有学术论文背书yomiyasu 语法转换14原则的底层依据全解析【免费下载链接】yomiyasuAI生成の日本語を自然な日本語へ推敲するAgent Skill / Agent Skill for Refining AI-Generated Japanese into Natural Japanese项目地址: https://gitcode.com/gh_mirrors/yo/yomiyasuyomiyasu 是一个把 AI 生成的不自然日语润色成自然日语的 Agent Skill智能体技能。它的核心不是禁用某些词而是一套体系化的语法转换规则——共 14 条原则每一条背后都有学术论文、大规模语料统计或 Markdown 语言规范的实证依据。本文为你逐条拆解 yomiyasu 语法转换 14 原则的底层逻辑让你明白它凭什么比黑名单式提示词更能去掉文章的AI 味。为什么单词黑名单治不好AI 味很多人第一次处理 AI 味文章时会这样做在提示词里写不要用『手触り』『解像度』『地味に効く』。结果 AI 只是换个说法继续犯病——把手触り换成实态把地味に効く换成効果を発揮する句子骨架依然僵硬难读。问题出在哪社区研究和 7 万篇文章的量化分析Qiita 平台 70,524 篇都指向同一个结论AI 味的根源在语法结构而不是选词。形式通胀太字出现频率增至约 3 倍列表增至 1.8 倍破折号激增至约 10 倍比喻动词激增壊れる坏掉出现率约 16 倍、効く管用约 11 倍、静かに静静地约 49 倍谁做了什么的主谓结构被省略读者被迫脑补因果所以 yomiyasu 选择直接重构语法把每条规则锚定在可信的研究结论上。这套规则的完整定义在 references/gemini-syntax.md入口说明见 SKILL.md。14 原则 × 学术依据一表看懂底层逻辑#原则一句话做什么底层依据1SVOCM 完全复原让每句话谁・做了什么・怎么样自成一体nasuvitz 的语法病理分析AI 味主因是主谓结构崩坏与指示代词滥用2按文档立场统一文末先判断全文是劝告/规定/说明再统一〜します〜しましょうChen et al.Discover Education 2025AI 会过度添加敬语和寒暄破坏自然距离感3拆解非生物主语代码在诉说→ 客观描述文档里写了什么nasuvitz拟人化非生物主语迫使读者做过度上下文补全4比喻动词具体化静悄悄地坏掉→不知不觉变得不可用ktrmnm 的 AI 语解剖 Qiita 量化调查证实壊れる等比喻动词激增5整理自我标签与否定对比删掉重要的是结论是这类空前置有意义的A 不是 B保留nasuvitz / ktrmnmself-labeling 与修辞性否定对比的病理分析6语义保持 禁止乱加信息不删原文的参数与数值也不加原文没有的原因和例子Jeong et al.ACL 2026、Ide et al.2026内容脱落与信息凭空添加需分开验证7文长 30~45 字、每句 0~2 个读点控制句长和汉文密度注此为运营参考值非论文实验值Yamashita et al.LREC 2026日语平易化 4 基准汉字密集与长复句显著损害可读性8排除文末整齐划一仅在〜です等同一结尾连续 3 句以上时调整节奏Zaitsu et al.PLOS ONE 2025、三浦・久保山JSAI 2026文体计量学证实 AI 表面流畅、结构趋同9排除破折号em dash〜——特别是〜——改用助词连接逆瀬川 2026 量化调查Qiita 文章破折号 7 年间增约 10 倍10排除不增信息的补充括号不自然的日语所谓 AI 味→ 去掉重复括注160 篇验证语料的经验规则11排除日英之间半角空格AI が 書いた 文章→AIが書いた文章日语排版规范助词与拉丁字母间不插空格12完全排除 emoji 与句末冒号装饰符号一律删除Zhang et al.ACL 2025RLHF 奖励模型独立于文章质量偏好加粗、列表、emoji 的格式偏见13重整段落逻辑结构一段一话题接下来有个要点这类空预告句并入正文逆瀬川 2026AI 普及后正文文字量倍增但实质信息稀薄化14太字必须能正确渲染把**「太字」**改成「**太字**」等可显示写法CommonMark 规范 0.31.2 与 GitHub Flavored Markdown 0.29 的强调定界符规则可以看到一个清晰的设计思路结构问题交给语言学结论符号问题交给格式偏见研究语义问题交给信息完整性研究。