Muyu（母语）是给出海中国创作者的英文母语感工作台：先用 68 条内置规则给英文草稿打 0-100 母语感分（零模型调用、完全离线），再按 Instagram / TikTok / Substack 的平台文风逐段改写（接入你自己的 DeepSeek / Qwen / GLM / Kimi 端点），最后复检给出可验证的前后对比。你的英文帖不再一眼被看出「中国人写的AI稿」。

为什么需要它

用 LLM 起草英文帖的中文创作者，产出常带三层「中式AI腔」：搭配迁移（open the light / broaden my eyes）、语序迁移（I very like it / Do you know where is the station）、客气套话（Please kindly / Thank you for your understanding），再叠一层 AI 腔（In today's fast-paced world / It's not just X, it's Y）。英语单语 humanizer 看不见前两层——那正是中文思维直译留下的痕迹。Muyu 的 tell 库专治这一层。

每条规则都带中文解释与改写示例，既是检测器也是学习材料：muyu tells 可以直接当「中式英语避坑手册」读。

快速开始

# 安装（Python 3.12+）
pip install muyu           # 或本仓库: pip install -e .

# 1. 打分 —— 离线、零模型调用、秒出
muyu score draft.md

# 2. 改写 —— 需要一个 OpenAI 兼容端点（DeepSeek/Qwen/GLM/Kimi 预设）
export MUYU_PRESET=deepseek
export MUYU_API_KEY=sk-...
muyu rewrite draft.md --platform substack --lock "Muyu" --out rewrite.md

# 3. 复检 —— 验证改写前后的母语感差
muyu check rewrite.md --baseline 40

没有 API Key 也能完整走通「打分 → 复检」闭环（本页演示就是离线录制的）。

演示

三组真实改写样例（改写输出 + 每条 tell 的中文解释）在 examples/：Instagram 旅帖 · Substack 长文 · TikTok 文案。样例附母语者盲测协议（examples/README.md）。

工作原理

• score：纯规则评分器。68 条 tell（搭配迁移 25 / 语序迁移 10 / 客气套话 13 / AI 腔 20），按命中密度 × 严重度折算 0-100 分，重复运行分差为 0。
• rewrite：分段改写。每段连同它的 tell 命中、平台风格规则、--lock 锁定元素一起发给你的端点，输出 before/after 对照。
• check：同一评分器复检改写稿，输出分类 delta 报告——改进可证伪，不靠感觉。

数据层全部 YAML 外置（data/tells/、data/platforms/），可自行增删规则与平台包——数据层就是产品。

能力与边界

能力	状态
68 条中式英语 tell 检测（四类）	✅ v0.1.0
离线 0-100 母语感评分（可复现）	✅ v0.1.0
Instagram / TikTok / Substack 风格包改写	✅ v0.1.0
DeepSeek / Qwen / GLM / Kimi 端点预设	✅ v0.1.0
--lock 逐字锁定（品牌名/链接）	✅ v0.1.0
before/after + 分类 delta 报告	✅ v0.1.0
自动发布到任何平台	❌ 永远不做（边界）
整篇中文代写/翻译	❌ 编辑不是代写
语法纠错	❌ 那是 Grammarly 的地盘

配置

muyu presets          # 查看端点预设

~/.muyu/config.yaml（或环境变量 MUYU_PRESET / MUYU_BASE_URL / MUYU_MODEL / MUYU_API_KEY）：

preset: deepseek      # deepseek | qwen | glm | kimi | custom
# base_url: https://api.deepseek.com
# model: deepseek-chat
# api_key: sk-...
# temperature: 0.4

付费

核心（评分器 + tell 库 + 基础平台包）永久开源免费。可持续收入来自数据层订阅：按季度更新的进阶平台风格包与品牌音色包（公众号/知识星球履约，¥39-99/月），以及面向出海团队的固定品牌音色服务。模型调用始终走你自己的端点——你为数据和音色一致性付费，不为推理付费。

路线图

• v0.1.x：补齐三组样例的母语者盲测结果；全流程（含 rewrite）演示 gif
• v0.2.0：品牌音色包（跨系列文风一致）；更多平台包（YouTube 简介 / LinkedIn）
• v0.3.0：tell 库社区共建通道（PR 规则带出处与例句）
• 永远不做：自动发布、账号托管、灰产批量改写

开发

python3 -m venv .venv && .venv/bin/pip install -e . pytest
.venv/bin/python -m pytest -q          # 12 tests
python3 docs/record_demo_results.py    # 再生成 docs/demo-results.json
python3 docs/render_presentation.py --repo .   # 再生成 README SVG

许可

_{MIT © 2026 SuperMarioYL}