llmlint 文风检查

AI 写出来的字，读者一眼能认出来。填充词、机械过渡、公式化排比、什么都说了又什么都没说的总结段——这些不是"写得不好"，是可识别的模板痕迹。

llmlint 像 eslint 检查代码一样检查稿件。

它检查什么

340 条规则（默认启用 311 条），覆盖典型的 AI 写作痕迹：

规则按两个维度分类。复核方式分为 agent（需要结合语境判断）、human（要作者自己定）、none（机械可判）；可修复性分为 auto（能自动改）、candidate（给候选）、manual（只能人工）。

静态规则秒级扫全稿，给出稳定、可复现的候选位置。它快，但它只是证据，不是判决。

LLM 规则做语境判断——同一个句式在爽文里是节奏，在文艺向里是滥用，静态规则分不出来，模型能。

两层的定位是明确的：命中不等于要改。目标不是把命中数清零，而是在守住原文事实、剧情功能、角色声音和文体意图的前提下，减掉没有功能的模板负担。把 P(AI) 刷到 0 而把文章改烂，是失败不是成功。

在编辑器里：llmlint 是内置 Skill，直接让 Agent 用它检查当前章节。Agent 会跑静态检测、结合语境复核、给出修复计划，改之前会先给你看。

当独立 CLI 用：

bash

llmlint check <文件或 glob>    # 检查，支持多文件、Markdown 遮罩、JSON / 紧凑输出
llmlint fix <文件>             # 只做机械 auto 修复

check 支持 Markdown 遮罩——代码块、链接 URL 这些地方不参与检测。

自动修复只做机械 auto 类。需要语境判断的问题不会被静默改掉，因为改错的代价远大于漏改。

Agent 辅助修复走审批流程：给出计划 → 你批准 → 才动稿子。疑难判断可以沉淀为本地学习记录，下次遇到同类情况不用重新讨论。

llmlint 有自己的仓库和许可证，可以脱离 NeuroBook 单独用在任何中文 LLM 输出上：

规则可以按 namespace 或单条覆盖，也可以针对不同任务配置不同的规则集。