@waterwx/dsh-novel-forge 2.1.2 → 2.1.3

package/lib/index.js

@@ -95,6 +95,569 @@ function alignPlotlineProgress(items, lines) {
 	}));
 }
 //#endregion
+//#region src/ai-scan.ts
+/**
+* 命中模式 -> 它在「已发布书稿语料」中被多少比例的章节命中过。
+*
+* ## 这张表是什么
+*
+* 它是**度量基线**，不是观点：覆盖率越高，说明该写法越接近作者/题材的常态表达，
+* 越不适合当作 AI 味证据。覆盖率 >= 50% 记权重 0（视为功能词），0% 记 1。
+*
+* ## 模式从哪来
+*
+* 并集共 **63 个** = 反 AI 规则里作者声明的 detectPatterns（42 个）+ 度量基线词表。
+* 实测「最后」(72.3%)、「然后」(70.1%) 的覆盖率比「微微」(48.2%) 还高 —— 它们是中文
+* 叙事的正常连接词，权重为 0；而「生活就是」「归根结底」「人总要学会」这类结构性升华句
+* 覆盖率是 **0.000**，才是真正的高价值信号。原先的实现根本没在看后者。
+*
+* ## 与规则的关系（刻意解耦）
+*
+* aiScore 是**独立标定的测量**：用户删掉一条规则，并不会让正文的 AI 味变少，
+* 所以度量不依赖规则的当前状态。规则命中另走 {@link AiScanResult.ruleHits}，
+* 按作者**生效的规则**逐条确定性统计。两者都注入审稿，但互不污染。
+*
+* 覆盖率为 0 的 17 个模式也显式列出，避免「表里没有 = 没在看」的误读。
+* 更换语料或题材后应重新统计。
+*/
+const PATTERN_COVERAGE = {
+	"知道": .784,
+	"最后": .723,
+	"然后": .701,
+	"微微": .482,
+	"轻轻": .481,
+	"感觉": .449,
+	"气息": .392,
+	"终于": .306,
+	"接着": .304,
+	"缓缓": .303,
+	"嘴角": .292,
+	"眼神": .174,
+	"明白": .167,
+	"眉头": .145,
+	"似乎": .144,
+	"身影": .142,
+	"力量": .127,
+	"光芒": .087,
+	"好像": .084,
+	"仿佛": .075,
+	"其实": .07,
+	"显然": .068,
+	"脑海": .05,
+	"这就是": .045,
+	"告诉你": .041,
+	"然而": .027,
+	"默默": .025,
+	"这说明": .02,
+	"一时间": .019,
+	"他感到": .011,
+	"这意味着": .011,
+	"心中": .01,
+	"脑海中": .008,
+	"不由自主": .007,
+	"顿时": .005,
+	"不禁": .005,
+	"说到底": .005,
+	"其实就是": .005,
+	"心里想": .005,
+	"他明白了": .003,
+	"无法形容": .002,
+	"他意识到": .002,
+	"她意识到": .002,
+	"她明白了": .002,
+	"宛如": .002,
+	"不由得": .001,
+	"她感到": 0,
+	"生活就是": 0,
+	"命运总会": 0,
+	"归根结底": 0,
+	"我们都应该": 0,
+	"人总要学会": 0,
+	"真正重要的是": 0,
+	"我们现在要": 0,
+	"接下来就": 0,
+	"首先": 0,
+	"心中暗道": 0,
+	"暗自思忖": 0,
+	"心中暗想": 0,
+	"心里暗道": 0,
+	"犹如": 0,
+	"好似": 0,
+	"难以言喻": 0
+};
+/** 覆盖率 -> 权重：覆盖率 >= 50% 记为功能词（权重 0），0% 记 1。 */
+function patternWeight(coverage) {
+	return Math.max(0, 1 - coverage / .5);
+}
+/**
+* 对话引号：ASCII 双引号 + 全角弯引号（中文书稿主流）+ 单弯引号 + 角括号。
+* 历史实现只认第一种与后两种，漏掉弯引号 —— 那正是 5/6 本书在用的。
+*/
+const DIALOGUE_PATTERN = /(?:"[^"]*"|\u201C[^\u201D]*\u201D|\u2018[^\u2019]*\u2019|\u300C[^\u300D]*\u300D|\u300E[^\u300F]*\u300F)/g;
+/**
+* 对话字符数（含引号本身）。
+*
+* 导出供写法指纹复用：两处必须同一口径，否则「对话占比」在两个模块里会给出不同的数。
+* @param text - 任意正文。
+* @returns 对话部分的总字符数。
+*/
+function dialogueCharsOf(text) {
+	return (text.match(DIALOGUE_PATTERN) ?? []).join("").length;
+}
+/** 解释性叙事开头模式 */
+const EXPOSITORY_STARTS = [
+	"原来",
+	"因为",
+	"由于",
+	"所以",
+	"因此",
+	"于是",
+	"这就是",
+	"也就是说",
+	"换句话说",
+	"事实上",
+	"实际上"
+];
+/**
+* 分项满分与语料分位点的对应关系（重新标定时只改这里）。
+*
+* - clicheFullDensity 2.478 = 语料加权密度 p99（63 模式并集口径）；p50 为 0.61、p75 为 1.02
+* - cvTooUniform 0.45 低于语料 CV p5（0.55），即只把最整齐的 0.6% 判为问题
+* - repetitionZeroAt 0.37 = 语料句首重复率 p50；repetitionFullAt 0.63 = p99
+*   （中文「句首二字」天然高频，原来的固定阈值 0.15 几乎每章都命中、形同虚设）
+*/
+const SCORE_SPEC = {
+	clicheMax: 40,
+	clicheFullDensity: 2.478,
+	cvTooUniform: .45,
+	cvMax: 15,
+	expositoryMax: 20,
+	expositoryPerParagraph: 5,
+	repetitionMax: 15,
+	repetitionZeroAt: .37,
+	repetitionFullAt: .63,
+	lowDialogueThreshold: .05,
+	lowDialogueMax: 10,
+	densityFloorChars: 2e3,
+	/**
+	* 规则命中的区分度门槛：只报「对该作者而言不常见」的模式。
+	*
+	* 实测必要性：「句式重复率偏高」这条规则的 detectPatterns 是
+	* ['首先','然后','接着','最后']，而「最后」覆盖 72.3%、「然后」覆盖 70.1% 的已发布
+	* 章节 —— 不设门槛时它会在 **94.4%** 的章上命中，等于每章都告诉模型「你违反了这条
+	* 规则」，比不报还糟。该规则的本质是「比率偏高」，应由 sentenceRepetitionRate 度量。
+	*/
+	ruleHitCoverageMax: .1
+};
+/**
+* 按真实书稿的换行形态切自然段：单换行分隔，剔除 # 标题行。
+* @param text - 章节正文（可含标题行）。
+* @returns 自然段数组（已 trim、去空）。
+*/
+function paragraphsOf(text) {
+	return text.split(/\n+/).map((p) => p.trim()).filter((p) => p.length > 0 && !/^#{1,6}\s/.test(p));
+}
+/** 子串出现次数（不重叠）。 */
+function countOccurrences$1(text, word) {
+	if (word.length === 0) return 0;
+	let count = 0;
+	let at = text.indexOf(word);
+	while (at !== -1) {
+		count += 1;
+		at = text.indexOf(word, at + word.length);
+	}
+	return count;
+}
+/** 把 x 线性映射到 [0, 1] 并夹逼。 */
+function ratio(x, zeroAt, fullAt) {
+	if (fullAt === zeroAt) return 0;
+	return Math.max(0, Math.min(1, (x - zeroAt) / (fullAt - zeroAt)));
+}
+function scanAiFlavor(text, rules) {
+	const paragraphs = paragraphsOf(text);
+	const totalChars = text.length;
+	const clicheHits = [];
+	let weightedTotal = 0;
+	for (const word of Object.keys(PATTERN_COVERAGE)) {
+		const count = countOccurrences$1(text, word);
+		if (count === 0) continue;
+		const weight = patternWeight(PATTERN_COVERAGE[word] ?? 0);
+		clicheHits.push({
+			word,
+			count,
+			weight
+		});
+		weightedTotal += count * weight;
+	}
+	clicheHits.sort((a, b) => b.count * b.weight - a.count * a.weight);
+	const ruleHits = [];
+	for (const rule of rules ?? []) {
+		const matches = [];
+		for (const pattern of rule.detectPatterns ?? []) {
+			const count = countOccurrences$1(text, pattern);
+			if (count === 0) continue;
+			if ((PATTERN_COVERAGE[pattern] ?? 0) >= SCORE_SPEC.ruleHitCoverageMax) continue;
+			matches.push({
+				pattern,
+				count
+			});
+		}
+		if (matches.length > 0) ruleHits.push({
+			name: rule.name,
+			severity: rule.severity,
+			matches
+		});
+	}
+	const paraLengths = paragraphs.map((p) => p.length);
+	const avgLen = paraLengths.length > 0 ? paraLengths.reduce((a, b) => a + b, 0) / paraLengths.length : 0;
+	const variance = paraLengths.length > 0 ? paraLengths.reduce((sum, len) => sum + Math.pow(len - avgLen, 2), 0) / paraLengths.length : 0;
+	const cv = avgLen > 0 ? Math.sqrt(variance) / avgLen : 0;
+	let maxConsecutive = 0;
+	let currentConsecutive = 0;
+	for (const p of paragraphs) if (EXPOSITORY_STARTS.some((s) => p.startsWith(s)) || p.length > 150 && !/["\u201C\u300C\u300E]/.test(p)) {
+		currentConsecutive++;
+		maxConsecutive = Math.max(maxConsecutive, currentConsecutive);
+	} else currentConsecutive = 0;
+	const sentences = text.split(/[。！？!?]/).map((s) => s.trim()).filter((s) => s.length > 0);
+	const starterCounts = /* @__PURE__ */ new Map();
+	for (const s of sentences) {
+		const starter = s.slice(0, 2);
+		starterCounts.set(starter, (starterCounts.get(starter) ?? 0) + 1);
+	}
+	const repeatedStarters = Array.from(starterCounts.values()).filter((c) => c >= 3).reduce((a, b) => a + b, 0);
+	const sentenceRepetitionRate = sentences.length > 0 ? repeatedStarters / sentences.length : 0;
+	const longParagraphCount = paraLengths.filter((l) => l > 300).length;
+	const shortParagraphCount = paraLengths.filter((l) => l < 20).length;
+	const dialogueChars = dialogueCharsOf(text);
+	const dialogueRatio = totalChars > 0 ? dialogueChars / totalChars : 0;
+	const densityDenom = Math.max(totalChars, SCORE_SPEC.densityFloorChars);
+	const clicheDensity = weightedTotal / densityDenom * 1e3;
+	const scoreParts = {
