当歌词平淡、陈腐、拗口或与音乐不匹配时…

适用于 AI 生成或人类创作的歌词显得平、陈词滥调、别扭或与音乐情绪不匹配时，进行系统诊断和干预。

适用场景

解决思路

1. 先记住核心原则：歌词会以可预测、可诊断的方式失败；泛泛不是中性，而是坏。AI 生成歌词会聚集在统计分布中心，即最可能的选词、押韵对和情绪词汇；必须有意偏离默认。
2. 按诊断流程步骤 1 做第一遍整体聆听：不分析，只记录整体印象、哪些句子强或弱、注意力在哪里走神、听一遍后记住了什么。
3. 按诊断流程步骤 2 识别主要状态：若泛泛/可预测则为 LY1 陈词滥调陷阱；若不适合旋律则为 LY2 格律不匹配；若没有深度则为 LY3 表面肤浅；若语气不对则为 LY4 语域不匹配；若听起来别扭则为 LY5 声音忽略；若没有结构/hook 则为 LY6 结构混乱。
4. 按诊断流程步骤 3 对主要状态运行诊断：回答该状态的关键问题，运行相关脚本（cliche-check.ts、meter-check.ts 等），完成该状态的诊断检查清单。
5. 按诊断流程步骤 4 检查次要状态：陈词滥调（LY1）常与肤浅（LY3）同现；格律（LY2）常与声音（LY5）同现；语域（LY4）常与结构（LY6）同现。
6. 按诊断流程步骤 5 做优先级干预：先修最具破坏性的问题。格律（LY2）先于声音（LY5），因为不可唱时声音质感无帮助；陈词滥调（LY1）先于肤浅（LY3），因为新鲜词语才能承载深度；结构（LY6）先于语域（LY4），因为先有段落才能匹配语气。
7. 诊断 LY1 陈词滥调陷阱：检查是否被可预测押韵对主导、选词是否第一联想、是否毫无惊喜、是否可套用到该主题任何歌曲。
8. 回答 LY1 关键问题：你用了哪些押韵对？它们是否第一联想？替换结尾押韵词是否会破坏意义？如果是，它就是填充。能否列出该主题的默认词并避开？同一情绪在其他体裁会怎么说？
9. 完成 LY1 检查清单：无 Tier 1 陈词滥调词（love、heart、baby、forever）；无套话；押韵对不是明显第一联想；每段至少一个意外词；使用具体细节而不是泛泛陈述。
10. 执行 LY1 干预：运行 cliche-check.ts 作为预过滤，它只呈现候选，不做诊断；人工扫描套话，脚本会漏掉；列出结尾词最可预测的 10 个押韵并全部避开；用具体感官意象替换抽象情绪；问「讨厌这个体裁的人绝不会说什么」，然后用它。
11. 识别 LY1 套话：screaming inside（未表达的痛苦）、need you gone（直接欲望）、won't leave me alone（持久性）、thought I died（情感死亡隐喻）、used to be + 过去状态（怀旧铺垫）、look in your eyes（联系）、torn apart（破坏）、can't let go（依恋）；这些需要语义判断，脚本抓不到。
12. 避免 LY1 懒惰押韵对：desire/fire/tired、inside/died/alive、away/stay/day、heart/apart/start、alone/gone/on；这些簇会不断一起出现。
13. 诊断 LY2 格律不匹配：检查句子是否不适合旋律、重音是否落在错误音节、是否需要不自然发音、音节是否被别扭地塞入或拉长。
14. 回答 LY2 关键问题：能否一边打节奏一边说出歌词？重音落在哪里，是否匹配旋律强调？是否有音节被不自然吞掉或拉长？每个短语多少音节，是否一致？
15. 完成 LY2 检查清单：自然词重音与音乐节拍对齐；音节数适配旋律乐句；无需别扭发音；缩约/省音可唱。
16. 执行 LY2 干预：运行 meter-check.ts 分析音节数和重音模式；一边打拍子一边说歌词，不匹配会变明显；换同义但不同音节数的词；用缩约减少音节，或展开增加音节。
17. 诊断 LY3 表面肤浅：检查歌词是否只说字面意思而无更多、无潜文本、无层次；情绪是否直接陈述；一切是否都在表面。
18. 回答 LY3 关键问题：是否有第二种解读、言外之意？你是在陈述情绪还是用意象唤起情绪？什么具体意象锚定抽象？能否第一次听懂但重复听发现深度？