规则不是拍脑袋定的每条都有出处可查。yomiyasu 由 ALGO ARTIS 团队的工程师大贺爱一郎开发规则细节与学术文献的对应关系完整列在 README.md 的致谢与参考文献一节中。原则之间如何协作以静悄悄地坏掉为例单独看一条原则容易yomiyasu 的精髓在于多原则叠加。拿 AI 文中最高频的病句データが静かに壊れます数据会悄悄坏掉演示原则 3非生物主语数据不会自己坏要找动作的发起者原则 4比喻动词具体化壊れる对数据是英语silently break的直译比喻应还原为变得不可用/出现异常这类宽度相当的日常表达原则 1SVOCM 复原补出主语与对象——如果程序重复处理同一消息数据就会不知不觉出现不一致原则 6语义保持不擅自加因为网络波动这类原文没有的原因原则 7文长控制控制在 45 字左右一口气读完最终产出类似 evals/comparison_benchmark.md 中展示的对照效果改前AI 原文単にメッセージを流すだけでは、背後でデータが静かに壊れます。只传消息的话背后的数据会悄悄坏掉。改后yomiyasu 输出メッセージの二重送信が発生しても不整合を起こさないよう、受信側のプログラムで冪等性を担保する設計が不可欠です。为避免消息重复发送引发不一致接收侧程序必须做幂等性设计。因果链完整、主谓清晰、没有比喻读者不用脑补。更多真实改写对照可在 tests/corpus/yomiyasu_rewritten/ 目录下的 48 篇改写稿中查看。规则不是空谈语料验证 可执行检查yomiyasu 配套了一个 160 篇文档的验证语料库8 类实务场景 × 3 种语气 × 多个模型 人工写作 16 篇 边界用例 48 篇其中边界用例专门用来防止误伤——比如おにぎりを握る捏饭团不该被握る规则命中。同时同捆了一个零依赖的静态检查脚本可以量化 AI 味python3 scripts/yomiyasu_lint.py 你的文章.md它会输出加粗密度、列表占比、比喻动词、emoji、句末冒号等指标并打分满分 100。检查项与 14 原则一一对应源码见 scripts/yomiyasu_lint.py被判定词表的整理在 references/slop-catalog.md。这样改没改好不再靠感觉而是可复核的数字。快速上手yomiyasu 安装与使用步骤 安装Claude Code、Codex、Cursor 等环境通用npx skills add nanaism/yomiyasu 使用把 AI 生成的初稿贴给 Agent说一句把这篇文章改得通顺些即可。也可以指定领域适配不同文体ドメイン tech技术文章列表控制在 15% 以下恢复可复现的操作步骤详见 references/domains/tech.mdドメイン business业务规格书保留比喻背后的理由明确边界条件与责任主体详见 references/domains/business.mdドメイン essay随笔避免夸张的教训化保留朴素情感详见 references/domains/essay.md⚠️ 小提示如果同一环境里还启用了其他日语校对类技能建议先禁用避免指令互相干扰。写在最后yomiyasu 14 条语法转换原则的价值不在于多而在于每一条都站在实证结论的肩膀上格式偏见来自 ACL 2025 的奖励模型研究平易化基准来自 LREC 2026信息完整性来自 ACL 2026节奏多样性来自 PLOS ONE 与 JSAI 的文体计量学。这套学术依据 → 转换规则 → 语料验证 → 脚本量化的闭环正是它区别于普通提示词技巧的地方。如果你经常被 AI 味日语折磨不妨从跑一次 lint 脚本开始看看你的文章能拿几分。【免费下载链接】yomiyasuAI生成の日本語を自然な日本語へ推敲するAgent Skill / Agent Skill for Refining AI-Generated Japanese into Natural Japanese项目地址: https://gitcode.com/gh_mirrors/yo/yomiyasu创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考