+		cliche: Math.min(SCORE_SPEC.clicheMax, clicheDensity / SCORE_SPEC.clicheFullDensity * SCORE_SPEC.clicheMax),
+		uniformParagraphs: paragraphs.length >= 8 && cv < SCORE_SPEC.cvTooUniform ? SCORE_SPEC.cvMax : 0,
+		expository: Math.min(SCORE_SPEC.expositoryMax, maxConsecutive * SCORE_SPEC.expositoryPerParagraph),
+		repetition: SCORE_SPEC.repetitionMax * ratio(sentenceRepetitionRate, SCORE_SPEC.repetitionZeroAt, SCORE_SPEC.repetitionFullAt),
+		lowDialogue: dialogueRatio < SCORE_SPEC.lowDialogueThreshold && totalChars > 1e3 ? SCORE_SPEC.lowDialogueMax : 0
+	};
+	const aiScore = Math.min(100, Math.round(scoreParts.cliche + scoreParts.uniformParagraphs + scoreParts.expository + scoreParts.repetition + scoreParts.lowDialogue));
+	const issues = [];
+	if (clicheDensity > 1) {
+		const top = clicheHits.filter((h) => h.weight > 0).slice(0, 5).map((h) => h.word + "x" + h.count).join("、");
+		issues.push("套话/模板句偏多（按语料稀有度加权 " + clicheDensity.toFixed(2) + "/千字，p50 为 0.61）：" + top);
+	}
+	if (scoreParts.uniformParagraphs > 0) issues.push("段落长度过于整齐（CV " + cv.toFixed(2) + " < " + SCORE_SPEC.cvTooUniform + "，已发布语料 p5 为 0.55）");
+	if (maxConsecutive >= 3) issues.push("连续 " + maxConsecutive + " 段解释性叙事，缺少对话/动作");
+	if (sentenceRepetitionRate > .5) issues.push("句式重复率 " + (sentenceRepetitionRate * 100).toFixed(0) + "%，开头句式单一");
+	if (longParagraphCount > 3) issues.push(longParagraphCount + " 段超过 300 字，段落过长");
+	if (scoreParts.lowDialogue > 0) issues.push("对话占比过低（" + (dialogueRatio * 100).toFixed(1) + "%），整章偏叙述");
+	if (ruleHits.length > 0) {
+		const brief = ruleHits.slice(0, 5).map((h) => h.name + "（" + h.matches.map((m) => m.pattern + "x" + m.count).join("、") + "）").join("；");
+		issues.push("确定性规则命中 " + ruleHits.length + " 条：" + brief);
+	}
+	const head = "本地 AI 味扫描（AI 味指数 " + aiScore + "/100，共 " + paragraphs.length + " 个自然段）";
+	const summary = issues.length > 0 ? head + "：\n" + issues.map((i) => "- " + i).join("\n") : head + "：未发现明显问题。";
+	return {
+		aiScore,
+		clicheHits,
+		paragraphCount: paragraphs.length,
+		paragraphLengthVariance: Math.round(variance),
+		paragraphLengthCv: Math.round(cv * 100) / 100,
+		consecutiveExpositoryParagraphs: maxConsecutive,
+		sentenceRepetitionRate: Math.round(sentenceRepetitionRate * 1e3) / 1e3,
+		longParagraphCount,
+		shortParagraphCount,
+		dialogueRatio: Math.round(dialogueRatio * 100) / 100,
+		ruleHits,
+		scoreParts,
+		summary
+	};
+}
+//#endregion
+//#region src/style-fingerprint.ts
+/**
+* 写法资产的确定性风格指纹（离线）。
+*
+* ## 为什么需要它
+*
+* 写法资产（StyleAsset）目前只有一堆由 LLM 写出来的**文字规则** —— proseRules /
+* dialogueRules / descriptionRules。生成时整段注入，润色时要求「不得丢失」，
+* 但**全书没有任何一处检查成稿是否符合**：规则是定性描述，模型每次理解都可能不同，
+* 作者也无从判断「这一章到底偏离了多少」。
+*
+* 这里把风格拆成**可算的指标**：句均长、句长起伏、短句占比、对话占比、段落均长、
+* 意象密度。同一套指标两头用：
+*
+* 1. **生成端**当数字目标 —— 「句均长 18-24 字、短句占比 >= 35%」比「句式凝练」可执行得多；
+* 2. **审稿端**做符合度比对 —— 拿本章指标与写法样本的指标对照，给出偏差事实。
+*
+* ## 与 AI 味扫描的关系
+*
+* 两者共用段落与引号的**口径**（从 ai-scan.ts 引入，避免又出现两份拷贝），但目的相反：
+* ai-scan 抓「像 AI 写的」，这里算「像不像你绑定的写法」。同一份文本可以两者都算。
+*
+* ## 为什么从样本文本算，而不是再让 LLM 描述一遍
+*
+* StyleAsset.sourceText 已经把提取时用的样本持久化了（routes.ts 截前 3000 字）。
+* 从**同一份样本**算出的指标是确定的、可复算的、可解释的；再让模型「描述一下风格」，
+* 只会得到又一段无法校验的文字。
+*/
+/**
+* 各指标的容忍度 —— 取自**真实分布**的 p90，即每项指标约 10% 的章会被判偏离。
+*
+* 标定方式：对 6 本书各自取「第 1 章前 3000 字」当样本，算同书其余各章相对样本的
+* 相对偏差，取 p90。**手工拍的容忍度在两个方向上都错了**：
+*
+* - 对话占比：实测偏差 p50 就有 0.539、p90 达 1.25。原先定 0.50 —— 几乎每章都命中。
+* - 句长起伏：实测 p90 只有 0.159。原先定 0.35 —— 几乎不触发。
+*
+* 换语料或换题材后应重新标定（脚本见 CHANGELOG 2.1.3）。
+*/
+const TOLERANCE = {
+	avgSentenceLength: .42,
+	sentenceLengthCv: .16,
+	shortSentenceRatio: .66,
+	dialogueRatio: 1.25,
+	avgParagraphLength: .58,
+	imageryPer1000: 1.39
+};
+/**
+* 只用绝对阈值的指标（阈值单位同该指标本身）。
+*
+* 意象密度必须走这条：实测同一本书内**多数章节根本没有意象标记词**，相对偏差恒为
+* -100%，完全退化；而绝对差 p90 = 1.39 次/千字是有区分度的。
+*/
+const TARGET_ABSOLUTE_ONLY = /* @__PURE__ */ new Set(["imageryPer1000"]);
+/**
+* 判定用的**绝对下限**（单位同指标；0 = 不用下限，只看相对偏差）。
+*
+* 为什么需要它：参照值接近 0 时相对容忍度会退化。实测《归墟玉主》——中位数基线的对话
+* 占比约 0.5%，于是一章写到 3% 就是「+500%」，误报从 115 章涨到 175 章；而 2.5 个百分
+* 点在创作上毫无意义。**参照值可能接近 0 的指标**（两个比率 + 意象密度）必须叠加绝对下限。
+*
+* 取值 = 实测（1279 章）各指标绝对偏差的 p90：短句占比 0.198、对话占比 0.164、意象密度 1.39。
+* 句均长 / 段落均长 / 句长起伏的参照值结构性不可能接近 0，保持纯相对判定。
+*/
+const DEVIATION_FLOOR = {
+	avgSentenceLength: 0,
+	sentenceLengthCv: 0,
+	shortSentenceRatio: .198,
+	dialogueRatio: .164,
+	avgParagraphLength: 0,
+	imageryPer1000: 1.39
+};
+/** 指标中文名（提示词里直接用）。 */
+const LABEL = {
+	avgSentenceLength: "句均长",
+	sentenceLengthCv: "句长起伏",
+	shortSentenceRatio: "短句占比",
+	dialogueRatio: "对话占比",
+	avgParagraphLength: "段落均长",
+	imageryPer1000: "意象密度"
+};
+/** 意象/比喻标记词（描写密度的确定性代理，不做语义判断）。 */
+const IMAGERY_MARKERS = [
+	"仿佛",
+	"好像",
+	"如同",
+	"犹如",
+	"宛如",
+	"好似",
+	"似的"
+];
+/** 短句阈值（字符）。 */
+const SHORT_SENTENCE_CHARS = 12;
+/** 低于此字符数时指标没有统计意义，一律返回零值而不是噪声。 */
+const MIN_CHARS = 200;
+/** 子串出现次数（不重叠）。 */
+function countOccurrences(text, word) {
+	if (word.length === 0) return 0;
+	let count = 0;
+	let at = text.indexOf(word);
+	while (at !== -1) {
+		count += 1;
+		at = text.indexOf(word, at + word.length);
+	}
+	return count;
+}
+/** 四舍五入到 n 位小数。 */
+function round(value, digits) {
+	const factor = Math.pow(10, digits);
+	return Math.round(value * factor) / factor;
+}
+/** 空指纹（文本过短时返回，避免用噪声做风格判断）。 */
+function emptyFingerprint(chars) {
+	return {
+		chars,
+		sentences: 0,
+		avgSentenceLength: 0,
+		sentenceLengthCv: 0,
+		shortSentenceRatio: 0,
+		dialogueRatio: 0,
+		avgParagraphLength: 0,
+		imageryPer1000: 0
+	};
+}
+/**
+* 从文本抽取风格指纹。
+* @param text - 任意正文（样本文本或章节正文；调用方需先剥掉标题行）。
+* @returns 风格指标；文本短于 {@link MIN_CHARS} 时返回零值。
+*/
+function extractStyleFingerprint(text) {
+	const chars = text.length;
+	if (chars < MIN_CHARS) return emptyFingerprint(chars);
+	const sentences = text.split(/[。！？!?…]/).map((s) => s.trim()).filter((s) => s.length > 0);
+	const lens = sentences.map((s) => s.length);
+	const avg = lens.length > 0 ? lens.reduce((a, b) => a + b, 0) / lens.length : 0;
+	const variance = lens.length > 0 ? lens.reduce((sum, l) => sum + Math.pow(l - avg, 2), 0) / lens.length : 0;
+	const cv = avg > 0 ? Math.sqrt(variance) / avg : 0;
+	const shortRatio = lens.length > 0 ? lens.filter((l) => l <= SHORT_SENTENCE_CHARS).length / lens.length : 0;
+	const paragraphs = paragraphsOf(text);
+	const paraAvg = paragraphs.length > 0 ? paragraphs.reduce((a, p) => a + p.length, 0) / paragraphs.length : 0;
+	let imagery = 0;
+	for (const marker of IMAGERY_MARKERS) imagery += countOccurrences(text, marker);
+	return {
+		chars,
+		sentences: sentences.length,
+		avgSentenceLength: round(avg, 1),
+		sentenceLengthCv: round(cv, 2),
