AI 正在把人变成输出管道——如何识别和对抗"虚假生产力"

"""
doc_density_audit.py — 审计 Markdown 文档的信息密度

用法:
  python doc_density_audit.py your_doc.md

指标说明:
  - decision_density: 包含"必须/需要/决定/选择/确认"等决策词的句子占比
  - filler_ratio: 包含"众所周知/一般来说/通常/往往"等填充词的句子占比
  - unique_ratio: 去重后句子数 / 总句子数, 衡量重复程度

高决策密度 + 低填充率 = 有效文档; 反之则可能是 AI 膨胀产物。
"""

import re
import sys
from collections import Counter

DECISION_WORDS = [
    "必须", "需要", "决定", "选择", "确认", "关键", "约束",
    "限制", "依赖", "风险", "权衡", "优先", "排除", "不可",
    "禁止", "要求", "前提",
]

FILLER_WORDS = [
    "众所周知", "一般来说", "通常", "往往", "显而易见",
    "不言而喻", "毋庸置疑", "基本上", "简单来说", "总而言之",
    "众所周知", "众所周知地",
]

def extract_sentences(text: str) -> list[str]:
    """按中英文句号、问号、换行拆分句子，过滤空句。"""
    parts = re.split(r"[。？！\n]+", text)
    return [s.strip() for s in parts if len(s.strip()) > 4]

def compute_density(sentences: list[str]) -> dict:
    total = len(sentences)
    if total == 0:
        return {"decision_density": 0, "filler_ratio": 0, "unique_ratio": 0}

    decision_count = 0
    filler_count = 0
    for s in sentences:
        if any(w in s for w in DECISION_WORDS):
            decision_count += 1
        if any(w in s for w in FILLER_WORDS):
            filler_count += 1

    unique = len(set(sentences))
    return {
        "decision_density": round(decision_count / total, 3),
        "filler_ratio": round(filler_count / total, 3),
        "unique_ratio": round(unique / total, 3),
        "total_sentences": total,
        "decision_sentences": decision_count,
        "filler_sentences": filler_count,
    }

def read_markdown(path: str) -> str:
    with open(path, encoding="utf-8") as f:
        return f.read()

def strip_code_blocks(text: str) -> str:
    """移除代码块，只审计自然语言段落。"""
    return re.sub(r"```.*?```", "", text, flags=re.DOTALL)

if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("用法: python doc_density_audit.py <markdown文件路径>")
        sys.exit(1)

    raw = read_markdown(sys.argv[1])
    clean = strip_code_blocks(raw)
    sentences = extract_sentences(clean)
    metrics = compute_density(sentences)

    print(f"=== 文档密度审计: {sys.argv[1]} ===")
    print(f"总句子数:       {metrics['total_sentences']}")
    print(f"决策句数:       {metrics['decision_sentences']}")
    print(f"填充句数:       {metrics['filler_sentences']}")
    print(f"决策密度:       {metrics['decision_density']:.1%}")
    print(f"填充率:         {metrics['filler_ratio']:.1%}")
    print(f"去重率:         {metrics['unique_ratio']:.1%}")

    # 简易诊断
    if metrics["decision_density"] < 0.15:
        print("⚠ 决策密度低于 15%, 文档可能包含大量无判断力的填充段落")
    if metrics["filler_ratio"] > 0.10:
        print("⚠ 填充率超过 10%, 存在明显的空话/套话段落")
    if metrics["unique_ratio"] < 0.80:
        print("⚠ 去重率低于 80%, 文档存在重复表述")

# 审计一份 AI 生成的架构文档
python doc_density_audit.py ai_arch_doc.md

# 输出可能如下:
# === 文档密度审计: ai_arch_doc.md ===
# 总句子数:       87
# 决策句数:       8
# 填充句数:       14
# 决策密度:       9.2%
# 填充率:         16.1%
# 去重率:         72%
# ⚠ 决策密度低于 15%, 文档可能包含大量无判断力的填充段落
# ⚠ 填充率超过 10%, 存在明显的空话/套话段落
# ⚠ 去重率低于 80%, 文档存在重复表述

人 → 列出 3-5 个必须做判断的节点
AI → 为每个节点生成支撑数据/选项/论证
人 → 在节点上做决策，只保留决策相关的 AI 输出

# .github/CODEOWNERS 或团队 Review 清单中的规则示例
pr_guidelines:
  max_lines_changed: 400        # 单次 PR 改动行数上限
  max_new_files: 8              # 新增文件数上限
  require_decision_points: true # PR 描述必须列出至少 2 个设计决策
  ai_generated_tag: "AI-GEN"    # AI 生成的代码块必须标注此 tag

# 探索性分支 — AI 辅助的广度探索，不进 main
git checkout -b explore/ai-auth-options

# 交付性分支 — 经人工筛选后的具体实现
git checkout -b deliver/sso-oauth2-impl