括...\n(2) 问卷调查：设计李克特5级量表，面向XYZ公司中层管理人员发放问卷120份，\n    回收有效问卷108份，有效回收率90%。问卷信度检验Cronbach's α=0.87...\n(3) 深度访谈：对5名高管进行半结构化访谈，每次访谈60-90分钟，\n    访谈提纲包括...\n```\n\n---\n\n## 1.5 本章小结\n\n### 改写原则\n\n1. **内容回顾**: 简要回顾本章主要内容\n2. **逻辑承启**: 为下一章（理论基础）做好铺垫\n3. **简洁凝练**: 避免重复正文内容\n4. **200-500字**: 控制篇幅，不宜过长\n\n### 检查清单\n\n- [ ] 研究背景聚焦具体企业问题，有数据支撑\n- [ ] 研究目的明确，预期效果可量化\n- [ ] 文献综述按主题组织，有批判性分析\n- [ ] 研究方法具体，操作步骤清晰\n- [ ] 无\"重要\"、\"关键\"等主观评价词汇\n- [ ] 无\"随着...的发展\"等宏观叙事\n- [ ] 中英文/数字间无多余空格\n\nFile v1.0.0:references/chapter-2-theory.md\n\n# 第2章 理论基础 - 写作规范与去AI痕迹指南\n\n## 2.1 核心概念界定\n\n### 常见AI特征\n\n#### 教科书式定义\n- **特征**: 大段引用教科书或百度百科式的定义\n- **AI示例**: \"根据XX的定义，战略管理是指...\"\n- **改写策略**: 简洁界定核心概念，结合研究语境\n\n#### 概念过多\n- **特征**: 界定过多与研究关联度不高的概念\n- **改写策略**: 聚焦2-3个核心概念，与研究问题紧密相关\n\n### 改写原则\n\n1. **简洁界定**: 用2-3句话清晰界定核心概念\n2. **研究语境**: 结合本研究的具体语境定义概念\n3. **聚焦核心**: 只界定与研究直接相关的概念\n4. **避免堆砌**: 不罗列多个相近概念\n\n### 规范示例\n\n**❌ AI风格**:\n```\n战略管理(Strategic Management)一词最早由Ansoff(1965)提出，\n是指企业确定其使命，根据组织外部环境和内部条件设定企业的战略目标...\n此后，Andrews(1971)、Porter(1980)、Mintzberg(1987)等学者从不同角度对战略管理进行了定义...\n```\n\n**✅ 改写后**:\n```\n本研究涉及两个核心概念：\n\n(1) 数字化转型：指企业利用数字技术重塑业务模式、组织结构和企业文化的过程。\n    在本研究中，特指制造业企业从传统生产向智能制造的转变过程。\n\n(2) 组织变革：指组织在结构、流程、文化等方面进行的系统性调整。\n    本研究聚焦于数字化转型背景下的组织架构重组和流程再造。\n```\n\n---\n\n## 2.2 理论基础\n\n### 常见AI特征\n\n#### 理论堆砌\n- **特征**: 罗列多个理论，缺乏与研究的关联\n- **AI示例**: 详细介绍5-6个理论，每个理论占很大篇幅\n- **改写策略**: 选择1-2个核心理论，说明为何选择、如何应用\n\n#### 理论与实践脱节\n- **特征**: 理论部分与后续案例分析完全脱节\n- **改写策略**: 理论与研究问题紧密结合，为后续分析奠定框架\n\n#### 教科书式阐述\n- **特征**: 像写教材一样详细介绍理论的发展历史\n- **改写策略**: 聚焦理论的核心观点和分析框架\n\n### 改写原则\n\n1. **精选理论**: 选择1-2个最相关的理论作为分析框架\n2. **说明理由**: 解释为什么选择这些理论\n3. **应用导向**: 说明如何在后续分析中应用这些理论\n4. **避免历史**: 不追溯理论发展历史，聚焦核心内容\n5. **建立框架**: 用理论构建问题分析的理论框架图\n\n### 规范示例\n\n**❌ AI风格**:\n```\n资源基础观(Resource-Based View, RBV)由Barney(1991)系统提出。\n其理论渊源可追溯到Penrose(1959)的企业成长理论...\nBarney(1991)提出了VRIN框架，认为资源应具备价值性(Valuable)、\n稀缺性(Rare)、难以模仿性(Inimitable)和不可替代性(Non-substitutable)...\n此后，许多学者对RBV进行了扩展研究...\n```\n\n**✅ 改写后**:\n```\n本研究以资源基础观(RBV)为主要理论框架。该理论认为企业竞争优势来源于\n其拥有的异质性资源(Barney, 1991)。在数字化转型背景下，企业的数字技术能力、\n数据资产和数字化人才构成关键资源。\n\n基于RBV，本研究构建如下分析框架：\n- 识别XYZ公司现有的数字资源禀赋\n- 评估这些资源是否符合VRIN特性\n- 分析资源缺口及其对转型的制约\n- 提出资源构建和能力培养路径\n\n该理论为本研究提供了分析企业数字化能力的视角，帮助识别转型的关键资源要素。\n```\n\n---\n\n## 2.3 理论框架构建\n\n### 常见AI特征\n\n#### 框架图堆砌\n- **特征**: 复杂的理论模型图，与后续分析脱节\n- **改写策略**: 构建简洁实用的分析框架\n\n#### 缺乏操作性\n- **特征**: 理论框架过于抽象，无法指导后续分析\n- **改写策略**: 明确框架中各要素的测量或识别方法\n\n### 改写原则\n\n1. **简洁实用**: 框架图清晰、要素明确\n2. **操作性强**: 每个要素都可以在实际中观察或测量\n3. **逻辑清晰**: 要素间关系明确\n4. **紧扣问题**: 框架直接服务于研究问题\n\n### 规范示例\n\n**分析框架设计**:\n```\n基于资源基础观和动态能力理论，构建本研究的理论分析框架：\n\n                    ┌─────────────────────┐\n                    │   数字化转型驱动    │\n                    │  (外部压力+内部需求) │\n                    └──────────┬──────────┘\n                               │\n                               ▼\n        ┌──────────────────────┼──────────────────────┐\n        │                      │                      │\n        ▼                      ▼                      ▼\n┌───────────────┐    ┌───────────────┐    ┌───────────────┐\n│ 数字技术资源   │    │ 数字化人才     │    │ 数据资产      │\n│ (硬件+软件)   │    │ (技能+意识)   │    │ (数据+平台)   │\n└───────┬───────┘    └───────┬───────┘    └───────┬───────┘\n        │                      │                      │\n        └──────────────────────┼──────────────────────┘\n                               │\n                               ▼\n                    ┌─────────────────────┐\n                    │   数字化转型绩效    │\n                    │  (效率+创新+竞争力)  │\n                    └─────────────────────┘\n\n该框架指导第3章的现状分析：识别XYZ公司在三类资源上的禀赋和缺口。\n```\n\n---\n\n## 2.4 本章小结\n\n### 改写原则\n\n1. **概念回顾**: 简要回顾界定的核心概念\n2. **理论总结**: 总结选择的理论及其应用价值\n3. **承上启下**: 说明理论框架如何指导后续分析\n4. **简洁凝练**: 200-500字\n\n### 检查清单\n\n- [ ] 核心概念界定简洁，2-3个即可\n- [ ] 理论基础选择1-2个，与研究问题匹配\n- [ ] 说明理论选择的理由和应用方式\n- [ ] 构建了清晰的理论分析框架\n- [ ] 理论部分与后续分析逻辑连贯\n- [ ] 无教科书式历史追溯\n- [ ] 无大段理论定义堆砌\n\nFile v1.0.0:references/chapter-3-analysis.md\n\n# 第3章 现状与问题分析 - 写作规范与去AI痕迹指南\n\n## 3.1 企业概况\n\n### 常见AI特征\n\n#### 资料堆砌\n- **特征**: 大量罗列企业基本信息，与研究问题关联度低\n- **AI示例**: \"公司成立于1990年，总部位于北京，员工5000人，年营收10亿元...\n  公司愿景是...，使命是...，价值观是...\"\n- **改写策略**: 筛选与研究问题直接相关的背景信息\n\n#### 描述性语言\n- **特征**: 使用\"优秀\"、\"领先\"、\"知名\"等主观评价词汇\n- **改写策略**: 用客观数据描述企业地位和规模\n\n### 改写原则\n\n1. **聚焦相关**: 只提供与研究问题相关的背景\n2. **数据客观**: 用数字和事实说话，避免主观评价\n3. **简洁精练**: 企业概况控制在500-800字\n4. **脱敏处理**: 涉及敏感信息时做适当脱敏\n\n### 规范示例\n\n**❌ AI风格**:\n```\n华为公司是全球领先的通信设备制造商，在5G、云计算、人工智能等领域处于世界前列。\n公司成立于1987年，总部位于深圳，是全球知名的科技企业。\n华为坚持\"以客户为中心\"的核心价值观，致力于把数字世界带入每个人、每个家庭、每个组织...\n```\n\n**✅ 改写后**:\n```\n华为技术有限公司(以下简称\"华为\")成立于1987年，注册地深圳市龙岗区。\n2023年数据显示：员工总数约20.7万人，年营收7042亿元人民币，研发投入1647亿元\n(占营收23.4%)(华为年报，2023)。\n\n本研究聚焦华为消费者BG(业务集团)，该板块2023年营收2515亿元，占总营收35.7%。\n研究对象为该板块中国区销售渠道管理体系，涉及经销商3000余家，直营店200余家。\n选择该对象的理由：(1) 渠道管理问题是研究核心；(2) 作者2019-2023年任职于该部门，\n具备数据收集条件；(3) 2021-2023年间渠道冲突问题凸显，具有研究价值。\n```\n\n---\n\n## 3.2 现状描述\n\n### 常见AI特征\n\n#### 定性描述为主\n- **特征**: \"公司发展良好\"、\"取得显著成效\"、\"稳步增长\"等模糊表述\n- **改写策略**: 用具体数据和指标描述现状\n\n#### 缺乏对比\n- **特征**: 只描述本企业情况，缺乏行业对比或历史对比\n- **改写策略**: 增加时间序列数据和行业对标\n\n#### 模板化结构\n- **特征**: 严格按照\"发展历程-组织架构-业务范围-经营状况\"四段式\n- **改写策略**: 根据研究需要灵活组织，突出关键信息\n\n### 改写原则\n\n1. **数据说话**: 用具体指标替代模糊描述\n2. **时间维度**: 提供3-5年的历史数据，展示变化趋势\n3. **对比分析**: 与行业平均、竞争对手、历史同期对比\n4. **问题导向**: 现状描述服务于问题识别\n\n### 规范示例\n\n**❌ AI风格**:\n```\n公司近年来发展迅速，在行业内处于领先地位。公司非常重视渠道建设，\n建立了完善的销售网络，取得了良好的业绩。公司产品质量优良，深受客户好评...\n```\n\n**✅ 改写后**:\n```\n(1) 渠道规模：2021-2023年，经销商数量从1850家增至3200家，增幅73%。\n    但同期单店平均营收从350万元降至210万元，下降40%。\n\n(2) 渠道结构：直营店占比从8%提升至15%，但直营店单店坪效(12万元/㎡)\n    仍低于主要竞争对手A公司(18万元/㎡)和B公司(15万元/㎡)。\n\n(3) 渠道冲突：2023年内部调研显示，32%的经销商反映存在串货问题，\n    较2021年的18%显著上升。线上渠道与线下渠道价格差异率达15-25%，\n    导致客户投诉率上升至月均120起。\n\n(4) 渠道成本：渠道管理费用占营收比例从2021年的8.5%上升至2023年的11.2%，\n    高于行业平均水平(9.0%)(中国电子信息产业发展研究院，2023)。