什么值得做
GitHub 开源项目 · 11-6 写
nanaism/yomiyasu · nanaism

「时间を溶かさない」读着别扭:一个 3,500 粉的日本工程师,靠一条推文让去 AI 腔 skill 拿到 2,857 star

它是什么 装进 Claude Code、Codex、Cursor 的一个 skill,把 AI 写的别扭日语改顺:补回「谁对什么做了什么」,把比喻动词换成实在说法,附测试语料和检查脚本,免费开源。

为什么火了 日本工程师正烦 AI 腔,作者用一句「禁词没用,要改结构」和几句人人见过的 AI 腔例子发了条推文,320 万浏览,接着上了はてな热门和 Qiita 周榜;之后天天发版,把热度拉长了一个月。

B你可以怎么跟 去德语、西班牙语、葡萄牙语、法语这类只有 humanizer 翻译版的语言,照它的方法做:总结母语 AI 腔的句法毛病,配语料和检查脚本,首发帖贴一段让本地读者发笑的前后对比。

B 级:打法清楚,一个小号也跑通了,欧洲几门语言还只有黑名单式的翻译版;但中文、韩语、英语已有上万 star 的项目,剩下的语言天花板低,能不能爆还要看一条推文的运气。
数据(每天更新) · 建库 2026-09-30 · 2,896 星 · 7 天 +122
GitHub · 星数
01k2k3k10-0110-1610-2410-3111-082.9k
数据 2026-10-01 → 2026-11-08(39 天,32 次观测)。10-28 以前的点来自 deeply / 存档补录,不是每天都有

yomiyasu(よみやす,「好读」)是福冈一位 25 岁工程师做的 Agent Skill:装进 Claude Code、Codex、Cursor,让它把 AI 写出来的别扭日语改顺。去 AI 腔的 skill 当时已经有一堆,日语专用的也有两千 star 的前辈;它晚到,却在 37 天里拿到 2,857 star(GitHub,11-06),在 skills.sh 上的安装数超过了 6.5 万 star 的英文鼻祖。它赢在一句别人没说过的话,和一条被 320 万人看到的推文。

一条四行的推文

2026 年 9 月 30 日夜里将近 12 点(日本时间),大賀愛一郎(X @oga_aiichiro)发了一条推文。他是优化算法创业公司 ALGO ARTIS 的工程师,当时 X 上约 3,500 个关注者。推文只有四行:

AI 臭くて読みにくい文章を自然で読みやすい日本語へ書き直すスキル『yomiyasu』をリリースしました。 従来の「単語を禁止する手法」から改善し、統語構造(誰が何をどうした)の復元と、比喩動詞の具体化に特化しています。

意思是:以前的做法是禁用某些词,这个改的是句子结构,把「谁对什么做了什么」补回来,把比喻性的动词换成实在的说法。

这条推文最后拿到 9,104 赞、911 转、1.4 万收藏、320 万浏览(X,11-06)。收藏比转发多十几倍,说明多数人看完的反应是「先存着,马上要用」。X 还给它生成了一条趋势摘要。几个小时后,作者在公司的 Zenn 专栏发出长文;10 月 1 日,这篇文章和 GitHub 仓库一起上了はてなブックマーク热门,文章当天被收藏 357 次,仓库链接 204 次。

它改的是哪种日语

长文开头举了一段典型的 AI 腔技术文:数据在背后「静かに壊れます」(静静地坏掉),某个原则「地味に効いてくる」(默默起作用),别让调试「時間を溶かさない」(把时间溶掉)。日本工程师一读就会心一笑:意思大概懂,可到底谁做了什么、哪里出了问题,说不清楚。

作者的观点是:禁词没用。你在提示词里禁掉「地味に効く」,AI 会把它换成「効果を発揮する」,句子骨架没动,读着还是别扭;你要它「写得更有人味」,它就开始堆「真理」「境地」「美学」。所以 yomiyasu 不拉黑名单,它改的是句子结构:对上主语和谓语,收起把工具写得像人一样的拟人,把「壊れる / 倒す / 効く / 溶かす」这类比喻动词换成平实说法。

光写一份 SKILL.md 的话,它跟别家看不出区别。yomiyasu 还带了这些:

