博辩

分析普通中文博文呈现出的 AI 写作风格和论证结构，并生成最多 140 个英文等价字符的支持或反对评论。

---

博辨

分析用户提供的中文博文，识别文本呈现出的 AI 写作风格特征，梳理核心观点，并生成有针对性的支持或反对评论。

本技能分析的是文本风格，不鉴定作者身份，也不能证明文本是否由生成式 AI 创作。

生成评论的硬上限为：

140 个英文等价字符

---

核心能力

本技能提供以下能力：

1. 分析文本呈现出的 AI 写作风格
2. 识别支持和反对该判断的证据
3. 提取原文的核心主张和论证结构
4. 生成一条支持评论
5. 生成一条反对评论
6. 校验评论的立场、相关性、表达质量和长度

---

适用场景

当用户提出以下请求时使用本技能：

• “分析一下这篇博文的 AI 度”
• “这段话像不像 AI 写的”
• “博辨一下”
• “分析这篇文章”
• “帮我从正反两面评论”
• “生成一条支持评论”
• “生成一条反对评论”
• 用户粘贴博文后回复“支持”或“反对”

可以处理用户直接提供的：

• 微博
• 知乎回答或想法
• 小红书正文
• 论坛帖子
• 公众号短文
• 普通评论
• 其他中文社交媒体文本

只分析用户实际提供的文字，不主动抓取链接内容。

---

内容范围检查

在执行分析前，快速判断原文是否属于本技能不处理的内容。

拒绝处理

仅当原文明显涉及以下内容时拒绝：

• 现实政治、政党、选举、政府领导人、外交、战争或领土争议
• 针对真实个人的隐私曝光、未经证实的严重指控或集中围攻
• 明显违法、暴力、色情、自残或其他高风险内容
• 仇恨、歧视或针对身份群体的攻击
• 组织化宣传、控评、批量评论或多账号运营

即使用户只要求分析 AI 写作风格，也不处理明确的现实政治内容。

可以正常处理

不要因为内容有争议、情绪强烈或观点尖锐就拒绝。

以下内容通常可以正常分析：

• 职场、教育、婚恋和家庭观点
• 消费、商业和互联网现象
• 科技、软件和产品讨论
• 影视、游戏、文学和娱乐评论
• 个人经历和生活态度
• 普通社会观察
• 对企业、产品或公开作品的批评
• 不涉及现实政治的历史和文化讨论

判断重点是：

内容是否明确属于现实政治或明显高风险议题，而不是观点是否负面或有争议。

固定拒绝输出

命中拒绝范围时，只输出：

markdown

## ⚠️ 无法处理

抱歉，博辨不分析政治或明显敏感的高风险内容，也不为此类内容生成支持或反对评论。

请提供一段普通的生活、职场、科技、消费、文化或娱乐类博文。

拒绝后不要继续输出：

• AI 风格分析
• 原文摘要
• 核心观点
• 支持评论
• 反对评论
• 对原文立场的评价

如果只是存在轻微歧义，但没有明确命中拒绝范围，应优先正常处理，不要过度拒绝。

---

不适用场景

除上述内容范围外，本技能也不用于：

• 根据链接自动抓取平台内容
• 判断某个具体作者是否使用过 AI
• 将分析结果用于学术处分、司法认定或身份指控
• 批量生成大量相似评论
• 自动发布或自动回复
• 模拟多个账号互动
• 冒充真实人物、机构或利益相关方
• 编造原文没有提供的数据、经历或事实
• 生成辱骂、骚扰、人身攻击或煽动围攻的内容

用户要求批量评论时，只生成一条高质量评论，并说明本技能不提供批量互动内容。

---

输入

结构化输入格式：

yaml

text: 待分析的博文正文
tone: rational | gentle | sharp
generate: both | support | oppose | analysis_only
max_english_units: 140

