# 〖共创稿事节〗HarmonyOS 7 新特性实战（64）：四万三千字压到三万三——异兽详情分层去重的硬约束、口吻门禁与钉点维护

上一篇写地图浮雕的边界怎么从格子楼梯走到多边形真轮廓，这一篇回到内容层，处理一个更隐蔽的膨胀：异兽详情页。为了把每只异兽做出层次，文案分成了四层——详情正文、阅读注、学习卡（知识卡与故事卡）、馆长导读。层与层各有职责，但写着写着，同一件事被四层反复讲：36 只异兽的访客文案总量膨胀到 43,473 字，与原文的倍率最高 18.1 倍——读者点开一只三百字的异兽，要滑过三千多字才能看完。

结论先说：这轮治理把总量压到 33,256 字（−23%），倍率降到 15.4× / 12.4×，「馆藏简介 ↔ 白话解读」的 bigram Jaccard 重合度中位数从 17% 降到 11%，而 1,800 字的阅读厚度下限一只都没破。支撑它的是一套「硬约束先行」的改写流程，和一轮今天（2026-11-09）复跑才现出原形的钉点维护——钉点也会过期，这是本篇最想讲的一课。

一、膨胀先量化：倍率与重合度

治理之前先回答两个问题：膨胀到什么程度？膨胀在哪？

第一个问题用倍率回答。口径固定为「访客可读正文 ÷ 原文正文」：原文取自《山海经》维基文库整理稿的经文段落（去空白后的汉字数），文案取四层正文之和。以第一批 18 只（v4）为例：

口径	去重前	去重后
36 只文案总量	43,473 字	33,256 字（−23%）
第一批 18 只倍率	18.1×	15.4×
第二批 18 只倍率	13.7×	12.4×

第二个问题用重合度回答。抽「馆藏简介」与「白话解读」两层，各取汉字 bigram 集合算 Jaccard：

// 每只异兽算一遍：两层文案的 bigram 重合度。
// Jaccard 越高，说明两段话在讲同一件事——分层名存实亡。
const bigrams = (s) => {
  const t = String(s ?? '').replace(/\s/gu, '');
  const out = new Set();
  for (let i = 0; i < t.length - 1; i += 1) out.add(t.slice(i, i + 2));
  return out;
};
const jaccard = (a, b) => {
  const A = bigrams(a); const B = bigrams(b);
  let inter = 0;
  A.forEach((g) => { if (B.has(g)) inter += 1; });
  return inter / (A.size + B.size - inter);
};

去重前 18 只的中位数 17%——两层文案有六分之一的二字组合是共享的。字数膨胀和重合度偏高指向同一个病：层级之间没有分工合同，每层都在「把这只异兽完整介绍一遍」，只是措辞不同。治理的目标因此不是「删字」，是把每层压回它自己的职责：详情正文讲完整档案，阅读注只讲怎么读原文，学习卡讲知识与故事，馆长导读只讲观看动线。

二、先立硬约束，再动笔

改写最容易翻车的地方是「越删越薄」——把分层压成了空洞。所以动笔前先立一组硬约束，全部可机检：

约束	内容	防什么
阅读厚度下限	每只 visitorContentLength ≥ 1800	防删成空洞
必需事实钉点	每只 4~5 条事实关键词必须保留	防丢事实（如鹿蜀的「其文如虎」）
篇幅硬顶	馆长导读每条 220–350 汉字	防导读层二次膨胀
名词表规模	glossary 5–8 条、术语去重	防词条凑数或重复
口吻规则	七类 AI 腔禁用语（详见下）	防改写带进机器腔

其中「阅读厚度」的口径本身就是一个约束：不能把重复模块算成补写成果。统计函数先做集合去重，再拼长度——同一句话在详情和导读里出现两次，只算一次：

// 只计不重复的访客正文：原文引用、标签、标题与完全重复的模块体都排除。
export function visitorContentLength(item) {
  const prose = [item.summary, item.detail, item.readingNote,
    ...[item.knowledge, item.story].flatMap((card) => [card.summary, card.content, card.readingTip]),
    ...item.glossary.map((entry) => entry.note), ...item.curatorTopics.map((topic) => topic.content)];
  return [...new Set(prose.map((value) => value.replace(/\s/gu, '')))].join('').length;
}

必需事实钉点是这一轮的主角。每只异兽在门禁里钉 4~5 条「必须保留的事实关键词」——鹿蜀必须留住「其文如虎」，帝江必须留住「识歌舞」。改写时逐条对照，改完由门禁逐条断言：

const REQUIRED_FACTS = {
  beast_lushu: ['杻阳之山', '白首', '其文如虎', '赤尾'],  // 虎文一词已随分层改写移入 glossary，正文钉点改钉「其文如虎」
  beast_zhulong: ['钟山', '烛阴', '视为昼', '瞑为夜'],
  beast_dijiang: ['浑敦', '识歌舞'],
  // ... 36 只逐一钉
};

