别再堆 may、possibly 了：anti-defensive-writing 教你精准表达不确定性的完整教程

在论文和提案里堆满 may、possibly、perhaps，观点还没说完就先道歉三句——anti-defensive-writing是一个面向 Codex / Claude Code 的写作技能，帮你删掉多余的免责声明、反复的保留措辞和自我贬低，同时保留必要的方法学限定，让不确定性的表达更精准、更直接、更有力。

什么是防御性表达？先识别再修改 🧐

写学术文章时，我们常出于"怕被审稿人挑错"的心理，下笔先铺垫一圈：

• ❌ "本文并不声称这些案例能代表所有情境。"
• ❌ "这或许说明，X 可能在一定程度上对 Y 产生潜在影响。"
• ❌ "虽然样本有限，无法涵盖所有差异，但仍能提供有限的参考。"

这些句子的问题不是"不准确"，而是用示弱换安全：每多一句防御性表达，核心观点就被稀释一分。完整的检测清单（10 类问题：不必要的免责声明、叠加保留词、段首先强调不足、道歉式表述等）见 SKILL.md。

核心思路：精准表达不确定性，而不是一刀切删词 ⚖️

anti-defensive-writing 的规则不是"把 may 全删了"，而是按证据判断该不该保留。它的改写流程分 5 步：

1. 判断功能：这句话是"不必要的免责声明"，还是"必要的范围限定 / 真实的方法局限"？
2. 删除免责：不提供证据、不说清范围、不推进论证的句子，删。
3. 改为正向表达："本文分析了 2015 至 2023 年的城市治理案例" ✅，而不是"我们并不认为这些案例能代表所有情境" ❌
4. 把话说准：确实存在不确定性时，说明它来自哪里——"现有证据支持这一解释，但尚不能据此估计总体效应。"
5. 围绕观点重组段落：一段只说一件事，开头就是观点。

关键边界：只发现相关关系时，不能改写成因果关系；"初步""可能"等词在证据允许时应当保留，也不为显得有力而硬加"显著""全面领先"。

最快安装方法：一条命令搞定（macOS / Linux / WSL）🚀

无需 Git、Python、Node.js 或任何包管理器，安装器只下载一个SKILL.md文件：

curl -fsSL https://raw.githubusercontent.com/Kiterlin/anti-defensive-writing/main/install.sh | sh -s -- --dest "$HOME/.agents/skills"

只想在当前项目使用，把目录换成相对路径即可：

curl -fsSL https://raw.githubusercontent.com/Kiterlin/anti-defensive-writing/main/install.sh | sh -s -- --dest ".claude/skills"

三种技能目录任选，详见 README.zh-CN.md：

💡 更新已装版本：加--force参数，新文件下载校验成功后才会替换，失败则保留原安装。

Windows 安装步骤（PowerShell 7）🪟

打开 PowerShell 7（pwsh），运行 install.ps1：

$skillsDir = "$HOME/.agents/skills" $installSkill = [scriptblock]::Create((Invoke-RestMethod 'https://raw.githubusercontent.com/Kiterlin/anti-defensive-writing/main/install.ps1')) & $installSkill -Dest $skillsDir

使用教程：3 步调用技能 ✍️

第 1 步：确认技能已安装（目录结构如下），若 Agent 中看不到，重启一下即可。

<技能目录>/ └── anti-defensive-writing/ └── SKILL.md

第 2 步：在 Codex 中用$调用，或在 Claude Code 中用/调用：

$anti-defensive-writing 修改下面的段落，删掉多余的防御性表达，保留必要限定，不增加原文没有的事实。

第 3 步：把要改写的段落贴给 Agent，拿到"删了免责、保留了限定"的干净版本。

网页聊天工具也可以直接把 SKILL.md 粘贴或上传为写作指令，无需安装。

真实改写案例：从堆砌 may 到直接表达 📝

项目自带三个完整段落级案例：论文引言、方法与贡献、项目申请。以学术引言为例：

修改前（防御性）：

……we readily acknowledge that our observational sample may suffer from unobserved confounding factors, it might cautiously be suggested that algorithmic content moderation could potentially suppress user participation under certain circumstances. We do not claim that our findings apply universally……

修改后（直接、精准）：

Algorithmic content moderation significantly reshapes user participation in online communities. Using observational data from three major platforms, this paper demonstrates that automated keyword filtering reduces voluntary replies by 14%……While unobserved confounding remains a known constraint of cross-platform observational designs, our comparative event-study framework isolates the short-term engagement effects.

可以看到：结论先行、数字说话，"unobserved confounding"这个必要限定被移到了它该在的位置，而不是堆在段首当挡箭牌。

它不会做什么（重要边界）🛡️

• 不会夸大证据、不会把相关性写成因果
• 不会凭空添加数据、机制或优势
• 不会删除影响准确性、伦理、法律和安全边界的限定

换句话说：它让表达更自信，但不让结论更激进。

常见问题与更多资源 ❓

Q：安装后技能没有出现？重启 Agent；确认目录与所用 Agent 匹配（Codex 推荐~/.agents/skills）。也可以手动安装：在技能目录创建anti-defensive-writing文件夹，将SKILL.md放进去即可，或克隆仓库后手动放置：

git clone https://gitcode.com/gh_mirrors/an/anti-defensive-writing

Q：规则原文在哪看？完整规则（英文主规则 + 中文规则）都在 SKILL.md，可安装副本在 skill/anti-defensive-writing/，包元数据见 skill.json。

Q：支持哪些场景？论文、项目申请（grant）、技术说明、产品文案、政策与专业报告，中英文均可。

写在最后

少堆一个 may，就多一分说服力。anti-defensive-writing 帮你把"怕被质疑"的防御性文字，替换成"证据在哪、边界在哪"的精准表达——好的研究，值得被更清楚地看见 ✨