  • 160 多篇测试语料,专门区分「氷を溶かす」这种正常用法和 AI 特有的「時間を溶かす」。
  • Python 检查脚本,改写前后自动对比,只用标准库;AI 给自己打分容易手软,检查交给脚本。
  • 一个 A/B 测试应用,作者拿它反复比两个版本哪里好读、哪里别扭。

一行 npx skills add nanaism/yomiyasu 就能装好,对 AI 说「用 yomiyasu 改一下」就会调用。开源,MIT 许可,不收钱。

star 是怎么来的

日期发生了什么star
9-30 夜发布推文,320 万浏览—
10-01Zenn 长文和仓库上はてな热门;5.2 万粉的 @tetumemo 写长评,21 万浏览+195
10-02进 GitHub Trending Python 榜第 8+239,全程最高
10-03 到 10-07Qiita 上出现《yomiyasu 火了,所以我比了三个》,进 Qiita 官方周榜第 4每天约 100
10-16 / 10-17v2.0.0、v2.0.1,推文 13 万浏览10-17 +125
10-24三个版本一起发(v2.3.0、mini、pocket),推文 40 万浏览+55
11 月不再有大事件每天 12 到 20

(10 月上旬的逐日数字来自第三方 star 统计,10-17 之后来自 GitHub 每日数据;浏览数来自 X,11-06)

@tetumemo 那篇长评说的是:乍一看和已有的 Humanizer 类一样,读了作者的文章才发现思路不同,别家「找出 AI 爱用的词和节奏再改」,yomiyasu「把句子骨架拆开重搭」。他还把日本已有的五个同类挨个对比了一遍。差异点经大号这么一讲,读者就记住了。はてな评论两极,有人说「想试试」,也有人说「AI 时代的垃圾」,吵起来又多带了一波。

之后作者几乎天天发版,37 天发了 26 个版本,每次大版本都发一条推文、更新一次 Zenn 文章的标题(现在是「最新 v2.4.0」)。有一件事他处理得很好:v1 发出后有人指出改写把意思改了,他在 v2.0.0 把「不改原意、不补原文没有的信息」定成第一条规矩,并在文章里承认原来 README 的示例补了原文没有的内容。认错本身又成了一次发版推文。

后来还出了两个简化版:mini 给 SKILL.md 有大小限制的环境用;pocket 只有 400 到 500 字,可以直接贴进 ChatGPT 的自定义指令。不用编程工具的人也能用上。

谁在旁边

项目规模(11-06)和 yomiyasu 比
blader/humanizer6.5 万 star;skills.sh 1.21 万安装英文鼻祖,按 AI 写作特征清单改
coji/natural-japanese2,024 star;skills.sh 5,200 安装日语,早两个半月;改得多,会重排段落
textlint-rule-preset-ai-writing1,159 star规则式检查,只报问题,不改写
iKora128/stop-ai-slop-jp477 star日语审查清单,偏词汇和夸张标题
gonta223/humanizer-ja163 starhumanizer 日语版,还是黑名单思路
bamboo-nova/meiseki46 star思路接近,但没人推

yomiyasu 在 skills.sh 上 1.7 万安装,比上面所有人都多。Qiita 的对比测评认为它「保留原文最多」,也认为 natural-japanese 各有长处。东西好是一方面,另一方面是它先被讲成了这个品类的代名词,后来的人都拿它当基准比。

跟风的已经有了:Go 移植、做成 Claude Code 常驻风格的、做成 MCP 的、挂到 hook 上拦截的,都只有 0 到 5 star。在日语里再做一个 yomiyasu,意义不大。

为什么是它

  • 情绪对上了:同一周 Qiita 周榜第 1 是「AI 生成的幻灯片看腻了」,第 8 是「不想读 AI 写的文档」。日本工程师那段时间正烦 AI 腔。
  • 一句话讲清差异:「禁词没用,要改结构」,顺手把所有 Humanizer 类定成了治标。
  • 例子好笑:「时间を溶かさない」这种句子不用解释,每个人都在自己的 PR 里见过。
  • 看着严谨:语料、脚本、A/B 测试、引文,在技术圈比「又一个 prompt」可信得多。
  • 日本技术圈的分发链特别短:X → はてな → Qiita / Zenn / note,一个小号的帖子一天就能走完全程。

产品的差异化是真的,但光有它不够:natural-japanese 质量不差,却没有那条 320 万浏览的推文。作者粉丝不多,这说明靠的不是名气,而是那条推文本身(推断:换个没那么好笑的例子,未必能爆)。