口吻规则防的是另一种翻车：改写交给语言模型时，「删减」很容易带进 AI 腔。规则收成七类正则，正文、词条、导读逐字段断言：

export const VISITOR_COPY_TONE_RULES = [
  // ① 面向访客的叙述不许出现校勘动作（校勘、底本、异体字……）
  /校勘|底本|异体|原注|注疏/,
  // ② 指着界面元素说话（这个页面、本节内容……）
  /这个页面|本节内容|此条目|当前卡片/,
  // ③ 反转式 AI 句型（不是……而是……）
  /不是[^。]{0,24}而是/,
  // ④ 机械排比引导（首先……其次……）
  /首先[^。]{0,60}其次/,
  // ⑤ 阿拉伯数字计数叙述（4 个要点、3 种说法）
  /\d+\s*(?:个|种|条|项)(?:要点|说法|特征|层次)/,
  // ⑥ 空洞评价（丰富多彩、博大精深……）
  /丰富多彩|博大精深|源远流长/,
  // ⑦ 生成自述（为您提供、希望这份……）
  /为您提供|希望这份|以上就是/
];

七类规则的来源不是拍脑袋，每一类都对应一次真实翻车：⑤「3 种说法」这种计数腔，是第一批文案最扎眼的机器味；②指着界面说话，在横竖屏切换时尤其荒谬——卡片内容没换，界面语境变了。

三、改写流水线：dump → rewrites → scan → apply

四步流水线把「改 36 只异兽」变成可审计的批处理：

1. dump：从规范源导出每只异兽的四层正文工作单，供改写者逐只处理；2. rewrites：改写产物按 beastId 落成结构化文件，字段与规范源一一对应；3. scan：扫描器对每份改写跑硬约束——篇幅、钉点、口吻、分层重合度，任何一条不过就不进入下一步；4. apply：改写器把通过的改写回写进规范源 .mjs 文件。

apply 是最容易写坏的一步：它直接编辑源码文件，必须按字段定位、按偏移安全替换。第一版在这里翻过车——knowledge 和 story 两个卡片字段共用同一个搜索起点，第二处 span 定到了错误位置，替换后整个文件语法报废。修法有两个关键点：每个字段从自己的键位置重新定位；所有编辑按起点倒序应用，先改文件后面的部分不影响前面字段的偏移：

// 每个卡片字段各自定位（from = 本只异兽块起点），span 互不串扰
for (const field of ['knowledge', 'story']) {
  const span = keySpan(source, field, from, limit);
  if (span === undefined) throw new Error(`${beastId}: no ${field} key`);
  edits.push([span, `${field}: ${card(rewrite[field], target.indent)}`]);
}
// 编辑按 keyStart 倒序应用：先改后面，前面的偏移不受影响
edits.sort((a, b) => b[0].keyStart - a[0].keyStart);
for (const [span, text] of edits) {
  source = source.slice(0, span.keyStart) + text + source.slice(span.valueEnd);
}

scan 通过后 apply 回写，回写完立刻重跑一遍全部门禁——改写器自己也要被门禁盯，因为它是一次大规模自动化编辑，任何定位错误都会静默弄坏一批数据。

四、钉点也会过期：今天复跑抓到的两处

前面都是 2026-10-13 当天的故事。真正有意思的是今天：为写这篇复跑门禁，两处红了。

第一处：鹿蜀的「虎文」钉点失效。 verify-rich-beast-depth 报「beast_lushu must retain '虎文'」。查了正文才发现：分层改写把「虎文」这个词从详情正文挪进了名词表（glossary 里仍有一张「虎文」词条），而钉点校验的 fullText 不包含名词表——事实还在，钉点看不到。这不是内容回归，是钉点的字段范围过期。处置按既有先例：改钉到承担同一职责的正文句——正文现在写「其文如虎」，钉点随之改写（见第二节代码里的注释）。

第二处：相柳的边界句真的被削掉了。 verify-batch2-pilot-content 报「beast_xiangliu must retain '古代'」。这一次不是钉点过期——查 git 历史确认，改写删掉了故事卡里承担审读边界的一句话：「这是古代神话以异物讲述地貌的方式」。分层去重要压掉的是重复，不是立场；这句边界是当年审读纪律的锚点，丢了就是真回归。处置：按口吻规则核对后把边界句补回故事卡，再重跑同步生成器，把规范源的修正同步进应用侧 .ets 数据文件：

node backend/scripts/generate-batch2-pilot-arkts.mjs
# PASS 2026.09.14-pilot-v15-visitor-copy: generated ShanhaiBatch2PilotData.ets