\n```\n\n---\n\n## 3.3 问题识别\n\n### 常见AI特征\n\n#### 问题描述笼统\n- **特征**: \"管理不善\"、\"效率低下\"、\"沟通不畅\"等概括性表述\n- **改写策略**: 具体化问题表现，提供量化指标\n\n#### 缺乏数据支撑\n- **特征**: 凭主观判断指出问题，无调研数据支撑\n- **改写策略**: 基于问卷、访谈、财务数据识别问题\n\n#### 问题过多过散\n- **特征**: 列出8-10个问题，缺乏重点\n- **改写策略**: 聚焦2-3个核心问题，深入分析\n\n### 改写原则\n\n1. **具体可测**: 每个问题都有明确的衡量指标\n2. **数据支撑**: 基于调研数据或客观指标识别问题\n3. **聚焦核心**: 识别2-3个最关键的问题\n4. **问题分解**: 将大问题分解为可分析的子问题\n\n### 规范示例\n\n**❌ AI风格**:\n```\n通过调研发现，公司存在以下问题：\n1. 渠道管理混乱，经销商积极性不高\n2. 线上线下冲突严重\n3. 渠道成本居高不下\n4. 渠道信息化水平低\n```\n\n**✅ 改写后**:\n```\n基于问卷调查(N=120)和深度访谈(N=15)，识别出三个核心问题：\n\n问题一：渠道冲突导致经销商满意度下降\n- 问卷数据显示，经销商整体满意度从2021年的4.2分(5分制)降至2023年的3.1分\n- 主要不满集中在：价格体系混乱(68%受访者提及)、区域保护不力(52%)、\n  促销支持不足(45%)\n- 2023年经销商流失率达23%，较行业平均水平(12%)高出近一倍\n\n问题二：渠道结构失衡影响市场覆盖效率\n- 一二线城市渠道密度过高：深圳每万人拥有销售网点3.2个，高于合理密度(1.5个)\n- 三四线城市覆盖不足：在目标城市中的覆盖率仅58%，低于A公司(82%)和B公司(75%)\n- 直营与经销比例失调：直营店主要集中在一线城市，三四线城市完全依赖经销商\n\n问题三：渠道协同机制缺失\n- 线上线下库存不共享，缺货率达15%，而A公司通过全渠道库存共享将缺货率控制在5%以内\n- 跨部门协调效率低：促销活动从策划到落地平均需45天，A公司仅需21天\n- 信息系统孤岛：ERP、CRM、POS系统未打通，数据实时性差\n```\n\n---\n\n## 3.4 成因分析\n\n### 常见AI特征\n\n#### 表面化分析\n- **特征**: 停留在现象描述，未深入挖掘根本原因\n- **AI示例**: \"原因是管理不到位、执行不严格、意识不够强\"\n- **改写策略**: 运用理论框架深入分析，揭示深层机制\n\n#### 就事论事\n- **特征**: 缺乏理论指导，凭经验判断原因\n- **改写策略**: 用第2章的理论框架分析原因\n\n#### 原因罗列\n- **特征**: 简单罗列5-6条原因，缺乏逻辑关系\n- **改写策略**: 区分根本原因和表面原因，构建因果关系链\n\n### 改写原则\n\n1. **理论指导**: 运用第2章的理论框架分析成因\n2. **深入挖掘**: 从表面现象深入到制度、文化、能力等深层原因\n3. **因果链条**: 构建清晰的因果关系链\n4. **数据验证**: 用访谈或数据验证原因判断\n\n### 规范示例\n\n**❌ AI风格**:\n```\n造成上述问题的原因是多方面的：\n1. 管理层重视不够\n2. 制度不健全\n3. 执行不到位\n4. 员工意识不强\n5. 资源投入不足\n```\n\n**✅ 改写后（运用资源基础观分析）**:\n```\n基于资源基础观分析，渠道管理问题的根源在于资源配置失衡：\n\n(1) 人力资源缺口：渠道管理人员配置不足\n    - 现状：每100家经销商配备1名渠道经理，而A公司比例为1:60\n    - 结果：渠道经理人均管理半径过大，难以提供有效支持\n    - 深层原因：公司2019-2022年业务扩张期，重销售轻管理，渠道管理团队未同步扩充\n\n(2) 技术资源滞后：数字化工具支撑不足\n    - 现状：经销商管理系统(DMS)建于2015年，功能落后，与ERP系统未打通\n    - 结果：库存数据实时性差，无法支撑精准决策\n    - 深层原因：IT预算向产品研发倾斜(占IT总预算70%)，渠道数字化投入不足\n\n(3) 制度资源缺陷：渠道政策缺乏系统性\n    - 现状：价格政策、区域政策、促销政策由不同部门制定，缺乏统筹\n    - 结果：政策间存在冲突，执行层面无所适从\n    - 深层原因：组织架构中缺乏渠道管理的专职部门，职能分散在销售部、市场部、电商部\n\n根本原因：公司战略重心从\"产品导向\"向\"渠道导向\"转型过程中，\n组织能力(尤其是渠道管理能力)建设滞后于业务规模扩张。\n```\n\n---\n\n## 3.5 本章小结\n\n### 改写原则\n\n1. **问题总结**: 简要回顾识别的核心问题\n2. **原因归纳**: 总结根本原因\n3. **承上启下**: 为第4章的对策建议奠定基础\n4. **简洁凝练**: 300-600字\n\n### 检查清单\n\n- [ ] 企业概况简洁，聚焦研究相关问题\n- [ ] 现状描述用数据说话，有时间序列和行业对比\n- [ ] 问题识别具体可测，有调研数据支撑\n- [ ] 聚焦2-3个核心问题，而非罗列大量问题\n- [ ] 成因分析运用理论框架，深入挖掘根本原因\n- [ ] 构建了清晰的因果关系链\n- [ ] 无\"发展良好\"、\"显著成效\"等模糊表述\n- [ ] 无\"管理不善\"、\"意识不强\"等笼统归因\n\nFile v1.0.0:references/chapter-4-solutions.md\n\n# 第4章 对策建议 - 写作规范与去AI痕迹指南\n\n## 4.1 总体思路\n\n### 常见AI特征\n\n#### 空泛思路\n- **特征**: \"从战略高度重视\"、\"全方位优化\"、\"系统性改进\"等空洞表述\n- **改写策略**: 明确改进的核心逻辑和主要方向\n\n#### 缺乏针对性\n- **特征**: 思路与第3章的问题脱节\n- **改写策略**: 思路设计对应第3章识别的根本问题\n\n### 改写原则\n\n1. **问题导向**: 总体思路针对第3章的根本原因\n2. **逻辑清晰**: 明确改进的核心逻辑和优先级\n3. **分阶段推进**: 区分近期、中期、长期任务\n4. **资源匹配**: 考虑企业资源约束\n\n### 规范示例\n\n**❌ AI风格**:\n```\n针对上述问题，建议公司从战略高度重视渠道管理，全方位优化渠道体系，\n加强渠道管理能力建设，推动数字化转型，实现渠道协同发展。\n```\n\n**✅ 改写后**:\n```\n基于第3章的成因分析，渠道优化应遵循\"系统规划、分步实施、重点突破\"的思路：\n\n核心逻辑：以渠道管理能力建设为主线，通过组织调整、流程再造、技术赋能三条路径，\n          解决资源配置失衡问题。\n\n实施策略：\n- 近期(6个月)：聚焦渠道冲突治理，建立统一的价格管理体系\n- 中期(1-2年)：优化渠道结构，完善三四线市场覆盖\n- 长期(3-5年)：构建全渠道协同平台，实现线上线下一体化运营\n\n资源投入：预计总投入2800万元，其中组织调整300万、系统建设1800万、\n          人员培训700万。资金来源：2024-2026年营销预算中的渠道专项基金。\n```\n\n---\n\n## 4.2 具体方案\n\n### 常见AI特征\n\n#### 建议空泛\n- **特征**: \"加强管理\"、\"优化流程\"、\"提升能力\"等笼统建议\n- **改写策略**: 明确做什么、怎么做、谁来做、何时完成\n\n#### 缺乏可操作性\n- **特征**: 建议停留在理念层面，无法落地执行\n- **改写策略**: 提供详细的实施步骤和配套措施\n\n#### 忽视约束条件\n- **特征**: 不考虑企业资源、能力、文化限制\n- **改写策略**: 分析实施条件、潜在阻力、应对预案\n\n#### 套用模板\n- **特征**: SWOT、PEST等分析流于形式，建议千篇一律\n- **改写策略**: 根据企业实际情况设计定制化方案\n\n### 改写原则\n\n1. **具体可操作**: 明确行动主体、具体措施、完成标准\n2. **分阶段实施**: 区分短期、中期、长期，明确里程碑\n3. **考虑约束**: 分析资源、能力、组织文化的限制\n4. **风险预案**: 指出实施风险和应对措施\n5. **效果量化**: 预期效果尽可能量化\n\n### 规范示例\n\n**❌ AI风格**:\n```\n建议公司采取以下措施：\n1. 优化渠道结构，提升渠道效率\n2. 加强渠道管理，规范渠道行为\n3. 推动数字化转型，提升渠道协同\n4. 完善激励机制，提升经销商积极性\n```\n\n**✅ 改写后**:\n\n```\n方案一：建立全渠道价格管理体系(解决渠道冲突问题)\n\n目标：3个月内建立统一价格政策，6个月内将线上线下价差控制在5%以内\n\n具体措施：\n(1) 组织保障：成立跨部门价格管理委员会\n    - 组成：销售总监(主任)、电商负责人、线下渠道负责人、财务代表\n    - 职责：制定价格政策、审批促销方案、处理价格争议\n    - 决策机制：月度例会，重大促销需委员会审批\n\n(2) 制度设计：建立差异化定价机制\n    - 统一定价：基础产品实行线上线下同价(占SKU 60%)\n    - 差异定价：定制产品允许10%价差(占SKU 30%)\n    - 专供产品：线上线下独立SKU，避免直接比价(占SKU 10%)\n\n(3) 技术支撑：上线动态定价系统\n    - 功能：实时监控竞品价格、自动调整定价策略、预警异常价格波动\n    - 投入：系统开发150万元，2024年Q2上线\n    - 供应商：对比SAP、Oracle、用友三家方案，建议选用...\n\n(4) 执行监督：建立价格巡查制度\n    - 频率：每周抽查10%的经销商和线上店铺\n    - 处罚：首次违规警告，二次违规扣减返点5%，三次违规取消经销资格\n    - 激励：严格执行价格的经销商，年度返点额外增加2%\n\n预期效果：\n- 3个月内：价格违规投诉从月均120起降至40起\n- 6个月内：经销商满意度从3.1分提升至3.8分\n- 12个月内：经销商流失率从23%降至15%\n\n实施风险与应对：\n- 风险1：线下经销商抵触线上同价 → 应对：设置6个月过渡期，期间给予流量补贴\n- 风险2：短期销售额下滑 → 应对：配套促销活动，预计影响控制在10%以内\n```\n\n---\n\n## 4.3 实施保障\n\n### 常见AI特征\n\n#### 保障措施空泛\n- **特征**: \"加强领导\"、\"落实责任\"、\"强化监督\"等套话\n- **改写策略**: 明确组织保障、资源保障、制度保障的具体内容\n\n#### 缺乏细节\n- **特征**: 只说\"需要高层支持\"，不说如何获得支持\n- **改写策略**: 提供详细的推动策略和沟通方案\n\n### 改写原则\n\n1. **组织保障**: 明确责任部门、岗位职责、汇报关系\n2. **资源保障**: 明确资金、人员、技术的投入计划\n3. **制度保障**: 建立配套的考核、激励、监督机制\n4. **风险管控**: 识别实施风险，制定应对预案\n\n### 规范示例\n\n**组织保障**:\n```\n(1) 成立渠道变革项目组\n    - 组长：销售VP(全面负责)\n    - 副组长：渠道总监(日常执行)\n    - 成员：IT负责人、HR负责人、财务代表、区域销售经理代表(3人)\n    - 项目办公室：设在渠道部，专职人员3人\n\n(2) 明确分工与职责\n    - 渠道部：负责方案设计、经销商沟通、执行监督\n    - IT部：负责系统开发、数据对接、技术支持\n    - HR部：负责人员培训、考核方案设计、激励机制\n    - 财务部：负责预算审批、效果评估、ROI测算\n\n(3) 决策机制\n    - 周例会：项目组成员参加，解决执行问题\n    - 月度汇报：向销售VP汇报进展，审批重大调整\n    - 季度复盘：向CEO汇报，评估阶段性成果\n```\n\n**资源保障**:\n```\n(1) 资金投入计划\n    ┌──────────┬──────────┬──────────┬──────────┐\n    │  项目    │ 2024年   │ 2025年   │ 2026年   │\n    ├──────────┼──────────┼──────────┼──────────┤\n    │ 系统建设 │  1200万  │  500万   │  100万   │\n    │ 组织调整 │  200万   │  100万   │    -     │\n    │ 人员培训 │  300万   │  300万   │  100万   │\n    │ 促销支持 │  500万   │  400万   │  200万   │\n    ├──────────┼──────────┼──────────┼──────────┤\n    │  合计    │  2200万  │  1300万  │  400万   │\n    └──────────┴──────────┴──────────┴──────────┘\n\n(2) 人员配置计划\n    - 