跳至正文
OpenAgentSkill
浏览已开放 · 目录记录日期 2026-11-21 · 自动更新和账户服务暂时关闭。
安全

lw-ai-tell-audit

The pre-delivery AI-tell audit for lyrics (歌词 AI 味诊断). Run this on every draft before it ships. The eight enumerable symptoms that make AI-written lyrics recognisable in one listen, which are machine-countable and which need a person, the diagnostic path from symptom to owning skill, why a draft that passes every check can still be lifeless, and the remediation list. Use when a lyric draft is about to be delivered, when a draft reads fine but feels generic, when deciding whether to accept a version, or when a lyric passed LYR-LINT but still sounds machine-written. AI 味、歌词诊断、验收、太泛、像 AI 写的、交稿前检查。

jtydhr88 · 已有静态检查记录

安装与使用

运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。

npx skills add jtydhr88/lyric-writing-skills --skill lw-ai-tell-audit

技能说明


name: lw-ai-tell-audit description: The pre-delivery AI-tell audit for lyrics (歌词 AI 味诊断). Run this on every draft before it ships. The eight enumerable symptoms that make AI-written lyrics recognisable in one listen, which are machine-countable and which need a person, the diagnostic path from symptom to owning skill, why a draft that passes every check can still be lifeless, and the remediation list. Use when a lyric draft is about to be delivered, when a draft reads fine but feels generic, when deciding whether to accept a version, or when a lyric passed LYR-LINT but still sounds machine-written. AI 味、歌词诊断、验收、太泛、像 AI 写的、交稿前检查。

歌词 AI 味诊断(AI-Tell Audit)

每一稿交出去之前都要过这个 skill。这是本库的终检。

核心命题:AI 写的词不是"用词不好",是**「没有人做过选择」**。 它写出来的四段词语法正确、押韵工整、意象丰富, 而这四段可以属于任何一首歌。

按任务读哪几节

任务读
刚写完,要验收§2 八条 → §3
"读着没问题但就是泛"★ §2(逐条查,不要凭感觉)
全过了还是像 AI★ §4
查出问题要改§5

边界

不归这里归哪
规格写完时的检查LYR-LINT 十条(lw-workflow §5.2)
具体怎么改各 L1/L2 skill(§5 给路由)
倒字的判定lw-tone-check
生成出来的音频像不像 AI库一 mc-ai-tell-audit

★ 与 LYR-LINT 的分工: lint 问"规格填完没有",本 skill 问"这词像不像人写的"。 两者都过才算完。 十条全过的词照样可能满是 AI 味。


1. 开工前

必填问法
① 这一稿的版本与来源AI 直写?skill 引导?手写?做 AB 时这一栏是全部
② 语言中文要额外查倒字/辙口
③ 有没有旋律没有的话第 5 条查不了

2. ★ 八条枚举

逐条打勾。不要凭整体印象。

#AI 味症状对抗的 LYR-SPEC 字段可自动归谁管
1名词全是抽象的imagery.concrete_nouns 必填、forbidden 黑名单✅ 词性与词表统计lw-imagery
2结构对称到死asymmetry 三项必填✅ 每段字数方差lw-structure
3什么都解决了,没有悬着的narrative.withholding 必填⚠ 半自动lw-narrative
4没有视角和时间narrative.pov + tense_anchor⚠ 人称代词检测可辅助lw-narrative
5倒字不管prosody + 倒字检测器✅ 完全可算lw-tone-check
6辙口只挑最顺的rhyme.che + 辙口分布统计✅lw-mandarin
7押韵永远选第一个想到的字rhyme.surprise_notes✅ 韵脚词频lw-rhyme
8副歌各遍全同,且末遍既没改一字也没加尾(全同本身在语料里占 27%,不是病)asymmetry.chorus_variation✅ 文本 difflw-structure §6.0

★ 八条里六条可算(第 3、4 半自动)。 这个比例比库一(十四条里九条)更硬,因为文本不需要检测。

★ 这张表一张三用:本 skill 的骨架、LYR-LINT 十条的来源、AB 实验评判表的骨架。 改一处要同步三处。

2.1 ★ 三条最致命的

不是因为最难查,而是因为它们读起来都不"错":

#为什么致命
1(名词全抽象)★ 最直接的 AI 指纹。"时光"、"远方"、"梦"、"自由"——每个都对,合起来是空的
2(对称到死)四段每段四句、每句七字、句句押韵。技术上完美,听感上是表格
3(什么都解决了)AI 会把情绪走完整:难过→释怀→祝福。真人写词经常停在难受里

