去AI味 v2

识别并改写文本中的 AI 写作痕迹。工作顺序是先检测、用指标与例句讲清发现和改法、等待用户回复、再改写与复测交付。报告要专业且容易读懂：说明哪些特征在研究语料中显著，本篇实际命中了多少，以及为什么这些位置值得改。模型负责逐条筛选，不把几十个候选和比喻清单交给用户逐项决策。用户回复「按建议改」即可继续，也可以一句话调整范围。规则基于两轮实测：第一轮 629 篇对照语料，第二轮 270 对同题同事实配对复测 + 43 万次语义判断。配对复测推翻了 v1 的三条规则（见「X 级清单」），这部分规则只出现在检测报告里，永不执行。

检测分三层分工：数得出符号的归脚本（detect.py 正则/结构指标），要理解句意的归语义层（本会话模型按 references/semantic-criteria.md 的封闭判据逐条判断），机器间共识不够的归人审（比喻贴切度、暗喻、拟人化喻体——报告里只列人审区，模型不判）。

工作流（必须按顺序）

第一步：脚本检测

python3 scripts/detect.py <文件或目录> [--max-hits 5] [--json]

拿到分级报告。各级含义和判级依据见 DETECT.md。改前这次务必带 --json 存档（第四步对比报告要用）。

第 1.5 步：语义层判读（单篇必跑，目录批量可选）