sepia

sepia 是给编码 agent 用的写作技能，它的论点在于「破绽到底长在哪一层」：长在结构里，不在用词里。通用的人味化工具改的是词汇和句法，而它从一个实验出发——人类编辑把 AI 小说的表层文风整个改写之后，分类器仍然抓得住，检出率只从 95.5% 掉到 93.9%——所以小说要先过叙事结构这一趟，才轮到字句；专业文稿则在同一份清单之上，按场合各套一份薄规则文件。四个操作——write、review、refactor、recreate——跑在同一份 SKILL.md 上，任何说 Agent Skills 标准的 agent 都能装（Skills CLI 支持 77 个以上），另外给 Claude Code、Codex、Grok Build、Antigravity 与 QwenPaw 各做了原生插件打包。它不知道的事会标出来而不是编出来：每条规则背后的证据都消化进一个研究目录，后面站着十五份一手研究；厂商没有发布提示指南的，就记为「已咨询」，不靠猜。

谁做的仓库的 303 次提交来自六个账号：283 次出自维护者自己，且用了两个提交名——Nanako Tsai 214 次、Nyanako 69 次，两者都指向同一个 GitHub 账号；其余是 AugustusW 13 次、CallMeHFK 2 次、shihyuho 2 次、Franky100-pig 1 次、javaht 1 次，另有一次提交没有关联账号。三分之二的提交——303 次里的 202 次——带共同作者尾注，其中 201 条写的是一个 Claude 模型：Fable 5.1 152 条、Fable 5 25 条、Opus 5（1M 上下文）19 条、Opus 5.5（1M 上下文）5 条；剩下那一条尾注写的是一个人。

1. 01

   二十七天、303 次提交，以及尾注里写的是谁

   仓库建于 2026-08-28，最后一次推送是 2026-09-23：二十七天、303 次提交、十四个 release，从它出现当天的 v0.2.0 到 2026-09-22 的 v0.12.2。节奏并不均匀——八月 45 次、九月 258 次——但真正值得读的是作者构成。303 次里有 283 次来自同一个账号，用了两个提交名：Nanako Tsai 214 次、Nyanako 69 次；202 次带共同作者尾注，其中 201 条写的是一个 Claude 模型——Fable 5.1 152 条、Fable 5 25 条、Opus 5（1M 上下文）19 条、Opus 5.5（1M 上下文）5 条——而写人的尾注只有一条。剩下的提交来自另外五个账号：AugustusW 13 次、CallMeHFK 2 次、shihyuho 2 次、Franky100-pig 1 次、javaht 1 次，此外还有一次没有关联账号。发版的 pull request 也是同一种口吻：正文只讲四处版本声明由 python3 scripts/check_versions.py 核对过，结尾附一条 Claude Code 会话链接，并且明说发布说明写在 tag 上而不是正文里。文档也是这么来的，而且是这个项目自己做的：三份 README 由 Antigravity CLI 跑 sepia 自己的 recreate 操作重排，走的是文档路线，当前文件是唯一的事实来源，风格指南内联进去，两份译文则加载 languages/zh.md。

2. 02

   研究目录本身就是产品，而且自带边界

   把它和一堆 prompt 区分开的，是一个研究目录，以及目录里的一个习惯：每条规则都写明出处，每个出处都写明它没覆盖什么。research/sources.md 有 61,944 字节——在这个几乎全是 Markdown 的仓库里它是最大的文件——README 的来源表列了十五份一手研究。立论的那一份是 StoryScope：61,608 篇故事，作者是人和五个前沿模型，只用叙事结构特征的分类器在 AI 小说上做到 93.2% macro-F1。真正决定设计的是下一个数字：同一项研究里，人类编辑改写过表层文风的那一档，检出率只从 95.5% 降到 93.9%。这道缝就是「修结构而不是换词」的论据。而专业文稿这条路，有一段时间就架在这个论据上、却没有自己的测量；issue #263 把话说得很直：小说路线的说法带着一个数字，专业路线的没有。2026-09-14 上线的一篇预印本补上了一部分：268 个公司域名下的 2,250 篇 ChatGPT 之前的真人博客，对 11,250 篇来自五个前沿模型的 AI 镜像，214 个特征分 11 个维度、其中 187 个是结构特征，仅用结构特征就在留出公司上分到 98.0 macro-F1，让每个模型自己改写一遍之后是 98.1。它以 SLOPSHAPE-2026 进了账本，并带着自己的边界：特征是 LLM 打分的，实验从没测过人类编辑。