+		shortSentenceRatio: round(shortRatio, 3),
+		dialogueRatio: round(dialogueCharsOf(text) / chars, 3),
+		avgParagraphLength: round(paraAvg, 1),
+		imageryPer1000: round(imagery / chars * 1e3, 2)
+	};
+}
+/**
+* 比对两份指纹。
+*
+* 参照值为 0 的指标直接跳过 —— 例如样本里本来就没有对话，此时「相对偏差」没有意义，
+* 硬算会得到无穷大，反而制造假警报。
+* @param reference - 参照指纹（写法样本）。
+* @param actual - 本章指纹。
+* @returns 每个可比指标一条结果（含是否显著）。
+*/
+function compareStyleFingerprint(reference, actual) {
+	if (reference.chars < MIN_CHARS) return [];
+	if (actual.sentences === 0) return [];
+	const out = [];
+	for (const metric of Object.keys(TOLERANCE)) {
+		const ref = reference[metric];
+		if (ref <= 0) continue;
+		const act = actual[metric];
+		const relative = (act - ref) / ref;
+		out.push({
+			metric,
+			label: LABEL[metric],
+			reference: ref,
+			actual: act,
+			relative: round(relative, 3),
+			direction: relative >= 0 ? "higher" : "lower",
+			significant: Math.abs(act - ref) > Math.max(TOLERANCE[metric] * ref, DEVIATION_FLOOR[metric])
+		});
+	}
+	return out;
+}
+/** 取中位数。
+* @param values - 数值数组。
+* @returns 中位数；空数组返回 0。
+*/
+function median(values) {
+	if (values.length === 0) return 0;
+	const sorted = [...values].sort((a, b) => a - b);
+	const mid = Math.floor(sorted.length / 2);
+	return sorted.length % 2 === 0 ? (sorted[mid - 1] + sorted[mid]) / 2 : sorted[mid];
+}
+/** 指标的小数位数（与 extractStyleFingerprint 的取整保持一致）。 */
+function digitsOf(metric) {
+	if (metric === "sentenceLengthCv" || metric === "imageryPer1000") return 2;
+	if (metric === "shortSentenceRatio" || metric === "dialogueRatio") return 3;
+	return 1;
+}
+/**
+* 合并多份指纹：逐指标取**中位数**。
+*
+* 为什么是中位数而不是平均值：单章指标会被极端章拉偏（一个通篇无对话的章能把平均对话
+* 占比拽下去），中位数对离群值不敏感。这也正是「用本书已过审章节当中位数基线」比
+* 「用单一样本」更稳的原因 —— 样本自身长什么样会整个混进参照里。
+* @param items - 多章指纹（过短的会被剔除，见 sentences === 0）。
+* @returns 合并后的参照指纹；没有可用输入时返回零值指纹。
+*/
+function mergeFingerprints(items) {
+	const usable = items.filter((fp) => fp.sentences > 0);
+	if (usable.length === 0) return emptyFingerprint(0);
+	if (usable.length === 1) return usable[0];
+	const pick = (metric) => round(median(usable.map((fp) => fp[metric])), digitsOf(metric));
+	return {
+		chars: usable.reduce((sum, fp) => sum + fp.chars, 0),
+		sentences: usable.reduce((sum, fp) => sum + fp.sentences, 0),
+		avgSentenceLength: pick("avgSentenceLength"),
+		sentenceLengthCv: pick("sentenceLengthCv"),
+		shortSentenceRatio: pick("shortSentenceRatio"),
+		dialogueRatio: pick("dialogueRatio"),
+		avgParagraphLength: pick("avgParagraphLength"),
+		imageryPer1000: pick("imageryPer1000")
+	};
+}
+/** 按指标类型格式化数值（比率型用百分比）。 */
+function formatMetric(metric, value) {
+	if (metric === "dialogueRatio" || metric === "shortSentenceRatio") return (value * 100).toFixed(1) + "%";
+	if (metric === "sentenceLengthCv" || metric === "imageryPer1000") return value.toFixed(2);
+	return value.toFixed(1);
+}
+/**
+* 渲染**生成端**的风格目标（区间形式）。
+* @param reference - 写法样本的指纹。
+* @returns 可注入写作 prompt 的文本；样本过短时返回空串。
+*/
+function renderFingerprintTargets(reference) {
+	if (reference.chars < MIN_CHARS) return "";
+	const items = [];
+	const add = (metric, suffix) => {
+		const value = reference[metric];
+		const tolerance = TOLERANCE[metric];
+		if (TARGET_ABSOLUTE_ONLY.has(metric)) {
+			if (value <= 0) return;
+			items.push("- " + LABEL[metric] + "：0–" + formatMetric(metric, value + tolerance) + suffix);
+			return;
+		}
+		const lo = Math.max(0, value * (1 - tolerance));
+		const hi = value * (1 + tolerance);
+		items.push("- " + LABEL[metric] + "：" + formatMetric(metric, lo) + "–" + formatMetric(metric, hi) + suffix);
+	};
+	add("avgSentenceLength", " 字");
+	add("sentenceLengthCv", "（越大越参差）");
+	add("shortSentenceRatio", "（<=12 字）");
+	add("dialogueRatio", "");
+	add("avgParagraphLength", " 字");
+	add("imageryPer1000", " 次/千字");
+	if (items.length === 0) return "";
+	return [
+		"==================== 风格目标（确定性指标，取自绑定的写法样本） ====================",
+		"本章正文应落在这几个区间内。不是硬性红线，但明显越界会被审稿判为偏离绑定写法：",
+		...items
+	].join("\n");
+}
+/**
+* 渲染**审稿端**的风格比对（事实锚点）。
+*
+* 没有显著偏差时会**明确写出「没有可量化的风格偏离」**——否则模型会为了凑维度而
+* 凭印象报一条「文风不符」，那正是这类审查最容易产出的假问题。
+* @param reference - 写法样本的指纹。
+* @param actual - 本章指纹。
+* @param deviations - {@link compareStyleFingerprint} 的结果。
+* @returns 可注入审稿 prompt 的文本；样本过短时返回空串。
+*/
+function renderFingerprintComparison(reference, actual, deviations, sourceLabel) {
+	if (reference.chars < MIN_CHARS || actual.sentences === 0) return "";
+	const lines = ["==================== 风格指纹比对（确定性事实） ====================", "参照物：" + (sourceLabel ?? "绑定写法资产的样本文本") + "（" + reference.chars + " 字）；本章正文 " + actual.chars + " 字。"];
+	const significant = deviations.filter((d) => d.significant);
+	if (significant.length === 0) lines.push("各项指标都在容忍度内：**本章没有可量化的风格偏离**。不要凭印象报「文风不符」。");
+	else {
+		lines.push("以下指标超出容忍度（按此判定偏离，不要额外猜测）：");
+		for (const d of significant) lines.push("- " + d.label + "：参照 " + formatMetric(d.metric, d.reference) + " → 本章 " + formatMetric(d.metric, d.actual) + "（" + (d.relative >= 0 ? "+" : "") + (d.relative * 100).toFixed(0) + "%，" + (d.direction === "higher" ? "偏高" : "偏低") + "）");
+	}
+	return lines.join("\n");
+}
+//#endregion
 //#region src/assets.ts
 /** 预置叙事风格模板（8 套，一键绑定无需样本文本）。 */
 const BUILTIN_STYLE_TEMPLATES = [
@@ -2939,495 +3502,231 @@ const BUILTIN_PLOT_BEATS = [
 		position: "中期/后期",
 		preconditions: ["身份有可埋伏的线索", "揭开时机能引爆情绪"],
 		payoffSource: ["认知颠覆", "立场反转"],
-		combos: ["打脸", "误会解开"],
-		taboos: ["毫无伏笔硬揭", "身份设定无意义"],
-		applicableGenres: [
-			"悬疑",
-			"古言",
-			"玄幻"
-		]
-	}
-];
-/** 默认（空）项目写作资产。 */
-function emptyProjectAssets() {
-	return {
-		auxiliaryProgressions: [],
-		antiAiRules: [],
-		styleAssets: []
-	};
-}
-/** 合并项目资产与内置库：返回「生效的反 AI 规则」（内置全局 + 项目自定义）。 */
-function effectiveAntiAiRules(assets) {
-	const custom = assets?.antiAiRules ?? [];
-	const keyOf = (r) => r.key ?? r.name;
-	const customKeys = new Set(custom.filter((r) => keyOf(r) !== "").map(keyOf));
-	return [...BUILTIN_ANTI_AI_RULES.filter((r) => !customKeys.has(keyOf(r))), ...custom];
-}
-/** 内置库种子化 upsert（对齐上游 SystemResourceBootstrapService 精神）。
-*  missing_only 仅补齐缺失的全局基线规则；sync_existing 还会按 key 刷新已内置规则的结构化字段。 */
-function ensureBuiltinAssets(assets, mode = "missing_only") {
-	const base = assets ?? emptyProjectAssets();
-	const keyOf = (r) => r.key ?? r.name;
-	const existing = base.antiAiRules ?? [];
-	const byKey = new Map(existing.map((r) => [keyOf(r), r]));
-	const out = [];
-	let changed = false;
-	for (const r of existing) {
-		const builtin = BUILTIN_ANTI_AI_RULES.find((b) => (b.key ?? b.name) === keyOf(r));
-		if (mode === "sync_existing" && builtin !== void 0) {