两处红、两种病、两种处置——这正是钉点体系的价值：它校验的是「读者必须能读到什么」，不是「文件里有没有这个字符串」。事实还在但钉点看不见，是校验口径要跟上数据结构；事实真的没了，就是内容回归，要修复而不是放宽校验。区分这两种情况靠的是查证据（正文现状 + git 历史），而不是调阈值。

五、终局门禁：36 条目全字段比对

分层去重的收口门禁是四道，今天全部复跑通过：

门禁	断言内容	今日结果
verify-rich-beast-depth	第一批 18 只：≥1800 字、来源钉点、口吻	PASS
verify-batch2-pilot-content	第二批 18 只：同口径 + 边界句钉点	PASS
verify-visitor-copy-tone	36 只全部访客字段逐条过七类口吻规则	PASS
verify-strict-content-samples	应用侧 .ets 与规范源全字段同步	PASS

最后一道最重：它不只比对目录文件，还把应用侧 36 条目、1,116 个现代字段、72 张学习卡、144 次馆长真实读取逐一 deepEqual 比对——馆长导读不是存好的文本，是运行时从话题数据现算的，门禁连「现算结果与规范源一致」也钉死了：

// 馆长导读按真实读取路径现算，防止「数据对了、组装错了」这类静默错位
const guide = createShanhaiCuratorGuide(topic.topic, beast, undefined, undefined);
assert.equal(guide.content, `${topic.title}。${topic.content}`, `${id}: actual ${topic.topic} guide`);

今日复测的数字（与 10-13 同口径）：

指标	数值
36 只文案总量	33,111 字（第一幅 17,313 / 第二批 15,798）
倍率	第一批 15.4× / 第二批 12.3×
「馆藏简介↔白话解读」Jaccard	中位 11% / 最大 21%
篇幅最紧	beast_zhuyan 2,076 字（下限 1,800 未破）

收个尾

复盘这轮治理，能沉淀的顺序依然不能颠倒：

• 膨胀先量化再动刀。 倍率回答「膨胀到什么程度」，Jaccard 回答「膨胀在哪」——没有这两个数，「文案有点长」只会变成一轮没有终点的删减。
• 硬约束先行，改写在后。 1,800 下限、事实钉点、口吻规则全部可机检之后，改写才敢放开手——约束不是改写的补充，是它的前提。
• 工具也要被门禁盯。 apply 直接编辑源码文件，定位错误的代价是一批数据报废；倒序应用编辑和逐字段定位是它自己的安全带。
• 钉点是合同，合同要维护。 钉住「读者必须读到什么」的钉点，会随数据结构搬家而失效；复跑抓到的两处红，一处改钉、一处修复——区分它们靠证据，不靠调阈值。

四层文案的分工合同，最后落成一句话：详情正文讲档案，阅读注讲读法，学习卡讲知识与故事，馆长导读讲动线。每层守自己的职责，重合度自然降下来；反之，靠措辞变换压字数，重合度迟早涨回去。43,473 到 33,111 的差值里，删掉的不是信息，是四层都在重复的那份「完整介绍」。

附：本篇证据清单

• 门禁复跑（2026-11-09）：backend/scripts/verify-rich-beast-depth.mjs PASS（第一批 18 只 ≥1800、事实钉点、口吻）、backend/scripts/verify-batch2-pilot-content.mjs PASS（第二批同口径）、app-harmony/scripts/verify-visitor-copy-tone.mjs PASS、app-harmony/scripts/verify-strict-content-samples.mjs PASS（36 条目 / 1,116 现代字段 / 72 学习卡 / 144 次馆长真实读取）。
• 指标复测：36 只文案总量 33,111 字（同口径公式 sum/detail/note/K/S）、Jaccard 中位 11% 最大 21%、最紧 beast_zhuyan 2,076 字；验收当日数字 43,473 → 33,256（−23%）见验收记录。
• 验收记录：acceptance/2026-10-13-detail-layer-dedup/（分层结构截图、阅读注独立层展示）。
• 口吻规则与硬约束源码：backend/scripts/content-copy-quality.mjs（七类规则）、backend/scripts/strict-content-contract.mjs（glossary 规模、导读篇幅、话题顺序）、backend/scripts/visitor-content-length.mjs（去重口径）。
• 改写工具链：.workbuddy-ai/tmp/apply-rewrite.mjs（按字段定位、倒序应用编辑）。
• 关联稿件：审读口径与内容治理的第一轮（审核说内容太少）见系列第 52 篇；全书对账管线见系列第 62 篇；地图浮雕边界四轮返工见系列第 63 篇。
• 已知欠账：第二批倍率 12.3× 与验收当日 12.4× 的 0.1 差异来自后续轮次的零星内容修订，同口径下无需处理；名词表术语的 bigram 重合未纳入 Jaccard 口径，如后续词条扩张再评估。