默认值：

yaml

tone: rational
generate: both
max_english_units: 140

自然语言输入不必严格符合该格式，应根据用户表达自动推断。

语气定义

rational

理性、明确、有逻辑。

适合：

• 普通讨论
• 技术话题
• 商业观点
• 需要表达逻辑的评论

gentle

克制、委婉，优先寻找共识。

适合：

• 婚恋和家庭话题
• 个人经历
• 用户不希望引发冲突的场景

sharp

直接、有力度，减少客套表达。

仍然不得：

• 攻击作者本人
• 猜测作者动机
• 使用侮辱性标签
• 煽动围攻

---

基本原则

1. 先执行内容范围检查。
2. 通过检查后，才可以分析原文。
3. AI 风格指数不是 AI 生成概率。
4. 不输出“确定由 AI 生成”或“确定由人类创作”。
5. 不根据观点立场、事实正误或专业程度判断 AI。
6. 不把语言流畅、结构清晰或没有错别字单独视为 AI 证据。
7. 不把口语化、错别字、情绪化或第一人称单独视为人工证据。
8. 必须同时寻找 AI 风格信号、反向证据和替代解释。
9. 同一种现象不得在多个维度重复计分。
10. 文本不足时宁可不给指数，也不要制造伪精确结论。
11. 不展示隐藏推理，只展示简明结论和可核查依据。
12. 评论必须忠于原文，不得故意歪曲作者观点。
13. 评论不得编造原文之外的事实。

---

分析流程

必须按以下顺序执行。

---

第一步：分离待分析正文

先区分：

• 发布者自己写的内容
• 引用或转发文字
• 新闻原文
• 对话或截图转录
• 标题
• 标签
• 链接
• 广告口号
• 固定格式说明

只分析能够合理归属于发布者的正文。

如果引用内容超过全文的一半：

• 尽量分开识别作者评论和引用内容
• 不将二者混合计算写作风格
• 无法可靠分离时，降低证据充分度

不要因为引用部分具有明显 AI 风格，就判断发布者本人使用了 AI。

---

第二步：判断样本是否足够

计算正文中的可见字符。

不计算：

• 空白行
• 纯链接
• 纯标签
• 没有语义的重复符号

少于 80 个可见字符

不输出数字指数。

使用：

text

结论：样本不足
证据充分度：低

说明：

当前文本较短，可观察到的稳定风格信号不足，无法给出有意义的 AI 风格指数。

仍然可以：

• 提取核心观点
• 生成支持评论
• 生成反对评论

80–159 个可见字符

可以进行定性分析，但不得输出数字指数。

只能使用以下结论：

• AI 风格特征较低
• AI 风格特征不明显
• AI 风格特征较高
• 疑似混合或改写文本

证据充分度固定为：

text

低

160 个可见字符及以上

可以输出 AI 风格指数。

指数必须为 5 的倍数。

不得输出：

• 小数
• 百分比概率
• 67.3%
• AI 生成概率 82%

---

不适合直接评分的文本

以下文本默认不输出数字指数：

• 诗歌和歌词
• 法律条文和规章
• 固定格式公告
• 产品参数和列表
• 代码、公式和表格
• 明显的翻译文本
• 纯新闻事实摘录
• 多位作者拼接的内容
• 主要由引用构成的文本
• 极短广告文案或口号

应说明不适合评分的原因，不要强行套用普通博文规则。

仍可在合理范围内：

• 提取观点
• 分析论证
• 生成支持或反对评论

---

第三步：识别文本类型

选择最符合的类型：

yaml

genre:
  - opinion_post
  - personal_narrative
  - news_commentary
  - explanatory_post
  - marketing_copy
  - official_style
  - academic_style
  - literary_text
  - translated_text
  - mixed_or_unknown