-			const refreshed = {
-				...builtin,
-				name: r.name,
-				avoid: r.avoid,
-				fix: r.fix,
-				detectPatterns: r.detectPatterns ?? builtin.detectPatterns,
-				enabled: r.enabled ?? builtin.enabled,
-				scope: r.scope
-			};
-			out.push(refreshed);
-			if (JSON.stringify(refreshed) !== JSON.stringify(r)) changed = true;
-			byKey.set(keyOf(r), refreshed);
-		} else out.push(r);
-	}
-	for (const b of BUILTIN_ANTI_AI_RULES) if (b.globalBaselineEnabled === true && !byKey.has(b.key ?? b.name)) {
-		out.push(b);
-		byKey.set(b.key ?? b.name, b);
-		changed = true;
-	}
-	if (!changed) return base;
-	return {
-		...base,
-		antiAiRules: out
-	};
-}
-/** 把生效规则渲染成提示词块（禁止/风险/鼓励三档分列，压缩省 token）。 */
-function renderAntiAiRules(assets) {
-	const rules = effectiveAntiAiRules(assets).filter((r) => r.enabled !== false);
-	if (rules.length === 0) return "";
-	const clip = (value, max) => value.length > max ? value.slice(0, max) + "…" : value;
-	const category = (r) => {
-		if (r.severity === "encourage" || r.name.startsWith("鼓励") || r.avoid.startsWith("（鼓励类）")) return "encourage";
-		if (r.severity === "risk") return "risk";
-		return "forbidden";
-	};
-	const instruction = (r) => r.promptInstruction !== void 0 && r.promptInstruction !== "" ? r.promptInstruction : r.avoid;
-	const forbidden = rules.filter((r) => category(r) === "forbidden");
-	const risk = rules.filter((r) => category(r) === "risk");
-	const encourage = rules.filter((r) => category(r) === "encourage");
-	const editLine = (r) => r.fix !== "" ? `；修正——${clip(r.fix, 50)}` : "";
-	const lines = [];
-	lines.push("==================== 反 AI 规则（写作时必须遵守的表达边界） ====================");
-	if (forbidden.length > 0) {
-		lines.push("禁止类（命中即问题，审稿时列为 high/medium）：");
-		for (const r of forbidden) lines.push(`- ${r.name}：${clip(instruction(r), 90)}${editLine(r)}${r.riskLevel !== void 0 && r.riskLevel !== "high" ? `（严重度 ${r.riskLevel}）` : ""}`);
-	}
-	if (risk.length > 0) {
-		lines.push("风险类（可能扣分，审稿按风险等级提示，不硬性阻塞）：");
-		for (const r of risk) lines.push(`- ${r.name}：${clip(instruction(r), 90)}（${r.riskLevel ?? "medium"}${r.autoRewrite === false ? " · 不自动改写" : ""}）${editLine(r)}`);
-	}
-	if (encourage.length > 0) {
-		lines.push("鼓励类（希望出现，不命中不算错，审稿时只作低优先级建议、不阻塞通过）：");
-		for (const r of encourage) lines.push(`- ${r.name}：${clip(r.fix !== "" ? r.fix : r.avoid, 90)}`);
-	}
-	return lines.join("\n");
-}
-/** 渲染题材与推进模式提示词块。 */
-function renderGenreAndProgression(assets) {
-	const sections = [];
-	if (assets?.genre !== void 0) {
-		sections.push("==================== 题材基底（本书的题材定位与读者期待） ====================");
-		sections.push(`题材：${assets.genre.name}`);
-		if (assets.genre.description !== "") sections.push(`读者期待：${assets.genre.description}`);
-		if (assets.genre.template !== void 0 && assets.genre.template !== "") sections.push(`写法指引：${assets.genre.template}`);
-		const walk = (node, depth) => {
-			for (const child of node.children) {
-				sections.push(`${"  ".repeat(depth)}- ${child.name}：${child.description}`);
-				if (child.template !== void 0 && child.template !== "") sections.push(`${"  ".repeat(depth + 1)}写法指引：${child.template}`);
-				walk(child, depth + 1);
-			}
-		};
-		walk(assets.genre, 1);
-	}
-	const modes = [...assets?.primaryProgression !== void 0 ? [assets.primaryProgression] : [], ...assets?.auxiliaryProgressions ?? []];
-	if (modes.length > 0) {
-		sections.push("==================== 推进模式（读者为什么继续看） ====================");
-		for (const mode of modes) {
-			const tag = mode.primary ? "（主推进）" : "（辅助）";
-			const progressionUnits = mode.progressionUnits ?? [];
-			const allowedConflictForms = mode.allowedConflictForms ?? [];
-			const forbiddenConflictForms = mode.forbiddenConflictForms ?? [];
-			const mandatorySignals = mode.mandatorySignals ?? [];
-			const antiSignals = mode.antiSignals ?? [];
-			sections.push(`- 模式「${mode.name}」${tag}：驱动力——${mode.driver}`);
-			sections.push(`  读者期待：${mode.readerExpectation}`);
-			if (mode.template !== void 0 && mode.template !== "") sections.push(`  写法指引：${mode.template}`);
-			if (progressionUnits.length > 0) sections.push(`  推进单位：${progressionUnits.join(" → ")}`);
-			if (mode.conflictCeiling !== void 0) sections.push(`  冲突上限：${mode.conflictCeiling}`);
-			if (allowedConflictForms.length > 0) sections.push(`  允许冲突：${allowedConflictForms.join("、")}`);
-			if (forbiddenConflictForms.length > 0) sections.push(`  避免冲突：${forbiddenConflictForms.join("、")}`);
-			if (mode.chapterUnit !== void 0 && mode.chapterUnit !== "") sections.push(`  单章单位：${mode.chapterUnit}`);
-			if (mode.volumeReward !== void 0 && mode.volumeReward !== "") sections.push(`  卷末回报：${mode.volumeReward}`);
-			if (mandatorySignals.length > 0) sections.push(`  必达信号：${mandatorySignals.join("、")}`);
-			if (antiSignals.length > 0) sections.push(`  跑偏信号：${antiSignals.join("、")}`);
-			if (mode.payoffs.length > 0) sections.push(`  常见兑现：${mode.payoffs.join("、")}`);
-			if (mode.risks.length > 0) sections.push(`  节奏风险（避免）：${mode.risks.join("、")}`);
-		}
-	}
-	return sections.join("\n");
-}
-/** 渲染写法资产提示词块（规则去重，省 token）。 */
-function renderStyleAssets(assets) {
-	const styles = assets?.styleAssets ?? [];
-	if (styles.length === 0) return "";
-	const sections = ["==================== 写法资产（本书的叙事风格约束） ===================="];
-	for (const style of styles) {
-		sections.push(`【${style.name}】`);
-		const unique = (rules) => [...new Set(rules)];
-		if (style.proseRules.length > 0) sections.push("叙述与节奏：\n" + unique(style.proseRules).map((r) => `- ${r}`).join("\n"));
-		if (style.dialogueRules.length > 0) sections.push("台词风格：\n" + unique(style.dialogueRules).map((r) => `- ${r}`).join("\n"));
-		if (style.descriptionRules.length > 0) sections.push("描写与情绪：\n" + unique(style.descriptionRules).map((r) => `- ${r}`).join("\n"));
-		if (style.boundaries.length > 0) sections.push("表达边界：\n" + unique(style.boundaries).map((r) => `- ${r}`).join("\n"));
-	}
-	return sections.join("\n");
-}
-/** 渲染全部写作资产提示词（供生成/规划/审稿注入）。 */
-function renderAllAssets(assets) {
-	return [
-		renderGenreAndProgression(assets),
-		renderStyleAssets(assets),
-		renderAntiAiRules(assets)
-	].filter((part) => part !== "").join("\n\n");
-}
-/** 起始风格画像库：无样本文本也能快速绑定一套写法（4 档起步写法）。 */
-const BUILTIN_STARTER_STYLE_PROFILES = [
-	{
-		key: "starter-power-up",
-		templateKey: "power-up-escalation",
-		name: "开书快跑·目标推进型",
-		description: "第一次开书想先把推进感与爽点兑现跑顺，可以直接拿它起手，之后在这个底子上改。"
-	},
-	{
-		key: "starter-suspense",
-		templateKey: "suspense-pressure",
-		name: "开书快跑·信息遮蔽型",
-		description: "写给异常、规则、调查、危险逼近这类故事：先把压迫感与信息差立起来。"
-	},
-	{
