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 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 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） 对抽出的四类候选（同义重命名段 / 段间衔接接口 / 冒号句 / 三连同构组），按 references/semantic-criteria.md 的判据…