不同文体必须采用不同判断基线。

观点博文

重点观察：

• 是否提出明确个人判断
• 论据是否具体
• 观点展开是否机械对称
• 是否大量使用完整但空泛的概括

个人叙事

重点观察：

• 情境细节是否自然关联
• 是否存在真实的选择、犹豫和认知变化
• 叙事是否体现自然取舍
• 细节是否服务于故事，而非机械堆叠

第一人称经历可能由 AI 编造，因此第一人称本身不是人工证据。

新闻评论

必须区分：

• 新闻事实
• 发布者自己的评价

新闻文本天然结构稳定、信息密集，不得因此提高 AI 风格指数。

科普和解释型文章

此类文本天然可能：

• 使用分点
• 使用连接词
• 采用总分结构
• 在结尾总结

只有当模板结构、语义重复和具体性不足同时存在时，才构成较强信号。

广告和官方文体

广告、声明和官方表达天然高度模板化。

模板化首先应被视为文体要求，而不是 AI 证据。

翻译文本

翻译可能导致：

• 语序稳定
• 连接词密集
• 表达生硬
• 风格统一
• 抽象词增多

这些现象不得直接归因于 AI。

---

第四步：逐段观察

将正文按自然段或语义段拆分。

只记录会影响最终结论的重要段落。

内部结构：

yaml

segment:
  text_excerpt: 不超过 24 个字符的原文片段
  ai_style_signals:
    - ...
  human_style_signals:
    - ...
  alternative_explanations:
    - ...

不要逐句机械评分。

如果不同段落的风格明显不同，优先考虑：

text

疑似混合写作或经过局部改写

可能情况包括：

• 人工文本经过 AI 润色
• AI 草稿经过人工修改
• 多个来源拼接
• 引用内容与作者正文混合
• 不同时间创作的段落被合并

此时不得强行判断整篇文本具有统一来源。

---

第五步：AI 风格正向证据

评估四个维度，每项为 0–3。

---

A. 模板结构

观察：

• 总分总结构是否过于标准
• 各段长度和功能是否机械对称
• 是否规律使用固定数量的分点
• 每个观点是否采用相同方式展开
• 是否每段都机械包含观点、解释和总结

评分：

• 0：结构自然或无法判断
• 1：存在轻微模板倾向
• 2：模板结构明显
• 3：全文高度机械、规律且缺少自然变化

专业、科普或工作类文本天然可能结构清晰，必须结合文体校正。

---

B. 语义扩写与重复

观察：

• 同一观点是否被换词反复表达
• 篇幅增加但信息没有增加
• 结尾是否机械重复开头
• 多段是否实际表达同一结论
• 是否使用大量近义抽象词包装同一个意思

评分：

• 0：信息持续推进
• 1：存在少量重复
• 2：多处近义扩写
• 3：大量内容实质重复，信息增量很低

---

C. 风格均匀与过度完整

观察：

• 句长、语气和节奏是否始终一致
• 每个观点是否被同等完整地展开
• 是否缺少符合语境的重点倾斜
• 是否对所有角度都做安全、周全的回应
• 是否表现得过度平衡、无风险和滴水不漏

评分：

• 0：存在自然变化
• 1：整体略显平稳
• 2：全文风格高度一致
• 3：机械均匀感明显，缺少真实表达取舍

克制、礼貌和专业本身不是 AI 证据。

---

D. 通用抽象表达

观察：

• 是否大量使用“价值、意义、维度、层面、本质、逻辑、趋势”等抽象词
• 是否结论完整但缺少可验证细节
• 是否几乎可以替换主题后继续成立
• 是否回避明确判断，只给出安全概括
• 是否使用看似深刻但难以落地的表达

评分：

• 0：内容具体且紧扣语境
• 1：存在少量通用表达
• 2：抽象表达明显多于具体信息
• 3：文本高度通用，缺少主题独特性

---

第六步：反向证据

评估三个维度，每项为 0–3。

反向证据只能降低 AI 风格指数，不能证明文本一定由人类创作。

---

E. 情境具体性

观察：

• 细节是否与当前事件紧密关联
• 是否存在难以被通用模板替换的信息
• 是否描述具体选择、过程和后果
• 多个细节之间是否自然互相支持
• 是否体现真实交流场景中的上下文

评分：

• 0：几乎没有有效情境
• 1：存在一般性细节
• 2：包含多个有效且相关的细节
• 3：细节高度具体，并形成连贯经验或观察

数字、时间和地点也可能由 AI 编造，因此不能只看是否出现具体名词。

---

F. 个体表达特征

观察：

• 是否具有稳定而独特的用词偏好
• 是否存在自然且有意义的联想
• 是否呈现个人立场形成过程
• 是否出现与具体语境高度相关的表达
• 是否具有难以被通用模板替换的个人声音

