taiwanizer

---
name: taiwanizer
description: >
  支語警察 — 把文章/文案/對話裡不小心混入的中國大陸用語（支語）抓出來、改回台灣慣用語。
  用 AI 寫完稿後特別好用，因為 LLM 的中文語料以簡體/中國來源為主，常產出「繁體皮、簡體骨」
  的文字（視頻、質量、默認、調用、數據庫…）。當使用者說「叫支語警察來」「支語警察」「找支語」
  「這篇有沒有支語」「把中國用語改成台灣用語」「幫我抓陸用語/對岸用語」「/支語警察」，
  或要求檢查/淨化一段中文是否含對岸用詞時，務必觸發本技能。也提供 `支語警察 開 / 關`
  來開關「常駐自動巡邏」hook。功能是正經糾錯與改正，不是嘴砲玩梗。
  支援三種偵測強度：普通版(常態)、進階版、以及「支語檢察官 / ULTRA」深度法辦模式
  （使用者說「支語檢察官」「切進階」「ULTRA 模式」「逐字法辦」時切換）。
---

# 支語警察

把中文文字裡的**支語（中國大陸慣用語）**抓出來、改回**台灣慣用語**。名字是趣味外皮，
**任務本身是正經的糾錯與改正**——不嘴砲、不玩梗、不教訓人，就是乾淨俐落地指出哪裡是支語、
換成什麼、為什麼。

## 為什麼需要它

台灣有自己的詞彙與語感，但常常就那幾個字讓整篇文案「變支」。尤其用 AI 寫作之後更明顯：
LLM 的中文訓練語料以簡體/中國來源為主，而且多半只做**字級**簡轉繁、沒做**詞級**在地化，
產出「繁體皮、簡體骨」——字是繁體，選詞還是對岸的（視頻 / 質量 / 默認 / 數據庫 / 調用）。
這層詞彙偏移簡繁轉換工具修不掉，正是本技能要補的洞。

## 判定哲學：三級 + 白名單（很重要，別當矯枉過正的警察）

1. **硬錯（hard）** — 台灣基本不用、辨識度高的支語。**直接改正**。
   例：軟件→軟體、視頻→影片、質量→品質、默認→預設、屏幕→螢幕、服務器→伺服器、調用→呼叫。
2. **灰色地帶（grey）** — 台灣其實也用、或語境不同、或已深度融入的詞。**不要自動改**，
   改成**列出來請使用者校對**「有這幾個詞要不要改」，把決定權留給人。
   例：迭代、優化、數據、用戶、智能、通過、靠譜、顏值、內捲、躺平、落地。
3. **同名異實（context）** — 台灣與中國**同字不同義**的假朋友。**絕不自動改**，
   偵測到就跳出「⚠️ 看你是哪個意思」提示、把兩岸語義講清楚，讓人自己判斷。
   例：**土豆**（台=花生／陸=馬鈴薯）、**質量**（台=物理 mass／陸=quality）、
   **水平**（台=horizontal／陸=程度）。硬改這類會把對的字改錯，比漏抓更糟。
4. **白名單（whitelist）** — 看起來像、其實是台灣本來就用的詞，**絕不要抓**。
   例：社群（台灣正解，中國才叫「社区」）、渲染、部署、繼承、置頂、彈幕、人設、資訊、訊息。

> 誤抓白名單詞（尤其「社群、渲染、部署」）是支語警察最常翻車、最被反感的地方。寧可漏抓，不要錯抓。

## 三種偵測強度模式（分級制）

詞庫約 5 萬條，依「可靠度 × 使用頻率」分三級，由 `~/.claude/taiwanizer.level` 控制：

| 模式 | 約條數 | 內容 | 何時用 |
|------|--------|------|--------|
| **普通版**（預設常態）| ~2,600 | hard 全部 + 日常/AI/coding/生活高頻 + **精選人名地名品牌譯名**（奔馳/奧巴馬/悉尼）+ 同名異實 | 平常寫稿、hook 巡邏。快、零誤判 |
| **進階版** | ~7,000 | + NAER 14 個寫作相關學術領域（計算機/醫學/教科書…）| 寫長文、專業文、要更嚴 |
| **支語檢察官 ULTRA** | ~5 萬 | + 冷僻科學 jargon（naer-sci） | 逐字法辦、學術文件深審（噪音較多、需人工複核）|