如果是你

判断:B。「挑一门语言、只治 AI 腔、讲一个反黑名单的说法、配语料和检查脚本」这套打法,一个 3,500 粉的人跑通了,可以照做。但最大的几个语言已经挤满,剩下的语言天花板低,能不能爆还要看一条推文的运气。

先看清哪里已经有人(GitHub,11-06):中文有 op7418/Humanizer-zh 2.2 万 star、lieflat-less-ai-tone 6,300 star;韩语有 epoko77-ai/im-not-ai 6,400 star;俄语 humanizer-ru 500 多 star。德语(humanizer-de 197)、巴西葡语(humanizer-pt-br 64)、法语(humanizer-fr 20)、西班牙语(几乎没有)还只有 humanizer 的翻译版,也就是 yomiyasu 拿来当靶子的黑名单思路。

适合谁:母语是德语、西班牙语、葡萄牙语、法语这类语言的开发者,能看出自己语言里的 AI 腔具体错在哪,在本地开发者社区(X、Reddit、本地技术博客平台)有个能发长文的地方。

不适合谁:想在中文、韩语、英语里再做一个的人,那里已经有五位数 star 的项目;也不适合说不出「我们语言的 AI 腔到底哪里怪」的人,这件事全靠语感,没法翻译别人的规则。

怎么做(二选一):

  1. 换语言,照搬方法。不翻译 humanizer 的禁词表,而是总结出你的语言里 AI 腔的句法毛病(西语、葡语里大概是什么,你得自己找),配几十上百篇测试语料、一个能跑的检查脚本,再出一个能贴进 ChatGPT 指令栏的短版。
  2. 做 yomiyasu 没做的场景。它只管技术文档。客服回复、营销文案、学术论文这些场景里 AI 腔一样重,academic-humanizer 已经有 3,600 star,说明按场景切也有人要。

怎么获客:首发帖不说「又一个去 AI 腔工具」,先说「禁词没用」,再贴一段本地读者一看就笑的 AI 腔原文和改后的版本;同时发一篇带数据和引文的长文,投到本地的技术社区;之后每个大版本发一条帖子,有人挑错就公开改、公开认。

什么时候之前:越早越好。各语言的 humanizer 翻译版正在一个个冒出来,大模型自己的写作也在变好。等哪家模型的默认文风不再有这股腔调,这类 skill 的需求就会掉下去。

什么情况说明看错了:发出两周还不到 200 star,或者帖子底下大家都在说「我用的模型已经不这样写了」。

GitHub 仓库 ↗

研究底稿:竞品表、获客证据、完整研究报告
竞品
名字在哪上线规模它和这家不同在哪
blader/humanizer开源2026-01-1865.5K star;skills.sh 1.21 万安装英文为主,按 AI 写作特征清单去痕迹;yomiyasu 专做日语句法,带测试语料和检查脚本
coji/natural-japanese开源2026-07-122,024 star;skills.sh 5.2K 安装面向写好工作日语,会重排段落结构,改得多;yomiyasu 不改原意,改得最少
textlint-rule-preset-ai-writing开源2025-06-161,159 star规则式 lint,只检测词和表达,不改写
iKora128/stop-ai-slop-jp开源2026-06-09477 star偏词汇和夸张表达的审查清单
gonta223/humanizer-ja开源2026-01-27163 starhumanizer 日语版,20 条特征清单,还是黑名单思路
nwiizo/suiko开源2026-08未核实Rust CLI,用固定规则诊断,不改写
bamboo-nova/meiseki开源2026-06-2846 star思路接近(减轻读者负担),但没有传播
Claude / ChatGPT 风格设置、output style大厂功能——通用设置,没有专门针对日语 AI 腔的处理
用户从哪来
  • 查实 X 作者发布推文:2026-09-30 @oga_aiichiro:9,104 赞、911 转、14,148 收藏、320 万浏览,作者约 3,497 粉(fxtwitter);X 生成了 Trending 摘要
  • 查实 X 大号转引:@tetumemo(5.2 万粉)10-01 长评:1,294 赞、21 万浏览,讲的就是它和 Humanizer 类的区别
  • 查实 はてなブックマーク热门:Zenn 文章 540 收藏(10-01 当天 357),GitHub URL 325 收藏(10-01 当天 204)
  • 查实 Zenn 长文(公司 Publication):zenn.dev/algoartis:700 赞 / 240 收藏,持续更新到 v2.4.0
  • 查实 第三方测评和 UGC:Qiita 三款对比测评 104 赞,进 Qiita 官方周榜第 4;多篇 note 实测;YouTube 讲座和对比视频;Spotify 播客
  • 查实 Skill 分发站:skills.sh 1.7 万安装,比 humanizer 1.21 万、natural-japanese 5.2K 都多;agentskillshub、hotskills 等目录站收录
  • 查实 高频发版加推文:37 天 26 个版本;v2.0.1 推文 13 万浏览,对应 10-17 +125 star;三版本同发推文 40 万浏览,对应 10-24 +55
  • 查实 GitHub Trending:10-02 进 Python 语言榜第 8(trendshift)

