文档审核 · 合同标书质量检查
通用文档审核工具,检测逻辑冲突、事实冲突、文字错误、逻辑混乱等问题,支持 Word、PDF、PPT、TXT 等格式。当用户说"帮我审核这份文档"、"检查一下这篇文章"、"看看有没有逻辑问题"、"审一下这个方案"、"文档有错别字吗"、"分析下这篇报告的逻辑"、"审核文档"时触发。 触发说法:“审合同”、“看标书有没有问题”、“文档质检”、“检查这份文档”。
skillhub install @user_0c7f1934/document-review
README 文档
6,555 字环境准备
# 依赖包(pip install -r requirements.txt)
# python-docx / PyMuPDF / Pillow / python-pptx / pytesseract / chardet
文档审核技能 (Document Review Skill)
触发条件
- 用户说"帮我审核这份文档"、"检查一下这篇文章"、"看看有没有逻辑问题"、"审一下这个方案"
- 用户说"文档有错别字吗"、"分析下这篇报告的逻辑"、"审核文档"
- 用户提供了文档文件路径并要求检查质量
概述
对任意类型的文档进行全维度审核,采用双层架构:
| 层级 | 执行者 | 职责 | 特点 |
|---|---|---|---|
| L1 量化层 | Python 脚本 | 格式检查、文字错误检测、结构分析、数据提取 | 快速、确定性、可复现 |
| L2 语义层 | AI 模型 | 逻辑冲突检测、事实核查、逻辑混乱分析、综合评判 | 深度理解、语义推理、联网验证 |
四大核心问题
| 问题类型 | 说明 | 执行层级 | 优先级 |
|---|---|---|---|
| 逻辑冲突 | 前后矛盾、论述打架、论据与结论不一致 | L2 语义层 | 高 |
| 事实冲突 | 数据矛盾、时间线错误、引用来源冲突 | L2 语义层(+联网核查) | 高 |
| 文字错误 | 错别字、语病、标点错误、格式不一致 | L1 量化层 | 中 |
| 逻辑混乱 | 结构散乱、论证跳跃、归因谬误、重复冗余 | L2 语义层 | 中 |
辅助评分维度
脚本在 L1 层同时计算四个辅助评分,作为文档质量的量化参考:
| 维度 | 权重 | 说明 |
|---|---|---|
| 格式规范性 | 20% | 标题层级、段落长度、结构完整性 |
| 内容逻辑性 | 30% | 论据匹配、过渡自然、无矛盾 |
| 表述清晰度 | 20% | 模糊词汇、句子长度、术语一致性 |
| 方案可行性 | 30% | 执行步骤、资源需求、风险评估 |
支持的文档格式
| 格式 | 扩展名 | 提取方式 | 备注 |
|---|---|---|---|
| Word | .docx | pandoc → python-docx → 原始XML | 三级回退 |
| pymupdf → pdftotext → OCR | 扫描版自动 OCR | ||
| PPT | .pptx | python-pptx | 含表格、备注 |
| 纯文本 | .txt | 自动编码检测 | GBK/UTF-8/GB18030 |
| Markdown | .md | 直接读取 | — |
| 富文本 | .rtf / .odt | pandoc 转 Markdown 后读取 | 无 pandoc 时回退为纯文本 |
| 旧版 Word | .doc | LibreOffice/textutil 转 docx 或直接 antiword 取文本 | 二进制格式,需转档 |
| 网页 | .html / .htm | BeautifulSoup 去标签 → 文本,或 html2text 保留结构 | 保留标题与表格层级 |
| 表格数据 | .csv / .xlsx | csv 模块 / openpyxl 读为文本,按行列重排 | 多 sheet 依次并入 |
平台集成提示:如果 WorkBuddy 的
docx/pptx专用 Skill 可用,优先调用它们提取内容——它们对表格、图片、批注的处理更完善。脚本作为通用回退方案。
回退提取说明:对于上表未直接覆盖的格式,统一回退策略为——优先用
pandoc转为 Markdown/纯文本;.doc/.rtf/.odt等二进制文档可经 LibreOffice 无头模式转 docx 后再走 docx 三级回退;.html用html2text或BeautifulSoup去标签;.csv/.xlsx用openpyxl/csv读为可读文本。任何格式只要能落到纯文本,即可进入 L1 量化层审核。
操作步骤
注:本章节内容等同于"使用流程",为标准化章节名称保留。
1. 定位文件