**兩種觸發法（重要分清）：**

1. **單次深審（最常見）**——使用者寫完一篇，說「**叫支語檢察官出來驗證**」「**請檢察官審這篇**」
   「**用 ULTRA 審**」「**逐字法辦**」：對這篇做**一次性最高階 L3 檢查**，**不改變平常預設模式**：
   ```bash
   python scripts/police.py <貼文檔> --level 3
   ```
   出完整報告（硬錯改正 + 灰色校對 + 同名異實 + 譯名）。審完，下一篇若沒特別說，仍是普通版。

2. **永久切換預設**——使用者說「平常都用進階」「預設切檢察官」：才改持久模式：
   ```bash
   python scripts/mode.py 普通      # 或 進階 / 檢察官 / status
   ```

`scripts/police.py` 依「目前模式（或 `--level`）」只載入該層級的 grey；hard 與同名異實永遠全載。
> 寫完貼文找檢察官驗 = 走第 1 種（單次 `--level 3`），這樣常態保持普通版的零誤判，
> 又能在發文前用最嚴的標準把關一次。

> 原則：普通版只放「真的會出現在台灣人寫作裡」的詞，確保零誤判；檢察官那 5 萬條多是專業
> jargon，平常開只會拖累＋誤判，深度審核才展開。L3 屬深審模式、本就會有噪音，需人工複核。

## 人工核對回饋閉環（越用越強）🔁

這是本 skill 的靈魂：**普通版自動做掉大部分；支語檢察官最仔細、但太仔細所以要人工核對；
人工核對後的判斷再寫回詞庫——越用越強。**

```
普通/進階 ─自動─→ 檢察官(ULTRA)深審 ─→ 你核對(誤判?確認?修正?) ─→ 寫回詞庫 ─→ 下次更準 🔁
```

**契約**：每次跑檢察官深審、使用者給了判斷，就用 `scripts/learn.py` 把判斷寫回詞庫，不要讓它白費：

| 使用者的判斷 | 指令 | 效果 |
|---|---|---|
| 「這誤判 / 不該抓」 | `learn.py whitelist <詞>...` | 加白名單，所有模式不再抓 |
| 「這確定是支語，要常態抓」 | `learn.py promote <詞>` | 升級 hard、進普通版、自動改 |
| 「這太武斷，只提示就好」 | `learn.py demote <詞>` | hard → grey |
| 「這台陸同字不同義」 | `learn.py context <詞> "<說明>"` | 標同名異實、絕不自動改 |
| 「台灣詞改成 X」 | `learn.py fix <詞> <台灣詞[,詞2]>` | 修配對 |
| 「這根本不是支語/壞配對」 | `learn.py drop <詞>` | 整條刪除 |

每筆寫回都記在 `references/_review_log.jsonl` 可追溯。**特別有代表性的核對（如土豆、互聯網片段）
順手也記進 `references/cases.md`**（見記錄契約）——案例庫與詞庫一起長大。

## 標準流程

### 1. 先跑字典偵測引擎（確定性、快、可靠）

對要檢查的文字跑 `scripts/police.py`。它會回傳硬錯、灰色地帶、夾帶的簡體字、以及自動改正後的全文。

```bash
python scripts/police.py <檔案路徑>
# 或把文字從 stdin 餵進去；要結構化 JSON 加 --json（給程式/hook 用）
```

詞庫在 `references/taiwanizer_dict.json`（hard / grey / whitelist 三區）。**新發現的支語就加進這個 JSON**，
不要把規則散寫在別處——這份字典是唯一真相來源，也方便日後擴充。

### 2. 再做語境型補抓（字典抓不到的，靠你判斷）

字典只能抓固定詞。有些支語是**句式 / 組合 / 語感**層級，字典漏得掉，要你用語感補：
- 句式：「給到」「做一個 X 的動作」「不要太 X」「有被 X 到」「屬於是」「主打一個」
- 語感詞：把「視頻號、打勞道、栓Q、yyds、絕絕子、妥妥的、破防、emo」這種網路支語也納入
- 但同樣守白名單原則：不確定、台灣也通用的，歸到「灰色／請校對」，別硬判。