nanaism/yomiyasu:为什么能跑出来

研究日期 2026-11-06。渠道:GitHub。数据卡:建库 37 天,2,857 star(GitHub API 当天读到 2,871)、74 fork;近 7 天 +157,前 7 天 +300;库里单日最多 +124(2026-10-18,我们的 repo_day 从 10-17 才开始记)。

一句话

一个日本工程师(大賀愛一郎,X @oga_aiichiro,公司是做优化算法的创业公司 ALGO ARTIS)写的 Agent Skill(SKILL.md + Python 检查脚本),在 Claude Code / Codex / Cursor 里把 AI 写出来的“AI 腔日语”改成读起来顺的日语。主打的是改句子结构:补回“谁对什么做了什么”,把比喻动词(壊れる / 倒す / 効く / 溶かす)换成平实说法;不是靠列禁用词。

结论

它是靠一条 X 推文在日本技术圈一夜爆开的,产品本身的差异化给了这个爆点。 2026-09-30 作者发的发布推文拿到 9,104 赞、911 转、1.4 万收藏、320 万浏览,作者自己只有约 3,500 粉丝(fxtwitter API,2026-11-06 读)。同一天 Zenn 长文和 GitHub 仓库一起上了はてなブックマーク热门:Zenn 文章 540 个收藏,其中 357 个是 10-01 当天加的;GitHub 链接 325 个收藏,204 个是 10-01 加的。之后作者几乎每天发版(37 天 26 个版本),每次大版本都配一条推文,带来一波小的 star 回升。

一、竞品:同一件事谁在做

“给 AI 文字去 AI 味”的 skill 在 2026 年已经是个很挤的品类,日语这个细分里在 yomiyasu 之前也有好几家:

名称形态上线规模(2026-11-06)和 yomiyasu 的区别
blader/humanizer开源 skill(英文)2026-01-1865,494 star;skills.sh 1.21 万安装英文为主,按“AI 写作特征”清单(词汇、句式)去痕迹;yomiyasu 专做日语句法,还带检查脚本和测试语料
coji/natural-japanese开源 skill(日语)2026-07-122,024 star;skills.sh 5.2K 安装(2 个 skill 合计)面向“写好工作日语”,改得多,会重排段落结构(Qiita 对比测评);yomiyasu 主打保留原意、改得少
textlint-rule-preset-ai-writingtextlint 规则集2025-06-161,159 star规则式 lint,只检测词和表达;yomiyasu 是 LLM 改写加脚本检查
iKora128/stop-ai-slop-jp开源 skill(日语)2026-06-09477 star审查加修改清单,偏词汇和夸张标题
gonta223/humanizer-ja开源 skill(日语)2026-01-27163 starhumanizer 的日语版,20 条特征清单,还是黑名单思路
nwiizo/suikoRust CLI + skill2026-08未核实(trendshift 列为相近仓库)用固定规则做诊断,结果可复现;没有改写
bamboo-nova/meiseki开源 skill2026-06-2846 star思路接近(减轻读者负担),但没人推,没起来
「日本語技術文書の文章規範」SKILL.md(@kgsi)单个 SKILL.md2026有はてな收藏,规模未核实只是规范文本,没有测试语料和检查脚本
大厂功能Claude / ChatGPT 的风格设置、output style——通用设置,没有专门针对日语 AI 腔的处理

