企业官网建设流程全解析

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/yomiyasu

yomiyasu 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

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：

1. 原则 3（非生物主语）：数据不会自己"坏"，要找动作的发起者
2. 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
3. 原则 1（SVOCM 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"
4. 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
5. 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