19. 完成 LY3 检查清单：每段至少一个多层意象；情绪通过细节唤起而非直接陈述；有东西供重复聆听发现；具体细节锚定抽象概念。
20. 执行 LY3 干预：对每个抽象陈述找具体动作/意象来体现；不要写「我很难过」，要展示难过看起来、听起来、感觉起来像什么；加入一个不太契合的细节以制造有生产力的歧义；测试同一句能否解释出两种不同含义。
21. 诊断 LY4 语域不匹配：检查歌词语气是否与音乐情绪矛盾；随意词是否配戏剧化配器；沉重歌词是否配轻快音乐；词汇是否符合体裁预期。
22. 回答 LY4 关键问题：此刻听众应感受什么情绪？词汇的正式/随意程度是否匹配音乐？距离（亲密/观察）是否匹配配器？这种语言在该体裁中是否合理？
23. 完成 LY4 检查清单：词汇匹配音乐强度；距离（I/you 对 they/we）适合声音；满足或有意打破体裁词汇预期；若存在反讽则清晰标示。
24. 执行 LY4 干预：只听音乐不听歌词，感受它唤起什么情绪；逐段让歌词强度匹配音乐强度；检查体裁词汇规范，有意违反或完全不违反；若用反讽，加入信号词或结构线索。
25. 诊断 LY5 声音忽略：检查是否没有关注词在口中的感觉；温柔时刻是否有刺耳辅音簇；元音是否单调；是否没有头韵、元音韵或有意的声音质感。
26. 回答 LY5 关键问题：主导辅音是什么，造成什么质感？元音是否支持情感内容？是否有刺耳辅音簇打断流动？是否有有意声音绘画？
27. 完成 LY5 检查清单：亲密时刻用软辅音（l、m、n、w）；冲击时刻用硬辅音（k、t、p）；元音支持情感内容；每段至少一个声音手法（头韵、元音韵）。
28. 执行 LY5 干预：只关注口中感觉地朗读歌词；把情感时刻映射到合适的声音质感；在温柔时刻替换刺耳词；在关键短语加入有意的头韵或元音韵。
29. 诊断 LY6 结构混乱：检查是否没有可识别 hook、主歌和副歌是否可互换、重复是否烦人而非强化、bridge 是否不对比、歌曲是否没有弧线。
30. 回答 LY6 关键问题：是否有清晰 hook，落在哪里？每段是否增加新信息或重复？bridge 是否真正对比还是继续？重复是否值得？
31. 完成 LY6 检查清单：hook 可识别且难忘；各段有差异（新信息、不同角度）；副歌提供情感回报；bridge 提供对比或升级；重复演进或强调，不令人厌烦。
32. 识别 LY6 结构陈词滥调：bridge = verse（不是 bridge，只是更多同样内容；应转变视角、时间或说话者）；副歌重复时扩展（只加行无发展；每次副歌应意味更多）；hook 重复但不探索（说短语但从未展开；应展示 hook 意味着什么）；没有弧线（结尾情绪与开头相同；必须有变化——领悟、接受、升级）；各段用同义句说同一件事（第 2 段需要新信息或角度）。
33. 执行 LY6 干预：识别 hook，若找不到就创造一个；让每段回答关于主题的不同问题；bridge 应转变视角、时间或强度；删掉不值得的重复；检查结尾时说话者情感位置是否不同。
34. 处理反模式 1 过度修改：一次只改一个地方，然后整体重读；不要在不检查整体的情况下连锁修改；分开保存初稿。
35. 处理反模式 2 虚假精致：每个晦涩元素都需要清晰锚点；复杂服务于清晰，而不是取代清晰。
36. 处理反模式 3 体裁 cosplay：理解体裁元素的功能，然后为该目的部署它；不要只穿词汇外衣。
37. 处理反模式 4 初稿依恋：把初稿单独保存，像别人写的一样修改；能杀掉心头好。
38. 诊断后按状态转向对应框架：LY1 陈词滥调 -> Cliche Transcendence 框架；LY2 格律 -> meter-reference.md 中的替代方案；LY3 肤浅 -> lyric-analysis-framework.md 中的 Semantic Layers；LY4 语域 -> lyricist-dna-framework.md 中的 register 模型；LY5 声音 -> lyric-analysis-framework.md 的 Sound Texture 部分；LY6 结构 -> Structural Architecture 部分。