新增岗位：渠道经理8人(2024年Q1招聘)、数据分析师2人(2024年Q2)\n    - 培训计划：渠道经理专业培训(人均40学时)、经销商培训(全年12场)\n    - 外部顾问：聘请渠道管理咨询顾问(6个月，费用150万)\n\n(3) 技术支持\n    - 系统开发：外包给XX公司，签订合同明确交付标准和里程碑\n    - 数据对接：IT部负责ERP、CRM、POS系统接口开发\n    - 运维保障：系统上线后首年免费维护，7×24小时技术支持\n```\n\n---\n\n## 4.4 效果评估\n\n### 改写原则\n\n1. **指标体系**: 建立可量化的评估指标\n2. **评估周期**: 明确评估时间节点\n3. **对比基准**: 与现状、行业平均、竞争对手对比\n4. **调整机制**: 根据评估结果优化方案\n\n### 评估指标示例\n\n```\n评估维度与指标：\n\n(1) 渠道效率指标\n    - 单店平均营收：目标1年内从210万提升至280万\n    - 库存周转天数：目标从45天降至35天\n    - 订单响应时间：目标从72小时缩短至48小时\n\n(2) 渠道满意度指标\n    - 经销商满意度：目标从3.1分提升至4.0分(5分制)\n    - 经销商流失率：目标从23%降至12%\n    - 投诉处理及时率：目标达到95%以上\n\n(3) 财务指标\n    - 渠道成本占比：目标从11.2%降至9.5%\n    - 投入产出比(ROI)：目标3年达到1:2.5\n    - 营收增长率：目标年增长15%以上\n\n评估周期：\n- 月度：跟踪关键运营指标\n- 季度：评估阶段性目标达成情况\n- 年度：全面评估项目成效，调整下年度计划\n```\n\n---\n\n## 4.5 本章小结\n\n### 改写原则\n\n1. **方案总结**: 简要回顾核心方案\n2. **创新点**: 说明方案的创新之处\n3. **可行性**: 强调方案的可操作性\n4. **简洁凝练**: 300-600字\n\n### 检查清单\n\n- [ ] 总体思路明确，针对第3章的根本原因\n- [ ] 具体方案可操作，明确做什么、怎么做、谁来做\n- [ ] 分阶段实施，有明确的时间节点和里程碑\n- [ ] 考虑了企业资源约束和实施条件\n- [ ] 分析了潜在风险和应对措施\n- [ ] 预期效果可量化，有明确的评估指标\n- [ ] 实施保障具体，包括组织、资源、制度保障\n- [ ] 无\"加强管理\"、\"优化流程\"等空泛建议\n- [ ] 无\"全方位\"、\"系统性\"等笼统表述\n\nFile v1.0.0:references/chapter-5-conclusion.md\n\n# 第5章 结论 - 写作规范与去AI痕迹指南\n\n## 5.1 主要研究发现\n\n### 常见AI特征\n\n#### 重复摘要内容\n- **特征**: 结论与摘要高度雷同，甚至直接复制\n- **改写策略**: 结论侧重研究发现，不与摘要重复\n\n#### 简单罗列\n- **特征**: 重复各章内容，像写目录\n- **改写策略**: 提炼核心发现，按逻辑组织\n\n#### 缺乏提炼\n- **特征**: 描述做了什么，没说发现了什么\n- **改写策略**: 突出研究发现和创新点\n\n### 改写原则\n\n1. **研究发现**: 突出研究的核心发现，而非研究过程\n2. **高度提炼**: 浓缩全文精华，删除细节描述\n3. **逻辑清晰**: 按重要性或逻辑关系组织\n4. **用词准确**: 使用\"发现了\"、\"提出了\"、\"验证了\"等词汇\n\n### 规范示例\n\n**❌ AI风格**:\n```\n本文以XYZ公司为研究对象，首先分析了公司渠道管理的现状，\n然后识别了存在的问题，最后提出了优化方案。研究表明，\n公司渠道管理存在一些问题，需要优化改进。\n```\n\n**✅ 改写后**:\n```\n本研究的主要发现如下：\n\n(1) 发现了渠道冲突的三重根源\n    通过问卷和访谈数据分析，发现XYZ公司渠道冲突并非单一因素导致，\n    而是价格体系缺陷(制度层面)、系统支撑不足(技术层面)、\n    管理能力滞后(组织层面)三重因素叠加的结果。\n    其中，跨部门协调机制缺失是根本原因。\n\n(2) 构建了渠道能力评估模型\n    基于资源基础观，提出了包含\"资源禀赋-管理能力-协同效率\"三维度的\n    渠道能力评估框架。该框架在本研究中的实证应用显示，\n    XYZ公司在协同效率维度得分仅2.8分(满分5分)，显著低于行业均值(3.6分)。\n\n(3) 验证了分阶段改进路径的有效性\n    通过对比同行业3家企业的渠道变革案例，验证了\"先治理冲突、\n    再优化结构、最后构建协同平台\"的三阶段路径具有较高可行性。\n    该路径可避免变革过程中的渠道震荡，降低转型风险。\n\n(4) 识别了渠道数字化的关键成功因素\n    研究发现，渠道数字化转型不仅是技术问题，更需要配套的组织变革。\n    成功案例的共同特征是：IT投入与组织投入比例约为1:0.6，\n    而XYZ公司当前仅为1:0.2，组织投入明显不足。\n```\n\n---\n\n## 5.2 创新点\n\n### 常见AI特征\n\n#### 创新点空泛\n- **特征**: \"首次研究\"、\"填补空白\"等夸大表述\n- **改写策略**: 客观、具体地说明创新之处\n\n#### 与研究内容脱节\n- **特征**: 创新点与实际研究内容不符\n- **改写策略**: 创新点必须基于研究内容提炼\n\n### 改写原则\n\n1. **客观表述**: 避免\"首次\"、\"首创\"等绝对化词汇\n2. **具体明确**: 明确说明在理论、方法、应用等方面的创新\n3. **适度谦虚**: 承认研究的局限性\n4. **紧扣内容**: 创新点必须与研究内容对应\n\n### 创新点类型\n\n```\n理论创新：\n- 将XX理论应用于XX领域，拓展了该理论的适用范围\n- 构建了XX模型，为XX研究提供了新的分析框架\n- 发现了XX与XX之间的作用机制，丰富了XX理论\n\n方法创新：\n- 采用XX方法研究XX问题，提供了新的研究视角\n- 将XX方法与XX方法结合，提高了研究的信度和效度\n- 设计了XX测量工具，为后续研究提供了可复制的工具\n\n应用创新：\n- 针对XX企业的XX问题，设计了XX解决方案\n- 将XX理论应用于XX实践，验证了理论的有效性\n- 提出了XX实施路径，为同类企业提供了参考\n```\n\n### 规范示例\n\n**❌ AI风格**:\n```\n本研究的创新点：\n1. 首次系统研究了XX公司的渠道管理问题\n2. 填补了国内该领域研究的空白\n3. 具有重要的理论价值和实践意义\n```\n\n**✅ 改写后**:\n```\n本研究的创新之处：\n\n(1) 理论应用创新\n    将资源基础观与动态能力理论相结合，构建了渠道管理能力分析框架。\n    现有研究多从单一理论视角分析渠道问题，本研究的整合视角更全面地\n    解释了渠道能力的形成机制。\n\n(2) 研究方法创新\n    采用社会网络分析法(SNA)测量渠道协同效率，突破了传统问卷测量的局限。\n    通过分析经销商之间的交易网络，量化识别了关键节点和断点，\n    为精准干预提供了依据。\n\n(3) 实践方案创新\n    设计了\"冲突治理-结构优化-平台构建\"三阶段实施路径，\n    并配套了具体的组织调整方案、系统建设方案和投入产出测算。\n    该方案已在XX公司试点应用，初步验证了可行性。\n\n(4) 研究对象创新\n    聚焦耐用消费品行业的线上线下渠道冲突问题，而现有研究多关注快消品。\n    耐用消费品的低购买频率、高客单价特征导致其渠道冲突机制与快消品存在差异。\n```\n\n---\n\n## 5.3 研究局限\n\n### 常见AI特征\n\n#### 回避局限\n- **特征**: 只说优点，不提局限\n- **改写策略**: 客观分析研究的局限性\n\n#### 形式化局限\n- **特征**: \"样本量较小\"、\"时间有限\"等模板化表述\n- **改写策略**: 具体说明局限是什么、如何影响结论\n\n### 改写原则\n\n1. **诚实客观**: 不回避研究的局限性\n2. **具体说明**: 指出局限的具体表现和影响\n3. **改进方向**: 说明如何在未来研究中克服\n\n### 规范示例\n\n```\n本研究存在以下局限：\n\n(1) 样本局限性\n    研究仅基于XYZ公司一家企业的数据，虽然通过深度调研获取了丰富资料，\n    但结论的普适性可能受限。特别是耐用消费品行业的特殊性，\n    使得研究结论在其他行业的适用性需要进一步验证。\n    未来研究可扩大样本，纳入更多行业和不同规模的企业进行对比分析。\n\n(2) 时间跨度局限\n    调研主要基于2023年的横截面数据，虽然收集了2021-2023年的历史数据，\n    但难以完全捕捉渠道变革的动态过程。特别是数字化转型是一个长期过程，\n    本研究仅能观察到短期效果。未来研究可采用纵向追踪设计，\n    跟踪观察3-5年的变革过程。\n\n(3) 变量测量局限\n    渠道协同效率的测量主要依赖问卷数据，虽然进行了信效度检验，\n    但主观评价可能存在偏差。未来研究可结合客观数据(如订单响应时间、\n    库存周转率等)进行综合测量，提高测量的客观性。\n\n(4) 因果关系局限\n    本研究主要采用案例研究方法，虽然通过多数据源三角验证提高了可信度，\n    但难以完全排除其他混淆变量的影响。未来研究可引入准实验设计，\n    通过干预-对比的方式验证因果关系。\n```\n\n---\n\n## 5.4 未来研究展望\n\n### 常见AI特征\n\n#### 展望空泛\n- **特征**: \"值得进一步研究\"、\"有待深入探讨\"等敷衍表述\n- **改写策略**: 提出具体的研究方向和问题\n\n#### 脱离实际\n- **特征**: 提出难以实现或与本研究无关的方向\n- **改写策略**: 基于本研究的局限和发现提出可行方向\n\n### 改写原则\n\n1. **具体可行**: 提出具体的研究问题和方向\n2. **承接本研究**: 基于本研究的局限延伸\n3. **价值明确**: 说明未来研究的价值和意义\n\n### 规范示例\n\n```\n未来研究可从以下方向展开：\n\n(1) 扩大样本的跨行业比较研究\n    基于本研究在耐用消费品行业的发现，未来可纳入快消品、工业品等行业，\n    比较不同行业渠道冲突的形成机制和治理策略的差异。\n    特别是B2B与B2C渠道的差异值得深入探讨。\n\n(2) 数字化转型效果的长期追踪研究\n    本研究仅观察到转型初期的效果，数字化转型对渠道关系的长期影响尚不明确。\n    未来可采用纵向追踪设计，跟踪观察5年以上，\n    分析数字化转型不同阶段(数字化、数智化、数字化生态)的渠道特征变化。\n\n(3) 渠道协同的量化模型构建\n    本研究提出了渠道协同的评估框架，但尚未构建精确的量化模型。\n    未来可运用结构方程模型(SEM)或系统动力学方法，\n    构建渠道协同的影响因素模型和效果预测模型，提高决策的科学性。\n\n(4) 渠道治理的跨文化比较\n    本研究基于中国市场的数据，但渠道治理可能受到文化因素的影响。\n    未来可开展跨国比较研究，分析不同文化背景下(如高情境文化vs低情境文化)\n    渠道冲突的表现形式和治理策略的适用性差异。\n```\n\n---\n\n## 5.5 结论撰写要求\n\n### 字数控制\n- **总字数**: 1500-2000字\n- **研究发现**: 800-1000字\n- **创新点**: 300-400字\n- **研究局限**: 200-300字\n- **未来展望**: 200-300字\n\n### 格式要求\n\n1. **分条陈述**: 使用(1)(2)(3)或①②③分条\n2. **标题明确**: 每个部分使用小标题\n3. **无\"综上所述\"**: 避免使用套话开头\n4. **不与摘要重复**: 结论侧重发现，摘要侧重内容概述\n\n### 检查清单\n\n- [ ] 主要研究发现具体、明确，突出核心发现\n- [ ] 使用\"发现了\"、\"提出了\"、\"验证了\"等词汇\n- [ ] 创新点客观具体，避免\"首次\"、\"填补空白\"等夸大表述\n- [ ] 研究局限诚实说明，具体指出局限和影响\n- [ ] 未来展望具体可行，提出明确的研究方向\n- [ ] 总字数控制在2000字以内\n- [ ] 不与摘要内容重复\n- [ ] 无\"综上所述\"、\"由此可见\"等套话\n- [ ] 分条陈述，逻辑清晰\n\nFile v1.0.0:references/format-standards.md\n\n# 格式规范 - 写作标准与去AI痕迹指南\n\n## 1. 中英文/数字混排规范\n\n### 1.1 基本原则\n\n**中文语境下，中英文、数字与中文之间不加空格。