/blog-check：技术输出原创性核验

候选人在简历里放博客链接，是在主动提供一份"技术深度的样本"。核验它的价值在于：博客比简历更难包装——简历可以逐字打磨，而一篇技术文章要在几千字里持续伪装出不存在的理解，成本高得多。

反过来说，博客也是交叉印证简历的好材料：文章里提到的踩坑、时间、技术栈，可以和简历上的经历互相验证。

边界

• 只读候选人主动提供的链接。不搜索候选人在其他平台的账号，不追踪其网络身份。
• 只核验技术内容。博客里的生活记录、观点表达、个人心情、政治或宗教内容——一律跳过，不读、不记、不写入报告。看到时主动忽略。
• 抄袭判定门槛要高。技术写作中大量内容天然相似（同一个 API 的用法、同一份官方文档的翻译、同一个经典算法的讲解），相似不等于抄袭。
• 博客更新少、写得浅、停更多年——都不是负面信号。写博客是额外付出，不写是常态。这一维度只在候选人主动展示时才核验。

核验流程

第零步：先核验形容词，不是数量

这是最容易跳过、也最致命的一步。

当 claim 形如「原创 200+ 博客」「独立完成 N 个项目」「主导 X 次重构」时——修饰语才是承载分量的部分，数量只是陪衬。

核验"384 > 200"不等于核验了这条 claim。 如果 384 篇里大量是转述而被标为原创，那么「原创 200+」这条 claim 就是不成立的，哪怕数字远超。

纪律：拆开每条复合 claim，先判修饰语，再看数量。修饰语不成立时，数量成立不能挽救该 claim。

第一步：抽样（样本量必须随语料规模缩放）

绝不能对任何规模的博客都只抽 3—5 篇。

样本量下限

文章总数	首轮最小样本
< 30	5
30–100	10
100–300	15
> 300	20，且必须覆盖每个内容板块

分层抽样（关键：必须抽到"大宗"）

抽样最容易犯的错，是只抽亮点而漏掉主体。以下四层缺一不可：

层	抽法	为什么必须抽
A. 大宗连载（占比最高的系列）	从最大的 1—2 个系列中随机抽 5—8 篇	**这是判断整体性质的唯一依据。**大宗决定博客的真实构成
B. 高流量篇	阅读量最高的 3—5 篇	高流量常来自热门八股题，也是搬运高发区
C. 项目复盘篇	与其自有项目对应的 2—3 篇	最可能原创，用于确认"确有原创部分"
D. 随机对照	全量列表中纯随机抽 3—5 篇	对冲前三层的选择偏差

⚠️ 原先的抽样标准（最相关 / 最长最硬 / 最新）系统性偏向 C 层——也就是最可能原创的那批。只按那三条抽，等于把视线从大宗上移开。C 层现在只占四层之一。

升级规则（强制）

首轮样本中若有 ≥2 篇命中搬运特征，必须扩大样本至 2 倍并重抽，不得直接下结论。

扩样后若命中率仍 ≥30%，结论应指向系统性而非"偶发"，并在报告中给出命中率（"扩样 N 篇，M 篇命中，命中率 X%"），而不是笼统的定性词。

永远给出命中率和样本量，不要写"部分文章存在……"这类无法追溯的表述。

第一步半：标题级批量筛查（低成本、可全量）

打开每篇文章读内容很贵，但比对标题几乎免费，而且可以全量做。

搬运最强的痕迹是标题逐字相同——转述者通常保留原标题，因为那是原作者拟好的、最吸引点击的问句式标题。

方法：

1. 拉取全量文章标题列表（多数平台有 API 或分页列表）；
2. 与常见来源的章节目录逐一比对（见 references/authenticity-signals.md 的"高频被转述来源"清单）；
3. 统计逐字命中数 / 总数。

这一步能在几分钟内给出全量而非抽样的结论，且结果可复现、可追溯。发现批量命中时，再回到第一步做内容级抽样确认。

第二步：吞吐量作为扩样触发器

计算篇数 / 月。这不是判据，是触发器：

月产量	处理
≤ 15 篇/月	正常，无需额外处理
15—40 篇/月	记录，抽样时注意内容长度与实践密度
> 40 篇/月，或单月 > 80 篇	强制扩大样本，并在报告中说明该月的内容构成

必须排除的正当解释：

• 教材/课程的章节连载（一次学习按小节拆成多篇），这是极常见且正当的记录方式；
• 集中整理旧笔记后批量发布；
• 短篇速记形态的博客。

但"是连载"不等于"是原创"——连载的是谁的内容，仍需第一步半的标题比对来判断。不要用"这是章节连载"直接解释掉高吞吐量而跳过核验。

第二步：原创性核验

读 references/authenticity-signals.md，按三类分别判断：

A. 搬运/抄袭 —— 首选方法：整段正文逐字检索

对每一篇抽样文章，取中部一个 100—300 字的解释性段落，加引号精确检索。

不要去挑"特征句"。 一段连续文字即使每句单独看都很通用，组合起来仍是唯一指纹；而"这句够不够独特"的判断恰恰是整套流程最容易失败的一环——技术讲解段落逐句看都像通用表述，核验者会因此跳过，整段搬运的内容就被漏掉了。