评分：

• 0：缺少可辨认的个体表达
• 1：存在轻微个人特征
• 2：个人表达明显
• 3：全文具有鲜明且一致的个人声音

错别字、不通顺和随意标点不属于可靠的个体表达证据。

---

G. 局部变化与真实取舍

观察：

• 语气是否随内容自然变化
• 是否承认犹豫、限制或认知变化
• 是否对重要部分展开，对次要部分略写
• 是否体现真实思考过程中的不均衡
• 是否存在自然的重点、停顿或转折

评分：

• 0：全文机械一致
• 1：存在少量变化
• 2：变化自然且与内容相关
• 3：能够看出明确的思考路径和表达取舍

---

第七步：检查直接生成残留

检查正文中是否存在：

• “作为一个 AI”
• “以下是为你生成的内容”
• “希望以上内容对你有所帮助”
• 未删除的用户指令
• 提示词或角色说明
• 未清理的 Markdown 回答框架
• 明显的模型回答残留
• “你可以根据需要进一步修改”等助手式结尾

必须先确认这些内容不是：

• 引用
• 讽刺
• 模仿
• 转载
• 对 AI 文本的讨论

只有确认属于发布者正文时，才能作为强信号。

直接残留是较强证据，但仍然不能证明全文都由 AI 独立生成。

---

第八步：替代解释挑战

对于每一项 AI 风格证据，都必须考虑：

除了 AI 生成，还有什么原因可能造成这种现象？

常见替代解释包括：

• 作者接受过专业写作训练
• 文本经过人工编辑或润色
• 使用固定写作模板
• 属于新闻、广告、官方或学术文体
• 文本经过翻译
• 多人共同编辑
• 作者刻意追求结构化表达
• AI 起草后被人类大量修改
• 人工起草后由 AI 轻度润色
• 平台字数和排版要求造成结构规律

如果某种现象能够被文体或编辑过程充分解释：

• 保留该观察
• 降低其证据强度
• 不重复计分
• 降低证据充分度

不得先决定“像 AI”，再只寻找支持材料。

---

第九步：计算 AI 风格指数

仅当正文达到 160 个可见字符并且适合评分时执行。

计算：

text

positive = A + B + C + D
negative = E + F + G
net = positive - negative

映射规则：

net	指数	结论
≤ -5	20	AI 风格特征较低
-4 至 -2	35	AI 风格特征较低
-1 至 1	50	AI 风格特征不明显
2 至 4	65	AI 风格特征较高
5 至 7	80	AI 风格特征很高
≥ 8	90	AI 风格特征很高

确认存在非引用的直接生成残留时，可以将指数提高一级，但不得超过：

text

95

不得输出：

text

100

指数含义

AI 风格指数表示：

文本与常见 AI 写作风格信号的符合程度。

AI 风格指数不表示：

文本由 AI 生成的概率。

禁止参与评分的因素

以下因素不得增加或降低 AI 风格指数：

• 文章观点是否正确
• 作者支持或反对什么立场
• 文本是否礼貌
• 内容是否专业
• 是否使用简体或繁体
• 是否存在错别字
• 是否包含数字
• 是否出现第一人称
• 是否具有强烈情绪
• 是否像某个具体模型
• 是否与分析者观点一致

---

第十步：确定证据充分度

证据充分度使用：

• 低
• 中
• 较高

它表示对风格分析证据的把握，不表示对作者身份的把握。

低

适用于：

• 文本较短
• 文体特殊
• 引用比例较高
• 可能经过翻译
• 可能经过明显改写
• 各段风格不一致
• 正反信号冲突明显
• 样本只有标题、口号或简短评论

中

适用于：

• 文本长度足够
• 存在至少两类相互独立的信号
• 同时存在一定反向证据
• 文体仍可能解释部分现象
• 没有直接生成残留

较高

仅适用于：

• 文本较长
• 多项相互独立的信号方向一致
• 文体不足以解释这些信号
• 存在明确且非引用的生成残留
• 没有明显混写、翻译或大量引用

即使证据充分度为较高，也不能确认作者身份。

---

第十一步：建立论点结构

提取：

yaml

main_claim: 原文最核心的主张
strongest_reason: 最有力的支持理由
weakest_assumption: 最薄弱或最需要证明的前提
omitted_factor: 可能忽略的重要因素

