【锚点】这篇要拆穿的常识是【齐夫定律=语言的普遍自然规律】。更稳的表述：【齐夫律是有限语料、分词口径和采样方式共同制造的统计形状】。

【显式】齐夫律常写成 f_i ∝ 1/i^α，α≈1。英文 Brown 语料（约 100 万词）中，“the”约 6.9%，“of”约 3.5%，“and”约 3.1%；前 100 词覆盖约 50% token，前 1000 词覆盖约 80%。这些数字让幂律看起来像语言本能。

【隐式】但同一文本，改变单位，指数就变：英文按 token、中文按字/词、代码或聊天文本按 emoji/标点，都会改变 rank-frequency 曲线。Newman（2005）对幂律的检验也提醒：很多“自然幂律”可由简单随机生成过程产生，不能直接读成认知或社会机制。所谓“文本复杂度”常常只是“分词器偏好”。

【细微】当用词频分布做社会推断（如“正式度”“教育水平”“情绪稳定性”），默认词表往往来自标准书面语、新闻或机构语体。边缘语体——方言、非标准美式英语、网络俚语、跨语码——会被算成“低频异常”。

【极难发现】测量单位不是中性：把 “ain’t” 标成一个词、两个词，还是归一成 “is not”，会改变词频、困惑度和齐夫指数。这里发生的是【语言权力】：谁的标准变体进入词表，谁就获得“正常文本”的测量位置。

【流程节点链路】：原始文本 → 分词/归一化 → 词表与频率统计 → 齐夫指数/复杂度分数 → 被解释为语言能力或社会特征 → 招聘、教育、内容审核中放大差异。

【待验证点】若同一批 AAVE、苏格兰英语、中文方言文本，用标准分词与保留变体的分词分别计算 α 和 top-100 覆盖率，差异应可复现；若差异消失，说明所谓“语言复杂度”主要是测量口径。