# Windows - 搜索文件
Get-ChildItem -Path . -Recurse -Include *.docx,*.pdf,*.pptx,*.txt,*.md -ErrorAction SilentlyContinue | Where-Object { $_.Name -like "*关键词*" } | Select-Object FullName, LastWriteTime
2. 选择审核模式
| 模式 | 命令参数 | 检查内容 | 适用场景 |
|---|---|---|---|
| 快速扫描 | --mode quick | 仅 L1 层:格式+文字错误 | 快速过一遍,找明显问题 |
| 标准审核 | --mode standard | L1 全部 + L2 逻辑冲突+逻辑混乱 | 日常文档审核 |
| 深度审核 | --mode deep | L1 全部 + L2 全部 + 联网事实核查 | 重要文档(投标、合同、发布稿) |
3. 执行 L1 量化审核(脚本)
# 单文件审核
python scripts/review_document.py "文档路径" --mode standard --output markdown
# 批量审核(多文件汇总)
python scripts/review_document.py "文件1.docx" "文件2.pdf" --batch --output json
# 排除指定检查类型
python scripts/review_document.py "文档路径" --exclude text_errors,feasibility
# 增量审核(仅审核修改部分)
python scripts/review_document.py "新版本.docx" --diff "旧版本.docx"
# 指定术语词典
python scripts/review_document.py "文档路径" --glossary "术语表.json"
术语表格式(JSON):
{
"terms": {
"AI": ["人工智能", "ai", "A.I."],
"ROI": ["投资回报率", "roi"]
},
"preferred": {
"AI": "AI",
"ROI": "ROI"
}
}
4. 执行 L2 语义审核(AI)
脚本完成后会输出结构化的文档摘要和 L1 检查结果。基于此,AI 执行以下分析:
4.1 L2 语义层单轮结构化审核
将脚本输出的章节结构与 L1 结果作为上下文,一轮提示词驱动 AI 同时完成逻辑冲突、事实冲突、逻辑混乱三类分析,降低调用次数(原先 4.1/4.2/4.3 为三次独立调用,现已合并):
请基于以下文档内容与 L1 量化结果,在一轮内完成全部语义审核,并严格按下方 JSON 结构输出(不要分多次调用)。
## 输入
- 文档章节结构与关键论点(见下方脚本摘要)
- L1 量化层已检出的文字错误与初步逻辑线索
## 任务(三类分析一次性给出)
### A. 逻辑冲突
1. 前后矛盾的表述(列出矛盾双方及各自位置)
2. 论据与结论不一致的地方
3. 同一约束条件相互矛盾(如"必须"与"可选"并存)
4. 范围矛盾(标题承诺"全面"但内容只覆盖部分)
### B. 事实冲突(需联网核查的项使用 WebSearch 验证)
- 数据类:比例、金额、人数、排名(全文交叉对比一致性)
- 时间类:日期、期限、里程碑(核查时间线逻辑)
- 引用类:法规名称及条款号、标准编号(联网验证是否现行有效)
- 名称类:人物、公司、产品名(交叉验证一致性)
### C. 逻辑混乱
1. 结构散乱 2. 论证跳跃 3. 归因谬误 4. 重复冗余 5. 归类不清 6. 主语不清
## 输出格式(JSON)
{
"logic_conflicts": [{"type":"","loc_a":"原文","loc_b":"原文","analysis":"","suggestion":""}],
"fact_conflicts": [{"status":"✓一致/✗冲突/⚠无法确认","loc":"原文","basis":"","suggestion":""}],
"logic_confusions": [{"type":"","loc":"","suggestion":""}]
}
5. 生成审核报告
脚本支持多种输出格式:
# Markdown 报告(默认)
python scripts/review_document.py "文档路径" --output markdown
# JSON 结构化数据(供 AI 进一步处理)
python scripts/review_document.py "文档路径" --output json
# Word 文档(可直接发送给同事)
python scripts/review_document.py "文档路径" --output word --output-file "审核报告.docx"