2.2 四个立刻能数的粗筛

# 抽象词命中数 / 具体名词数
# 每段字数方差
# 副歌各遍的文本 diff(★ 只看末遍有没有改动;前两遍相同不算问题)
# 韵脚字的词频排名

这四项人工数——每项一分钟以内,不需要脚本。


3. 两个数,不许合并

问什么怎么得
LYR-LINT 通过数规格填完了多少十条
AI 味旗标数词有多少条机器指纹本 skill 八条
lint 全过 + 旗标少  → 好,交
lint 全过 + 旗标多  → ★ 规格本身填得像 AI(见 §4)
lint 不过 + 旗标少  → 词不错但规格没写完,补规格(为了可复现)
lint 不过 + 旗标多  → 回 lw-workflow 的 S0

4. ★ 全过了还是像 AI

这是本 skill 存在的主要理由。

4.1 四个征兆

征兆查哪
intent.one_thing 念出来像主题词不像人话lw-song-intent §2.3
anchor_object 说不出颜色和新旧★ lw-song-intent §7 的照妖镜——它是倒推出来的,不是从记忆里拿的
具体名词有了,但它们不构成系统(随机堆意象)lw-imagery(imagery.system 字段)
asymmetry 三项填了,但那些不对称没有理由lw-structure——★ 为了破坏而破坏,和整齐一样机械

★ 共同点:规则被当成了要满足的条件,而不是要做的选择。 这正好就是 AI 味的定义。

4.2 一个更狠的测试

★ 把这首词的标题和所有专有名词去掉,给一个不知情的人看。 他能说出这首歌在讲哪一件具体的事吗?

说不出来 → one_thing 没有落到词里,它只活在规格单上。


5. 整改路径

读着像 AI
 └─ ① 逐条过 §2 的八条,数出旗标数
 └─ ② 旗标 ≥ 3 → 按下表逐个改
 └─ ③ 旗标 ≤ 2 但仍然像 → §4 的四个征兆
 └─ ④ 还是不行 → ★ 回 lw-song-intent 重答五问

5.1 症状 → skill

症状先查
空、泛、什么都没说lw-song-intent(多半是 one_thing 不成立)
名词都是概念lw-imagery
读着像散文不像歌lw-structure(句式的稳定与不稳定)
整齐得像表格lw-structure 的 asymmetry
押韵顺但没意思lw-rhyme §意外度
唱出来听成别的字lw-tone-check
不知道谁在说话lw-narrative
情绪走完整了,没余味lw-narrative 的 withholding
副歌三遍一模一样、末遍没改一个字lw-structure §6.0(★ 前两遍相同是常态,别去重写副歌,改末遍一到三个字)
粤语唱出来不对lw-cantonese(★ 不是倒字,是协音)

6. ★ AB 实验:本库最便宜的那个

同一首曲子,三组词:AI 直写 / skill 引导 / 手写,都过 Suno,盲听打乱。

  • skill 组被听成"人写的" → 作词库的价值立住
  • 听众仍能把它和手写组分开 → 差的那一截就是接下来要补的规则

★ 这是整条音频线最便宜的对照实验—— 前半段(读文本盲评)根本不用生成音频。

★★ 评判表必须在看结果之前定稿,用 §2 的八条当骨架。

副产品:一份更新过的 AI 味清单,直接回填本 skill。

手写组需要用户提供自己写词的成品(三首即可)。


7. 交稿前清单

  • 逐条过了 §2 的八条,数出了旗标数(不是凭印象)
  • 中文的话,跑过倒字检测并人工确认过高风险处
  • ★ 做过 §4.2 那个测试:去掉标题和专名,别人能说出讲的是哪件事
  • asymmetry 的每一处不对称说得出理由
  • 具体名词构成一个系统,不是随机堆的
  • 副歌各遍确实不同,且改动有意义(不是换个近义词)
  • 抽象词黑名单零命中
  • 如果全过了还是觉得像 AI → 回 lw-song-intent 重答五问,不要在词面上修

附:来源

  • 骨架来自本库架构 §1.3(AI 味症状 → LYR-SPEC 对抗项对照表)
  • ⚠ 本 skill 没有:抽象词黑名单的完整词表(只有零散例子)、辙口分布统计(十三辙表可跨库引用编剧库戏曲层)、韵脚词频表
  • 第 2、7、8、9 条只报数,不判过/不过