一、先看它由哪四块组成

与 1.2.1（扣子）、4.3.1（文心）一样，一个智能体拆开就是四块。但知乎这一侧的第四块变了：

第四块为什么是本章独有的？ 因为在知乎，【内容合格】和【内容好看】是两件事，但【内容合格】和【内容真的存在】是同一件事——5.1.1 现状三讲过：判定看的是文本特征，而文本特征是从生成方式里长出来的。所以自查必须自查到【特征】这一层，不能只查错别字和格式。

二、提示词里必须写死的三件事

这三件事，前三章的智能体也写，但知乎这一侧的分寸不一样。

第一件：输入是【任务卡】，不是【话题】

✗ 差的写法：帮我写一篇关于家庭收纳的回答。
✓ 好的写法：按下面这张任务卡写一篇知乎回答。
           【问题链接】https://www.zhihu.com/question/123456
           【切入角度】成本预算（对标显示：此角度未被覆盖）
           【目标字数】1200~1600
           【要补的缺口】给出三档预算下的不同配置
           【形态】回答（不是文章，不是想法）
           【必须包含】至少 3 处具体的数字（尺寸/价格/时长）

区别在于：差的写法把【选什么角度】这个判断留给了模型，而模型一定会选最安全的那个角度（也就是对标里已经挤了 3 篇的那个角度）。好的写法把判断留在了人这边（5.3.1 做完了），模型只负责把它写出来。

第二件：输出必须是【结构化的】

不要让它交一篇文章，让它交一份【带字段的结果】——因为下游的 RPA（5.4.1）要解析它：

{
  "form": "回答",
  "qurl": "https://www.zhihu.com/question/123456",
  "title": "",
  "body": "……（正文）",
  "topics": ["收纳", "家居"],
  "ai_assisted": true,
  "detail_points": ["门后二十厘米", "鞋凳三十五厘米撞脚", "预算分三档"],
  "needs_human": ["亲历细节只写了 2 条，建议再补 1 条"]
}

注意最后两个字段：detail_points（我写了哪些具体细节）与 needs_human（我哪儿还不够）。 让模型自己报出【我需要人补什么】——这是本节最实用的一个技巧。 它比人从头检查一遍快得多，而且它比人更清楚自己缺什么。

第三件：把【禁忌】写清楚，尤其是这几条

这五条里，前两条是【不许编】，后三条是【不许太整齐】。 前者保护真实性，后者保护人味——它们看起来是两件事，其实是同一件事：不许用【生成的速度】去冒充【亲历的时间】。

三、人味对抗：不是藏，是补

这个小节是本节的核心。先说清楚一个常见误解。

为什么【藏】这条路走不通？ 因为判据是一组统计特征——句式、词汇分布、情感起伏、结构整齐度。这些特征是从生成过程里长出来的：

• 模型为什么句长均匀？因为它是一句一句按概率生成的，每句都落在【最可能的长度】附近；
• 模型为什么爱用【首先/其次/综上】？因为那是语料里最常见的结构路标；
• 模型为什么没有具体数字？因为它没有过你家门后二十厘米的那个经验。

换句话说：特征不是衣服，是骨骼。 你换一件衣服（改几个词），骨骼没变。

所以正确的动作是【往里加真实的东西】——而这些恰好是模型加不进去的：

所以本节的做法是：把这五项变成可以数的量，摆在面前，一项一项补。

四、动手 Demo：人味特征自检器

它做一件事：把上面五件事（加上节奏）变成六个数，摆在面前。 输入是初稿，输出是一份体检单。

# -*- coding: utf-8 -*-
"""5.3.2 Demo：人味特征自检器 —— 不去猜【平台怎么判】，只看【文本特征偏哪边】（纯标准库）"""
import re
import statistics

DRAFTS = {
    "D1【机器味重】": """家庭收纳是一项需要系统规划的工作。合理的收纳能够显著提升居住体验。
首先，我们需要明确收纳的基本原则。分类是收纳的基础。合理的分类能够让物品各归其位。
其次，我们要选择适合的收纳工具。收纳盒是常见的选择。不同尺寸的收纳盒适用于不同场景。
再次，我们需要建立长期的维护习惯。定期整理是保持整洁的关键。良好的习惯能够带来持久的效果。
综上所述，家庭收纳需要从原则、工具、习惯三个方面系统推进。只有这样，才能真正实现整洁有序的居住环境。""",