3. 03

   这套说法怎么被验，以及没人注意到的四天

   技能声称的东西和仓库测到的东西之间有多大距离，仓库自己会讲。行为评测只有一例——evals/deaify-release-note/，一份 1,160 字节的 prompt 加三个 grader，分别是 104、234 和 889 字节，问的是技能有没有触发、输出读起来像不像人、有没有残留 slop 标记——每次推送都通过 claude plugin eval 跑一遍。这条流水线红了四天，而那个失败长得什么都不像：从 2026-09-15 起连续七次运行（34980491671、35005656553、35107215014、35119480316、35368600325、35368661029、35368703581）在第一个用例之前就退出 1，因为 CLI 多了一道 runner 答不了的首跑信任提示。最后一次绿灯是 2026-09-11 的 34592097838。issue #259 把那七个 id 列了出来，并指出退出是立刻发生的，所以汇总那一步什么都没打印；#260 加上 --trust-plugin，并在注释里写清这个标志断言了什么、没断言什么。其余检查这个仓库的东西几乎都是文本加 Python：两个校验器，v0.11.0 于 2026-09-18 发版时是 88 个测试，到 2026-09-20 是 94 个；一份 CodeRabbit 配置把 auto_pause_after_reviewed_commits 从 5 提到 20，因为在默认值下「审查暂停了」和「审查很慢」根本分不出来；以及真模型跑的 A/B 对照，README 把它记成项目的持续开销，而不是功能。

4. 04

   人设这一转：量出来的写法反而像一个格式

   仓库里最锋利的一次反转，是发生在「声音」上的。issue #257 是以 RFC 开的，背后有证据：2026-09-16 到 09-18 的一次私下试点产出了十九份人设档，每一份都来自对某位写作者十到十五篇文章的通读，而不是来自指标，而十九份里每一份都至少要让一条现有规则让位。第二步交付了接口、模板和 scripts/check_persona.py；第三步没有信任接口，而是把它端到端跑了一遍，维护者的报告一边列出成立的部分——路线闸门、单独成块的 persona 成本、绝不退让的类别——一边列出五个缺口，其中一个是没有诚实取值的 Consent: 字段。第四步把第一份内置人设重写了两遍。同一份事实清单上跑五次之后事情定了：用句长占比、emoji 密度和 k／n 计数写出来的身体读起来像一个格式而不是一个人，而读者认得的输出，来自写作者自己那份散文式说明——它根本不含任何分布目标。v0.12.0 把这个结论带进了接口：模板变成散文优先、十五个固定小节加一个可选的范例小节，校验器改成要求盲测记录在 Tested: untested 下必须正好是 none yet，而按上一版模板写的人设不再通过校验——这就是为什么一次 0.x 发版走了 minor 而不是补丁号。

5. 05

   别人送来了什么，以及这个项目不肯做什么

   报告里有三十个 issue 与 pull request，最有意思的恰是项目没有收下的那些。issue #268 由一位贡献者提交，是一条跟项目自身利益相反的限制说明：sepia 的输出仍可能被检测器判成「混合」，因为它刻意不去优化 burstiness 和 perplexity——正是这类检测器最依赖的两个轴——也因为项目明确表示自己不是在规避检测器。同一位贡献者随后把那两个轴做成了可选技能；第一个 pull request 被关掉，换成一个标题、正文和分支名里都不提检测器的版本，理由是那种措辞会把仓库已经表明的立场倒过来。issue #267 是一封致谢，来自一位维护投稿用论文润色技能的人，边界写得很小心：只拿了那套框架，没拿文本、没拿规则文件、也没拿语料。issue #274 则是对一个已发布包的实测——装进去的 skills 软链被压平之后，安装报成功却一个技能都没落地——而它的作者随后发了一条更正，撤回自己先前提的那个修法，理由是他后来给的替代方案才是准的。报告里最新的一条 issue #283 最不客气：一篇 2,900 字的中文科普随笔在路由表里掉进了通用文稿那一行，于是它真正的毛病所在的叙事审视与话语审视两趟，永远都不会跑。

6. 06

   一张靠逐页读厂商文档维持的指纹表

   一份 19,021 字节的参考文件声称知道每个模型默认怎么写，而 pull request 记录了维持这个说法要付的代价。Claude Opus 5.5、GPT-6 Sol 与 GPT-6 Luna 出来的时候，#275 把三者都记成「已咨询、没有文风表述」，一条可执行的行都不给，把原有表格留作先验，因为它们的页面里没有任何关于默认长度、语域、排版或语气的话。#277 把 Gemini 那一行从一个厂商从没写过的上界，收回到页面真正支持的范围——Gemini 3 与 3.1 可执行，3.5 与 3.8 Flash 只当先验——依据是厂商 2026-09-17 更新过、维护者 2026-09-23 重读过的页面。#280 重读 Opus 5.5 那页，又找出两条关于写作的表述，于是把「只有三条」这个说法换成五条原文并列，旁边写清结论为什么仍然成立：五条里没有一条给出默认长度、语域、排版或语气。最新一条是拿厂商工具审自己的技能文本：#281 跑了 Anthropic 的 /claude-api prompt-audit——那份规格随 Claude Code 2.1.280 发布，与 anthropics/skills 里一个未合并的 pull request 在某次具名 head 上逐字节相同——应用了六处中等置信度的改写，路由、操作与规则一律不动。六处里有一处让引用点名 GPT-5、DeepSeek-V3 与 o3-mini，并承认没有任何 Claude 模型被测过。