确定性连续性引擎

🔗 确定性连续性引擎

v2.4.0+ 引入。 零 LLM 的机械层连续性预检引擎，双层挂载在生成层与审查层之间，在 LLM 审查之前用确定性规则捕捉结构性连续性断裂。

双维度检测

• 角色缺席检测（detectAbsentCharacter）：角色超过阈值章节未出场则报警
• 支线休眠检测（detectDormantThread）：未 resolved 的 subplot 长期无推进则报警

情绪账本（emotion-ledger）

追踪角色情绪弧线变化，在生成层前置注入，防止角色情绪在章节间不合理跳变。

机械 AI 味检测（mechanical-slop-detector）

词库命中式 AI 味打分，在审查层前置惩罚。检测”标准化”模板化表达，识别哪些片段写得像 AI。

55 号设计 W2 波（v2.7.7）

• 数值事实检查（numeric-fact-checker）：14 类数值漂移检测（时间/距离/金额/境界序数等），中文数字 CN_NUM_RE 处理，warn-only 不硬短路
• 自重复率（self-repetition）：rep_2/3/4 按字 n-gram 零 LLM 统计，2026-09-04 激活阈值 0.35（warn-only，入 ANTI_AI_COMBINED_FACTORS）
• CJK 切分增强（text-chunker）：cjk_clauses 层（，、：）解决中文长句无空格溢出；半角冒号不参与切分（URL/时间不误切）；chunk-fingerprint v1: 版本位
• mojibake 修复（format-normalizer）：UTF-8 双重编码乱码自动还原（默认开启，只匹配乱码特征序列，正常文本零变更）；全角化开关默认关闭
• 编辑影响分析（edit-impact）：编辑实体/章节前计算受影响章节（entity_id/reference_time 引用关系，零 LLM 纯函数）
• divergence trace 读路径：Rust canon_load_divergence_trace + 设置页诊断卡（双写不一致留痕可视化）

阈值校准

absent 与 dormant 的阈值经真实中文长篇样本校准：

• absentThresholdChapters：5 → 7（312 样本 P75 统计）
• dormantThresholdChapters：3 → 10（753 样本 P75 统计）

校准脚本 scripts/calibrate-from-epub.mjs 从真实章节文本统计，替换占位默认值，使阈值贴合中文长篇实际节奏。

机械层的能力边界

机械层能可靠做 防退化与检测，不能可靠做 正向选优与语义判定：

• ✅ fix-loop 候选选择能做防退化（当前 slop 高于前版 + 阈值则回退）
• ❌ 真正 Elo 选优需要 LLM judge（slop 低不等于质量高，deferred 交 LLM）
• ✅ P14 画像进化能做字段 === diff（字段值变化检测）
• ❌ 语义风格漂移检测需要语义比对（deferred 交 LLM）
• ✅ slop 检测能做 AI 味词库命中
• ❌ 质量评估（slop 低 ≠ 写得好）

超出机械层能力的部分标 deferred 交 LLM 审查层，不模糊边界。

门控优先级

整个审查体系遵循固定优先级：Consistency（一致性，P0）> Anti-AI（去 AI 味，P1）> Quality（质量，P2）。

• Consistency 失败必须修复，Quality pass 不能覆盖 Consistency fail
• 机械层检测先于语义层，机械层 fail 则短路不调语义层
• Quality 失败可降级为 warning 并标记 quality_debt