v2.2.1：句式骨架也算 AI 味，按密度判
规则此前只有单句视野。同一种句式骨架跨段反复出现时，逐句看每句都成立，规则给不出判据。结果是词表清干净了，文本读起来还是能预判下一句。
二元对比按密度判，不按单句判
references/structures.md 第 1 条（二元对比）此前只有单句正反例。这版给它补上检测判据，体例对齐同文件第 20 条（破折号腔）：
- 长度归一阈值：< 300 字/词 出现 2 处以上；300–1000 字/词 3 处以上；> 1000 字/词 平均每 300 字/词 1 处以上。计数口径明确到中文按字、英文按词，代码片段 / 路径 / 命令 / 版本号各计 1。
- 豁免先剔除再计数，上限 2 处：术语定义 1 处 + 论证骨架 1 处。超过 2 处都声称「承担论证」时不再逐条豁免：每处都说得出理由，恰恰是骨架依赖的表现。
- 变体计入：
不像 A，像 B、要的是 X，不是 Y，以及连续多条以否定收尾的列表项。 - 把
不是 X，是 Y倒装成Y，不是 X不算完成降密度。
这个缺口是有历史的：evals/benchmark-tiers.md 里 SF-40 降到观察层的第一条理由就是「操作手册只约束同段连续叠加」。当时的处理是把用例降层，没有补规则。
合同漏抄的半句补回来
references/positive-style.md 和 references/operation-manual.md 早就写了「长度、抬手和落点都太整齐」，但 SKILL.md 的 Residual Audit 只抄了「句长过匀」。SKILL.md 是行为合同单源，模型实跑按它走，于是只查句长，长短句交替的文本直接过关。
这版把 Pass 2 第 5 项改成「节奏过匀」，补回抬手和落点，并纳入句式骨架密度。structures.md 第 18 条同步从「句长均匀」扩为「节奏单调」，分列句长和骨架两个子信号。
验证
评测集从 82 扩到 84 条（47 SF + 37 SNF），新增 SF-47（跨段密集，每句都带信息）和 SNF-37（未达阈值的下边界）。
targeted 双模型盲测，Codex 与 Claude 交叉判分：
- 新增用例四轮：L1 硬约束失败 0，SNF 误杀 0
- 影响面回归 7 条：L1 失败 0，SNF 误杀 0/2
7 条不是抽样：全库 84 条扫描后确认 15 条含二元对比骨架，其中 7 条按新阈值行为会改变，其余 69 条对新规则是 no-op。重点验的是 SNF-29 和 SNF-30 这两条 in-place 长文误杀防护用例，它们按新判据都会在阈值上「名义命中」，双侧四次运行全部 no-op，正文逐字保留。
过程中出现过一次由本版改动引入的回归：豁免逻辑缺边界，导致双侧对 SF-47 全判 no-op。当轮发现，加豁免上限和可判定判据后修复。失败轮和修复轮都归档在 evals/results-v2.2.1.md，没有只留通过的那一轮。
已知限制
- 密度判据给了模型一个合法的停手点：SF-39 改到阈值之下就停，留下评测集逐条点名的另外两处骨架。本版不动。这属于「答案不唯一」还是「规则说不清」需要更多样本才能判，现在改就是围着单个用例长例外。
- Codex 侧在部分用例上降密度不完整（倒装充数、覆盖不全），属 L2 风格层，按分层门槛不阻塞发布。
- 本版没跑 84 条全量。
另外，.claude-plugin/ 的 version 从 2.1.0 同步到 2.2.1，v2.2.0 那次漏了。
完整变更见 CHANGELOG；验证记录见 evals/results-v2.2.1.md。