Agent Skills
返回列表
Boo哥AI 多文档查重

Boo哥AI 多文档查重

办公效率 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_3c9003af/boo-check-review。

技能介绍

问题场景

当一批 .docx / .doc 文件需要交叉核对时，人工阅读很难快速判断哪些段落高度相似，也很难看出重复内容来自不同作者、编辑人还是同一份底稿。投标、技术方案和文档协作场景中，这类判断往往要同时看重复率、元数据与段落原文。

工作方式

该技能围绕“多文档查重”做流水线处理：

  • scan_files.py 扫描目录中的 Word 文件；
  • batch_extract.py 提取段落文本与文档属性，如 author、last_modified_by、创建/修改时间；
  • check_duplicates.py 基于 TF-IDF 与余弦相似度计算段落重复关系，默认阈值 0.8、最小段落长度 20 字符；
  • generate_report.py 生成交互式 HTML 报告，包含总结页、热力图矩阵、文件对照、原文高亮弹窗与 CSV 导出。

报告首页会展示核心发现、文档属性一览、TOP 重复文件对、作者/编辑人分析和跨作者重复统计。若修改 generate_report.py 的 JS，生成时会运行 validate_js.py 校验 buildSummary() 中的变量声明与大括号配对。

适用边界

技能主要面向 Word 文档间的段落级重复检测，而不是全文抄袭鉴定。.doc 的属性提取为尽力而为；阈值和最小长度会影响结果，短段落或高度改写内容可能漏报。适合投标文件、技术方案、合同附件等批量文档的初步核查，不适合作为唯一版权或原创性结论。

使用场景

  • 投标团队交付前比对多份技术方案，定位重复段落与不同作者痕迹。
  • 法务助理审核合同附件，按阈值检查跨文档复用条款并导出 CSV 复核。
  • 项目经理整理供应商方案，用热力图识别多份文档间高度相似章节。
  • 文档负责人排查模板复用，提取 author 与最后编辑人判断底稿来源。

适合人员

  • 投标文件负责人：交付前需要快速核对多份方案是否有大段复用。
  • 法务/合规助理：需要把合同附件的重复条款按文档和作者维度汇总审查。
  • 技术项目经理：需要比较供应商或内部技术方案中的相似章节来源。
  • 文档工程人员：修改报告 JS 时需要校验变量引用，避免 HTML 报告不可用。