**\n\n### 1.2 具体规则\n\n| 场景 | ❌ 错误 | ✅ 正确 |\n|------|--------|--------|\n| 英文缩写 | MBA 论文 | MBA论文 |\n| 英文单词 | AI 写作 | AI写作 |\n| 数字+中文 | 15 % 的增长 | 15%的增长 |\n| 数字+量词 | 5 个企业 | 5个企业 |\n| 年份 | 2023 年 | 2023年 |\n| 百分比 | 提升了 20 % | 提升了20% |\n| 货币 | 100 万元 | 100万元 |\n| 英文人名 | Smith (2019) | Smith(2019) |\n| 英文标题 | IPD 理论 | IPD理论 |\n| 版本号 | 第 3 代 | 第3代 |\n| 编号 | 图 1-1 | 图1-1 |\n| 章节 | 第 1 章 | 第1章 |\n\n### 1.3 例外情况\n\n以下情况保留空格：\n- 英文句子中的中文（如：This is a 中文 sentence）\n- 代码中的注释（如：# 这是一个 comment）\n- 特殊格式要求（如期刊投稿要求）\n\n### 1.4 检测方法\n\n```python\n# 检测中英文/数字间多余空格\nimport re\n\n# 中文后接英文/数字有空格\npattern1 = r'[\\u4e00-\\u9fff]\\s+[a-zA-Z0-9]'\n# 英文/数字后接中文有空格  \npattern2 = r'[a-zA-Z0-9]\\s+[\\u4e00-\\u9fff]'\n\n# 合并检测\npattern = r'[\\u4e00-\\u9fff]\\s+[a-zA-Z0-9]|[a-zA-Z0-9]\\s+[\\u4e00-\\u9fff]'\n```\n\n---\n\n## 2. 图表规范\n\n### 2.1 图表基本要求\n\n1. **自明性**: 图表应有自明性，不阅读正文也能理解\n2. **清晰可读**: 图表清晰，不可直接拷贝模糊图片\n3. **编号规范**: 图表必须编号，格式为\"图1-1\"、\"表1-1\"\n4. **标题完整**: 图表应有图题/表题，说明图表内容\n\n### 2.2 图的规范\n\n#### 编号与标题\n- 图序按章编排，如第1章第一个图为\"图1-1\"\n- 图题置于图下方，居中\n- 图题格式：图号+空格+图名（无标点）\n- 示例：**图1-1 技术路线图**\n\n#### 文字说明\n- 图之前必须有引用提示，如\"如图1-1所示\"\n- 图之后必须有文字说明和解释\n- 先文字后图表，图表是文字的补充\n\n#### 字体字号\n- 图中文字：宋体/Times New Roman，5号或小5号\n- 图题：宋体，5号，居中\n- 同一图中字号统一\n\n### 2.3 表的规范\n\n#### 编号与标题\n- 表序按章编排，如第1章第一个表为\"表1-1\"\n- 表题置于表上方，居中\n- 表题格式：表号+空格+表名（无标点）\n- 示例：**表1-1 调研样本分布**\n\n#### 格式要求\n- 采用三线表格式（顶线、栏目线、底线）\n- 表头设计简单明了，尽量不用斜线\n- 表中文字：宋体/Times New Roman，5号或小5号\n- 表内文字1倍行距\n\n#### 数据规范\n- 数据应准确无误，书写清楚\n- 数字空缺的格内加横线\"—\"\n- 同一指标小数位数保持一致\n- 单位标注在表头右上角加圆括号\n\n### 2.4 图表摆放\n\n1. **图文配合**: 图表应与文字紧密配合，文图相符\n2. **位置合理**: 图表尽量跟随首次提及的段落\n3. **分页处理**: 图过大时可移至次页，图题只出现在下页\n4. **留白规范**: 图表前后各空1行\n\n---\n\n## 3. 引用规范\n\n### 3.1 正文引用\n\n#### 引用格式\n- 引用用上标序号，如\"...成果[1]\"\n- 序号用小4号Times New Roman，置于方括号中\n- 引用标注在引文最后一个句号之前\n- 多次引用同一文献用同一序号\n\n#### 多处引用\n- 引用多篇：[1, 2, 5]\n- 连续引用：[1-3]\n- 注意：按增序排列\n\n#### 直接说明\n- 格式：\"由文献[8, 10-14]可知：\"\n- 此时序号与正文排齐，不用上标\n\n### 3.2 脚注\n\n#### 使用场景\n- 解释性说明\n- 补充性信息\n- 引用来源（网站、报纸等不宜入参考文献的资料）\n\n#### 规范要求\n- 脚注序号用①②③\n- 每页重新编号\n- 脚注内容小5号宋体\n- **注意**：不引用百度百科、维基百科等网络百科\n\n### 3.3 参考文献\n\n#### 数量要求\n- 参考文献不少于50篇\n- 外文文献≥1/3\n- 近5年文献≥1/3\n- 近2年文献应有涉及\n\n#### 类型要求\n- 期刊论文≥60%\n- 专著≤20%\n- 避免大量引用学位论文\n- 不引用百度百科、网页资料（除非是官方数据源）\n\n#### 常用期刊\n- 《管理世界》\n- 《中国工业经济》\n- 《南开管理评论》\n- 《会计研究》\n- 《金融研究》\n- 《经济管理》\n- 《财经研究》\n- 《管理学报》\n\n#### 著录格式\n\n**期刊**:\n```\n[序号] 作者. 题名[J]. 期刊名, 年, 卷(期): 页码.\n[1] 王学通, 崔雪竹. 大型公共项目交易模式溢出效应研究[J]. 建筑经济, 2014(8): 122-125.\n[2] Helfat C E, Raubitschek R S. Product Sequencing[J]. Strategic Management Journal, 2000(21): 961-979.\n```\n\n**专著**:\n```\n[序号] 作者. 题名[M]. 出版地: 出版者, 出版年: 页码.\n[3] 靖爽, 陈年根. 研发体系改进之道[M]. 天津: 天津人民出版社, 2019: 45-48.\n```\n\n**学位论文**:\n```\n[序号] 作者. 题名[D]. 保存地: 保存单位, 年份: 页码.\n[4] 赖文勇. 基于过程视角的建筑企业社会责任行为识别与优化研究[D]. 广州: 广州大学, 2019: 45-48.\n```\n\n---\n\n## 4. 数字与单位规范\n\n### 4.1 数字用法\n\n1. **阿拉伯数字**: 统计数据、年代、百分比、金额等\n2. **汉字数字**: 概数(三五个)、成语(一帆风顺)、固定搭配(星期四)\n3. **年份完整**: 2023年，不写23年\n4. **百分比**: 统一使用%，如\"提升了20%\"\n\n### 4.2 单位规范\n\n1. **法定单位**: 使用国家法定计量单位\n2. **单位符号**: 除人名命名的单位首字母大写外，一律小写\n3. **中文单位**: 可用汉字与单位符号混写，如\"万t·km\"\n4. **时刻表达**: 用中文计量单位，如\"上午8点3刻\"\n\n---\n\n## 5. 标点符号规范\n\n### 5.1 常用标点\n\n1. **句号**: 中文用\"。\"，英文用\".\"\n2. **逗号**: 中文用\"，\"，英文用\",\"\n3. **分号**: 并列分句间用分号\n4. **冒号**: 提示下文或总结上文\n5. **引号**: 引用、强调、特殊含义用引号\n6. **书名号**: 书名、篇名、报纸名用书名号《》\n\n### 5.2 特殊用法\n\n1. **破折号**: 减少使用\"——\"，可用逗号或括号替代\n2. **省略号**: 用\"……\"(中文占两格)，不用\"...\"\n3. **连接号**: 年份、页码范围用\"-\"，如\"2021-2023年\"、\"45-48\"\n\n### 5.3 标点与空格\n\n- 标点后不加空格(英文写作除外)\n- 括号内文字与括号间不加空格\n- 书名号之间不加顿号\n\n---\n\n## 6. 段落与层级规范\n\n### 6.1 章节编号\n\n```\n第1章 绪论              (章)\n1.1 研究背景            (节)\n1.1.1 行业背景          (条)\n1.1.1.1 细分市场        (款) - 一般不用\n```\n\n### 6.2 层级要求\n\n1. **每章至少4节**（含本章小结）\n2. **节下有目**: 避免节下直接到正文，应有3级标题\n3. **内容充实**: 每节内容不少于1页\n\n### 6.3 本章小结\n\n- 每章最后应有\"本章小结\"\n- 字数：200-600字\n- 内容：回顾本章主要内容，承上启下\n\n---\n\n## 7. 格式检查清单\n\n### 7.1 文字格式\n- [ ] 中英文/数字间无多余空格\n- [ ] 标点符号使用规范\n- [ ] 数字用法统一\n- [ ] 单位使用规范\n\n### 7.2 图表格式\n- [ ] 图表编号规范(图1-1、表1-1)\n- [ ] 图表有标题，无标点\n- [ ] 图表清晰，非拷贝模糊图片\n- [ ] 图表前后各空1行\n- [ ] 先文字后图表，图表有说明\n\n### 7.3 引用格式\n- [ ] 正文引用用上标[1]\n- [ ] 参考文献≥50篇，外文≥1/3\n- [ ] 参考文献格式符合GB/T 7714-2015\n- [ ] 期刊论文≥60%，专著≤20%\n- [ ] 无百度百科、网页资料引用\n- [ ] 不引用过多学位论文\n\n### 7.4 结构格式\n- [ ] 正文字数≥3万字\n- [ ] 每章至少4节(含本章小结)\n- [ ] 节下有目，层级清晰\n- [ ] 每节内容≥1页\n- [ ] 每章有\"本章小结\"\n\nFile v1.0.0:references/strategy_ai_reduction.md\n\n# 策略A: 降低AI检测率\n\n## 核心原理\n\nAI检测工具通过识别机器生成文本的特征模式来判断内容是否由AI生成。\n降AI率的本质：**消除机器生成特征，增强人类写作特征**。\n\nAI生成文本的典型特征：\n- 句式过于规整、结构对称\n- 句长均匀，缺乏变化\n- 使用大量AI词汇（赋能、抓手、闭环等）\n- 逻辑过于完美，缺乏人类写作的曲折性\n- 过度使用连接词（首先、其次、最后）\n\n## 关键技术\n\n### 技术1: 句式多样化改写\n\n**打破规整并列结构**\n- 将(1)(2)(3)编号改为递进或转折关系\n- 避免\"一方面...另一方面...\"的机械对称\n- 改写示例：\n  - ❌ 原句：\"数字化转型有三个方面：(1)技术升级；(2)流程优化；(3)组织变革。\"\n  - ✅ 改写：\"数字化转型首先表现为技术层面的升级，在此基础上，企业需要对既有流程进行优化调整，而更深层次的挑战在于组织架构的相应变革。\"\n\n**引入句长变化**\n- 目标：句长标准差 > 8\n- 长短句交替使用\n- 适当使用短句增强节奏感\n- 改写示例：\n  - ❌ 原句：\"市场竞争日趋激烈。企业需要提升核心竞争力。数字化转型成为重要途径。\"\n  - ✅ 改写：\"市场竞争日趋激烈，这对企业的应变能力提出了更高要求。如何在激烈的竞争中保持优势？数字化转型已成为众多企业的共同选择。\"\n\n**增加复杂句式**\n- 引入让步关系（\"尽管...但是...\"）\n- 使用条件句式（\"在...情况下\"）\n- 添加递进层次（\"不仅如此...更进一步...\"）\n- 改写示例：\n  - ❌ 原句：\"绩效考核存在问题。员工满意度低。需要优化考核体系。\"\n  - ✅ 改写：\"尽管公司建立了绩效考核制度，但从实施效果来看仍存在明显不足：员工满意度调查显示，仅有45%的受访者对现行考核方式表示认可。基于此，本文认为有必要对现有考核体系进行系统性优化。\"\n\n### 技术2: 学术语气自然化\n\n**适当使用第一人称**\n- 使用\"本文\"、\"笔者\"、\"我们\"等主体性表述\n- 改写示例：\n  - ❌ 原句：\"研究表明数字化转型对企业绩效有显著影响。\"\n  - ✅ 改写：\"本文通过对XYZ公司的案例分析发现，数字化转型对企业运营绩效的提升作用十分明显。\"\n\n**引入合理的主观判断**\n- 添加\"笔者认为\"、\"从实践来看\"等主观性表述\n- 展现研究者的思考和判断过程\n- 改写示例：\n  - ❌ 原句：\"供应链优化能够降低成本、提高效率。\"\n  - ✅ 改写：\"基于对XYZ公司供应链现状的调研，笔者认为，通过系统性优化，该企业在成本控制和运营效率两个维度均有较大提升空间。\"\n\n**保留学术探索的自然推进**\n- 展现研究问题的发现过程\n- 体现从现象到问题的推导\n- 改写示例：\n  - ❌ 原句：\"本文研究供应链优化问题。\"\n  - ✅ 改写：\"在调研过程中笔者注意到，XYZ公司虽然投入了大量资源用于供应链建设，但实际运营效果并不理想。这一现象引发了本文的研究兴趣：究竟是什么因素制约了该公司供应链效率的提升？\"\n\n### 技术3: 逻辑链路人性化\n\n**打破过于完美的逻辑闭环**\n- 承认研究局限性\n- 提及实施障碍\n- 避免\"只要...就能...\"的绝对化表述\n- 改写示例：\n  - ❌ 原句：\"通过优化绩效考核，一定能够提升员工积极性。\"\n  - ✅ 改写：\"绩效考核优化有望在一定程度上改善员工积极性，但其效果还受到企业文化、管理风格等多重因素的影响。\"\n\n**增加必要的背景铺垫**\n- 提供行业背景或企业历史\n- 说明问题的复杂性和形成原因\n- 改写示例：\n  - ❌ 原句：\"XYZ公司存在人才流失问题。