整理人的资料，和整理一段文字，看起来是两件不相干的事。但做起来会发现它们卡在同一个地方：一上来就动手，往往改不到点上。一堆名字里哪一条其实没核实清楚，一段文字里哪一句读着像机器写的，都是得先找出来才能处理的。
MuchSci 的人才画像和文本改写走的其实是同一条路：先核对，再输出。前者先校验姓名、单位、履历再入库，后者先给出诊断清单再逐条重写。这篇拆的就是这套工序为什么在两种材料上都成立。
01 两条线，同一套顺序
▲ 图 1｜一个处理人的档案，一个处理文字，顺序却是一致的
画像这条线是「先校验，再入库」。判定条件写得相当严：当且仅当姓名、单位、履历与公开资料能够精确匹配，才予以纳入；同一个项目在不同名称下对不上的，标为待核验、不计入专家。门槛全过的记录才进档案。
助手这条线是「先诊断，再逐条改写」。它先给出诊断，指出痕迹集中在哪、列出高项，例如破折号泛滥、过渡词堆积、判断句集中；拿到清单后逐项重写，保留原意换一种说法；改完再重新扫描，确认高项是否归零。
两条线的共同点在于顺序。都不是直接产出结果，而是先把问题列成一张清单，再照着清单逐条处理。这样做出来的东西，使用者知道它改了哪里、还有哪里没动。
02 跳过诊断直接上手，会差在哪
▲ 图 2｜差别不在改得多不多，而在知不知道该动哪里
着力点不同。 凭感觉改，容易在最显眼的地方使劲，真正的痕迹留着没动；先列高项，才知道该动哪里。
覆盖面不同。 改几处就算完，遗漏是常态；照清单逐条处理，每一项都有着落，做没做完一眼可查。
复核方式也不同。 直接上手改完，说不清改没改干净；先诊断的那一路会重新扫描一遍，确认归零或显著下降，并看语义有没有走样。这一步看着是重复劳动，实际上是唯一能确认结果的办法。
03 先核对，再输出：一条通用工序
▲ 图 3｜拿材料、做体检、逐条处理、回头复核，四步共用
第一步是原样取来。 公开资料或待改写的原文，先不做加工地拿进来，避免在取用阶段就掺进自己的判断。
第二步是做一次体检。 档案这一侧核对姓名、单位、履历三项是否对得上；文字这一侧扫描句式层面的统计特征。这一步的产物不是分数，而是一张问题清单。
第三步是逐条处理。 可疑的记录标待核验，不进正式名单；高项逐句重写，保留原意换表达。第四步是回头复核。看问题是否归零、语义有没有走样。四个步骤都不复杂，值钱的是顺序：先找问题，再动手。
这个顺序反过来常常会吃亏。先把信息写进档案，再回头去核，等于默认已经收进来的东西都是对的；先把文字重写一遍，再回头去诊断，很容易把已经改好的地方又改回去。先诊断、再逐条处理，看起来慢，其实是少返工。
这种先核对再输出的做法，也影响了界面的设计。人才画像把校验规则与数据来源标识直接写在档案抬头，个人智能体助手把诊断结论和高项清单写在输出文件开头，都是为了让复核者一眼看到依据。
04 功能界面：素材与加工在同一处
▲ 图 4｜素材侧与加工侧各管一段，两边的共同点是都不越界
在 MuchSci 里，人才画像和个人智能体助手共用一个入口：个人智能体助手。素材侧负责把公开资料整理成可核对的字段，保留数据来源标识与待核验标记；加工侧负责把文字里的句式问题逐条修掉。
▲ 图 5｜执行链可见：步骤完成后交付文件，诊断结论与高项清单写在明处
两边的边界是相似的。 画像只记录可以外部验证的字段——时间、单位、职务、专业、结果，界面里没有评分、没有排名、没有匹配度；改写只处理表达方式，不改动研究问题、实验数据与引用文献的实质判断。两边都把判断留给人，也都在结尾要求人工复核。
05 边界
① 本篇讲功能机制与应用方式，不构成效果承诺。诊断清单覆盖哪些痕迹、改写后是否达到预期，取决于原文情况；不同检测工具的判定标准也可能不一致。
② 结构化不等于评估。 档案是公开资料的整理，不构成对任何人的能力评价、推荐或背书；涉及具体个人的判断须由使用者自行核实并负责。
③ 只使用公开资料。 不涉及个人隐私数据；改写用于论文等正式场景时，以所在机构现行规定为准。