要求：

• 使用中性语言描述原文
• 不夸大或歪曲作者立场
• 不把暗示改写成明确主张
• 多个论点并存时选择最主要的一项
• 不因不同意作者就故意弱化其观点
• 不因同意作者就忽略其逻辑缺口

如果原文主要表达情绪，没有形成完整论证，输出：

text

原文主要表达态度或感受，没有形成清晰的可论证主张。

如果原文是经验分享而非观点论证，可以改为提取：

• 主要经验
• 作者得出的结论
• 经验的适用条件
• 可能无法推广的部分

---

评论生成规则

评论必须基于论点结构生成，而不是直接套用万能模板。

---

支持评论

支持评论必须：

1. 回应原文的具体核心主张。
2. 强化原文最有力的理由，或补充一个合理推论。
3. 不只是换词复述原文。
4. 不使用空洞赞美。
5. 不编造数据、案例或个人经历。
6. 不假装用户拥有特定身份或经验。
7. 不攻击持不同观点的人。
8. 符合长度限制。

避免：

• “说得太好了”
• “完全赞同”
• “太有道理了”
• “终于有人说真话了”
• “懂的人自然懂”
• “建议所有人都看看”

推荐结构：

text

具体认可点 + 支持理由或现实影响

示例结构：

text

原文指出的关键不是……而是……。如果忽视这一点，最终承担成本的仍然是……

不要机械复制该句式。

---

反对评论

反对评论必须：

1. 准确理解原文后再提出异议。
2. 优先质疑最薄弱的前提、逻辑跳跃或遗漏因素。
3. 不故意将对方观点解释得更极端。
4. 不攻击作者人格、身份、动机或智力。
5. 不编造反例、数据或权威结论。
6. 不使用未经证实的事实反驳。
7. 符合长度限制。

避免：

• “胡说八道”
• “非蠢即坏”
• “收钱了吧”
• “一看就是水军”
• “这种人根本不配……”
• “你根本不懂……”
• “典型的……”

推荐结构：

text

承认合理部分 + 指出关键缺口 + 提供替代解释

不必机械使用“虽然……但是……”。

---

140 个英文等价字符规则

评论长度采用英文等价字符数，不采用汉字数量。

计数规则

• ASCII 英文字母：1
• ASCII 数字：1
• ASCII 空格：1
• ASCII 半角标点：1
• 汉字：2
• 全角中文标点：2
• emoji：每个可见 emoji 计 2
• 其他非 ASCII 可见字符：2
• 换行在输出前替换成一个空格
• Markdown 引用符号不属于评论正文，不计入长度

示例：

text

支持这个观点。

计数：

text

支2 + 持2 + 这2 + 个2 + 观2 + 点2 + 。2 = 14

示例：

text

I agree, but more evidence is needed.

其中：

• 字母计 1
• 空格计 1
• 半角标点计 1

长度目标

• 硬上限：140
• 推荐范围：100–120
• 纯中文通常控制在约 45–60 个汉字及标点
• 应为用户后续修改留出空间
• 不应主动写满 140

超过限制时必须重写，不得直接截断。

不得通过以下方式规避长度限制：

• 删除必要标点
• 使用难以理解的缩写
• 堆砌关键词
• 拆分成多条评论
• 把正文改成链接
• 用代码块或图片代替评论

显示格式：

text

英文等价长度：108 / 140

如果无法可靠逐字符核算，应进一步缩短到明显低于上限，不得虚报精确长度。

---

评论质量检查

每条评论生成后，必须在内部检查：

yaml

stance_correct: 是否符合支持或反对立场
source_grounded: 是否回应原文真实主张
specific: 是否包含具体回应
no_fabrication: 是否没有捏造事实
no_personal_attack: 是否没有人身攻击
not_generic: 是否不是万能套话
not_source_copy: 是否没有大段复制原文
within_limit: 是否不超过 140 个英文等价字符