\"\n  - ✅ 改写：\"XYZ公司成立于2010年，经过十余年发展已成为行业领先企业。然而，随着业务规模扩大和市场竞争加剧，该公司在2022年后出现了较为明显的人才流失现象。\"\n\n**考虑读者认知负担**\n- 复杂概念分步解释\n- 重要信息适当重复强调\n- 增加过渡性语句\n\n## MBA论文实战案例\n\n### 案例1：研究背景改写\n\n**原文（AI风格）：**\n> 随着经济全球化和市场竞争的日益加剧，企业面临着前所未有的挑战与机遇。数字化转型作为推动企业高质量发展的重要抓手，已成为学术界和实务界关注的焦点。如何有效推进数字化转型、提升企业核心竞争力，具有重要的理论意义和实践价值。\n\n**改写后（人类风格）：**\n> XYZ公司是一家位于广东省的中小型制造企业，主营电子元器件生产，现有员工约500人。近年来，该公司面临着业绩增长放缓的困境：2021-2023年间，营收增长率从18%下降至5%，而同期主要竞争对手A公司的增长率保持在12%以上。通过与该公司管理层访谈了解到，生产环节的信息化程度不足是导致效率低下的重要原因之一。基于此，本文选择XYZ公司作为研究对象，探讨其生产部门数字化转型的路径与策略。\n\n**改写要点分析：**\n1. 删除\"随着...\"等AI套话\n2. 具体化企业信息和数据\n3. 说明研究问题的由来\n4. 使用第一人称\"本文\"\n\n### 案例2：文献综述改写\n\n**原文（AI风格）：**\n> 关于绩效考核的研究，国内外学者进行了大量探索。张三(2018)认为绩效考核应注重结果导向。李四(2019)提出了平衡计分卡模型。王五(2020)研究了绩效考核与员工激励的关系。综上所述，现有研究为本研究奠定了理论基础。\n\n**改写后（人类风格）：**\n> 绩效考核作为人力资源管理的核心工具，其研究脉络主要沿着两条主线展开。其一是考核指标体系的设计与优化，张三(2018)针对制造企业的特点，强调结果导向指标在操作性岗位考核中的重要性；李四(2019)则将平衡计分卡引入绩效考核，提出了财务与非财务指标相结合的综合评价框架。其二是考核结果的应用研究，王五(2020)通过实证分析发现，绩效考核与薪酬激励的有效联动是提升激励效果的关键。\n> \n> 然而，现有研究多聚焦于绩效考核本身的技术优化，对于研发人员这一特殊群体的考核研究相对不足。研发人员的工作具有创新性、周期长、成果难量化等特点，传统的绩效考核方法难以适用。因此，本文拟在已有研究基础上，针对研发人员绩效考核的特殊性展开深入探讨。\n\n**改写要点分析：**\n1. 按主题分类整理文献\n2. 增加评述性内容\n3. 指出现有研究不足\n4. 句式长短结合\n\n### 案例3：问题分析改写\n\n**原文（AI风格）：**\n> (1) 绩效考核指标设置不合理；(2) 考核过程缺乏透明度；(3) 考核结果应用不充分。这三个问题严重影响了绩效考核的效果。\n\n**改写后（人类风格）：**\n> 通过问卷调研和深度访谈，本文识别出XYZ公司绩效考核存在的三方面问题。在指标设计层面，现行考核体系过度侧重短期业绩，对研发人员创新能力、技术积累等长期贡献缺乏有效衡量。在实施过程层面，员工普遍反映考核标准不够清晰，评分过程缺乏透明度，仅有32%的受访者表示了解考核的具体标准。在结果应用层面，考核结果与薪酬调整、晋升发展的关联度不强，难以发挥应有的激励作用。\n\n**改写要点分析：**\n1. 说明问题识别方法\n2. 删除(1)(2)(3)编号\n3. 增加具体数据和细节\n4. 使用\"层面\"等学术表述\n\n### 案例4：对策建议改写\n\n**原文（AI风格）：**\n> 针对上述问题，本文提出以下对策建议：第一，优化绩效考核指标；第二，完善考核流程；第三，强化考核结果应用。\n\n**改写后（人类风格）：**\n> 基于前文对XYZ公司绩效考核问题的诊断，本文从指标体系重构、考核流程优化、结果应用强化三个维度提出改进建议。具体而言，在指标设计方面，建议引入创新能力、技术贡献等长期导向指标，并将其权重提升至30%以上；在考核流程方面，建议建立双向沟通机制，由直线经理与研发人员共同制定考核目标，增强目标认同感；在结果应用方面，建议将考核结果与项目奖金、技术职级晋升直接挂钩，提高激励的有效性。需要指出的是，上述措施的实施需要HR部门、研发部门和财务部门的协同配合，建议在2024年第三季度启动试点。\n\n**改写要点分析：**\n1. 具体化建议内容\n2. 补充实施细节和时间节点\n3. 增加限定条件\n4. 使用复杂句式展现论证逻辑\n\n### 案例5：结论改写\n\n**原文（AI风格）：**\n> 综上所述，本文对XYZ公司绩效考核进行了系统研究。研究发现：(1)存在问题；(2)需要优化；(3)实施有保障。本研究丰富了绩效考核理论，对企业实践具有指导意义。\n\n**改写后（人类风格）：**\n> 本文以XYZ公司为案例，对其研发人员绩效考核体系进行了系统诊断与优化设计。主要研究发现包括：第一，现行考核体系存在指标设计不合理、过程不透明、结果应用不充分等问题，导致员工满意度偏低、离职率偏高；第二，通过引入OKR与KPI相结合的方法，重构考核指标体系，有望在一定程度上改善上述问题；第三，方案的实施需要企业高层的支持、配套的制度保障以及渐进式的推进策略。\n> \n> 本研究的贡献在于将绩效考核理论与研发人员管理实践相结合，为同类企业提供了可资借鉴的分析框架和实施路径。当然，本研究也存在一定局限性：案例研究的结论能否推广至其他企业尚需进一步验证；此外，优化方案的实际效果有待后续跟踪评估。\n\n**改写要点分析：**\n1. 删除\"综上所述\"\n2. 具体化研究发现\n3. 明确研究贡献和局限\n4. 使用\"第一、第二、第三\"替代(1)(2)(3)\n\n## 检查清单\n\n- [ ] 句长标准差 > 8（可使用脚本检测）\n- [ ] 避免过度使用并列结构（如(1)(2)(3)、第一第二第三）\n- [ ] 包含复杂句式（让步、条件、递进）\n- [ ] 适当使用第一人称（\"本文\"、\"笔者\"）\n- [ ] 逻辑推进自然，不机械\n- [ ] 删除\"随着...\"、\"在...背景下\"等AI套话\n- [ ] 增加具体数据和企业信息\n- [ ] 展现研究者的思考和判断\n- [ ] 承认研究局限性和不确定性\n\n## 快速检测方法\n\n使用以下脚本检测AI特征：\n\n```bash\n# 基础规则检测\npython scripts/detect_ai_patterns.py input.txt --format markdown --output report.md\n\n# 多维度融合检测\npython scripts/multi_detector.py input.txt --format markdown --output report.md\n```\n\n根据检测结果：\n- **🔴 高风险 (>70%)**：需要深度改写，重点应用本策略的技术1-3\n- **🟡 中风险 (40-70%)**：针对性优化，主要应用技术1和技术2\n- **🟢 低风险 (<40%)**：细节润色，应用技术2增强自然度\n\nFile v1.0.0:references/strategy_plagiarism.md\n\n# 策略B: 降低查重率\n\n## 核心原理\n\n查重系统通过文本相似度匹配检测重复内容，主要基于：\n- **连续字符匹配**：识别连续13字以上的相同内容\n- **语义相似度**：检测改写后语义相近的内容\n- **引用识别**：区分合理引用与不当重复\n\n降查重的本质：**保持学术内涵不变，进行深度语义改写**。\n\n## 关键技术\n\n### 技术1: 深度语义改写\n\n**同义替换（词汇级、短语级）**\n\n| 原文表述 | 改写选项 |\n|---------|---------|\n| 重要 | 关键、核心、主要、首要、不可忽视 |\n| 影响 | 作用、制约、决定、塑造、关联 |\n| 提升 | 改善、优化、增强、促进、推动 |\n| 问题 | 困境、挑战、障碍、不足、短板 |\n| 研究 | 探讨、分析、考察、审视、梳理 |\n| 发现 | 识别、揭示、阐明、指出、确认 |\n| 因此 | 基于此、由此可见、因而、据此、所以 |\n| 此外 | 另外、与此同时、除上述之外、还需指出 |\n\n**改写原则：**\n- 同义词替换率目标 > 30%\n- 避免简单一对一替换，应结合语境调整\n- MBA论文特有术语替换需保持准确性\n\n**结构重组（主被动转换、句序调整）**\n\n- **主动被动转换**\n  - 原句：\"学者A提出了X理论。\"\n  - 改写：\"X理论由学者A于20XX年提出。\"\n\n- **句序调整**\n  - 原句：\"由于市场竞争加剧，企业需要转型升级。\"\n  - 改写：\"企业面临着转型升级的压力，其背景在于市场竞争的日趋激烈。\"\n\n- **长句拆分**\n  - 原句：\"数字化转型是指企业利用数字技术重塑业务流程、组织结构和企业文化的过程，其目的是提升运营效率和市场竞争力。\"\n  - 改写：\"数字化转型涉及企业多方面的变革。从技术层面看，这体现为数字技术在业务流程中的深度应用；从组织层面看，这要求组织结构和企业文化的相应调整。其最终目标在于提升运营效率和市场竞争力。\"\n\n**表述角度转换**\n\n- **从\"是什么\"到\"为什么\"**\n  - 原句：\"绩效考核是人力资源管理的重要工具。\"\n  - 改写：\"企业为何需要绩效考核？从根本上说，这是实现组织目标与个人目标一致性的关键机制。\"\n\n- **从普遍性到具体性**\n  - 原句：\"员工激励对企业绩效有显著影响。\"\n  - 改写：\"以XYZ公司为例，2022年实施新的激励机制后，员工生产效率提升18%，这一数据印证了激励措施的有效性。\"\n\n### 技术2: 引用规范化\n\n**直接引用→间接引用转换**\n\n- **直接引用**：\"正如张三(2018)所言：'绩效考核是企业管理的基石。'\"\n- **间接引用**：张三(2018)将绩效考核视为企业管理的基础性工作。\n\n**转换原则：**\n- 保留核心观点，改变表述方式\n- 将他人观点融入自己的论述逻辑\n- 使用\"认为\"、\"指出\"、\"强调\"等动词引导\n\n**合理归并多源引用**\n\n- **分散引用改归并引用**\n  - 原句：\"张三(2018)研究了A问题。李四(2019)研究了B问题。王五(2020)研究了C问题。\"\n  - 改写：\"现有研究主要从三个维度展开：A问题的探讨（张三，2018）、B问题的分析（李四，2019）以及C问题的考察（王五，2020）。\"\n\n**引用内容改写为个人表述**\n\n- **复述他人观点**\n  - 原文献：\"Organizational culture shapes employee behavior through shared values and norms.\"\n  - 改写：Smith(2019)的研究表明，共享的价值观和行为规范是企业文化影响员工行为的主要机制。\n\n### 技术3: 专业术语处理\n\n**核心术语保留原则**\n\n必须保留的核心术语（不得替换）：\n- 理论名称：平衡计分卡、OKR、SWOT、PEST\n- 分析方法：回归分析、结构方程模型\n- 学科专有名词：沉没成本、规模经济、马太效应\n\n**非核心描述灵活变换**\n\n可以灵活变换的表述：\n- \"理论基础\"→\"理论支撑\"、\"理论依据\"\n- \"实证研究\"→\"经验研究\"、\"数据分析\"\n- \"对策建议\"→\"解决方案\"、\"改进措施\"\n\n**MBA领域术语处理**\n\n| 术语类型 | 处理建议 | 示例 |\n|---------|---------|------|\n| 管理学基础术语 | 保留不变 | 领导力、组织行为、战略管理 |\n| 行业特定术语 | 保留不变 | 供应链金融、客户关系管理 |\n| 通用描述性词汇 | 灵活替换 | 提升→优化→改善 |\n| 方法论术语 | 保留+解释 | 案例分析法→案例研究方法 |\n\n## MBA论文实战案例\n\n### 案例1：文献综述段落改写\n\n**原文（查重高风险）：**\n> 关于企业数字化转型的研究，国内外学者进行了大量探讨。张华(2019)认为数字化转型是企业利用数字技术重塑业务模式的过程。李明(2020)指出数字化转型能够提升企业运营效率。王强(2021)研究表明数字化转型对企业绩效具有显著正向影响。综上所述，现有研究为本研究提供了理论基础。\n\n**改写后（查重率低）：**\n> 企业数字化转型已成为近年来管理学界的研究热点。在概念界定方面，学者们的理解存在一定差异：张华(2019)从业务模式变革的视角，将数字化转型界定为数字技术驱动的业务流程重塑；李明(2020)则侧重于运营层面，强调数字化转型对效率提升的促进作用。就转型效果而言，现有实证研究多支持数字化转型对企业绩效的正向影响（王强，2021；Chen & Liu, 2022）。\n> \n> 然而，上述研究多聚焦于转型本身的技术或经济效应，对于转型过程中的组织变革、人员适应等管理议题关注不足。基于此，本文拟从组织行为学的视角，探讨数字化转型中员工态度与行为的演变规律。\n\n**改写策略分析：**\n1. 调整论述顺序（先概念后效果）\n2. 增加评述性内容\n3. 