发现: 品类里早有人做,日语专用的 natural-japanese 也已经两千 star。yomiyasu 不是第一个,发布后拿到的关注却最多:skills.sh 上 1.7 万安装,比 humanizer 的 1.21 万、natural-japanese 的 5.2K 都多(skills.sh,2026-11-06)。

二、增长:用户从哪儿来

star 曲线(trendshift 逐日,以及我们的库 repo_day)

  • 10-01 +195、10-02 +239(当天进 GitHub Trending Python 第 8)、10-03 +133,之后 10-07 前每天约 100。trendshift 累计 +2,130,比实际 2,857 少,早期数据可能漏了,只看形状。
  • 10-16 到 10-17 +65 / +125:v2.0.0、v2.0.1 发布,v2.0.1 推文 1,494 赞、13 万浏览。我们库里记的单日最高 +124 是 10-18,和 trendshift 的 10-17 是同一波,日期差一天应该是两边按不同时区切天。
  • 10-20 +83:yomiyasu-pocket 发布前后。
  • 10-24 +55:三个新版本一起发(v2.3.0、mini、pocket),推文 1,148 赞、40 万浏览。
  • 11 月起每天回落到 12 到 20。

渠道证据

  1. X 发布推文(主引擎,已确认):2026-09-30 @oga_aiichiro,9,104 赞、14,148 收藏、320 万浏览(作者约 3,497 粉)。X 还为它生成了一条 Trending 摘要「AI生成日本語の不自然さを解消する「yomiyasu」スキルがリリース」(x.com/i/trending/2105450280469123185,10-01)。
  2. 大号转引(已确认):@tetumemo(AI図解×検証,5.2 万粉)10-01 写长评,1,294 赞、21 万浏览。他强调的是“看起来和 Humanizer 一类差不多,读了作者文章才发现思路不同”,等于替它把差异点讲给了大众。
  3. はてなブックマーク热门(已确认):Zenn 文章 540 收藏,GitHub 页面 325 收藏,都集中在 10-01。评论两极,有“想试”,也有“AI 时代的垃圾”,这种争论本身也在帮它传播。
  4. Zenn 长文(已确认):发在公司的 Publication(algoartis)下,700 赞、240 收藏。文中引了逆瀬川ちゃん对 Qiita 7 万篇文章做的 AI 前后对比统计,还有关于翻译腔的学术文献,看上去很有分量。文章持续更新,标题前缀改成了“最新 v2.4.0”。
  5. 跟风内容(已确认):Qiita 测评《yomiyasu がバズっていたので…3つ比べてみた》104 赞,进了 Qiita 官方周榜第 4(Qiita Zine,10-07);note 上有多篇“我用 yomiyasu 改了自己的文章”(有人给自己 801 篇 note 打了分);YouTube 上有安装讲座(10-17)、对比视频、Spotify 播客;中文圈的 trendshift 页、海外的 hermes-ai.net、LinkedIn、Facebook 也有转述。
  6. Skill 分发站(已确认):skills.sh 1.7 万安装,升级只要一行 npx skills update yomiyasu。agentskillshub、openskills、hotskills.dev、proskills.md 等目录站也都收了,有长尾流量。
  7. GitHub Trending(部分确认):只在 10-02 进过 Python 语言榜第 8(trendshift)。我们的库里 trending_days_any=0,因为 trending 只收建库满约 60 天的库。
  8. 公司背书(已确认):README 和文章都带 ALGO ARTIS 的招聘宣传。这算公司技术品牌内容,但没查到付费推广。

三、为什么跑出来(原因)