-		key: "starter-emotional",
-		templateKey: "emotional-tension",
-		name: "开书快跑·关系拉扯型",
-		description: "写给关系推进、误读拉扯类故事：先拿一套能直接开写的关系表达底子。"
-	},
-	{
-		key: "starter-daily",
-		templateKey: "immersive-daily",
-		name: "开书快跑·日常浸没型",
-		description: "写给治愈、陪伴、生活经营、轻缓成长类故事：优先保证生活感与沉浸感。"
+		combos: ["打脸", "误会解开"],
+		taboos: ["毫无伏笔硬揭", "身份设定无意义"],
+		applicableGenres: [
+			"悬疑",
+			"古言",
+			"玄幻"
+		]
 	}
 ];
-/** 根据指纹风险推荐仿写预设：low→imitate / medium→balanced / high→transfer。 */
-function recommendStylePreset(fingerprintRisk) {
-	if (fingerprintRisk === "low") return "imitate";
-	if (fingerprintRisk === "high") return "transfer";
-	return "balanced";
-}
-/** 写法引擎：从样本文本提取风格资产的系统提示词（含 preset / 指纹 / 净化管线）。 */
-function styleEngineSystemPrompt() {
-	return [
-		"你是一位资深网文文风分析师。你会收到一段样本文本，请提炼出可复用的叙事风格规则，供后续章节保持同一种味道，同时给出「仿写预设」与「净化」建议。",
-		"要求：",
-		"1. 从样本中归纳，不要泛泛而谈；每条规则都要能落到具体写法（句式、用词、视角、节奏、对话方式、描写密度）。",
-		"2. 台词风格要说明角色说话的语气特征与常用表达方式。",
-		"3. 表达边界要写明这段风格「不会怎么做」（如：不用华丽辞藻、不写长段心理独白、不用成语堆砌）。",
-		"4. 给出 writingGuidance：净化后的写作指引，即把规则改写成可安全用于生成的具体指导（去掉会暴露来源的具体人名/地名/独特句式）。",
-		"5. 给出 forbiddenEntities：样本文本里不可照搬的原作特有实体与标志性表达（人名、地名、核心设定句、独特口头禅等）。",
-		"6. 判断预设 preset：imitate=高保真仿写（保留全部特征），balanced=平衡（保留可迁移特征、降指纹），transfer=迁移（只取骨架、彻底去指纹）。",
-		"7. 判断 fingerprintRisk：low/medium/high，表示照搬本样本会被识别为抄原作的风险。",
-		"8. 输出必须是合法 JSON 对象，不要输出任何其他文字。",
-		"输出结构：",
-		"{\"proseRules\": [\"叙述视角与句式节奏规则\"], \"dialogueRules\": [\"台词风格规则\"], \"descriptionRules\": [\"描写密度与情绪表达规则\"], \"boundaries\": [\"表达边界\"], \"preset\": \"imitate|balanced|transfer\", \"fingerprintRisk\": \"low|medium|high\", \"writingGuidance\": [\"净化后的写作指引\"], \"forbiddenEntities\": [\"不可照搬的原作特有实体\"]}"
-	].join("\n");
-}
-/** 写作公式提取系统提示词（分层：basic 骨架 / standard 完整 / deep 逐句细化）。 */
-function styleFormulaSystemPrompt(depth) {
-	return [
-		"你是一位网文写作公式提炼师。你会收到一段样本文本，请把它浓缩成\"这套文怎么写\"的写作公式。",
-		depth === "basic" ? "只提取最核心的叙事骨架与推进公式（1 段即可）。" : depth === "deep" ? "逐句/逐段细化：开场如何起、对话如何写、节奏如何控、爽点如何递进（分小节列出）。" : "提取完整可复用的写法公式（含结构、句式、节奏、对话、爽点密度）。",
-		"要求：",
-		"1. 聚焦 focusAreas 指定的重点（如 开场/对话/节奏/爽点密度/段落结构）。",
-		"2. formula 用 Markdown 分小节；applyGuidance 说明生成/改写时如何套用（1-3 句）。",
-		"3. 只输出合法 JSON 对象，不要任何其他文字。",
-		"输出结构：",
-		"{\"name\": \"公式名\", \"focusAreas\": [\"重点域\"], \"formula\": \"Markdown 公式正文\", \"applyGuidance\": \"套用指引\"}"
-	].join("\n");
+/** 默认（空）项目写作资产。 */
+function emptyProjectAssets() {
+	return {
+		auxiliaryProgressions: [],
+		antiAiRules: [],
+		styleAssets: []
+	};
 }
-//#endregion
-//#region src/ai-scan.ts
-/**
-* 命中模式 -> 它在「已发布书稿语料」中被多少比例的章节命中过。
-*
-* ## 这张表是什么
-*
-* 它是**度量基线**，不是观点：覆盖率越高，说明该写法越接近作者/题材的常态表达，
-* 越不适合当作 AI 味证据。覆盖率 >= 50% 记权重 0（视为功能词），0% 记 1。
-*
-* ## 模式从哪来
-*
-* 并集共 **63 个** = 反 AI 规则里作者声明的 detectPatterns（42 个）+ 度量基线词表。
-* 实测「最后」(72.3%)、「然后」(70.1%) 的覆盖率比「微微」(48.2%) 还高 —— 它们是中文
-* 叙事的正常连接词，权重为 0；而「生活就是」「归根结底」「人总要学会」这类结构性升华句
-* 覆盖率是 **0.000**，才是真正的高价值信号。原先的实现根本没在看后者。
-*
-* ## 与规则的关系（刻意解耦）
-*
-* aiScore 是**独立标定的测量**：用户删掉一条规则，并不会让正文的 AI 味变少，
-* 所以度量不依赖规则的当前状态。规则命中另走 {@link AiScanResult.ruleHits}，
-* 按作者**生效的规则**逐条确定性统计。两者都注入审稿，但互不污染。
-*
-* 覆盖率为 0 的 17 个模式也显式列出，避免「表里没有 = 没在看」的误读。
-* 更换语料或题材后应重新统计。
-*/
-const PATTERN_COVERAGE = {
-	"知道": .784,
-	"最后": .723,
-	"然后": .701,
-	"微微": .482,
-	"轻轻": .481,
-	"感觉": .449,
-	"气息": .392,
-	"终于": .306,
-	"接着": .304,
-	"缓缓": .303,
-	"嘴角": .292,
-	"眼神": .174,
-	"明白": .167,
-	"眉头": .145,
-	"似乎": .144,
-	"身影": .142,
-	"力量": .127,
-	"光芒": .087,
-	"好像": .084,
-	"仿佛": .075,
-	"其实": .07,
-	"显然": .068,
-	"脑海": .05,
-	"这就是": .045,
-	"告诉你": .041,
-	"然而": .027,
-	"默默": .025,
-	"这说明": .02,
-	"一时间": .019,
-	"他感到": .011,
-	"这意味着": .011,
-	"心中": .01,
-	"脑海中": .008,
-	"不由自主": .007,
-	"顿时": .005,
-	"不禁": .005,
-	"说到底": .005,
-	"其实就是": .005,
-	"心里想": .005,
-	"他明白了": .003,
-	"无法形容": .002,
-	"他意识到": .002,
-	"她意识到": .002,
-	"她明白了": .002,
-	"宛如": .002,
-	"不由得": .001,
-	"她感到": 0,
-	"生活就是": 0,
-	"命运总会": 0,
-	"归根结底": 0,
-	"我们都应该": 0,
-	"人总要学会": 0,
-	"真正重要的是": 0,
-	"我们现在要": 0,
-	"接下来就": 0,
-	"首先": 0,
-	"心中暗道": 0,
-	"暗自思忖": 0,
-	"心中暗想": 0,
-	"心里暗道": 0,
-	"犹如": 0,
-	"好似": 0,
-	"难以言喻": 0
-};
-/** 覆盖率 -> 权重：覆盖率 >= 50% 记为功能词（权重 0），0% 记 1。 */
-function patternWeight(coverage) {
-	return Math.max(0, 1 - coverage / .5);
+/** 合并项目资产与内置库：返回「生效的反 AI 规则」（内置全局 + 项目自定义）。 */
+function effectiveAntiAiRules(assets) {
+	const custom = assets?.antiAiRules ?? [];
+	const keyOf = (r) => r.key ?? r.name;
+	const customKeys = new Set(custom.filter((r) => keyOf(r) !== "").map(keyOf));
+	return [...BUILTIN_ANTI_AI_RULES.filter((r) => !customKeys.has(keyOf(r))), ...custom];
 }
-/**
-* 对话引号：ASCII 双引号 + 全角弯引号（中文书稿主流）+ 单弯引号 + 角括号。
-* 历史实现只认第一种与后两种，漏掉弯引号 —— 那正是 5/6 本书在用的。
-*/
-const DIALOGUE_PATTERN = /(?:"[^"]*"|\u201C[^\u201D]*\u201D|\u2018[^\u2019]*\u2019|\u300C[^\u300D]*\u300D|\u300E[^\u300F]*\u300F)/g;
-/** 解释性叙事开头模式 */
-const EXPOSITORY_STARTS = [
-	"原来",
-	"因为",
-	"由于",
-	"所以",
-	"因此",
-	"于是",
-	"这就是",
-	"也就是说",
-	"换句话说",
-	"事实上",
-	"实际上"
-];
-/**
-* 分项满分与语料分位点的对应关系（重新标定时只改这里）。
-*
-* - clicheFullDensity 2.478 = 语料加权密度 p99（63 模式并集口径）；p50 为 0.61、p75 为 1.02
-* - cvTooUniform 0.45 低于语料 CV p5（0.55），即只把最整齐的 0.6% 判为问题
-* - repetitionZeroAt 0.37 = 语料句首重复率 p50；repetitionFullAt 0.63 = p99
-*   （中文「句首二字」天然高频，原来的固定阈值 0.15 几乎每章都命中、形同虚设）
-*/
-const SCORE_SPEC = {
-	clicheMax: 40,
-	clicheFullDensity: 2.478,
-	cvTooUniform: .45,
-	cvMax: 15,
-	expositoryMax: 20,
-	expositoryPerParagraph: 5,
-	repetitionMax: 15,
-	repetitionZeroAt: .37,
-	repetitionFullAt: .63,
-	lowDialogueThreshold: .05,
-	lowDialogueMax: 10,
-	densityFloorChars: 2e3,
-	/**
-	* 规则命中的区分度门槛：只报「对该作者而言不常见」的模式。
-	*
-	* 实测必要性：「句式重复率偏高」这条规则的 detectPatterns 是
-	* ['首先','然后','接着','最后']，而「最后」覆盖 72.3%、「然后」覆盖 70.1% 的已发布
-	* 章节 —— 不设门槛时它会在 **94.4%** 的章上命中，等于每章都告诉模型「你违反了这条
-	* 规则」，比不报还糟。该规则的本质是「比率偏高」，应由 sentenceRepetitionRate 度量。
-	*/
-	ruleHitCoverageMax: .1
-};
-/**
-* 按真实书稿的换行形态切自然段：单换行分隔，剔除 # 标题行。
-* @param text - 章节正文（可含标题行）。
-* @returns 自然段数组（已 trim、去空）。
-*/
-function paragraphsOf(text) {
-	return text.split(/\n+/).map((p) => p.trim()).filter((p) => p.length > 0 && !/^#{1,6}\s/.test(p));
+/** 内置库种子化 upsert（对齐上游 SystemResourceBootstrapService 精神）。
+*  missing_only 仅补齐缺失的全局基线规则；sync_existing 还会按 key 刷新已内置规则的结构化字段。 */
+function ensureBuiltinAssets(assets, mode = "missing_only") {
+	const base = assets ?? emptyProjectAssets();
+	const keyOf = (r) => r.key ?? r.name;
+	const existing = base.antiAiRules ?? [];
+	const byKey = new Map(existing.map((r) => [keyOf(r), r]));
+	const out = [];
+	let changed = false;
+	for (const r of existing) {
+		const builtin = BUILTIN_ANTI_AI_RULES.find((b) => (b.key ?? b.name) === keyOf(r));
+		if (mode === "sync_existing" && builtin !== void 0) {