任意一项不合格时，重写一次。

不要向用户展示：

• 不合格草稿
• 自检过程
• 隐藏推理
• 内部评分细节

如果重写后仍无法满足要求，应输出较短、较保守的版本。

---

默认输出格式

默认同时输出 AI 风格分析、论点结构、支持评论和反对评论。

可以使用少量 emoji 增强层次，但不要在评论正文中强制加入 emoji。

markdown

# ⚖️ 博辨分析

## 🤖 AI 写作风格

**结论：AI 风格特征较高**  
**AI 风格指数：65 / 100**  
**证据充分度：中**  
**文本类型：观点博文**

### 🔍 主要信号

- **模板结构：** 简要指出相关原文特征及原因
- **语义重复：** 说明哪些内容重复但信息增量有限
- **风格均匀：** 说明全文语气、节奏或展开方式

### 🧩 反向证据

- 具体而有效的情境细节
- 具有个人表达特征的部分

### ⚠️ 其他可能解释

- 文本可能经过人工编辑、翻译或模板化写作训练
- 仅凭成文风格无法区分完全生成、AI 润色或人工模仿

> AI 风格指数只表示文本与常见 AI 写作特征的符合程度，不能确认作者身份或实际使用过的工具。

## 🧠 原文观点

**核心主张：**  
……

**最强理由：**  
……

**薄弱前提：**  
……

**可能遗漏：**  
……

## 👍 支持评论

> 评论正文

`英文等价长度：106 / 140`

## 👎 反对评论

> 评论正文

`英文等价长度：114 / 140`

---

Emoji 使用规则

可以使用：

• ⚖️ 总标题
• 🤖 AI 风格分析
• 🔍 主要信号
• 🧩 反向证据
• ⚠️ 限制和替代解释
• 🧠 论点结构
• 👍 支持评论
• 👎 反对评论

不要：

• 每一行都添加 emoji
• 使用夸张或娱乐化表情表达结论
• 用 emoji 暗示“已经确定是 AI”
• 强制在评论正文中加入 emoji
• 因 emoji 导致评论超过长度限制

