它解决什么问题
写行业内容最容易掉进的坑是：你以为自己在讲差异，其实只是在复述所有人都在讲的话。
人工读三十篇竞品文章，很难说清「哪句话是被反复引用的套话」「哪个说法其实只有一家在讲」。这个 MCP 把这件事做成可重复的度量：同一批语料，谁跑都是同一个数。
它输出什么
- 跨文本 Pattern：在一批文本里反复出现的说法，附出现次数与覆盖比例
- 被反复引用的信源：这批内容共同依赖哪些来源（判断大家是不是都在抄同一处）
- 同质化程度：一个可比的数值，用来判断这批内容到底有多「像」
- 口径全文：Pattern 怎么定义、阈值怎么来、这个工具做不到什么 —— 全部可自验
三个工具（全部只读）
| 工具 | 作用 |
|---|---|
analyze_patterns | 从一批文本里找出跨文本反复出现的 Pattern、被反复引用的信源与同质化程度 |
explain_method | 返回口径与边界：Pattern 怎么定义、阈值怎么来的、本工具做不到什么 |
self_check | 现场跑一次对照组自检，返回「这把尺子现在能不能用」（健康组能检出 / 病态组不误报 / 负对照为 0） |
建议先调 explain_method 看口径，再调 analyze_patterns。要对结果有怀疑，随时用 self_check 现场验尺子。
阈值不是拍脑袋定的
「反复出现」听起来主观，所以这个工具把阈值做成零假设自校准：
- 先把语料打乱，看「纯属巧合」时最多能覆盖多少 —— 取这个分布的 p95 作为空阈值；
- 真实阈值 =
max(空阈值 + 1, 3)，即必须显著高于随机水平才算 Pattern； - 样本量不足 12 条时直接拒答，不给「看起来像」的假规律。
这也是为什么 self_check 能跑对照组 —— 尺子本身也要被验证。
怎么用
托管端点（Streamable HTTP，公开只读、无需 API Key）：
https://savantcat.cn/mcp-radar
放进 Claude Desktop / Cursor / Cline / 自研 Agent 的 MCP 配置：
{
"mcpServers": {
"savantcat-radar": {
"type": "http",
"url": "https://savantcat.cn/mcp-radar"
}
}
}把它接进 Agent 后，可以让 Agent「先读这 20 篇竞品，告诉我哪些说法人人都讲」——它会把语料转成 Pattern 报告。
诚实边界
它只做度量，不做判断。「这个说法被 43% 的内容提到」是事实；「所以你应该避开它」是策略，得你自己决定，也可以找我们聊。
- 只读：不抓站、不写数据、不调用大模型做解释性生成，纯确定性统计。
- 语料要够：少于 12 条直接拒答，不硬凑结论。
- 不是查重工具：我们统计的是「语料之间的共同说法」，不判定抄袭、不做原创性裁决。
- 不判对错：一个说法被反复讲，不代表它是真的，也不代表它是错的 —— 我们不替内容做事实核查。
- 口径公开：
explain_method返回全文，你可以拿它复核我们的算法边界，而不是只信一个数。
想知道你的行业里「人人都说的话」有哪些？
竞品说法扫描 · 内容差异化策略 · 企业知识库与 AI 客服
先做一次网站 AI 可见度测评引用与授权
本 MCP 服务公开只读，欢迎 Agent 与研究者调用。引用我们的度量结果时请注明来源「合尘猫 SavantCat（savantcat.cn）」，并保留口径说明。
同一套能力的其他形态：GEO MCP（网站 AI 可引用性审计）、全部四个公开 MCP。