指出现有研究不足\n4. 使用不同的引用动词（\"界定\"替代\"认为\"）\n\n### 案例2：理论阐述改写\n\n**原文（查重高风险）：**\n> 马斯洛需求层次理论认为，人的需求分为五个层次，由低到高依次为生理需求、安全需求、社交需求、尊重需求和自我实现需求。当低层次需求得到满足后，人们会追求更高层次的需求。这一理论为理解员工激励提供了重要基础。\n\n**改写后（查重率低）：**\n> 理解员工激励问题，需要回归人的需求本质。马斯洛(1943)提出的需求层次理论为此提供了经典分析框架。该理论将人的需求划分为由低到高的五个层级，涵盖从生存保障到自我发展的完整谱系。其核心价值在于揭示了一个基本规律：已满足的需求不再构成激励因素，而未被满足的需求才是驱动行为的根本动力。这一洞见对于设计针对性的员工激励方案具有重要指导意义。\n\n**改写策略分析：**\n1. 改变引入角度（\"理解...需要回归...\"）\n2. 使用不同的专业表述（\"完整谱系\"替代\"依次为\"）\n3. 强调理论的核心价值而非简单罗列内容\n4. 将理论与研究问题直接关联\n\n### 案例3：方法描述改写\n\n**原文（查重高风险）：**\n> 本研究采用问卷调查法收集数据。问卷分为三个部分：第一部分是基本信息，包括性别、年龄、学历等；第二部分是工作满意度量表，采用Likert五点量表；第三部分是离职意愿量表。问卷通过线上方式发放，共回收有效问卷200份。\n\n**改写后（查重率低）：**\n> 本文的数据收集依托自填式问卷展开。测量工具的结构设计包含三个模块：人口统计学变量（性别、年龄、受教育程度）构成第一部分；工作满意度的测量采用经信效度检验的成熟量表，应答方式设定为Likert五等级；离职倾向则通过专门开发的题项加以捕捉。数据获取采用网络调研形式，在剔除无效作答后，最终纳入分析的样本量为200份。\n\n**改写策略分析：**\n1. 词汇替换（\"收集\"→\"获取\"、\"包括\"→\"构成\"）\n2. 句式重组（调整各部分表述顺序）\n3. 使用更专业的学术表述（\"人口统计学变量\"替代\"基本信息\"）\n4. 增加过程描述（\"在剔除无效作答后\"）\n\n### 案例4：数据分析改写\n\n**原文（查重高风险）：**\n> 根据表3-1的数据，员工满意度均值为3.52分，标准差为0.86。其中，薪酬满意度得分最低，为3.12分；工作本身满意度得分最高，为3.89分。由此可见，员工对薪酬的满意度较低。\n\n**改写后（查重率低）：**\n> 样本企业在员工满意度各维度上的表现存在明显分化（见表3-1）。从整体水平看，满意度得分处于中等偏上位置（M=3.52，SD=0.86）。进一步对比各分项数据可以发现：得分最高的是工作本身维度（3.89分），表明员工对岗位内容和挑战性的认可程度较高；而薪酬满意度则相对偏低（3.12分），与整体水平存在0.4分的差距。这一发现暗示，薪酬体系可能是影响员工整体满意度的重要因素。\n\n**改写策略分析：**\n1. 调整数据呈现顺序（先整体后分项）\n2. 增加解读性分析（\"表明...\"、\"暗示...\"）\n3. 使用不同的表述方式（\"M=3.52，SD=0.86\"替代\"均值为3.52分，标准差为0.86\"）\n4. 增加数据对比分析\n\n### 案例5：对策建议改写\n\n**原文（查重高风险）：**\n> 针对上述问题，本文提出以下建议：第一，建立科学的绩效考核体系；第二，完善激励机制；第三，加强员工培训。\n\n**改写后（查重率低）：**\n> 基于前文对问题成因的剖析，本文从制度建设和能力建设两个层面提出改进思路。在制度优化方面，建议重构现行绩效评价体系，引入多元化的评价主体和指标；同时，完善激励体系设计，建立绩效结果与薪酬调整的联动机制。在能力提升方面，应针对管理者开展绩效管理技能培训，针对员工开展职业发展规划辅导，从而为制度的有效实施提供人力资源保障。\n\n**改写策略分析：**\n1. 合并归类（将三条建议归纳为\"制度\"和\"能力\"两个层面）\n2. 删除\"第一第二第三\"的机械编号\n3. 使用更具体的表述（\"多元化评价主体\"替代\"科学考核\"）\n4. 增加实施保障说明\n\n## 检查清单\n\n- [ ] 同义词替换率 > 30%\n- [ ] 句式结构有明显变化（主动被动转换、句序调整）\n- [ ] 核心术语保持准确（理论名、方法名、专有名词）\n- [ ] 整体语义内涵不变\n- [ ] 直接引用已转换为间接引用\n- [ ] 多源引用已适当归并\n- [ ] 数据呈现方式有所变化\n- [ ] 增加了评述性内容而非简单罗列\n\n## 查重规避原则\n\n**必须避免的做法（学术不端）：**\n- ❌ 同义词替换后语句不通顺\n- ❌ 简单调整语序但核心内容不变\n- ❌ 使用翻译软件进行\"中→外→中\"转换\n- ❌ 抄袭他人观点却不标注来源\n\n**正确的改写原则：**\n- ✅ 真正理解原文后用自己的话重新表述\n- ✅ 增加自己的分析和评述\n- ✅ 改变论述角度和结构\n- ✅ 补充新的案例或数据\n- ✅ 所有引用观点必须标注来源\n\n## 推荐改写顺序\n\n1. **通读理解**：完全理解原文的核心观点\n2. **标记核心术语**：识别不能替换的专业术语\n3. **结构调整**：改变论述顺序和句式结构\n4. **词汇替换**：进行同义替换（保持学术性）\n5. **增加分析**：加入自己的评述和解读\n6. **查重验证**：使用查重工具验证改写效果","readmeExcerpt":"Skill: humanize-mba-text-skill Owner: stephenlzc Summary: Detect and remove AI writing patterns from Chinese MBA theses, making text sound naturally human-written. Triggered by keywords like \"去 AI 痕迹\" or \"MBA 论文改写\". 去除中文 MBA 论文 AI 痕迹，提升学术写作自然度。 Tags: latest:1.5.0 Version history: v1.5.0 | 2026-07-10T06:19:42.451Z | user Major documentation refactor: split monolithic chapter guide into 5 standalone files (Introduction","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"输入文本\n    ↓\n[多维度检测] → 生成检测报告（detect_ai_patterns.generate_report）\n    ↓\n[modify_plan] → 结构化骨架（analyzers.rewrite_planner.build_modify_plan）\n    ↓\n[反馈生成] → 修改建议（feedback_generator）\n    ↓\n[自动修复] → 中英文空格等可机械修复项\n    ↓\n[手动改写] → 按 checklist.toml / chapter_rewrite_rules.toml 逐项处理\n    ↓\n[质量验证] → 再次跑 detect_patterns，确认 modify_plan 清空"},{"language":"bash","snippet":"# 基础检测（含 modify_plan）\npython scripts/detect_ai_patterns.py input.txt --output report.json\n\n# 多维度融合检测\npython scripts/multi_detector.py input.txt --output report.md\n\n# 生成修改建议\npython scripts/feedback_generator.py detection_result.json --text input.txt --output feedback.md\n\n# 自动修复空格等简单问题\npython scripts/feedback_generator.py detection_result.json --text input.txt --apply"},{"language":"bash","snippet":"# 克隆仓库\ngit clone https://github.com/stephenlzc/humanize-mba-text-skill.git\ncd humanize-mba-text-skill\n\n# 安装依赖（如需使用 transformers 模型）\npip install transformers torch"},{"language":"bash","snippet":"# 使用基础规则检测\npython scripts/detect_ai_patterns.py your_text.txt --format markdown --output report.md"},{"language":"bash","snippet":"# 使用多维度检测\npython scripts/multi_detector.py your_text.txt --format markdown --output report.md --plan plan.json"},{"language":"bash","snippet":"# 基于检测结果生成反馈\npython scripts/feedback_generator.py detection_result.json --text your_text.txt --output feedback.md"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: humanize-mba-text\ndescription: 去除中文文本中的 AI 生成痕迹，使其更符合中国 MBA 毕业论文的自然写作风格。当用户提到\"去 AI 痕迹\"、\"去除 AI 写作痕迹\"、\"MBA 论文改写\"、\"让这段文字更像人写的\"、\"去除机器感\"等关键词时触发。适用于需要降低文本 AI 特征、提升学术写作自然度的场景。\n---\n\n# 去除 AI 写作痕迹 - MBA 论文风格优化\n\n> **本文档是 manifest**：每节只保留导航 / 简介 / 边界，具体内容请读对应 TOML / Markdown 文件。\n> 删繁就简的目的是让 Claude Code 在最小上下文里读到该项目最稳定的入口信息。\n\n## 任务目标\n\n将带有明显 AI 生成特征的中文文本改写为自然、人类化的 MBA 毕业论文风格文本，符合中国 MBA 毕业论文的学术规范和实践导向。\n\n## 核心原则\n\n1. **实践导向**：MBA 论文必须来源于企业管理实际，解决具体管理问题，避免纯理论空谈\n2. **小题大做**：选题聚焦明确，\"小题深做\"，避免选题过大、过于宽泛\n3. **客观性优先**：用事实和数据替代主观评价和空泛论述\n4. **具体化表达**：提供具体企业案例、数据支撑、时间节点，避免笼统描述\n5. **数据溯源**：所有数据必须注明来源，确保准确性和可信度\n6. **理论支撑**：运用 1-2 个相关理论作为分析框架，避免就事论事\n7. **简洁性**：删除冗余修饰、重复表述，保留核心信息\n8. **学术规范**：符合中国高校 MBA 论文的写作规范和格式要求\n9. **逻辑严密**：论证过程清晰，因果关系明确，避免跳跃式推理\n10. **结构合理**：正文字数 3 万字以上，章节分配合理，避免节下无目或一节不足一页\n\n## 识别与改写策略（数据化）\n\nSKILL.md 不再展开具体的识别词表与改写规则——它们以**结构化数据**的形式存放在本目录下：\n\n| 类别 | 数据文件 | 内容 |\n| --- | --- | --- |\n| 内容/语言/结构改写规则 | [`references/rules/categories/*.toml`](references/rules/index.toml) | regex 类规则，由 `scripts/rule_loader.iter_regex_categories` 自动加载 |\n| 三维协同优化 + 评估标准 | [`references/strategy_optimization.toml`](references/strategy_optimization.toml) | 维度 1/2/3 核心策略、改写流程、量化 / 定性评估表 |\n| 改写检查清单 | [`references/mba_rewrite_checklist.toml`](references/mba_rewrite_checklist.toml) | 4 类检查项 + 硬性量化阈值 |\n| 章节特定改写规则 | [`references/chapter_rewrite_rules.toml`](references/chapter_rewrite_rules.toml) | 5 章节 × 改写点的 before/after 示例 |\n| 高频 AI 词 / 连接词 | [`references/rules/categories/language.toml`](references/rules/categories/language.toml) | `ai_buzzwords` / `excessive_connectors` 等条目；与 `humanizer-academic-zh` 模式 10/12/21 交叉对应 |\n\n> **使用方式**：写正文时按 `references/mba_rewrite_checklist.toml` 4 大类逐条核对；遇到具体痕迹词按 `references/rules/categories/language.toml` 词表替换；如果要引用某个章节的特定模式，查 `references/chapter_rewrite_rules.toml` 的 `chapter.section`。