最小改动润色指令：只修语病、错别字、标点，不动句式不改原意

一、问题的提出：为什么“改写”不是润色

在中文技术写作与内容运营的日常里，“润色”这个词被严重泛化了。打开任意一个主流大模型的对话框，输入“帮我润色这段话”，得到的往往是一段语义相近但句式大改、词汇替换、语序重排的“新文本”。对营销文案而言，这种改写可能正中下怀；但对一份已经定稿的合同条款、一段需要保持作者语感的学术摘要、一条必须逐字核对的政策表述，这种“润色”是灾难性的——它把校对变成了重写，把风险引入了本已可控的文本。

这一矛盾的根源在于任务定义的模糊。学界与工业界对“文本润色”的界定长期游移：它究竟属于文本简化（text simplification）、语法纠错（grammatical error correction, GEC）、风格迁移（style transfer），还是三者交叉的一个独立任务？本文认为，必须把“最小改动润色”从上述任务中单独拎出来，赋予明确的操作定义，否则工程实现无从谈起。

1.1 三类文本修改任务的边界

为厘清边界，本文按“改动幅度”与“语义保持度”两个维度，把常见的文本修改任务分为三类。下表给出对照。

任务类型	典型目标	改动幅度	语义保持要求
语法纠错 GEC	消除语法、拼写、标点错误	小	严格保持
文本简化	降低阅读难度	中到大	允许信息删减
风格迁移	改变语气、文体	大	语义近似即可
最小改动润色	只修语病、错别字、标点	极小	严格保持，句式不动

本文评述：这张表的关键不在分类本身，而在于它揭示了一个被忽视的事实——最小改动润色在语义保持要求上与GEC同级，但在“句式不动”这一约束上比GEC更严。标准GEC允许在必要时重构句子（例如把病句改写为通顺表达），而最小改动润色要求尽可能保留原句骨架。这意味着它不能直接套用现成的GEC模型，需要额外的结构保持机制。

1.2 真实场景中的刚性需求

这种需求并非纸上谈兵。根据笔者对若干内容团队的访谈与公开资料整理，以下场景对“不动句式”有硬性要求：

• 公文与政策文本：表述一旦改动，可能引发解释歧义，校对只能限于错别字与标点。
• 法律与合同：条款句式承载法律逻辑，重写等于重新谈判。
• 学术投稿：作者语感与术语体系需保持，编辑只应修正明显笔误。
• 本地化审校：译文已通过术语库校验，改动句式会破坏术语一致性。
• 多人协作稿件：需要保留各作者的行文痕迹，便于溯源与责任划分。

这些场景的共同点在于：文本的“形式”本身携带信息。句式、语序、用词选择不仅是表达手段，也是责任、风格与法律效力的载体。一旦把润色理解为自由改写，这些信息就被无声地抹掉了。笔者认为，这正是“最小改动”范式在工程上必须被独立建模的根本原因。

1.3 一个被低估的成本问题

除语义风险外，过度改写还带来可观的复核成本。假设一段1000字的文本被模型改动了15%的字符，审校者需要逐句比对，确认每一处改动是否合理。按业界常见的审校速度估算，逐句比对的时间成本约为通读的3—5倍（该比例为基于公开审校流程描述的整合估算，非精确实验数据）。而如果改动率被压到2%以内，审校者只需聚焦少数几处标记，效率提升显著。

改动预算不只是学术指标，它直接对应审校工时。把改动率从15%压到2%，等于把复核成本降低一个数量级。

二、理论根基：最小编辑距离与改动预算

要谈“最小改动”，绕不开编辑距离。1965年Levenshtein提出的编辑距离，用插入、删除、替换三种操作的最少次数衡量两个字符串的差异，是字符串算法的基石之一。本文评述：编辑距离之所以适合作为润色的度量，是因为它天然对应“改动量”这一直觉——距离越小，改动越少。但它也有明显局限：它把所有字符等同看待，无法区分“改对”与“改错”。

2.1 从编辑距离到改动预算

本文提出“改动预算”这一操作化概念：给定原文 $x$ 与润色输出 $y$，定义改动率

edit_rate(x, y) = edit_distance(x, y) / len(x)