选段要点：避开导语和结尾（句式化程度高）、避开纯代码块、包含代码的段落取文字说明部分。搜索引擎对超长串支持不佳时，取前 2—3 句。

命中后必须追溯到最早/权威出处，不要停在任意一个结果上——内容农场会大量回声。详见 references/authenticity-signals.md S1。

命中高度雷同的更早发布内容时：

• 检查是否标注了转载来源、原文链接、参考资料；
• 检查发布时间先后；
• 检查是否为同一作者在多平台的同步发布（这完全正当）。

必须排除：翻译官方文档、转载并标注来源、同人多平台分发、引用并注明出处、通用代码示例的雷同。

只有在"内容高度雷同 + 发布时间更晚 + 无任何来源标注 + 排除同人多平台"四项同时成立时，才可标为 部分属实。这是本 skill 中唯一可能接近该强度的场景。

B. AI 批量生成 识别信号见 reference 文件。核心特征是结构完美但信息空洞：小标题工整、每段长度均匀、大量"首先/其次/此外/总而言之"、通篇是概念复述而无具体环境（版本号、报错信息、具体数值、实际配置）。

极重要的免责：

• 用 AI 辅助写作完全正当，现在是标准实践；
• AI 检测在原理上就不可靠，绝不能给出"这是 AI 写的"这种结论；
• 正确的表述是"该文以概念复述为主，未见具体工程实践细节"——这是对内容的判断，不是对写作工具的指控。

C. 东拼西凑 同一篇文章中风格、深度、术语习惯明显断层，像是多个来源的片段拼接。同样只能是弱信号。

第三步：技术深度评估

这是比原创性更有价值的一层。真实实践留下的痕迹是难以伪造的：

有实践痕迹的标志（加分，务必记录）：

• 具体的版本号、环境、配置参数；
• 完整的报错信息与排查过程（尤其是走了弯路的部分）；
• "我一开始以为是 X，结果发现是 Y"这类真实的认知修正；
• 对官方文档没写清楚的地方的补充；
• 明确的适用边界和"这个方法在 XX 情况下不行"；
• 有数据的对比实验；
• 文章下方与读者的实质技术讨论。

只有概念复述的标志：

• 内容与官方文档/维基百科的信息量基本一致，没有增量；
• 代码示例都是 hello world 级别，且明显未运行过（有明显错误）；
• 提到问题从不提解决过程中的失败。

注意：入门教程、学习笔记类文章本来就以概念梳理为主，这不是缺点。评估时要区分文章的体裁意图。

第四步：与简历交叉印证

这是本 skill 对整体核验的独特贡献：

• 文章中提到的项目、技术栈、工作场景，是否与简历经历吻合？
• 文章发布时间与简历声称的经历时间是否对得上？（如简历写 2023 年做 A 项目，博客里 2023 年的文章全在讲完全无关的方向，值得追问——但也可能只是没写）
• 简历声称精通的技术，博客中的相关文章是否体现出对应深度？
• 反向发现：博客里体现出的某项能力，简历上完全没写——这是加分发现，应告诉面试官这是可挖掘的点。

输出

### 技术输出核验

**核验对象**：[博客地址] | **抽样**：N 篇（列出标题与链接）

**原创性**：
- 整段检索结果：[逐篇说明：所取段落、命中源、源发布时间、追溯到的最早出处]
- **命中率**：抽样 N 篇，M 篇整段命中，命中率 X%（**必须给数字，不写"部分文章存在……"**）
- 标题级全量筛查：全量 T 篇，与已知来源逐字命中 K 篇，命中率 Y%
- 结论：[档位] | 已排除：[转载标注 / 多平台同步 / 翻译 / 引用]

**技术深度**：
- 实践痕迹：[有/部分/以概念复述为主] —— [具体例证]
- 体裁说明：[该文属于教程/笔记/实践复盘，评估已考虑体裁]

**与简历的交叉印证**：
- 吻合项：...
- 存疑项：...
- 加分发现：[博客体现但简历未写的能力]

**结论**：[档位]
**其他可能的解释**：[必填]

误判警示

观察	不能推出的结论
文章写得浅	不能推出能力差——可能是面向初学者的写作
更新频率低 / 已停更	完全正常，不是信号
与其他文章相似	讲同一技术必然相似，不等于抄袭
行文像 AI	不能给出任何"AI 生成"的结论，AI 检测不可靠且 AI 辅助写作正当
转载了他人内容	标注来源的转载是正当行为
博客里有非技术内容	与核验无关，跳过即可
没有博客	绝大多数工程师都没有，不是任何信号