\n\n## 改写流程\n\n```\n输入文本\n    ↓\n[多维度检测] → 生成检测报告（detect_ai_patterns.generate_report）\n    ↓\n[modify_plan] → 结构化骨架（analyzers.rewrite_planner.build_modify_plan）\n    ↓\n[反馈生成] → 修改建议（feedback_generator）\n    ↓\n[自动修复] → 中英文空格等可机械修复项\n    ↓\n[手动改写] → 按 checklist.toml / chapter_rewrite_rules.toml 逐项处理\n    ↓\n[质量验证] → 再次跑 detect_patterns，确认 modify_plan 清空\n```\n\n## 自动化检测与反馈工作流\n\n### 多方案融合检测\n\n检测层由三类组成，可独立运行也可组合：\n\n1. **规则匹配检测** (`scripts/detect_ai_patterns.py`)\n   - 加载 `references/rules/**/*.toml` 的 7 个分类（structure / rhythm_quality / formatting / content / evidence / language / chapter-categories）\n   - 走 `iter_regex_categories` 渐进式加载，可按 group 或 category_id 选载\n   - 命中后产出 `PatternMatch(pattern_name, pattern_type, line_number, content, suggestion, severity)`\n\n2. **散文统计 + 结构分析** (`scripts/analyzers/`)\n   - 5 个维度：`uniform_sentence_length` / `uniform_paragraph_length` / `paragraph_edge_template_repeat` / `paragraph_structure_uniformity` / `chapter_template_repeat`\n   - 输出 `AnalyzerIssue(analyzer_id, severity, confidence, location, evidence, suggestion)` + 统计指标\n\n3. **语义链分析** (`scripts/analyzers/semantic_chain.py`)\n   - 10 个维度（3 / 4 / 5）：三段式 / 作者罗列 / 方法堆叠 / 摘要模板 / 结论回声 / 笼统问题 / 无来源量化 / 宏观叙事 / 证据链 / 问"},{"path":"README.md","content":"# Humanize MBA Text - 去除 AI 写作痕迹\n\n<p align=\"center\">\n  <img src=\"https://img.shields.io/badge/Python-3.7+-blue.svg\" alt=\"Python 3.7+\">\n  <img src=\"https://img.shields.io/badge/License-MIT-green.svg\" alt=\"License: MIT\">\n  <img src=\"https://img.shields.io/badge/Claude-Skill-orange.svg\" alt=\"Claude Skill\">\n  <img src=\"https://img.shields.io/badge/Version-1.5-brightgreen.svg\" alt=\"Version: 1.5\">\n  <img src=\"https://img.shields.io/badge/Kimi-CLI-blue.svg\" alt=\"Kimi CLI\">\n  <img src=\"https://img.shields.io/badge/中文-🇨🇳-red.svg\" alt=\"中文\">\n  <a href=\"README_EN.md\"><img src=\"https://img.shields.io/badge/English-🇺🇸-inactive.svg\" alt=\"English\"></a>\n  <a href=\"README_KR.md\"><img src=\"https://img.shields.io/badge/한국어-🇰🇷-inactive.svg\" alt=\"한국어\"></a>\n  <a href=\"README_JP.md\"><img src=\"https://img.shields.io/badge/日本語-🇯🇵-inactive.svg\" alt=\"日本語\"></a>\n</p>\n\n<p align=\"center\">\n  <b>专门针对中国 MBA 毕业论文的 AI 写作痕迹检测与去除工具</b>\n</p>\n\n<p align=\"center\">\n  <code>#AI-Detection</code> <code>#Academic-Writing</code> <code>#MBA-Thesis</code> <code>#Claude-Skill</code> <code>#Text-Humanization</code> <code>#ChatGPT-Alternative</code> <code>#LLM-Writing</code> <code>#Research-Tools</code> <code>#Academic-Integrity</code> <code>#Chinese-NLP</code>\n</p>\n\n---\n\n## 🎯 项目简介\n\n这是一个专门为**中国 MBA 毕业论文**设计的 AI 写作痕迹检测与去除工具。基于 MBA 论文的学术规范和实践要求，通过多维度检测方法识别文本中的 AI 生成特征，并提供具体的修改建议，帮助你将 AI 生成的文本改写为自然、人类化的学术写作风格。\n\n### ✨ 版本 1.5 新特性（段落级句长 CV + 报告可读性升级）\n\n- 📐 **段落级句长 CV 分析**：参考 `AI_artifact_detection` 方法，以段落内句子长度的变异系数（CV）作为核心 AI 信号，中文按 CJK 字符、英文按单词计数\n- 📊 **中文 CV 报告**：检测 Markdown 报告末尾自动附加五段式 CV 报告——整体统计 / CV 分布 / Uniform 段落详情 / 章节汇总 / 句长分布\n- 🔁 **改写前后对比**：新增 `scripts/detect_compare.py`，输入改写前、改写后两个文本，输出中文 Before/After 对比 Markdown\n- 🌐 **可选英文检测模式**：`sentence_length.analyze(text, language=\"en\")` 支持英文散文的句长 CV 检测\n- 🎯 **内容片段带上下文**：详细问题列表中的内容片段现在显示匹配处前后约 20 字，便于快速定位\n- 📝 **修改建议完整显示**：不再截断修改建议，完整输出所有提示\n- 📋 **Uniform 段落完整表格**：CV < 0.30 的段落全部以表格列出，不再限制 20 条\n- ⏰ **真实生成时间**：报告末尾显示实际生成时间（YYYY-MM-DD HH:MM:SS）\n\n> 历史版本（1.4 / 1.3 / 1.2）特性已归档至 [`FEATURE.md`](FEATURE.md)。\n\n### 核心功能\n\n- ✅ **多层级 AI 检测**：从规则匹配（regex）→ 散文统计（5 维 CV/指纹）→ 语义链（10 维跨段/跨章）三层叠加\n- ✅ **段落级句长 CV 报告**：基于 `AI_artifact_detection` 方法，输出 Uniform 段落、CV 分布、章节汇总、句长分布\n- ✅ **改写前后对比**：`scripts/detect_compare.py` 一键生成 Before/After 中文对比报告\n- ✅ **章节特定规则**：针对绪论、理论、分析、建议、结论 5 个章节的优化策略\n- ✅ **MBA 论文规范**：符合中国高校 MBA 论文字数、结构、格式要求\n- ✅ **结构化改写计划**：每个 issue 都附 location + skeleton + recommended replacements + 目标字数\n- ✅ **自动修复**：自动处理中英文混排空格等简单问题\n- ✅ **智能反馈**：生成详细的修改建议和前后对比示例\n- ✅ **Claude Skill 集成**：可作为 Claude Code 的 Skill 直接使用\n\n### 技术参考\n\n本项目在优化策略设计上参考了 [thesis-optimizer](https://github.com/Haimbeau1o/thesis-optimizer) 项目的三维协同优化理念：\n- 🔍 **降AI检测率**：句式多样化、语气自然化、逻辑人性化\n- 📉 **降查重率**：深度语义改写、引用规范化、专业术语处理  \n- ✨ **学术润色**：表达精准化、学术规范性、可读性优化\n\n---\n\n## 🎓 MBA 论文核心原则\n\n本工具基于中国 MBA 论文的学术规范设计，遵循以下核心原则：\n\n### 1. 实践导向\n- 必须来源于企业管理实际，解决具体管理问题\n- 避免纯理论空谈\n\n### 2. 小题大做\n- 选题聚焦明确，\"小题深做\"\n- 核心概念不超过 2-3 个\n- 避免选题过大、过于宽泛\n\n### 3. 数据溯源\n- 所有数据必须注明来源\n- 确保准确性和可信度\n- 删除\"相关数据显示\"等模糊表述\n\n### 4. 理论支撑\n- 运用 1-2 个相关理论作为分析框"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn77k0qnxvrb2gwbr1132zf7kh80qhny\",\n  \"slug\": \"humanize-mba-text-skill\",\n  \"version\": \"1.5.0\",\n  \"publishedAt\": 1783664382451\n}"},{"path":"references/ai-writing-patterns.md","content":"# AI 写作特征识别指南\n\n本文档详细列出 AI 生成文本的常见特征，用于指导去 AI 痕迹改写工作。\n\n## 一、内容特征\n\n### 1.1 过度强调重要性\n- **表现**: 用词浮夸，强调主题的代表性和贡献\n- **示例**: \"丰田喜一郎是丰田汽车公司的创办人之一，也是把丰田从纺织业带进汽车产业的关键人物\"\n- **改写**: 直接陈述事实，避免价值判断词汇\n\n### 1.2 宏观趋势过度解读\n- **表现**: 将具体事物上升到宏观层面\n- **示例**: \"将日本从'织布机国家'推向'汽车大国'的关键推手\"\n- **改写**: 聚焦具体事实，避免宏大叙事\n\n### 1.3 分析流于表面\n- **表现**: 以 -ing 结尾的肤浅分析\n- **示例**: \"凸显了...的重要性\"、\"反映了...的趋势\"\n- **改写**: 提供具体数据或实例支撑\n\n### 1.4 模糊归因\n- **表现**: 将观点归于\"专家\"、\"学者\"等模糊主体\n- **示例**: \"有专家指出...\"、\"研究表明...\"\n- **改写**: 明确引用具体来源或删除此类表述\n\n### 1.5 宣传性语言\n- **表现**: 使用广告式措辞\n- **示例**: \"卓越的性能\"、\"显著的成效\"\n- **改写**: 使用客观描述性词汇\n\n## 二、结构特征\n\n### 2.1 三段式法则\n- **表现**: 背景-现状-展望的僵化结构\n- **改写**: 根据内容需要灵活组织段落\n\n### 2.2 过于简略的前景\n- **表现**: \"尽管...有其意义，但面临挑战...\"\n- **改写**: 具体问题具体分析，避免套话\n\n### 2.3 列表式行文\n- **表现**: 滥用项目符号和编号\n- **改写**: 转化为连贯的段落文字\n\n## 三、语言特征\n\n### 3.1 连接性短语过多\n- **高频词汇**: \n  - 首先、其次、最后\n  - 此外、另外、与此同时\n  - 因此、所以、综上所述\n  - 值得注意的是、需要指出的是\n- **改写**: 减少连接词，使用更自然的过渡\n\n### 3.2 否定式排比\n- **表现**: \"不仅...