润色任务的目标是在保证错误被修正的前提下，最小化 edit_rate。这可以写成一个约束优化问题：

minimize  edit_rate(x, y)
subject to  error_count(y) = 0
            semantic_sim(x, y) >= τ

其中 error_count 是残留错误数，semantic_sim 是语义相似度，τ 是阈值。这个形式化的价值在于：它把“润色”从模糊的写作任务，变成了一个带约束的优化问题，从而可以工程化求解。

2.2 中文场景的特殊性

中文的编辑距离计算比英文复杂，原因有三。其一，中文没有天然词边界，字符级与词级距离差异明显。其二，中文错别字多为同音、形近替换，字符级距离恰好能捕捉这类错误。其三，标点符号在中文里承担更多语法功能（如顿号、书名号），其修正也应计入改动预算。

本文建议在中文润色中采用字符级编辑距离为主、词级距离为辅的双轨度量：字符级用于约束总改动量，词级用于判断是否发生了“句式重构”（例如词序调换会显著抬高词级距离）。这一双轨思路在笔者的实践中能较好区分“改错字”与“改句式”两类行为。

2.3 与相关理论的连接

最小改动思想并非孤立。在机器翻译领域，Knight与Marcu在2005年前后提出的“基于编辑距离的译文质量估计”，本质上也是在衡量译文相对参考译文的改动量。在语音识别后处理中，“最小贝叶斯风险”解码同样追求在保持语义的前提下减少不必要修改。本文评述：这些工作共享同一内核——在生成任务中引入“改动惩罚”，抑制模型的自由发挥。润色任务只是这一思想在文本修订场景的具体化。

三、技术路线一：规则与词典引擎

在深度学习普及之前，文本校对长期依赖规则与词典。这条路线至今仍是“最小改动”最忠实的执行者——因为规则引擎天生只会做它被明确告知的修改，不会越界改写。

3.1 核心组件

一个可用的中文规则校对引擎通常包含以下模块：

• 错别字词典：收录常见同音、形近错字对，如“的/地/得”“在/再”“做/作”。
• 标点规则：处理全半角混用、成对标点缺失、顿号逗号误用等。
• 语法模式：用正则或有限状态机描述常见病句模式，如“通过……使得……”结构冗余。
• 术语库：保证专业术语写法统一，避免同义异形。

这类引擎的典型代表是开源项目 LanguageTool（支持多语言，含中文规则）以及国内若干商业校对服务。LanguageTool 的规则以 XML 描述，社区可贡献规则，其设计哲学正是“只报确定的错”。

3.2 规则引擎的边界与误报控制

规则引擎最大的痛点是误报。中文里“的/地/得”的用法虽有规范，但实际语料中存在大量可接受的变体与方言用法。若规则过严，会把正确文本标记为错误，反而增加审校负担。

本文评述：控制误报的关键在于区分“硬错误”与“风格建议”。硬错误（如“即使”写成“既使”）应直接修正；风格建议（如“进行”是否冗余）应仅提示、不自动改。把两类规则混在一个通道里，是很多校对工具体验差的根源。

3.3 一个最小可用的规则示例

以下是一个简化的规则描述，用于处理“既使→即使”这类硬错误：

rule: jishi_confusion
pattern: 既使
replacement: 即使
type: hard_error
confidence: 0.99

这类规则可以批量积累。据公开的校对规则库统计，中文常见硬错误模式在数千条量级即可覆盖大部分高频问题（该数量级为基于多个开源规则库规模的整合估计）。

四、技术路线二：序列标注与受控生成

规则引擎覆盖有限，深度学习带来了第二路线：把润色建模为序列标注或受控生成。这条路线在2019年后随GEC研究的爆发而成熟。

4.1 序列标注范式

序列标注把润色转化为“对每个字符打标签”的任务：标签为“保持”或“修改”，修改处再预测目标字符。这种范式的天然优势是改动量可控——因为大部分标签是“保持”，模型结构上就倾向于少改。

代表性工作包括Awasthi等提出的“标注+纠错”两阶段框架，以及中文GEC中常用的基于BERT的序列标注模型。本文评述：序列标注的局限在于它难以处理“插入”和“删除”这类改变长度的操作，而这些在标点修正中很常见（如补一个句号）。因此纯标注范式通常需要配合一个生成模块。