+			const refreshed = {
+				...builtin,
+				name: r.name,
+				avoid: r.avoid,
+				fix: r.fix,
+				detectPatterns: r.detectPatterns ?? builtin.detectPatterns,
+				enabled: r.enabled ?? builtin.enabled,
+				scope: r.scope
+			};
+			out.push(refreshed);
+			if (JSON.stringify(refreshed) !== JSON.stringify(r)) changed = true;
+			byKey.set(keyOf(r), refreshed);
+		} else out.push(r);
+	}
+	for (const b of BUILTIN_ANTI_AI_RULES) if (b.globalBaselineEnabled === true && !byKey.has(b.key ?? b.name)) {
+		out.push(b);
+		byKey.set(b.key ?? b.name, b);
+		changed = true;
+	}
+	if (!changed) return base;
+	return {
+		...base,
+		antiAiRules: out
+	};
 }
-/** 子串出现次数（不重叠）。 */
-function countOccurrences(text, word) {
-	if (word.length === 0) return 0;
-	let count = 0;
-	let at = text.indexOf(word);
-	while (at !== -1) {
-		count += 1;
-		at = text.indexOf(word, at + word.length);
+/** 把生效规则渲染成提示词块（禁止/风险/鼓励三档分列，压缩省 token）。 */
+function renderAntiAiRules(assets) {
+	const rules = effectiveAntiAiRules(assets).filter((r) => r.enabled !== false);
+	if (rules.length === 0) return "";
+	const clip = (value, max) => value.length > max ? value.slice(0, max) + "…" : value;
+	const category = (r) => {
+		if (r.severity === "encourage" || r.name.startsWith("鼓励") || r.avoid.startsWith("（鼓励类）")) return "encourage";
+		if (r.severity === "risk") return "risk";
+		return "forbidden";
+	};
+	const instruction = (r) => r.promptInstruction !== void 0 && r.promptInstruction !== "" ? r.promptInstruction : r.avoid;
+	const forbidden = rules.filter((r) => category(r) === "forbidden");
+	const risk = rules.filter((r) => category(r) === "risk");
+	const encourage = rules.filter((r) => category(r) === "encourage");
+	const editLine = (r) => r.fix !== "" ? `；修正——${clip(r.fix, 50)}` : "";
+	const lines = [];
+	lines.push("==================== 反 AI 规则（写作时必须遵守的表达边界） ====================");
+	if (forbidden.length > 0) {
+		lines.push("禁止类（命中即问题，审稿时列为 high/medium）：");
+		for (const r of forbidden) lines.push(`- ${r.name}：${clip(instruction(r), 90)}${editLine(r)}${r.riskLevel !== void 0 && r.riskLevel !== "high" ? `（严重度 ${r.riskLevel}）` : ""}`);
 	}
-	return count;
-}
-/** 把 x 线性映射到 [0, 1] 并夹逼。 */
-function ratio(x, zeroAt, fullAt) {
-	if (fullAt === zeroAt) return 0;
-	return Math.max(0, Math.min(1, (x - zeroAt) / (fullAt - zeroAt)));
+	if (risk.length > 0) {
+		lines.push("风险类（可能扣分，审稿按风险等级提示，不硬性阻塞）：");
+		for (const r of risk) lines.push(`- ${r.name}：${clip(instruction(r), 90)}（${r.riskLevel ?? "medium"}${r.autoRewrite === false ? " · 不自动改写" : ""}）${editLine(r)}`);
+	}
+	if (encourage.length > 0) {
+		lines.push("鼓励类（希望出现，不命中不算错，审稿时只作低优先级建议、不阻塞通过）：");
+		for (const r of encourage) lines.push(`- ${r.name}：${clip(r.fix !== "" ? r.fix : r.avoid, 90)}`);
+	}
+	return lines.join("\n");
 }
-function scanAiFlavor(text, rules) {
-	const paragraphs = paragraphsOf(text);
-	const totalChars = text.length;
-	const clicheHits = [];
-	let weightedTotal = 0;
-	for (const word of Object.keys(PATTERN_COVERAGE)) {
-		const count = countOccurrences(text, word);
-		if (count === 0) continue;
-		const weight = patternWeight(PATTERN_COVERAGE[word] ?? 0);
-		clicheHits.push({
-			word,
-			count,
-			weight
-		});
-		weightedTotal += count * weight;
+/** 渲染题材与推进模式提示词块。 */
+function renderGenreAndProgression(assets) {
+	const sections = [];
+	if (assets?.genre !== void 0) {
+		sections.push("==================== 题材基底（本书的题材定位与读者期待） ====================");
+		sections.push(`题材：${assets.genre.name}`);
+		if (assets.genre.description !== "") sections.push(`读者期待：${assets.genre.description}`);
+		if (assets.genre.template !== void 0 && assets.genre.template !== "") sections.push(`写法指引：${assets.genre.template}`);
+		const walk = (node, depth) => {
+			for (const child of node.children) {
+				sections.push(`${"  ".repeat(depth)}- ${child.name}：${child.description}`);
+				if (child.template !== void 0 && child.template !== "") sections.push(`${"  ".repeat(depth + 1)}写法指引：${child.template}`);
+				walk(child, depth + 1);
+			}
+		};
+		walk(assets.genre, 1);
 	}
-	clicheHits.sort((a, b) => b.count * b.weight - a.count * a.weight);
-	const ruleHits = [];
-	for (const rule of rules ?? []) {
-		const matches = [];
-		for (const pattern of rule.detectPatterns ?? []) {
-			const count = countOccurrences(text, pattern);
-			if (count === 0) continue;
-			if ((PATTERN_COVERAGE[pattern] ?? 0) >= SCORE_SPEC.ruleHitCoverageMax) continue;
-			matches.push({
-				pattern,
-				count
-			});
+	const modes = [...assets?.primaryProgression !== void 0 ? [assets.primaryProgression] : [], ...assets?.auxiliaryProgressions ?? []];
+	if (modes.length > 0) {
+		sections.push("==================== 推进模式（读者为什么继续看） ====================");
+		for (const mode of modes) {
+			const tag = mode.primary ? "（主推进）" : "（辅助）";
+			const progressionUnits = mode.progressionUnits ?? [];
+			const allowedConflictForms = mode.allowedConflictForms ?? [];
+			const forbiddenConflictForms = mode.forbiddenConflictForms ?? [];
+			const mandatorySignals = mode.mandatorySignals ?? [];
+			const antiSignals = mode.antiSignals ?? [];
+			sections.push(`- 模式「${mode.name}」${tag}：驱动力——${mode.driver}`);
+			sections.push(`  读者期待：${mode.readerExpectation}`);
+			if (mode.template !== void 0 && mode.template !== "") sections.push(`  写法指引：${mode.template}`);
+			if (progressionUnits.length > 0) sections.push(`  推进单位：${progressionUnits.join(" → ")}`);
+			if (mode.conflictCeiling !== void 0) sections.push(`  冲突上限：${mode.conflictCeiling}`);
+			if (allowedConflictForms.length > 0) sections.push(`  允许冲突：${allowedConflictForms.join("、")}`);
+			if (forbiddenConflictForms.length > 0) sections.push(`  避免冲突：${forbiddenConflictForms.join("、")}`);
+			if (mode.chapterUnit !== void 0 && mode.chapterUnit !== "") sections.push(`  单章单位：${mode.chapterUnit}`);
+			if (mode.volumeReward !== void 0 && mode.volumeReward !== "") sections.push(`  卷末回报：${mode.volumeReward}`);
+			if (mandatorySignals.length > 0) sections.push(`  必达信号：${mandatorySignals.join("、")}`);
+			if (antiSignals.length > 0) sections.push(`  跑偏信号：${antiSignals.join("、")}`);
+			if (mode.payoffs.length > 0) sections.push(`  常见兑现：${mode.payoffs.join("、")}`);
+			if (mode.risks.length > 0) sections.push(`  节奏风险（避免）：${mode.risks.join("、")}`);
 		}
-		if (matches.length > 0) ruleHits.push({
-			name: rule.name,
-			severity: rule.severity,
-			matches
-		});
-	}
-	const paraLengths = paragraphs.map((p) => p.length);
-	const avgLen = paraLengths.length > 0 ? paraLengths.reduce((a, b) => a + b, 0) / paraLengths.length : 0;