    "D2【人味足】": """我家玄关只有一米二宽，门后到墙只有二十厘米。
之前那里堆着七八双鞋、三四个没拆的快递箱，出门前找钥匙要翻三分钟。后来我干脆全清掉，只留三样。
说实话，我一开始买了个三十五厘米宽的鞋凳，结果开门撞脚，退了；换成一米二里勉强塞得下的窄边款才合适。
这个坑我建议你先量尺寸再下单，别信那种【进门随手一放】的效果图。
至于要不要买一体式鞋柜，我觉得看情况：如果你家门后有一米五以上，一体式确实更利落；只有二十厘米就算了，根本塞不进去。
现在我出门基本上十秒能走人。""",
}

# ---- 判据 ----
CONNECT = ["首先", "其次", "再次", "最后", "综上所述", "总而言之", "总的来说", "由此可见"]
STANCE = ["我觉得", "我认为", "我建议", "我不建议", "说实话", "坦白说", "我个人", "我劝", "我的经验是"]
HESITATE = ["可能", "大概", "不一定", "看情况", "因人而异", "说不准", "未必", "再说吧", "就算了"]
# 第一人称的具体动作：排除【我们】，允许中间夹少量字（我一开始买了个）
SELFACT = [r"我家", r"我(?!们)[^，。；：！？\n]{0,6}?(?:买|试|换|退|装|用|踩|花|攒|量|清|扔|留|做|选|测|查|问)"]
DETAIL = [r"[\d一二三四五六七八九十百千万两半几]+\s*(?:厘米|毫米|米|寸|公分|平|元|块|天|分钟|小时|秒|个月|年|双|个|张|件)"]

def sentences(t):
    parts = re.split(r"[。！？!?\n]", t)
    return [p.strip() for p in parts if len(p.strip()) > 1]

def para_first2(t):
    out = []
    for p in t.split("\n"):
        p = p.strip()
        if p and not p.startswith("#"):
            out.append(p[:2])
    return out

def report(name, text):
    body = re.sub(r"\s+", "", text)
    n = len(body)
    ss = [len(s) for s in sentences(text)]
    mean = statistics.mean(ss)
    sd = statistics.pstdev(ss)
    connect = sum(text.count(w) for w in CONNECT)
    stance = sum(text.count(w) for w in STANCE)
    hes = sum(text.count(w) for w in HESITATE)
    selfact = sum(len(re.findall(p, text)) for p in SELFACT)
    detail = sum(len(re.findall(p, text)) for p in DETAIL)
    starts = para_first2(text)
    dup = len(starts) - len(set(starts))

    items = [
        ("句长起伏", "标准差 %.1f（均长 %.1f）" % (sd, mean), sd >= 8,
         "句子长度太整齐 —— 把长句拆短、或往长句里塞一个短句"),
        ("连接词密度", "每百字 %.2f 次（共 %d 次）" % (connect * 100.0 / n, connect), connect * 100.0 / n <= 1.0,
         "首先/其次/综上这类路标词太密 —— 删掉一半，用实质内容衔接"),
        ("具体细节", "%d 处（数字＋单位）" % detail, detail >= 3,
         "几乎没有具体数字 —— 补上真实尺寸/价格/时长/数量"),
        ("个人立场", "%d 处" % stance, stance >= 2,
         "没有明确的【我觉得】—— 补一句只有你能说的话"),
        ("犹豫与例外", "%d 处" % hes, hes >= 1,
         "一路都太确定 —— 补一个例外情况或【看情况】"),
        ("自身经历", "%d 处（我家/我买/我试…）" % selfact, selfact >= 2,
         "没有第一人称的具体动作 —— 补一件你真做过的事"),
    ]

    print("=" * 72)
    print("【%s】  正文 %d 字 / %d 句 / %d 段" % (name, n, len(ss), len(starts)))
    print("=" * 72)
    seg = "  段落开头重复 %d 处" % dup
    print(seg)
    score = 0
    for label, val, ok, tip in items:
        score += 1 if ok else 0
        print("  [%s] %-10s %s" % ("✔" if ok else "✘", label, val))
        if not ok:
            print("         → %s" % tip)
    print("  ------------------------------------------------------------")
    print("  人味项通过 %d/6" % score)
    return score

scores = {}
for name, text in DRAFTS.items():
    scores[name] = report(name, text)
    print()

print("=" * 72)
print("对比与结论")
print("=" * 72)
for name, s in scores.items():
    bar = "█" * s + "·" * (6 - s)
    print("  %-16s %s  %d/6" % (name, bar, s))
print()
d1, d2 = list(scores.values())
print("  两稿的字数差不多，可读性也都没问题；差别全在【特征】上。")
print("  人味不是形容词，是这几个可以数的量：句长标准差、路标词密度、")
print("  具体数字、明确立场、例外情况、第一人称动作。")
print("  结论：别去猜平台怎么判 —— 先把这六个数摆出来，自己就知道该改哪儿。")