### 3. 輸出報告（固定格式）

ALWAYS 用這個結構回覆：

```
🚨 支語警察報案紀錄

【硬錯 — 已改正 N 處】
  視頻 → 影片
  質量 → 品質
  （…逐條列，附一句為什麼）

【灰色地帶 — 請你校對這 M 個詞要不要改】
  迭代 → 疊代 / 改版（程式語境可留；產品語境建議改）
  數據 → 資料（統計語境可留）
  （…列出來，但不要自動改）

【夾帶簡體字】（若有）視 质 软

---
改正後全文：
<把硬錯都換掉、灰色維持原樣的完整文字>
```

原則：**硬錯直接改進全文**；**灰色地帶只在清單裡提醒、全文維持原樣**，等使用者決定。
若完全乾淨，就回「✅ 本篇沒抓到支語，乾淨。」

## 三種使用方式

### A. 隨叫隨到（最常用）
使用者用 AI 寫完稿，說「叫支語警察來」「支語警察」「這篇有沒有支語」「/支語警察」。
→ 找出要檢查的文字（剛產出的稿、使用者貼的文、或指定的檔案），跑流程，給報告。

### B. 開關常駐巡邏 hook
- `支語警察 開`（或 `開啟巡邏` / `/支語警察 開`）→ 把巡邏旗標設為開：
  寫入檔案 `~/.claude/taiwanizer.flag` 內容 `on`。
- `支語警察 關` → 寫入 `off`。
- 回報目前狀態時讀這個檔。
旗標開啟後，已安裝的 hook（見下）會在每次 AI 回完話時自動巡一遍、發現硬錯就提醒。

設定旗標（用對的家目錄；Windows 是 `%USERPROFILE%\.claude\taiwanizer.flag`）：
```bash
python scripts/toggle.py on    # 或 off / status
```

### C. 安裝常駐 hook（需使用者同意，會改 settings.json）
hook 腳本是 `scripts/hook.py`，掛在 `Stop` 事件：AI 每次回完話，hook 讀旗標，
若為 `on` 就掃描剛剛那則回覆，發現硬錯時把報案摘要印到 stderr 提醒（不阻擋、不改寫對話）。

**安裝前一定要先把下面這段 settings.json 攤給使用者看、確認再寫入**（這會讓它每輪自動跑）：
```json
{
  "hooks": {
    "Stop": [
      { "hooks": [ { "type": "command",
        "command": "python ~/.claude/skills/taiwanizer/scripts/hook.py" } ] }
    ]
  }
}
```
旗標預設 `off`，所以就算掛上去、沒按 `支語警察 開` 也不會吵。

## 詞庫維護

`references/taiwanizer_dict.json` 是核心資產。每條：`{"zh":支語, "tw":[台灣詞...], "note":說明}`。
- 確定台灣不用 → 放 `hard`
- 台灣也用/語境敏感/已融入 → 放 `grey`
- 容易被誤抓、其實是台灣正解 → 放 `whitelist`
判斷依據：維基教科書《大陸台灣計算機術語對照表》、g0v 萌典兩岸詞典、教育部兩岸常用詞語對照表。

詞庫已 ingest 開源台灣詞庫（OpenCC TWPhrasesIT + 支語檢查器，授權 Apache/MIT）——
科技/食物進 hard、生活/流行語進 grey。每筆 import 帶 `source` 欄位可稽核。
資料來源、授權、以及「下一批可接的權威來源（g0v csld、國教院樂詞網…）」見 `references/sources.md`；
要重新整理/擴充跑 `python scripts/ingest_open_dicts.py`（會去重）。

## 案例庫（few-shot + 發文素材）

`references/cases.md` 收錄真實審查裡**特別有代表性的案例**，尤其灰色地帶的拿捏。

- **判斷灰色地帶時先翻它**：遇到拿不準的詞（台灣也用、但組合走味那種），參考 cases.md
  裡同類案例的分寸，避免一刀切。
- **記錄契約**：跑完一輪，若出現「拿捏得特別準、特別有感、或一般人常搞錯」的案例
  （灰色地帶優先），用 cases.md 的模板 append 一則、並更新索引表。
  這些案例會累積成「台灣用語 / 支語科普」發文的現成素材。