技能介绍

写作中的“表达弱化”问题

在中文内容创作中，初稿往往夹杂着大量削弱表达力度的词汇。无论是泛泛而谈的“开心”、“问题”，还是无意识使用的口头禅“然后”、“就是”，亦或是缺乏底气的“可能”、“大概”，都会让文字显得拖沓且缺乏专业度。当文章进入质量门控（quality_gate）阶段时，人工排查这些“水词”不仅耗时，且容易因阅读疲劳而漏网。

核心能力与工作机制

本技能作为本地化的写作质检工具，专注于识别并给出替换建议，其工作机制分为三个维度：

笼统词映射：将“开心/难过/东西/问题”等宽泛词汇，映射到基于大连理工大学情感词汇本体（DUTIR）精选的 650+ 词库中，提供更具画面感的精准替代词。
填充词清理：识别“然后/就是/那个/嗯”等口语化填充词，直接建议删减以精简文本。
犹豫词改写：捕捉“我觉得/可能/大概/好像”等模糊表达，建议替换为更直接、坚定的句式。

在运行环境上，技能基于 Python 3 开发，data/emotion-lexicon.json 词库文件会自动定位至脚本同级目录。用户无需记忆复杂的命令行参数，只需在对话中提出“检查这篇稿子有没有水词”或“帮我跑一下 quality gate”等自然语言指令，即可触发检查。

适用边界与注意事项

了解工具的边界有助于更合理地将其融入写作流程：

只出报告，不改写原文：工具仅提供诊断与建议，最终的用词和修改由作者决定，不替代人工判断。
纯本地运行：无需联网，所有词库数据内嵌于本地文件中，保障内容隐私。
仅限中文：当前词库与算法仅支持中文文本检查。
需人工复核：虽然词库覆盖了常见词汇，但对于需要强上下文理解的复杂表达，仍可能出现漏检或误标，建议结合人工判断进行二次确认。
词库可定制：如需适配特定领域的术语，可直接编辑 data/emotion-lexicon.json 中的 vagueToPresice、fillerWords 和 hedgeWords 字段进行扩充。