实际运行输出（真跑，不是示意）：

========================================================================
【D1【机器味重】】  正文 211 字 / 13 句 / 5 段
========================================================================
  段落开头重复 0 处
  [✘] 句长起伏       标准差 4.7（均长 15.2）
         → 句子长度太整齐 —— 把长句拆短、或往长句里塞一个短句
  [✘] 连接词密度      每百字 1.90 次（共 4 次）
         → 首先/其次/综上这类路标词太密 —— 删掉一半，用实质内容衔接
  [✘] 具体细节       1 处（数字＋单位）
         → 几乎没有具体数字 —— 补上真实尺寸/价格/时长/数量
  [✘] 个人立场       0 处
         → 没有明确的【我觉得】—— 补一句只有你能说的话
  [✘] 犹豫与例外      0 处
         → 一路都太确定 —— 补一个例外情况或【看情况】
  [✘] 自身经历       0 处（我家/我买/我试…）
         → 没有第一人称的具体动作 —— 补一件你真做过的事
  ------------------------------------------------------------
  人味项通过 0/6

========================================================================
【D2【人味足】】  正文 223 字 / 7 句 / 6 段
========================================================================
  段落开头重复 0 处
  [✔] 句长起伏       标准差 15.8（均长 30.9）
  [✔] 连接词密度      每百字 0.00 次（共 0 次）
  [✔] 具体细节       10 处（数字＋单位）
  [✔] 个人立场       3 处
  [✔] 犹豫与例外      2 处
  [✔] 自身经历       4 处（我家/我买/我试…）
  ------------------------------------------------------------
  人味项通过 6/6

========================================================================
对比与结论
========================================================================
  D1【机器味重】         ······  0/6
  D2【人味足】          ██████  6/6

  两稿的字数差不多，可读性也都没问题；差别全在【特征】上。
  人味不是形容词，是这几个可以数的量：句长标准差、路标词密度、
  具体数字、明确立场、例外情况、第一人称动作。
  结论：别去猜平台怎么判 —— 先把这六个数摆出来，自己就知道该改哪儿。

读结果，五个值得注意的地方：

1. 两稿的字数几乎一样（211 vs 223），可读性也都没问题，分数却是 0/6 和 6/6。 这是本节最有力的一条结论：人和机器写的差别，不在【通不通顺】，在【特征偏哪边】。 换句话说——读完觉得【写得挺好啊】的稿子，可能就是 0 分那份。这也解释了 5.1.1 里那句反直觉的话：太标准、太正确、太挑不出毛病，反而是危险信号。

2. D1 里最刺眼的是【连接词密度】：每百字 1.90 次——首先/其次/再次/综上所述，四个路标词，211 字里出现了 4 次。 这是教科书式的结构，也是 AI 最典型的指纹：因为这类词在语料里就是【组织段落】的通用工具，模型用它来保证逻辑连贯——而真人写东西，通常是靠内容本身衔接的（D2 里 0 次）。

3. 句长标准差差了 3 倍以上（4.7 vs 15.8）。 D1 的句子几乎都在 13~16 字之间——因为它是一句一句按概率生成的，每句都落在最可能的长度附近；D2 里有 55 字的长句（那个【看情况】的例外说明），也有短促的收尾。这个数字测量的是【节奏】，而节奏是最难伪装的东西。

4. 六项里，只有【句长起伏】是靠【改】过的，其余五项都是靠【补】。 这个区别很实际：补内容只要你有素材就行（补 3 处数字、补 1 句立场、补 1 个例外）；而改节奏要动句子的结构。 这正好解释了 5.2 那个闸门位置的设计——【补人味】必须放在排版之前。因为动句子结构这件事，一旦排好版、填进编辑器，成本会暴涨；而在初稿阶段，改一句话后面的东西全自动跟着变。