4.2 受控生成与编辑操作预测

更主流的做法是让模型直接预测编辑操作序列（insert/delete/replace/keep），再据此重构文本。Google在2020年前后提出的“LaserTagger”系列工作，就是通过预测编辑操作来实现受控文本修改，其核心思想是把生成问题降维为编辑问题，从而大幅降低改动量。

在中文场景，类似思路被用于拼写纠错与标点恢复。例如标点恢复任务中，模型只需在字符序列中预测“此处是否插入标点、插入哪种标点”，天然符合最小改动原则。

4.3 约束解码：把预算写进解码器

无论标注还是生成，都可以在解码阶段加入改动预算约束。常见做法有两种：

• 硬约束：解码时跟踪已产生的编辑操作数，超过预算即禁止继续修改。
• 软约束：在打分函数中加入改动惩罚项，改动越多得分越低，由模型权衡。

本文评述：硬约束保证预算不被突破，但可能导致该改的没改；软约束更灵活，但预算不可控。工程上推荐分层策略——对硬错误用硬约束确保修正，对风格问题用软约束允许模型判断。

五、技术路线三：大模型约束提示工程

2022年后，大语言模型（LLM）成为文本处理的主力。但正如开篇所述，LLM的默认行为是“改写”而非“校对”。要让LLM执行最小改动润色，提示工程是关键。

5.1 提示设计的三条原则

基于笔者的实践与公开提示工程资料的整合，本文总结三条原则：

1. 显式声明禁止项：明确写出“不要改变句式、不要替换同义词、不要调整语序”。LLM对否定指令的遵循度有限，需要反复强调。
2. 给出改动预算：例如“改动字符数不超过原文的3%”，把抽象约束量化。
3. 要求输出差异：让模型只输出修改点列表（原词→新词），而非全文，从格式上抑制大段改写。

5.2 一个可复用的提示模板

你是一个最小改动校对器。任务：只修正错别字、语病和标点错误。
硬性约束：
1. 不得改变任何句子的结构和语序；
2. 不得替换没有错误的词语；
3. 改动字符总数不超过原文的 3%；
4. 输出格式为修改点列表，每行：位置 | 原文 | 改后 | 理由。
若某处不确定是否为错误，保留原文并在理由中标注“存疑”。

本文评述：这个模板的核心技巧是把输出从“全文”改为“差异列表”。当模型被要求逐条列出改动时，它天然倾向于少改——因为每一条改动都需要给出理由，编造理由的成本高于直接保留原文。这是一种用输出格式反向约束行为的实用技巧。

5.3 过度修正的检测与抑制

LLM润色最常见的失败模式是“过度修正”（over-correction）：把正确的表达改成另一种同样正确的表达。例如把“截止日期”改成“截至日期”（后者在部分语境下才正确），或把“做出决定”改成“作出决定”（两者均可）。

抑制过度修正的工程手段包括：

• 建立“可接受变体白名单”，命中白名单的改动一律回退；
• 对每处改动做二次判定，用另一个模型或规则判断“原文是否真的错”；
• 设置改动率阈值，超过阈值则整体回退到原文并报警。

笔者认为，过度修正检测应当作为润色流水线的独立环节，而不是寄希望于提示词一次到位。这与软件工程中“输入校验”与“业务逻辑”分离的思路一致。

六、评测：如何衡量“改得少又改得对”

润色系统的评测长期沿用GEC的指标（如M2、GLEU、ERRANT），但这些指标只衡量“改得对不对”，不衡量“改得多不多”。对最小改动润色而言，必须引入改动量维度。

6.1 指标体系设计

指标	含义	方向
准确率 Precision	改动中真正必要的比例	越高越好
召回率 Recall	真实错误中被修正的比例	越高越好
改动率 Edit Rate	编辑距离 / 原文字符数	越低越好
句式保持度	词序未变的句子比例	越高越好
语义相似度	原文与输出的向量相似度	越高越好

本文评述：这五个指标存在张力。追求高召回往往抬高改动率，追求低改动率可能牺牲召回。因此工程上通常设定一个主指标+约束的组合，例如“在句式保持度≥95%的前提下最大化F0.5”，其中F0.5偏向准确率，符合“宁可少改不可错改”的校对哲学。