而且...\"、\"既不是...也不是...\"\n- **改写**: 直接陈述，避免复杂句式\n\n### 3.3 破折号过度使用\n- **表现**: 频繁使用\"——\"进行解释或补充\n- **改写**: 使用括号或逗号，或拆分为独立句子\n\n### 3.4 中英文/数字混用空格\n\n**基本原则：中文语境下，中英文、数字与中文之间不加空格。**\n\n#### 常见错误场景\n\n| 场景 | ❌ 错误示例 | ✅ 正确示例 |\n|------|------------|------------|\n| 英文缩写 | MBA 论文、AI 写作 | MBA论文、AI写作 |\n| 英文单词 | Python 语言 | Python语言 |\n| 数字+中文 | 15 % 的增长、5 个企业 | 15%的增长、5个企业 |\n| 年份 | 2023 年、20 世纪 | 2023年、20世纪 |\n| 百分比 | 提升了 20 % | 提升了20% |\n| 货币 | 100 万元、50 美元 | 100万元、50美元 |\n| 人名引用 | Smith (2019) | Smith(2019) |\n| 编号 | 第 1 章、图 2-1 | 第1章、图2-1 |\n\n#### 例外情况\n\n以下情况保留空格：\n- 英文句子中的中文（如：This is a 中文 sentence）\n- 代码中的注释（如：# 这是一个 comment）\n- 特殊格式要求（如期刊投稿要求）\n\n#### 检测方法\n\n使用正则表达式检测：\n```python\n# 中文后接英文/数字有空格\npattern1 = r'[\\u4e00-\\u9fff]\\s+[a-zA-Z0-9]'\n# 英文/数字后接中文有空格  \npattern2 = r'[a-zA-Z0-9]\\s+[\\u4e00-\\u9fff]'\n```\n\n### 3.5 AI 词汇\n- **高频词汇**:\n  - 赋能、抓手、闭环、落地\n  - 痛点、打法、赛道、生态\n  - 迭代、优化、协同、整合\n- **改写**: 使用传统学术词汇替代\n\n## 四、引用特征\n\n### 4.1 过度强调来源\n- **表现**: 对无争议事实也标注来源\n- **改写**: 常识性内容无需标注\n\n### 4.2 虚构引用\n- **表现**: 引用不存在或错误的文献\n- **改写**: 核实所有引用，删除无法验证的内容\n\n## 五、MBA 论文改写原则\n\n### 5.1 风格要求\n1. **客观性**: 避免主观评价，用事实和数据说话\n2. **具体性**: 提供具体案例、数据支撑\n3. **简洁性**: 删除冗余修饰，保留核心信息\n4. **专业性**: 使用规范的学术用语\n\n### 5.2 改写策略\n1. 识别并删除 AI 特征词汇\n2. 将列表转化为段落\n3. 简化复杂句式\n4. 补充具体细节\n5. 调整段落结构，避免僵化模式\n\n### 5.3 检查清单\n- [ ] 是否删除了浮夸的形容词\n- [ ] 是否避免了模糊归因\n- [ ] 是否减少了连接词使用\n- [ ] 是否提供了具体数据\n- [ ] 是否检查了引用准确性\n- [ ] 是否符合中文标点规范\n\n## 六、改写示例\n\n### 示例 1：过度强调\n**原文**: 数字化转型已成为推动企业高质量发展的关键抓手，通过赋能业务创新，为企业创造显著价值。\n\n**改写**: 本研究探讨数字化转型对企业绩效的影响。通过分析XX公司2018-2023年的财务数据，发现数字化投入与营业收入增长呈正相关关系。\n\n### 示例 2：列表式行文\n**原文**:\n- 提升了运营效率\n- 降低了管理成本\n- 增强了市场竞争力\n\n**改写**: 实施该方案后，企业运营效率提升15%，管理成本下降8%，市场份额从12%增长至18%。\n\n### 示例 3：模糊归因\n**原文**: 有研究指出，企业文化对组织绩效具有重要影响。\n\n**改写**: Schein(2010)的研究表明，强势企业文化与组织绩效存在正相关关系（r=0.42, p<0.05）。\n\n### 示例 4：连接词过多\n**原文**: 首先，本文回顾了相关文献。其次，构建了理论模型。最后，进行了实证检验。\n\n**改写**: 本文首先回顾相关文献，在此基础上构建理论模型，并通过实证数据检验研究假设。\n\n## 七、注意事项\n\n1. **保持原意**: 改写时不改变原文的核心观点\n2. **学术规范**: 符合 MBA 论文的格式和引用要求\n3. **逻辑连贯**: 确保改写后的文本逻辑清晰\n4. **语言自然**: 读起来像人类作者的真实写作"},{"path":"references/chapter_rewrite_rules.toml","content":"# Chapter-specific Rewrite Rules\n#\n# Reference data for `SKILL.md` — the 「MBA论文章节特定改写规则」section.\n# 五章节 × 多个改写点。每个章节的每个改写点带：\n# - id       : 稳定标识符\n# - ai_traces: 常见 AI 痕迹（含警惕词 / 模板）\n# - rewrite_requirements: 改写要求（描述）\n# - examples : before/after 示例（可选）\n\nversion = \"1.3.0\"\nlanguage = \"zh-CN\"\ndomain = \"MBA thesis humanization\"\n\n[meta]\npurpose = \"MBA 论文五章节的特定改写规则。\"\ncontext = \"SKILL.md「MBA论文章节特定改写规则」一节的源数据。\"\nchapter_labels_zh = [\"绪论\", \"理论基础\", \"现状与问题分析\", \"对策建议\", \"结论\"]\n\n# ---------------------------------------------------------------------------\n# 第 1 章 绪论\n# ---------------------------------------------------------------------------\n\n[[chapter]]\nid = \"chapter_1_introduction\"\ntitle = \"第1章 绪论\"\norder = 1\n\n[[chapter.section]]\nid = \"research_background\"\n\n[[chapter.section.ai_traces]]\nbefore = \"随着市场竞争日益激烈，企业面临诸多挑战\"\n\n[[chapter.section.ai_traces]]\nbefore = \"在……背景下\"\nnote = \"滥用背景句式\"\n\n[[chapter.section.ai_traces]]\nbefore = \"当今时代\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"直接点明研究企业、具体问题、研究必要性\"\n\n[[chapter.section.examples]]\nbefore = \"随着市场竞争日益激烈，企业面临诸多挑战\"\nafter = \"XYZ 公司作为广东省制造企业，2022-2023 年市场份额从 15% 下降至 10%，亟需优化营销策略\"\n\n[[chapter.section]]\nid = \"purpose_and_significance\"\n\n[[chapter.section.ai_traces]]\nbefore = \"具有重要理论意义和实践价值\"\nnote = \"vague_attribution / 空泛研究意义\"\n\n[[chapter.section.ai_traces]]\nbefore = \"丰富相关理论研究\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"具体说明解决什么问题、带来什么价值\"\n\n[[chapter.section.examples]]\nbefore = \"本研究具有重要理论意义和实践价值\"\nafter = \"本研究旨在通过优化 XYZ 公司绩效考核体系，解决当前研发人员流失率高达 25% 的问题，预期可将流失率降至 15% 以内\"\n\n[[chapter.section]]\nid = \"literature_review\"\n\n[[chapter.section.ai_traces]]\nbefore = \"简单罗列 A 说、B 说、C 说\"\nnote = \"缺乏归纳分析；chain_author_listing 维度直接命中\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"按主题/流派分类整理；指出已有研究不足和空白；明确本文研究的补充价值\"\nquantitative = [\n  \"参考文献不少于 50 篇\",\n  \"外文 ≥ 1/3\",\n  \"近 5 年 ≥ 1/3\",\n  \"近 2 年文献应有涉及\",\n  \"期刊论文 ≥ 60%\",\n  \"专著 ≤ 20%\",\n  \"避免大量引用学位论文\",\n]\n\n[[chapter.section]]\nid = \"research_methods\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"说明为什么选择该方法；阐述如何应用；说明数据来源和收集方式；确保研究方法与论文类型匹配\"\nnote = \"避免「简单列举方法名称」类的 AI 痕迹 (chain_method_name)\"\n\n# ---------------------------------------------------------------------------\n# 第 2 章 理论基础\n# ---------------------------------------------------------------------------\n\n[[chapter]]\nid = \"chapter_2_theory\"\ntitle = \"第2章 理论基础\"\norder = 2\n\n[[chapter.section]]\nid = \"concept_definition\"\n\n[[chapter.section.ai_traces]]\nbefore = \"大段引用教科书式理论阐述\"\nnote = \"理论与研究脱节\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"界定核心概念（2-3 个主要概念）\"\n\n[[chapter.section]]\nid = \"theoretical_framework\"\n\n[[chapter.section.ai_traces]]\nbefore = \"理论罗列：介绍 5-6 个理论\"\nnote = \"也是 chain_method_name 的模板痕迹\"\n\n[[chapter.section.rewrite_requirements]]\ntext = \"选择 1-2 个核心理论作为分析框架；理论与研究问题紧密结合；为后续分析奠定理论基础，而非纯理论介绍\"\n\n# ---------------------------------------------------------------------------\n# 第 3 章 现状与问题分析\n# ---------------------------------------------------------------------------\n\n[[chapter]]\nid = \"chapter_3_analysis\"\ntitle = \"第3章 现状与问题分析\"\norder = 3\n\n[[chapter.sect"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":null,"editorialQuality":{"score":100,"threshold":65,"status":"thin","wordCount":1194,"uniquenessScore":44,"reasons":["uniqueness-below-45"]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-11T15:30:38.248Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-11T15:30:38.248Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-11T17:43:02.067Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}