写作指纹

写作指纹 · 帮助 / 技术文档

指标说明表

指标	公式（一行）	数值范围	解读
基础计数	chars=N 字符；N=token 数；V=词形数；L=lemma 数	0+	文本规模和词汇基础，不直接代表质量。
TTR	V / N	0-1	越高表示词形越丰富；短文会天然偏高。
Guiraud	V / sqrt(N)	0+	比 TTR 更抗篇幅影响的词汇丰富度。
Herdan	log(V) / log(N)	约 0-1	观察词汇增长速度，篇幅越长越稳定。
MTLD	N / TTR 低于 0.72 的片段因子数	0+	越高表示词汇多样性越稳定，适合比较长文。
Yule's K	10000 * (Σ i² fᵢ - N) / N²	0+	越高通常表示重复越集中，词汇多样性越低。
CEFR_score	Σ CEFR_index(level) * share(level)，A1=1…C2=6	0-6	越高表示已命中词汇更偏高阶；词表外不加分。
CEFR 分布	各等级词数 / 总 lemma 数	0-1，总和约 1	展示 A1-C2 与词表外的词汇层级占比。
句长统计	counts, μ, σ, max, p95；从句比例=含连接词句数/句数	0+	看句子复杂度、波动和超长句；长句用 μ+2σ 标出。
段落统计	P, μ_p, σ_p, P/chars*1000, 重复段首率	0+	观察段落组织、篇章长度和段首重复习惯。
标点熵	-Σ p(mark) log2 p(mark)	0+	越高表示标点类型更分散；也会显示每千字符密度。
n-gram	连续 n 个 token 的频次排序	count ≥ 1	列出高频 bigram/trigram，帮助发现固定表达。
AI_score	平均(AI tell 分, Burstiness 分, 可选 Perplexity 分)	0-100	越高越像 AI；只是参考指标，不作为评判依据。
Burstiness	句长方差 / 平均句长	0+	>10 偏人类波动；<5 常见于过于平滑的 AI 文本。
Perplexity	exp(avg negative log likelihood)	0+	<5 偏 AI；>10 偏人类或更有个人风格。
AI tell phrases	命中特征短语次数 / 词数 * 1000	0+	统计常见 AI 套话，如 furthermore、in conclusion 等。

技术架构

浏览器（教师界面）
  |
  v
Cloudflare Worker (Hono)
  |
  +-- D1：学生 / 作文 / 指纹存储
  |
  +-- leonardpc RTX 5060 Ti
      FastAPI + llama-cpp-python
      qwen2.5:1.5b perplexity

① 教师界面：浏览器端使用 Alpine.js + Tailwind CDN，无构建步骤。

② 鉴权：PBKDF2 校验密码，HMAC session cookie 维持登录状态。

③ 指纹计算：词典查表 + 公式计算，不调用 LLM 生成 TTR/MTLD/CEFR 等指标。

④ Perplexity：远程 GPU 服务异步调用；失败时降级为本地启发式 AI 检测。

隐私与限制

作文文本只存入 D1，并按登录用户隔离。

Perplexity 服务只接收待评分文本，不存储作文内容。

作文不会被用作 AI 训练。

当前词典、句法和 Perplexity 模型只识别英文；中文内容会保留，但不进入英文指纹指标。