6.2 数据集的预处理细节

中文润色评测可用的公开资源包括：

• NLPCC 中文语法纠错评测数据：提供原文与修正后文本的平行语料，需自行对齐生成编辑操作。
• CGED 中文语法错误诊断数据集：标注了错误类型与位置，适合评测诊断能力。
• SIGHAN 拼写检查评测数据：聚焦错别字，规模适中。

预处理时需注意：其一，统一全半角与空白字符，避免把格式差异误判为改动；其二，剔除原文与修正文本差异过大的样本（通常编辑距离超过30%视为改写而非校对）；其三，按错误类型分层抽样，避免评测集被某一类错误主导。以上预处理流程为本文基于公开数据集说明的整合建议，具体参数需按实际数据调整。

6.3 人工评测的必要性

自动指标无法判断“改动是否必要”。例如把“截止”改成“截至”，在自动指标里算一次改动，但人工评测会问：原文语境下是否真的错？因此最小改动润色的评测必须保留人工环节，通常采用“双人独立标注+分歧仲裁”的流程。本文建议人工评测聚焦三个问题：这处改动是否必要？改动后是否保持原意？是否有应改而未改之处？

七、工程落地：可复用的操作路径

理论讲完，落到工程。本节给出一条可直接复用的最小改动润色流水线，分五步。

7.1 第一步：文本规范化

统一全半角、去除多余空白、统一换行符。这一步不产生内容改动，但能避免后续把格式差异误判为错误。

7.2 第二步：规则层硬错误修正

用高置信度规则处理确定的错别字与标点错误。这一步只做“硬错误”，不碰风格问题。规则命中即改，并记录改动日志。

7.3 第三步：模型层受控润色

用LLM或序列标注模型处理规则覆盖不到的语病。关键是使用5.2节的差异列表输出格式，并设置改动预算。

7.4 第四步：过度修正回退

对模型给出的每处改动做二次判定：命中白名单的、改动率超阈值的、语义相似度下降的，一律回退。这一步是保证“不改原意”的最后防线。

7.5 第五步：差异报告与人工复核

输出结构化的差异报告，包含每处改动的位置、原文、改后、理由、置信度。人工只需复核高置信度之外的改动，大幅降低工作量。

这条流水线的设计哲学是“分层拦截”：规则层拦硬错误，模型层拦软错误，回退层拦过度修正，人工层兜底。每一层只做自己擅长的事，避免单点承担全部责任。

7.6 拓展学习资源

以下资源对深入理解本文主题有帮助：

• LanguageTool 官方规则文档与开源仓库：https://languagetool.org/
• NLPCC 中文语法纠错评测主页：http://tcci.ccf.org.cn/
• Hugging Face 上的中文拼写纠错模型合集：https://huggingface.co/models
• ACL Anthology 中 GEC 相关论文检索：https://aclanthology.org/

八、前沿预判与开放问题

最小改动润色仍是一个快速演进的领域。本节讨论三个值得关注的方向。

8.1 编辑意图的可解释建模

当前系统大多只输出“改了什么”，不输出“为什么改”。未来的方向是让模型显式建模编辑意图——是修正语法、统一术语，还是调整语气？本文评述：意图可解释性直接关系到人工复核的效率，因为审校者需要判断的不是改动本身，而是改动背后的理由是否成立。

8.2 个性化改动预算

不同场景对改动预算的容忍度不同。公文可能要求改动率低于1%，而自媒体稿件可能接受5%。未来的润色系统应支持按场景、按用户、按文本类型动态调整预算。这需要把预算从超参数升级为可学习的策略。

8.3 与检索增强的结合

术语一致性是润色的重要目标，而术语判断往往需要外部知识。把检索增强生成（RAG）引入润色，让系统在修改前先检索术语库与风格指南，可以显著降低误改。笔者认为，这是当前最具工程价值的前沿方向之一。

九、结语

把润色重新定义为“最小改动”，看似是收窄了任务范围，实则是把它从模糊的写作辅助，变成了可度量、可优化、可评测的工程问题。改动预算这条主线，串起了编辑距离理论、规则引擎、序列标注、约束解码与大模型提示工程，也串起了准确率、召回率、改动率与句式保持度这些看似矛盾的指标。

本文的核心主张只有一句：润色的价值不在于改得多，而在于改得准且改得少。当系统学会克制，审校者才能把精力放在真正需要判断的地方。这既是技术问题，也是产品哲学。