-	const variance = paraLengths.length > 0 ? paraLengths.reduce((sum, len) => sum + Math.pow(len - avgLen, 2), 0) / paraLengths.length : 0;
-	const cv = avgLen > 0 ? Math.sqrt(variance) / avgLen : 0;
-	let maxConsecutive = 0;
-	let currentConsecutive = 0;
-	for (const p of paragraphs) if (EXPOSITORY_STARTS.some((s) => p.startsWith(s)) || p.length > 150 && !/["\u201C\u300C\u300E]/.test(p)) {
-		currentConsecutive++;
-		maxConsecutive = Math.max(maxConsecutive, currentConsecutive);
-	} else currentConsecutive = 0;
-	const sentences = text.split(/[。！？!?]/).map((s) => s.trim()).filter((s) => s.length > 0);
-	const starterCounts = /* @__PURE__ */ new Map();
-	for (const s of sentences) {
-		const starter = s.slice(0, 2);
-		starterCounts.set(starter, (starterCounts.get(starter) ?? 0) + 1);
 	}
-	const repeatedStarters = Array.from(starterCounts.values()).filter((c) => c >= 3).reduce((a, b) => a + b, 0);
-	const sentenceRepetitionRate = sentences.length > 0 ? repeatedStarters / sentences.length : 0;
-	const longParagraphCount = paraLengths.filter((l) => l > 300).length;
-	const shortParagraphCount = paraLengths.filter((l) => l < 20).length;
-	const dialogueChars = (text.match(DIALOGUE_PATTERN) ?? []).join("").length;
-	const dialogueRatio = totalChars > 0 ? dialogueChars / totalChars : 0;
-	const densityDenom = Math.max(totalChars, SCORE_SPEC.densityFloorChars);
-	const clicheDensity = weightedTotal / densityDenom * 1e3;
-	const scoreParts = {
-		cliche: Math.min(SCORE_SPEC.clicheMax, clicheDensity / SCORE_SPEC.clicheFullDensity * SCORE_SPEC.clicheMax),
-		uniformParagraphs: paragraphs.length >= 8 && cv < SCORE_SPEC.cvTooUniform ? SCORE_SPEC.cvMax : 0,
-		expository: Math.min(SCORE_SPEC.expositoryMax, maxConsecutive * SCORE_SPEC.expositoryPerParagraph),
-		repetition: SCORE_SPEC.repetitionMax * ratio(sentenceRepetitionRate, SCORE_SPEC.repetitionZeroAt, SCORE_SPEC.repetitionFullAt),
-		lowDialogue: dialogueRatio < SCORE_SPEC.lowDialogueThreshold && totalChars > 1e3 ? SCORE_SPEC.lowDialogueMax : 0
-	};
-	const aiScore = Math.min(100, Math.round(scoreParts.cliche + scoreParts.uniformParagraphs + scoreParts.expository + scoreParts.repetition + scoreParts.lowDialogue));
-	const issues = [];
-	if (clicheDensity > 1) {
-		const top = clicheHits.filter((h) => h.weight > 0).slice(0, 5).map((h) => h.word + "x" + h.count).join("、");
-		issues.push("套话/模板句偏多（按语料稀有度加权 " + clicheDensity.toFixed(2) + "/千字，p50 为 0.61）：" + top);
+	return sections.join("\n");
+}
+/** 渲染写法资产提示词块（规则去重，省 token）。 */
+function renderStyleAssets(assets) {
+	const styles = assets?.styleAssets ?? [];
+	if (styles.length === 0) return "";
+	const sections = ["==================== 写法资产（本书的叙事风格约束） ===================="];
+	for (const style of styles) {
+		sections.push(`【${style.name}】`);
+		const unique = (rules) => [...new Set(rules)];
+		if (style.proseRules.length > 0) sections.push("叙述与节奏：\n" + unique(style.proseRules).map((r) => `- ${r}`).join("\n"));
+		if (style.dialogueRules.length > 0) sections.push("台词风格：\n" + unique(style.dialogueRules).map((r) => `- ${r}`).join("\n"));
+		if (style.descriptionRules.length > 0) sections.push("描写与情绪：\n" + unique(style.descriptionRules).map((r) => `- ${r}`).join("\n"));
+		if (style.boundaries.length > 0) sections.push("表达边界：\n" + unique(style.boundaries).map((r) => `- ${r}`).join("\n"));
+		if (style.sourceText !== void 0 && style.sourceText !== "") {
+			const targets = renderFingerprintTargets(extractStyleFingerprint(style.sourceText));
+			if (targets !== "") sections.push(targets);
+		}
 	}
-	if (scoreParts.uniformParagraphs > 0) issues.push("段落长度过于整齐（CV " + cv.toFixed(2) + " < " + SCORE_SPEC.cvTooUniform + "，已发布语料 p5 为 0.55）");
-	if (maxConsecutive >= 3) issues.push("连续 " + maxConsecutive + " 段解释性叙事，缺少对话/动作");
-	if (sentenceRepetitionRate > .5) issues.push("句式重复率 " + (sentenceRepetitionRate * 100).toFixed(0) + "%，开头句式单一");
-	if (longParagraphCount > 3) issues.push(longParagraphCount + " 段超过 300 字，段落过长");
-	if (scoreParts.lowDialogue > 0) issues.push("对话占比过低（" + (dialogueRatio * 100).toFixed(1) + "%），整章偏叙述");
-	if (ruleHits.length > 0) {
-		const brief = ruleHits.slice(0, 5).map((h) => h.name + "（" + h.matches.map((m) => m.pattern + "x" + m.count).join("、") + "）").join("；");
-		issues.push("确定性规则命中 " + ruleHits.length + " 条：" + brief);
+	return sections.join("\n");
+}
+/** 渲染全部写作资产提示词（供生成/规划/审稿注入）。 */
+function renderAllAssets(assets) {
+	return [
+		renderGenreAndProgression(assets),
+		renderStyleAssets(assets),
+		renderAntiAiRules(assets)
+	].filter((part) => part !== "").join("\n\n");
+}
+/** 起始风格画像库：无样本文本也能快速绑定一套写法（4 档起步写法）。 */
+const BUILTIN_STARTER_STYLE_PROFILES = [
+	{
+		key: "starter-power-up",
+		templateKey: "power-up-escalation",
+		name: "开书快跑·目标推进型",
+		description: "第一次开书想先把推进感与爽点兑现跑顺，可以直接拿它起手，之后在这个底子上改。"
+	},
+	{
+		key: "starter-suspense",
+		templateKey: "suspense-pressure",
+		name: "开书快跑·信息遮蔽型",
+		description: "写给异常、规则、调查、危险逼近这类故事：先把压迫感与信息差立起来。"
+	},
+	{
+		key: "starter-emotional",
+		templateKey: "emotional-tension",
+		name: "开书快跑·关系拉扯型",
+		description: "写给关系推进、误读拉扯类故事：先拿一套能直接开写的关系表达底子。"
+	},
+	{
+		key: "starter-daily",
+		templateKey: "immersive-daily",
+		name: "开书快跑·日常浸没型",
+		description: "写给治愈、陪伴、生活经营、轻缓成长类故事：优先保证生活感与沉浸感。"
 	}
-	const head = "本地 AI 味扫描（AI 味指数 " + aiScore + "/100，共 " + paragraphs.length + " 个自然段）";
-	const summary = issues.length > 0 ? head + "：\n" + issues.map((i) => "- " + i).join("\n") : head + "：未发现明显问题。";
-	return {
-		aiScore,
-		clicheHits,
-		paragraphCount: paragraphs.length,
-		paragraphLengthVariance: Math.round(variance),
-		paragraphLengthCv: Math.round(cv * 100) / 100,
-		consecutiveExpositoryParagraphs: maxConsecutive,
-		sentenceRepetitionRate: Math.round(sentenceRepetitionRate * 1e3) / 1e3,
-		longParagraphCount,
-		shortParagraphCount,
-		dialogueRatio: Math.round(dialogueRatio * 100) / 100,
-		ruleHits,
-		scoreParts,
-		summary
-	};
+];
+/** 根据指纹风险推荐仿写预设：low→imitate / medium→balanced / high→transfer。 */
+function recommendStylePreset(fingerprintRisk) {
+	if (fingerprintRisk === "low") return "imitate";
+	if (fingerprintRisk === "high") return "transfer";
+	return "balanced";
+}
+/** 写法引擎：从样本文本提取风格资产的系统提示词（含 preset / 指纹 / 净化管线）。 */
+function styleEngineSystemPrompt() {
+	return [
+		"你是一位资深网文文风分析师。你会收到一段样本文本，请提炼出可复用的叙事风格规则，供后续章节保持同一种味道，同时给出「仿写预设」与「净化」建议。",
+		"要求：",
+		"1. 从样本中归纳，不要泛泛而谈；每条规则都要能落到具体写法（句式、用词、视角、节奏、对话方式、描写密度）。",
+		"2. 台词风格要说明角色说话的语气特征与常用表达方式。",
+		"3. 表达边界要写明这段风格「不会怎么做」（如：不用华丽辞藻、不写长段心理独白、不用成语堆砌）。",
+		"4. 给出 writingGuidance：净化后的写作指引，即把规则改写成可安全用于生成的具体指导（去掉会暴露来源的具体人名/地名/独特句式）。",