5. 脚本最后那句结论，是本节要你带走的一句话：别去猜平台怎么判——平台的具体阈值没有公开，猜也猜不准；但这六个数是你自己能摆出来的。 把可以数的量控制好，比猜测一个不公开的规则靠谱得多。

五、⚠️ 2026 现状：智能体搭在哪个平台

教材这一节没有指定平台，这反倒是个好机会——可以把前三章的三种平台横向比一比。

三条判断：

1. 平台的选择不是本章的重点。 本节讲的四块结构（人设/知识/工作流/检查）在哪个平台上都成立——换平台要改的是操作按钮，不是这套骨架；
2. 但【检查】这一块，各平台的能力不一样。 有的平台能在对话里加【工作流节点】做格式校验，有的只能靠你在提示词里写死要求。本章的六项自检，最稳的做法是【不依赖平台】——写成脚本在本地跑（就是上面这个 Demo）。理由和 4.4.3 选墨滴一样：把工具擅长的交给工具，把流程需要的写成代码；而【可移植】恰好是流程需要的东西；
3. 如果你的目的是长期使用，就避开正在退役的平台。 1.3 那一节已经把时间和影响范围写清楚了，这一条属于【知道就行，不用纠结】的级别——因为本课教的是【设定的方法】，不是【某个平台的按钮位置】。

30 秒实验

把 Demo 里 DRAFTS 的 D2 复制一份，把里面所有的数字删掉（一米二、二十厘米、七八双、三分钟、三十五厘米、十秒……），再跑一次。

会发生什么：

• 【具体细节】从 10 处掉到 0 处，那一条立刻变成 ✘，分数从 6/6 掉到 5/6；
• 但更值得注意的是它没掉的那些——句长、立场、犹豫、经历都还在。这说明【具体数字】是最容易单独摘掉的一项。

结论：在六项里，【具体数字】是性价比最高的一项——它最容易补（不用编故事，量一下、记一下就有），而且它是【编不出来的】（模型没有你家门后的尺寸）。所以如果时间只够补一项，补数字。

顺着这个思路想一层：为什么【数字】这么重要？因为数字是【经验留下的痕迹】——你量过，所以你记得；你没量过，所以你说不出来。 平台判低质时看的【缺乏事实依据】，看的正是这个。

常见误区

1. 【人味就是把 AI 的稿子改写一下，让它读起来像人】——错，方向错了。 改写（换词、调语序）不改变统计特征——句式、句长分布、词汇均匀度、路标词密度这些是从生成过程里长出来的。正确的手段是【添加】：往里加具体数字、明确立场、例外情况、第一人称动作。 一句话：人味是补出来的，不是藏出来的。
2. 【让模型自己选角度更省事】——错，那正好掉进红海。 模型一定会选最安全的那个角度——也就是对标里已经挤了好几篇的那个（5.3.1 的 Demo 里是【原理科普】3 篇）。视角的选择必须由人做完，写进任务卡。 对标的产出不是素材，是约束。
3. 【六项全过就能过审】——错，别把它当破解工具。 平台的判据没有公开，这个脚本是把【人味】变成可操作的动作，不是【算法对抗】。 抱着刷指标的心态用它，结果会是【六项都凑满了，内容还是空的】——而平台看的是一组特征加上内容本身。
4. 【刻意打散句长是一种伪装】——不是，但要讲顺序。 真人写东西天然长短不齐（一句话想清楚就短），打散句长只是恢复自然状态。但顺序不能反：先有真实内容，再让节奏自然。 把一段空话拆成两句，还是空话。
5. 【补人味可以放到最后，排版完再一起改】——错，那时候成本就上去了。 六项里五项是【补内容】（随时能补），但【句长起伏】那一项要【动句子结构】——在初稿阶段改一句话，下游全自动跟着变；等排好版、填进编辑器再改，你得重来一遍。 这正是 5.2 把【补人味】放在【Agent 出稿之后、RPA 接手之前】的理由。

• ☐ 下一节（5.4.1 RPA发起会话并获取图文）

相关笔记

• 对标图文Agent工作流 —— 本节任务卡的来源，先拆对标再动笔
• 知乎图文创作和发布概述 —— 【判定看文本特征】这个前提的出处
• 创建文心智能体的方式 —— 设定卡五段的写法，本节沿用了它的骨架
• Agent图文整合工作流 —— 结构化输出与【用个人体验代替客观断言】的来处
• 🤖 Agent+RPA实战 · 索引 —— 全课路线图