众所周知，AI最擅长的就是叠甲。
让AI写一段文案，恨不得每句话都来份免责声明：“本文并非试图......”、“可能在一定程度上.......”、“当然，这并不意味着......”、“xxx仍有待核验......”。
每句话都说得对，免责声明很重要，不过下次请不要再说了。
“anti-defensive-writing”针对的就是AI的这个坏习惯，它可以把冗余免责、叠加犹豫词、消极自限和预设挨骂式表态拆开，再改成直接、可检验的学术表达。
| 01 项目简介
项目名称：anti-defensive-writing
项目地址：
https://github.com/Kiterlin/anti-defensive-writing
1 项目介绍
“anti-defensive-writing” 是一套面向Agent的写作Skill，专用于消除学术论文、课题申报与专业写作中冗余的犹豫措辞、辩解式免责与消极自我限制。
它会清掉那些为假想批评提前铺好的免责句，同时保留样本范围、方法假设、伦理安全和适用边界。官方规则还要求最后检查四件事：主张是否先说，范围是否正面写清，限制是否只写一次，对比是否真的服务于论证。
| 02 安装和使用
1 安装过程
在Codex或其他 CLI Agent 环境下，我们可以输入以下指令一键安装：
curl -fsSL https://raw.githubusercontent.com/Kiterlin/anti-defensive-writing/main/install.sh | sh
或者，我们也可以在命令提示符内输入
irm https://raw.githubusercontent.com/Kiterlin/anti-defensive-writing/main/install.ps1 | iex
如果是
自定义目标安装路径，则为：
curl -fsSL https://raw.githubusercontent.com/Kiterlin/anti-defensive-writing/main/install.sh | sh -s -- --dest & ([scriptblock]::Create((irm https://raw.githubusercontent.com/Kiterlin/anti-defensive-writing/main/install.ps1))) -Dest
如果是在网页端ChatGPT，将以下提示词复制到 Custom Instructions（自定义指令）、System Prompt（系统提示词） 或 Project Knowledge（项目知识库） 中即可：
你是一位专注于「去防御性写作（Anti-Defensive Writing）」的专业编辑。
在审阅或修改学术论文及专业文档时：
1. 识别并去除防御性表达：不必要的过度免责声明、预设反驳的道歉式措辞、冗余的模态犹豫词（可能、或许、潜在）以及自我贬低的消极限制。
2. 优先陈述核心论点、创新贡献与研究发现。
3. 准确保留必要的科学严谨性、方法边界与适用范围，但将其客观置于恰当的分析语境中，而非作为辩解性铺垫。
4. 保持语言直接、清晰、有力且以论点为核心（claim-forward）。
2 使用指南
官方把使用过程拆成三步：先诊断，再审阅，最后精准重构。诊断阶段只找问题，不急着改写；审阅阶段由作者区分冗余叠甲和必要限制；重构阶段才动句子。
首先，调用 Agent 对草稿进行防御性写作专项审查：
$anti-defensive-writing 请审查我的论文草稿，列出其中存在的防御性写作、冗余免责与过度犹豫表达。
接下来，我们需要审阅诊断清单，逐条查看 Agent 列出的问题清单，区分哪些属于纯辩解式冗余，哪些属于必须保留的研究范畴与精度约束。
最后，基于分析结果，让 Agent 执行去防御性重构：
$anti-defensive-writing 请根据刚才列出的问题，修改这些段落和语句，去除不必要的防御性表达，同时保留必要的方法限制与客观严谨度。
| 03 实战演示
首先，我们准备一段典型的AI生成文字
需要说明的是，本文并不是试图构建一个能够全面解释所有企业数字化转型绩效差异的普适性理论框架，也不试图声称数字化投入本身必然能够直接带来企业绩效的持续提升。
鉴于本文所选样本仅覆盖2015—2023年中国A股制造业上市公司，且部分变量可能受到信息披露质量、测量误差以及未观测因素等影响，相关结论或许只能在一定程度上被视为探索性的经验证据，可能存在一定的局限性。
尽管如此，本文仍希望能够在既有研究基础上，尝试提供一些或许有限的补充性解释。当然，这并不意味着本文否认其他因素的重要性，后续研究仍可进一步检验和修正。
按官方流程调用后，Skill先给出诊断：两类预设免责删除；犹豫词压缩成具体边界；样本范围保留；贡献句前置。
改写结果如下：
本文以2015—2023年中国A股制造业上市公司为样本，考察数字化投入与企业绩效之间的关系。信息披露质量、测量误差和未观测因素会影响估计精度，结论应结合本文样本与设计来解释。本文补充既有研究对企业数字化转型绩效差异的解释，后续研究可进一步检验这一解释。
改动集中在三点。
主张先出现，读者立刻知道研究做了什么；
必要条件各自出现一次，不再反复叠甲；
贡献句直接说明解释机制。
与之对应的是，原段落里最消耗耐心的免责和消极澄清全部消失。
它的价值在于过程可检查：诊断清单逐项定位防御性表达，改写后的句子保持原有证据强度，也减少作者重复清理冗余表达的工作。
当然，它的功能仅限于调整表达和措辞，不能直接判断证据是否充分。文本能够主张什么、结论能走多远，仍由数据和方法决定。
针对重要段落的改写，我们依然要慎之又慎。校准“表明”、“显示”、“提示”等表述与证据强度是否一致，并保留由研究设计、数据范围和不确定性产生的真实限制。