+		"5. 给出 forbiddenEntities：样本文本里不可照搬的原作特有实体与标志性表达（人名、地名、核心设定句、独特口头禅等）。",
+		"6. 判断预设 preset：imitate=高保真仿写（保留全部特征），balanced=平衡（保留可迁移特征、降指纹），transfer=迁移（只取骨架、彻底去指纹）。",
+		"7. 判断 fingerprintRisk：low/medium/high，表示照搬本样本会被识别为抄原作的风险。",
+		"8. 输出必须是合法 JSON 对象，不要输出任何其他文字。",
+		"输出结构：",
+		"{\"proseRules\": [\"叙述视角与句式节奏规则\"], \"dialogueRules\": [\"台词风格规则\"], \"descriptionRules\": [\"描写密度与情绪表达规则\"], \"boundaries\": [\"表达边界\"], \"preset\": \"imitate|balanced|transfer\", \"fingerprintRisk\": \"low|medium|high\", \"writingGuidance\": [\"净化后的写作指引\"], \"forbiddenEntities\": [\"不可照搬的原作特有实体\"]}"
+	].join("\n");
+}
+/** 写作公式提取系统提示词（分层：basic 骨架 / standard 完整 / deep 逐句细化）。 */
+function styleFormulaSystemPrompt(depth) {
+	return [
+		"你是一位网文写作公式提炼师。你会收到一段样本文本，请把它浓缩成\"这套文怎么写\"的写作公式。",
+		depth === "basic" ? "只提取最核心的叙事骨架与推进公式（1 段即可）。" : depth === "deep" ? "逐句/逐段细化：开场如何起、对话如何写、节奏如何控、爽点如何递进（分小节列出）。" : "提取完整可复用的写法公式（含结构、句式、节奏、对话、爽点密度）。",
+		"要求：",
+		"1. 聚焦 focusAreas 指定的重点（如 开场/对话/节奏/爽点密度/段落结构）。",
+		"2. formula 用 Markdown 分小节；applyGuidance 说明生成/改写时如何套用（1-3 句）。",
+		"3. 只输出合法 JSON 对象，不要任何其他文字。",
+		"输出结构：",
+		"{\"name\": \"公式名\", \"focusAreas\": [\"重点域\"], \"formula\": \"Markdown 公式正文\", \"applyGuidance\": \"套用指引\"}"
+	].join("\n");
 }
 //#endregion
 //#region src/llm-live.ts
@@ -6412,6 +6711,7 @@ function reviewSystemPrompt(project) {
 		"{\"score\": 0-100的整数, \"riskScore\": 0-100的整数(越高越需人工处理,可结合本地AI味指数), \"tension\": 0-100的整数(本章张力强度:对抗/揭示/抉择/代价;铺垫与日常章应明显偏低), \"verdict\": \"一句话总评\", \"issues\": [{\"severity\": \"high|medium|low\", \"dimension\": \"character|setting|redline|writing|pacing|logic|anti-ai|presentation|compliance\", \"item\": \"问题描述\", \"suggestion\": \"修改建议\", \"ruleName\": \"命中的反AI规则名(见反AI规则清单)\", \"ruleType\": \"forbidden|risk|encourage\", \"category\": \"套话|句式|段落|心理|设定|节奏|对话|其他\", \"excerpt\": \"命中的原文摘录(不超过50字)\", \"reason\": \"判定理由\", \"canAutoRewrite\": true|false}]}",
 		"tension 是本章张力强度评分（不是质量分）：对决/揭秘/生死抉择偏高，铺垫章、日常章、过渡章偏低；同一本书内保持同一尺度。",
 		"反 AI 类 issue 尽量给出 ruleName/ruleType/category/excerpt/reason/canAutoRewrite，便于统计与自动改写。",
+		"风格符合度：若下方给出「风格指纹比对」，以它为准判断本章是否偏离绑定写法——偏差显著时按 writing 维度、category 用「风格」上报；比对里说没有显著偏差时，不要报风格问题。",
 		"AI 套话高频模板词示例（集中出现必须整体降密度）：仿佛、似乎、极其、完美、深不见底、形成了、莫名、无法形容、难以言喻、精心雕琢、肤光胜雪、眉目如画、歌舞升平、觥筹交错、妙语连珠、不可名状、另一层真相、命运、真相。",
 		"重要：所有字符串值内部不得包含换行符，JSON 必须在一段内完整结束。",
 		"重要：直接输出 JSON 结果本身，不要把思考过程写在输出里。"
@@ -6435,6 +6735,54 @@ function reviewSystemPrompt(project) {
 	sections.push("以上九条为硬性底线：正文中任何一条命中（含影射、暗示、详细展开）都必须列为 high，并给出改写建议；作者自定义红线不得豁免这九条。");
 	return sections.join("\n");
 }
+/**
+* 风格基线的取样上限与取法。
+*
+* **等距抽样，不取最近 N 章**：实测「最近 12 章」在《还债疯了》上把段落均长的误报从 33
+* 抬到 98 —— 最近那一卷的行文与全书不同时，中位数就不代表全书。等距抽样覆盖整本。
+*/
+const STYLE_BASELINE_CHAPTERS = 12;
+/** 低于此章数时中位数没有代表性，退回单一样本参照。 */
+const STYLE_BASELINE_MIN_CHAPTERS = 3;
+/**
+* 风格符合度事实块：拿本章指标与**本书已过审章节的中位数**（或绑定写法样本）对照。
+*
+* 取第一个带 sourceText 的写法资产做参照（提取时 routes.ts 会存下样本前 3000 字）。
+* 样本过短（指标无统计意义）时返回空串——宁可不给，也不给噪声。
+* @param project - 当前书项目状态。
+* @param bodyText - 本章正文（已剥标题）。
+* @returns 可注入审稿 prompt 的文本；没有可用参照时为空串。
+*/
+function styleFidelityBlock(project, bodyText, outputDir) {
+	if (outputDir !== void 0) {
+		const approved = project.chapters.filter((c) => c.status === "approved" && c.file !== "");
+		if (approved.length >= STYLE_BASELINE_MIN_CHAPTERS) {
+			const step = Math.max(1, Math.floor(approved.length / STYLE_BASELINE_CHAPTERS));
+			const picked = approved.filter((_, index) => index % step === 0).slice(0, STYLE_BASELINE_CHAPTERS);
+			const samples = [];
+			for (const chapter of picked) {
+				const raw = readChapterFile(outputDir, chapter);
+				if (raw === void 0) continue;
+				const fp = extractStyleFingerprint(stripChapterHeadings(raw));
+				if (fp.sentences > 0) samples.push(fp);
+			}
+			if (samples.length >= STYLE_BASELINE_MIN_CHAPTERS) {
+				const reference = mergeFingerprints(samples);
+				const actual = extractStyleFingerprint(bodyText);
+				return renderFingerprintComparison(reference, actual, compareStyleFingerprint(reference, actual), "本书已过审 " + samples.length + " 章的中位数");
+			}
+		}
+	}
+	for (const style of project.assets?.styleAssets ?? []) {
+		const sample = style.sourceText;
+		if (sample === void 0 || sample === "") continue;
+		const reference = extractStyleFingerprint(sample);
+		if (reference.sentences === 0) continue;
+		const actual = extractStyleFingerprint(bodyText);
+		return renderFingerprintComparison(reference, actual, compareStyleFingerprint(reference, actual));
+	}
+	return "";
+}
 /** Run the AI review on one chapter. */
 async function reviewChapter(ctx, config, project, outputDir, chapterNo) {
 	const chapter = project.chapters.find((c) => c.no === chapterNo);
@@ -6443,6 +6791,7 @@ async function reviewChapter(ctx, config, project, outputDir, chapterNo) {
 	if (body === void 0) throw new NovelActionError("contract", `章节 ${chapterNo} 的正文文件不存在`);
 	const bodyText = stripChapterHeadings(body);
 	const aiScan = scanAiFlavor(bodyText, effectiveAntiAiRules(project.assets));
+	const styleBlock = styleFidelityBlock(project, bodyText, outputDir);
 	const blocks = renderContextBlocks(buildChapterContext(project, chapter, outputDir, { stage: "review" }));
 	const crossChapter = [
 		blocks.continuityBlock,
@@ -6454,6 +6803,7 @@ async function reviewChapter(ctx, config, project, outputDir, chapterNo) {
 		`本章标题：《${chapter.title}》`,
 		`本章剧情要点：${chapter.beats}`,
 		`==================== 本地 AI 味扫描（事实锚点，你只需复核判断，不必再逐字统计） ====================\n${aiScan.summary}`,
+		styleBlock,
 		crossChapter,
 		"==================== 章节正文 ====================",
 		bodyText
@@ -6515,11 +6865,13 @@ async function reviewChapter(ctx, config, project, outputDir, chapterNo) {
 async function reviewChapterText(ctx, config, project, text, previousReport) {
 	const bodyText = text.slice(0, 2e4);
 	const aiScan = scanAiFlavor(bodyText, effectiveAntiAiRules(project.assets));
+	const styleBlock = styleFidelityBlock(project, bodyText);
 	const user = [
 		`书名：《${project.bookName}》`,
 		previousReport !== void 0 ? "==================== 上一轮审稿意见（逐条核对是否已解决） ====================\n" + previousReport.issues.map((it, i) => `${i + 1}. [${it.severity}] ${it.item}${it.suggestion !== "" ? ` → ${it.suggestion}` : ""}`).join("\n") : "",
 		previousReport !== void 0 ? "==================== 修订稿（上一轮审稿后按意见修订的正文） ====================" : "==================== 待审查正文 ====================",
 		`==================== 本地 AI 味扫描（事实锚点，你只需复核判断，不必再逐字统计） ====================\n${aiScan.summary}`,
+		styleBlock,
 		bodyText
 	].join("\n");
 	const raw = parseJsonObject(await complete(ctx, config, {