  • 点中了日本工程师当下最强的情绪:同一周 Qiita 周榜第 1 是“AI 生成的幻灯片看腻了”,第 8 是“不想读生成式 AI 写的文档”。yomiyasu 正好落在这股“讨厌 AI 腔”的情绪里,发布推文的收藏数(1.4 万)比转发数(911)高得多,说明大家觉得“马上要用”。
  • 说法上和别人拉开了距离:“禁词没用,要改结构(谁对什么做了什么)、改比喻动词”。这个说法一句话就能讲清,还能拿来反驳已有的 Humanizer 类方案。大号 @tetumemo 转引时抓的就是这一点。
  • Before / After 例子让人一看就懂:文章开头那段“静かに壊れます / 地味に効いてくる / 時間を溶かさない”,日本工程师一读就会心一笑,这是最好的传播材料。
  • 看起来很严谨:有 160 多篇测试语料、A/B 测试应用、检查脚本,文章里有引用文献,v2.0.1 还把检查从 O(n³) 优化到 O(n)。这让它看上去比“又一个 prompt”可信,在技术圈尤其吃香。
  • 持续迭代,公开认错:有人指出改写后意思变了,作者就在 v2.0.0 改了核心原则(不改原意,不补原文没有的信息),并在 CHANGELOG 里公开订正语料的统计口径。每次发版发一条推文,把第一波热度拉成了一个月的长尾。
  • 安装门槛低,几家工具都能用:npx skills add 一行装好,Claude Code、Codex、Cursor、Gemini、Antigravity 都支持;还出了 mini(SKILL.md 有大小限制的环境用)和 pocket(400 到 500 字,直接贴进 ChatGPT 自定义指令)。

四、差异化,以及它是不是起来的原因

  • 差异化:(1)从黑名单换成句法改写,专改主谓关系、非生物主语和比喻动词;(2)把“不改原意、不加信息”放在最前面,改得少;(3)带测试语料和 Python 检查脚本,能在改写前后自动对比;(4)只做日语,目标是技术文章、规格书、PR 说明这类工作文档。
  • 是不是原因:是主要原因之一,但不是全部。差异化给了一个能传播的说法,第三方测评也确认“yomiyasu 保留原文最多”。可是同类的 natural-japanese 质量也不差,测评者认为两者各有用处。yomiyasu 拿到 1.7 万安装,关键是发布推文偶然爆了,加上随后的はてな热门,把它推成了品类里的代名词(Qiita 的标题就是“yomiyasu 火了所以我比了三个”)。后来者因此都拿它当基准来比。

五、可见度

已在日本技术圈被广泛讨论:320 万浏览的推文、X Trending 摘要、はてな热门、Qiita 周榜测评、多篇 note、YouTube 讲座。中文圈和英文圈只有零星转述(trendshift、hermes-ai.net、LinkedIn)。开源、不收钱,也就谈不上公开收入。

六、跟风者

  • 衍生 / 移植:sudame/yomiyasu-go(Go 移植)、atimot/yomiyasu-chat 和 daichi-tomita-vivion/yomiyasu-chat(做成 Claude Code output style 常驻)、studio-yebisu/yomiyasu-studio(校对工具)、Komugi-powerplatform/yomiyasu-sem(Stop hook 拦截)、maybefix/yomiyasu-mcp、murakami-hue/yomiyasu-marketplace。都是 0 到 5 star。
  • 其他语言:中文“去 AI 味”skill(如 MrGeDiao/shuorenhua,说人话)、多语言 humanizer(KO/EN/ZH/JA,385 star,trendshift 相近仓库)。这些不一定是抄它,但思路相通。有中文帖说“它的思路中文作者可以直接借鉴”(trendshift 页摘录)。

七、可借鉴的

  • 单一语言、单一痛点的 skill,配一篇有数据的长文,再配一条带 Before/After 的推文:在日本这种母语技术圈,一个小号也能打出百万浏览。
  • 把对手的做法(禁词黑名单)定性为“治标”,自己提出“治本”(改句法),一句话立住差异。
  • 把 skill 做成能测的工程:有测试语料、检查脚本、A/B 测试,用户有疑问时能拿数据回应,信任就来了。
  • 高频发版,每次都发推文和更新原文章,做出持续的热度;再出简化版,覆盖装不了 skill 的环境(ChatGPT 指令栏)。
  • 这套方法可以复制到中文、韩语这些“AI 腔”问题很重的语言。中文已经有不少“去 AI 味”skill,竞争更挤;韩语可能还有空位(未核实)。

八、不确定的

  • GitHub stargazers 带时间戳的接口这次返回 404,没能逐个验证早期 star 的来源,只能靠 trendshift 的逐日数据。
  • 有没有公司或 KOL 付费转发:没查到证据。@tetumemo 的转引看起来是自发的。
  • skills.sh 的 1.7 万安装里有多少是持续使用,有多少是装上就不管了,不知道。
  • 我们的 x-radar 本地语料里没收到相关推文,X 数据全部来自 fxtwitter 和网页搜索。

出处

文章由 AI 根据公开数据和我们每天采集的数据写成,数字带出处,推断已标明