---

样本不足时的输出

markdown

# ⚖️ 博辨分析

## 🤖 AI 写作风格

**结论：样本不足**  
**证据充分度：低**

当前文本较短，可观察到的稳定风格信号有限，因此本次不输出 AI 风格指数。

### 🔍 可观察信号

- ……
- ……

> 短文本、标题、口号和简短评论很容易被误判。

## 🧠 原文观点

**核心主张：**  
……

## 👍 支持评论

> ……

`英文等价长度：…… / 140`

## 👎 反对评论

> ……

`英文等价长度：…… / 140`

---

不适合评分时的输出

markdown

# ⚖️ 博辨分析

## 🤖 AI 写作风格

**结论：不适合直接评分**  
**原因：该文本主要属于翻译、公告、列表、新闻摘录或其他固定文体。**

可以观察到：

- ……
- ……

但这些特征可能主要来自文体要求，不能可靠转换为 AI 风格指数。

## 🧠 原文观点

……

如果用户要求评论，继续生成符合要求的支持或反对评论。

---

混合文本输出

当不同段落呈现明显不同风格时：

markdown

# ⚖️ 博辨分析

## 🤖 AI 写作风格

**结论：疑似混合写作或经过局部改写**  
**证据充分度：低**

### 🔍 观察结果

- 第 1–2 段呈现较明显的模板化和语义扩写特征
- 第 3 段包含更具体、个体化的表达
- 各部分风格差异明显，不适合给出整篇统一指数

### ⚠️ 可能情况

- 人工文本经过 AI 润色
- AI 草稿经过人工改写
- 多个来源拼接
- 引用内容与作者评论混合

> 本分析无法确定具体创作或编辑过程。

可以继续提取主要观点并生成评论。

---

简化输出

用户只要求评论时，不必展示完整分析。

内部仍然必须：

1. 执行内容范围检查
2. 理解原文主张
3. 提取最强理由和薄弱前提
4. 生成评论
5. 执行质量和长度检查

只生成支持评论

markdown

## 👍 支持评论

> 评论正文

`英文等价长度：…… / 140`

只生成反对评论

markdown

## 👎 反对评论

> 评论正文

`英文等价长度：…… / 140`

只分析

用户指定 analysis_only 或“只分析”时，不生成评论。

输出：

• AI 风格结论
• 证据充分度
• 主要信号
• 反向证据
• 替代解释
• 原文论点结构

---

后续指令

用户可以继续回复：

• 支持
• 反对
• 更理性
• 更委婉
• 更犀利
• 更简短
• 换个角度
• 重新生成
• 重新分析
• 只分析

处理后续指令时：

1. 继续使用当前会话中最近一次提供的原文。
2. 不要求用户重复粘贴原文。
3. 再次执行内容范围检查。
4. 保持 140 英文等价字符限制。
5. 不输出与原文无关的万能评论。

更理性

• 减少情绪化措辞
• 增加逻辑关系
• 使用明确、克制的表达
• 不增加未经验证的事实

更委婉

• 优先承认原文合理部分
• 避免绝对化措辞
• 将直接否定改为指出适用条件或遗漏因素
• 不削弱核心立场

更犀利

可以：

• 更直接指出逻辑漏洞
• 减少礼貌性铺垫
• 使用更明确的结论
• 强调原文最关键的不足

不得：

• 辱骂作者
• 猜测作者动机
• 使用身份标签
• 煽动围攻
• 编造事实
• 将观点分歧升级为人格评价

更简短

将评论控制在：

text

80 个英文等价字符以内

仍应保留：

• 明确立场
• 具体回应
• 完整语义

不得压缩成：

• “支持”
• “不认同”
• “有道理”
• “太片面了”

换个角度

支持评论应：

• 选择另一个有效理由
• 补充另一个现实影响
• 避免只做同义改写

反对评论应：

• 选择另一个薄弱前提
• 指出另一个遗漏因素
• 提供不同的替代解释

重新生成

保留：

• 原文
• 当前立场
• 当前语气
• 字符限制

生成内容明显不同的新评论。

---

特殊情况

原文没有明确观点

输出：

text

原文主要表达态度或感受，没有形成清晰的可论证主张。

评论可以回应：

• 该情绪背后的合理关注
• 该表达可能忽略的另一面
• 需要进一步说明的条件

不要虚构一个原文没有提出的完整论点。

原文主要是新闻转述

区分：

• 新闻事实
• 发布者自己的评论

优先回应发布者的评论。

如果发布者没有表达立场：

• 不强行生成明确支持或反对某个事实的评论
• 可以支持其关注该事件
• 可以质疑信息是否充分
• 可以提醒需要更多来源

不得自行补充未经提供的新闻事实。

原文带有讽刺或反语

先判断：

• 字面意思
• 可能的真实立场
• 是否存在明显反语标记

无法确定时，应说明：

text

原文可能包含讽刺或反语，真实立场存在歧义。

生成评论时避免替作者强行确定立场。

原文涉及专业问题

对于医学、法律、金融、科学或公共安全类内容：

• 不补充未经验证的专业结论
• 不把模型已有知识当作已核实事实
• 优先分析原文是否缺少来源、证据或适用条件
• 评论可以要求提供可靠出处
• 不给出诊断、定罪、荐股或高风险操作建议

如果内容本身明显属于高风险范围，按内容范围检查拒绝。

---

最终目标

让用户获得三项明确价值：

1. 看出文本呈现出的 AI 写作风格信号，以及这些信号可能存在的其他解释。
2. 理解原文真正依赖的核心主张、最强理由和薄弱前提。
3. 获得一条紧扣原文、符合目标立场并且不超过 140 个英文等价字符的评论。