整理人物資料，和整理一段文字，看起來是兩件不相干的事。但做起來會發現它們卡在同一個地方：一上來就動手，往往改不到點上。一堆名字裡哪一條其實沒核實清楚，一段文字裡哪一句讀著像機器寫的，都是得先找出來才能處理的。
MuchSci 的人才畫像和文本改寫走的其實是同一條路：先核對，再輸出。前者先校驗姓名、單位、履歷再入庫，後者先給出診斷清單再逐條重寫。這篇拆的就是這套工序為什麼在兩種材料上都成立。
01 兩條線，同一套順序
▲ 圖 1｜一個處理人的檔案，一個處理文字，順序卻是一致的
畫像這條線是「先校驗，再入庫」。判定條件寫得相當嚴：當且僅當姓名、單位、履歷與公開資料能夠精確匹配，才予以納入；同一個項目在不同名稱下對不上的，標為待核驗、不計入專家。門檻全過的記錄才進檔案。
助手這條線是「先診斷，再逐條改寫」。它先給出診斷，指出痕跡集中在哪、列出高項，例如破折號氾濫、過渡詞堆積、判斷句集中；拿到清單後逐項重寫，保留原意換一種說法；改完再重新掃描，確認高項是否歸零。
兩條線的共同點在於順序。都不是直接產出結果，而是先把問題列成一張清單，再照著清單逐條處理。這樣做出來的東西，使用者知道它改了哪裡、還有哪裡沒動。
02 跳過診斷直接上手，會差在哪
▲ 圖 2｜差別不在改得多不多，而在知不知道該動哪裡
著力點不同。 憑感覺改，容易在最顯眼的地方使勁，真正的痕跡留著沒動；先列高項，才知道該動哪裡。
覆蓋面不同。 改幾處就算完，遺漏是常態；照清單逐條處理，每一項都有著落，做沒做完一眼可查。
覆核方式也不同。 直接上手改完，說不清改沒改乾淨；先診斷的那一路會重新掃描一遍，確認歸零或顯著下降，並看語義有沒有走樣。這一步看著是重複勞動，實際上是唯一能確認結果的辦法。
03 先核對，再輸出：一條通用工序
▲ 圖 3｜拿材料、做體檢、逐條處理、回頭覆核，四步共用
第一步是原樣取來。 公開資料或待改寫的原文，先不做加工地拿進來，避免在取用階段就摻進自己的判斷。
第二步是做一次體檢。 檔案這一側核對姓名、單位、履歷三項是否對得上；文字這一側掃描句式層面的統計特徵。這一步的產物不是分數，而是一張問題清單。
第三步是逐條處理。 可疑的記錄標待核驗，不進正式名單；高項逐句重寫，保留原意換表達。第四步是回頭覆核。看問題是否歸零、語義有沒有走樣。四個步驟都不複雜，值錢的是順序：先找問題，再動手。
這個順序反過來常常會吃虧。先把資訊寫進檔案，再回頭去核，等於默認已經收進來的東西都是對的；先把文字重寫一遍，再回頭去診斷，很容易把已經改好的地方又改回去。先診斷、再逐條處理，看起來慢，其實是少返工。
這種先核對再輸出的做法，也影響了介面的設計。人才畫像把校驗規則與數據來源標識直接寫在檔案抬頭，個人智能體助手把診斷結論和高項清單寫在輸出檔案開頭，都是為了讓覆核者一眼看到依據。
04 功能介面：素材與加工在同一處
▲ 圖 4｜素材側與加工側各管一段，兩邊的共同點是都不越界
在 MuchSci 裡，人才畫像和個人智能體助手共用一個入口：個人智能體助手。素材側負責把公開資料整理成可核對的欄位，保留數據來源標識與待核驗標記；加工側負責把文字裡的句式問題逐條修掉。
▲ 圖 5｜執行鏈可見：步驟完成後交付檔案，診斷結論與高項清單寫在明處
兩邊的邊界是相似的。 畫像只記錄可以外部驗證的欄位——時間、單位、職務、專業、結果，介面裡沒有評分、沒有排名、沒有匹配度；改寫只處理表達方式，不改動研究問題、實驗數據與引用文獻的實質判斷。兩邊都把判斷留給人，也都在結尾要求人工覆核。
05 邊界
① 本篇講功能機制與應用方式，不構成效果承諾。診斷清單覆蓋哪些痕跡、改寫後是否達到預期，取決於原文情況；不同檢測工具的判定標準也可能不一致。
② 結構化不等於評估。 檔案是公開資料的整理，不構成對任何人的能力評價、推薦或背書；涉及具體個人的判斷須由使用者自行核實並負責。
③ 只使用公開資料。 不涉及個人私隱數據；改寫用於論文等正式場景時，以所在機構現行規定為準。