前言¶

在 DeepSeek Harness（DSH）裏用 Agent 寫論文，常見痛點不是「寫不出來」，而是改着改着就偏了：潤色後 p 值、引用編號悄悄變了；AI 把「associated with」寫成「caused」；句子裏留下 as requested by the reviewer 這類修改過程殘留；或者某次被否決的方案又混進最終稿。事後用 Humanizer 或 AI Detector 往往只能整段重寫或給一個概率分數，很難在寫作過程中盯住證據與交付物邊界。

下面介紹維護者 xmutfyh 的 dsh-plugin-writing-guard（GitHub 21 stars）。它是面向 DSH 的科研論文寫作守衛：本地、確定性、零網絡、零 LLM，在論文工作流中持續檢查風格、鎖住證據、對照目標期刊、審計交付物泄漏。

這是什麼¶

Writing Guard 是 DeepSeek Harness 的學術寫作插件，定位是「去 AI 腔 · 守住證據 · 寫向目標期刊 · 交付物清潔」。插件不隱藏 AI 使用痕跡，而是識別並減少機械化、模板化、防禦性的 AI 寫作；在潤色前後對比數字、引用、因果表述與 scope，防止科研事實無聲漂移；還可從目標期刊代表論文蒸餾 Journal Profile，並按章節報告 fit 程度。

工作方式可以概括爲：

寫作規則 → Agent revision → automatic guard → targeted revision

即在 DSH 論文工作流中持續工作，而不是寫完再一次性 Humanize。

四大支柱¶

STYLE — 去 AI 腔¶

檢測範圍包括：

• 修改過程殘留：如 revised、as requested、本輪、審稿人要求
• 防禦性寫作：concession stacking、limitation pre-emption、generic value claim、不必要的 epistemic retreat
• 機械化修辭：不是X而是Y、rather than 濫用、三連排比、破折號/冒號濫用
• LLM 高頻詞：delve、tapestry、testament、leverage 等（按密度規則，單次不報警）
• 中文套話、「的」字鏈、平均句長異常等

英文按詞數、中文按 CJK 字數分別計算密度閾值，雙門檻降低誤傷術語的概率。

EVIDENCE — 守住證據¶

在 AI 潤色前後對比並保護：

• 數字、百分數、p 值、置信區間、單位
• \cite / \ref、Figure/Table 編號、DOI
• 因果力與證據力：例如 associated with 不能被悄悄改成 caused
• 否定與零結果：no significant difference 不能消失或翻轉
• scope 邊界與 evidence status：不能從「觀察到/報告」被改成直接聲稱

每個問題帶 findingKind：INVARIANT / VIOLATION / CANDIDATE / ADVISORY，並輸出完整性迴歸報告。

JOURNAL — 寫向目標期刊¶

從多篇目標期刊代表論文按文章獨立統計，生成 corpus-aware Journal Profile。當前比較五類信號：

• 句法結構：句長、段長等
• 語態與人稱：passive voice、first-person usage
• 引用：bibliographic citations、figure/table references
• 科學主張：claim density、causal/evidential strength、hedging、scope、null findings
• 修辭結構：rhetorical move coverage、canonical order、section-bound transition fit

Journal Fit 按章節輸出，並報告 corpus size 與 confidence。權重爲：句法結構 20%、語態人稱 10%、引用 15%、科學主張 35%、修辭結構 20%。文檔強調 Scientific Integrity > Journal Fit。

DELIVERY — 交付物清潔¶

檢測工作上下文、被否決方案和修改過程是否無事實依據地泄漏到最終成品。CAL（Context-to-Artifact Leakage）是工程術語：語言可以改，證據不能改，被否決的方案不應進入成品。

五個 DSH Tools¶

writing_delivery_audit 的最小示例：

auditDelivery({
  text: 'Remove Toast from the login form',
  surface: 'commit',
  baseline: 'export default function LoginForm() { return <div><Input /></div>; }',
  rejectedTerms: ['Toast'],
})
// → findings: [REJECTED_ALTERNATIVE_LEAKAGE, UNJUSTIFIED_NEGATIVE_REFERENCE]

文檔感知與自動審計¶

同一段文字在不同文檔類型裏規則不同。writing_audit 可通過 profile 參數指定，或從文件路徑自動檢測（rebuttal / cover_letter / manuscript 關鍵詞）：

插件監聽 tools/post-execute：對 write / edit 寫入的論文類文件（.md / .tex / .txt）自動審計，結果注入模型下一條請求。按文件持久化審計狀態，每次只注入增量（新增 / 已解決 / 仍存在）；無變化則不重複注入，並自動捕獲修改前文本運行 Scholarship Lock + Epistemic Lock。

安裝與啓用¶

推薦從 npm 安裝（當前版本 1.7.0，MIT 許可證）：

dsh plugin --profile web add dsh-plugin-writing-guard
dsh web

也支持從 GitHub 或本地源碼安裝：

# 從 GitHub 安裝（lib/ 已提交，無需構建）
dsh plugin --profile web add github:xmutfyh/dsh-plugin-writing-guard

# 從 GitHub tarball 安裝
dsh plugin --profile web add https://github.com/xmutfyh/dsh-plugin-writing-guard/archive/refs/heads/master.tar.gz

# 從本地源碼目錄安裝
dsh plugin --profile web add ./path/to/dsh-plugin-writing-guard

# 重啓生效
dsh web

要求 Node.js >= 18。安裝後插件以當前 dsh 進程權限運行，安裝前應自行檢查源碼與 MIT 許可證。

典型用法¶

1. 寫作前調用 writing_rules，加載寫作紀律。
2. 需要對照作者風格或目標期刊時，分別用 writing_style_profile、writing_journal_profile 生成 JSON，再在 writing_audit 中加載。
3. 寫作與修改過程中，writing_audit 自動或手動檢查 STYLE 與證據不變量；對 .md / .tex / .txt 的 write / edit 會觸發增量自動審計。
4. 定稿前用 writing_delivery_audit 檢查被否決方案與過程殘留是否泄漏。

與 Humanizer / AI Detector 的對比（據 README）：Writing Guard 側重寫作前規則、過程中檢查與自動監聽；不做整段重寫；風格問題可解釋；規則本地運行、零網絡零 LLM。Humanizer 更偏向寫完再改，二者可配合使用。

適用場景與注意¶

適合誰：

• 在 DSH 中用 Agent 寫或改中英文論文、回覆信、投稿信的用戶
• 需要在潤色前後盯住數字、引用、p 值、因果表述的科研寫作者
• 希望對照目標期刊代表論文校準章節寫作分佈的場景

需要注意：

• 規則基於正則與歸一化，無法覆蓋所有語義改寫（semantic paraphrase）；DELIVERY 層檢測的是可用正則表達的泄漏模式，定稿仍需人工 review。
• 中英文均支持，密度閾值按語言獨立計算。
• 所有規則本地運行，不收集、不上傳論文內容；狀態寫在 ~/.dsh/plugins/dsh-plugin-writing-guard/。
• 倉庫含 380+ 項確定性測試，CI 在每次 push / PR 執行 build + tests。

結尾¶

dsh-plugin-writing-guard 把論文寫作守衛嵌進 DSH 工作流：邊寫邊防 AI 壞寫作，鎖住證據，可選對照期刊，並審計交付物泄漏。若你在 DSH 生態裏找可本地、可解釋的學術寫作輔助，可從社區目錄或 GitHub 入手。

• 目錄頁：https://www.skillhub.cn/plugins/xmutfyh/dsh-plugin-writing-guard
• GitHub：https://github.com/xmutfyh/dsh-plugin-writing-guard