技能介绍

文档一致性校对的痛点

在撰写技术报告、项目文档或学术论文时，我们常常面临一个隐蔽但致命的挑战：文档内部的不一致性。这类问题远非简单的拼写错误，而是涉及数据、逻辑和规范的深层矛盾。例如，同一工程量在不同章节出现不同数值，或分项投资求和与总额对不上，这类错误会直接损害报告的专业性和可信度。更棘手的是，人工校对这类问题耗时费力，且容易遗漏，尤其是在处理长篇文档或多个相互引用的标准规范时。

校对技能如何工作

本文档一致性校对助手通过一套自动化流程来系统化地解决这些问题。其核心工作流分为四个步骤：

智能提取与解析：技能支持多种文件格式（如 .docx、.pdf、.xlsx），利用专用库（如 python-docx、pymupdf）提取段落、表格等原始内容，为分析做准备。
模型自主深度分析：这是技能的智能核心。模型直接阅读提取出的文本，自主发现五大类不一致问题：

- A类：数据矛盾。检测同一指标在不同位置数值不符、分项与总和计算错误等。例如，自动验算“资金分项求和”是否与总投资匹配。
- B类：逻辑异常。识别时序逻辑错误（如完工时间超出项目工期）、规划目标与建设内容数量不匹配等问题。
- C类：编号与结构问题。检查目录与正文标题编号是否一致、章节是否跳段。
- D类：术语与格式问题。发现“小型水库”与“小水库”混用、“万元”与“元”单位不统一等表述瑕疵。
- E类：规范引用问题。内置的 standards_library.json 静态库（含141条水利规范）用于核查标准号是否现行、名称是否匹配、格式（如书名号 《》）是否规范。未收录的标准会通过联网查询补充。

智能分级与标注：所有发现的问题会被严格分级：

- P0（严重）：必须修正，如数据直接矛盾、已废止标准有明确替代版。
- P1（需核实）：建议核实，如编号错误、未收录但可推断的标准。
- P2（建议）：酌情修改，如术语混用、格式不统一。

生成可追溯的输出：最终产出两份关键文件：一份结构化的 校对报告（.md），汇总所有问题及修改建议；另一份是 带批注的原文档（_annotated.docx），在问题处使用黄色高亮，并用橙色高亮添加说明，方便在 Word 中直接定位和修改。

适用边界与关键注意事项

为确保校对效果，请注意：

上下文依赖：技能需要阅读整篇文档以判断一致性。强烈建议，若只需校对部分章节，请先将其另存为独立文档，否则效果可能不佳。
规范库更新：内置的 standards_library.json 需要手动定期更新（建议每季度一次）以覆盖新发布的标准。对于库外标准，技能会尝试联网查询。
输出环境：生成的带批注文件（_annotated.docx）请使用 Microsoft Office Word 打开，WPS 可能渲染效果不同。
自动化局限：技能通过模型阅读和逻辑规则进行判断，无法替代专家对内容专业性的最终审核。报告中标注为“需核实”的问题，仍需作者结合专业知识确认。

截图预览

使用场景

工程师在完成水利工程可行性研究报告后，需要检查报告中投资数据、工程量、降雨量等关键指标在不同章节是否数值一致，避免提交前出现数据矛盾。
技术规范撰写人员在整合多章节规划文档时，需要确保章节编号连续、目录与正文标题匹配，并核查所有引用的水利行业标准（如 SL 系列）是否为最新有效版本。
项目负责人在审核团队提交的施工设计文件时，需要快速识别文件中完工时间与总工期逻辑冲突、分项投资求和与总额不符等问题。
质量控制专员在归档项目文档前，需要统一文档中的术语使用（如“小型水库”与“小Ⅰ型水库”混用）、单位格式（如“m³”与“立方米”混用）和标点符号。

适合人员

水利、土木工程领域的报告编写人员：需要在提交最终版技术报告前，确保文档内所有数据、术语和引用标准无误。
项目文档审核者或负责人：负责多章节整合文档的质量控制，需快速定位逻辑、编号和标准引用问题。
技术规范或标准文档的维护人员：需要定期核查文档中引用的行业标准是否有效，格式是否符合规范。
设计院或科研院所的项目助理：协助处理大量技术文档，需要工具辅助检查常见的格式不统一和数据矛盾。

文档一致性校对助手