39. 结合互补技能：prose-style 处理句子级工艺（与声音/清晰度重叠）；cliche-transcendence 用于逃离默认模式；naming 用于声音象征和选词。
40. 识别 AI 歌词退化模式：第 1-2 行模型有自由，可能找到有趣内容；第 3 行后押韵约束激活，模型优化完成而非原创；到第 2 段完全进入统计默认模式，出现套话和懒惰押韵簇。
41. 理解 AI 失败原因：统计中位数拉动（LLM 生成最可能下一个 token，导致最常见押韵对、最高频情绪词汇、最典型短语结构）和完成奖励偏差（把「押韵完成」当成功，结构完整优先于结构有意义）。
42. 检查 AI 可观察症状：开篇段落有工艺，后面崩塌为陈词滥调；押韵词聚集在可预测组（fire/desire/tired 一起出现）；套话集中在第 2 段及以后；bridge 常是最弱段落。
43. 执行 AI 对策：预锚定结尾词，自己写押韵词并有意选择非簇词；若避开 fire，就打破 fire/desire/tired 簇。
44. 执行 AI 对策：用具体意象播种，开头几行设定词汇空间；早期具体、不寻常的意象比抽象情绪词汇更能延缓统计崩塌。
45. 执行 AI 对策：隔离段落，单独生成第 1 段，评估，再生成第 2 段并明确指示避免第 1 段的押韵家族；把每段当作单独生成任务。
46. 执行 AI 对策：在提示中明确禁止懒惰押韵簇，例如禁止 fire、desire、tired、higher、liar；禁止 inside、died、alive、hide、tried；禁止 heart、apart、start、part。
47. 执行 AI 对策：提供斜韵替代，给模型逃生路线，例如用 home/come、love/move 等斜韵代替完美押韵。
48. 应用隔离原则：隐藏最终目标，让每个阶段完整。不要提示「写一首关于 X 的完整歌曲」，而是：1 生成 hook/title 概念（不要完整歌词）；2 单独生成第 1 段（还不要副歌）；3 把第 1 段作为上下文生成副歌；4 生成第 2 段并明确要求差异化；5 生成 bridge 并要求视角转变。每一步都是完整任务。
49. 使用脚本作为预过滤器而非诊断：cliche-check.ts 从 lyric-dominance-rules.json 呈现 Tier 1/2 术语，必须结合语境评估；用法 `bun run scripts/cliche-check.ts "your lyrics here"`；局限：漏掉套话、押韵驱动选词、语义陈词滥调。
50. 使用 meter-check.ts 报告音节数、重音模式和方差，必须判断方差是否有意；用法 `bun run scripts/meter-check.ts "your lyrics here"`；用于识别需审查的行、发现高方差。
51. 使用 rhyme-check.ts 映射押韵方案并识别押韵类型，必须评估押韵质量；用法 `bun run scripts/rhyme-check.ts "your lyrics here"`；局限：把 -ing/-ing 标为押韵，把同语义场对标为押韵，不检测押韵驱动的选词。
52. 快速参考 LY1：核心问题可预测，先问押韵是否第一联想，主要修复替换陈词滥调词。
53. 快速参考 LY2：核心问题不可唱，先问重音是否匹配节拍，主要修复数音节、换词。
54. 快速参考 LY3：核心问题空洞，先问是否有潜文本，主要修复加入具体意象。
55. 快速参考 LY4：核心问题不匹配，先问语气是否匹配音乐，主要修复让词汇对齐强度。
56. 快速参考 LY5：核心问题刺耳，先问词在口中感觉如何，主要修复把声音映射到情绪。
57. 快速参考 LY6：核心问题无方向，先问 hook 在哪，主要修复定义并放置 hook。

适用边界 · 注意事项

• 不适用于替你写歌词：本技能只做诊断，不生成歌词。
• 不适用于评估音乐元素：旋律、和声、编曲等应使用 Musical DNA 等工具。
• 不适用于替代人类对艺术意图的判断，也不保证商业成功；工艺不等于商业。