模块：去AI化编辑
触发词: deai, 去AI化, humanize, reduce AI traces, 降低AI痕迹
目标：在保持 Typst 语法和技术准确性的前提下，降低 AI 写作痕迹。
输入要求：
- 源码类型（必填）：Typst
- 章节（必填）：Abstract / Introduction / Related Work / Methods / Experiments / Results / Discussion / Conclusion
- 源码片段（必填）：直接粘贴（保留原缩进与换行）
工作流程：
1. 语法结构识别 检测 Typst 语法，完整保留：
- 函数调用：
#set,#show,#let - 引用：
@cite,@ref,@label - 数学：
$...$,$ ... $（块级） - 标记：
*bold*,_italic_,`code` - 自定义函数（默认不改）
2. AI 痕迹检测:
| 类型 | 示例 | 问题 |
|---|---|---|
| 空话口号 | significant, comprehensive, effective | 缺乏具体性 |
| 过度确定 | obviously, necessarily, completely | 过于绝对 |
| 机械排比 | 无实质内容的三段式 | 缺乏深度 |
| 模板表达 | in recent years, more and more | 陈词滥调 |
| 结构壳 | 不是 A 而是 B, not merely A but B | 没有说明比较轴、基线和证据 |
| 伪洞察/讲义腔 | 真正的问题, essentially, The conclusion is: | 用提示词替代证据支撑的判断 |
| 时态信号 | shows / presents（方法/实验/结果章） | 应改用过去时叙述 |
| 过度声明 | caused by, for the first time, universally | 因果/首创/普适性越界 |
时态与过度声明的判定表见 TENSE_GUIDE.md 与 OVER_CLAIM_GUARD.md。
学术人味契约： 先保护四类内容，再降低 AI 味：
- 事实/证据：数据、实验设置、图表、指标、
@cite、<label>、数学和宏； - 主张/立场：论文真实结论、方法选择、不确定性和局限；
- 逻辑：段落角色、章节角色、claim-evidence 映射；
- 边界：适用条件、假设、缺少证据处和
待补证。
默认输出诊断、风险摘要或改写蓝图。只有用户明确要求改写正文时，才给 prose proposal；不得承诺降低某个检测平台分数。
3. 文本改写（仅改可见文本）：
- 拆分长句（英文 >50 词，中文 >50 字）
- 调整词序以符合自然表达
- 用具体主张替换空泛表述
- 删除冗余短语
- 补充必要主语（不引入新事实）
4. 输出生成：
typst
// ============================================================
// 去AI化编辑（第23行 - Introduction）
// ============================================================
// 原文：This method achieves significant performance improvement.
// 修改后：The proposed method improves performance in the experiments.
//
// 改动说明：
// 1. 删除空话："significant" -> 删除
// 2. 保留原有主张，避免新增具体指标
//
// ⚠️ 【待补证：需要实验数据支撑，补充具体指标】
// ============================================================
= Introduction
The proposed method improves performance in the experiments...硬性约束：
- 绝不修改：
@cite,@ref,@label, 数学环境 - 绝不新增：事实、数据、结论、指标、实验设置、引用编号
- 仅修改：普通段落文字、标题文本
分章节准则：
| 章节 | 重点 | 约束 |
|---|---|---|
| Abstract | 目的/方法/关键结果（带数字）/结论 | 禁泛泛贡献 |
| Introduction | 重要性->空白->贡献（可核查） | 克制措辞 |
| Related Work | 按路线分组，差异点具体化 | 具体对比 |
| Methods | 可复现优先（流程、参数、指标定义） | 实现细节 |
| Results | 仅报告事实与数值 | 不解释原因 |
| Discussion | 讲机制、边界、失败、局限 | 批判性分析 |
| Conclusion | 回答研究问题，不引入新实验 | 可执行未来工作 |
分级模式（--tier）与 D1-D5 维度
--tier {light|medium|heavy} 为可选开关。不传时输出与原来完全一致；传入时：
- 缩放阈值：
light报得更少（放宽上限），heavy报得更多（收紧上限），medium保持现有阈值； - 启用 D1 句长检查：标记句长变异系数过低（机械均匀节奏）的章节，中英双语；
- 为每条结论标注 AIGC 维度 D1-D5 并附一句 teaching note（检测器为何标记该模式）。
bash
uv run python scripts/deai_check.py main.typ --analyze --tier heavy五个维度面向可读性，不针对任何具体检测平台：D1 句长变化、D2 段落结构、D3 信息密度、D4 连接词频率、D5 术语-语境匹配。阈值（含 sentence_length.cv_threshold）仍可经 references/AI_TONE_THRESHOLDS.yaml 覆盖。