AI 综合报告生成后,使用 presentfiles 交付给用户,并用 showwidget 输出可视化报告(评分雷达图 + 问题分布图)。
审核报告模板
# 文档审核报告
**审核文档**: [文档名称]
**审核时间**: YYYY-MM-DD HH:mm
**文档类型**: [技术方案/商务文档/研究报告/etc.]
**文档规模**: XX页 / XX字
**审核模式**: [快速扫描/标准审核/深度审核]
---
## 📊 评分概览
| 维度 | 评分 | 等级 |
|------|------|------|
| 格式规范性 | XX | [优/良/中/差] |
| 内容逻辑性 | XX | [优/良/中/差] |
| 表述清晰度 | XX | [优/良/中/差] |
| 方案可行性 | XX | [优/良/中/差] |
| **综合** | **XX** | **[等级]** |
---
## 📋 问题概览
| 问题类型 | 高 | 中 | 低 | 合计 |
|----------|---|---|---|------|
| 逻辑冲突 | X | X | X | X |
| 事实冲突 | X | X | X | X |
| 文字错误 | X | X | X | X |
| 逻辑混乱 | X | X | X | X |
| **合计** | **X** | **X** | **X** | **X** |
---
## 🔍 详细问题
### 逻辑冲突
#### [高] 问题标题
- **位置**: 第X页 / [章节名]
- **冲突点A**: [原文表述]
- **冲突点B**: [原文表述]
- **分析**: [矛盾原因]
- **建议**: [修改方案]
- **状态**: [待处理/已修复/已忽略]
> 其余问题类型同此格式
---
## 💡 综合改进建议
### 必须修改(高优先级)
1. [最重要的问题及修改方案]
### 建议修改(中优先级)
2. [次要问题及修改方案]
### 可选优化(低优先级)
3. [小问题或风格优化]
---
## 🎯 总结
**整体评价**: [100字以内]
**建议**: [修改后可直接使用 / 需重大修改后使用]
**最薄弱环节**: [维度名](XX分),建议重点关注。
问题严重程度分级
| 等级 | 说明 | 扣分 | 处理建议 |
|---|---|---|---|
| 高 | 严重影响可信度或合规性(数据错误、法规引用错误、核心结论矛盾) | 15分/处 | 必须修改 |
| 中 | 影响专业性或阅读体验(次要逻辑混乱、少量错别字、格式不统一) | 8分/处 | 建议修改 |
| 低 | 轻微问题(表述可更精炼、个别用词可优化) | 3分/处 | 可选修改 |
批量审核
对多份文档执行批量审核时,脚本生成汇总报告:
python scripts/review_document.py doc1.docx doc2.pdf doc3.pptx --batch --output json --output-file "批量审核结果.json"
汇总报告包含:
- 每份文档的单独评分和问题数
- 跨文档一致性检查(相同数据/术语在不同文档中是否一致)
- 整体质量排名
增量审核
对比文档修改前后的版本,仅审核变更部分:
python scripts/review_document.py "新版本.docx" --diff "旧版本.docx"
输出:
- 新增内容审核
- 修改内容复审
- 已修复问题确认
- 新引入问题检测
平台集成
与 WorkBuddy 文档 Skill 联动
| 场景 | 联动方式 |
|---|---|
| 内容提取 | 优先调用 docx/pdf/pptx 专用 Skill,脚本作为回退 |
| 报告交付 | 用 present_files 展示报告文件 |
| 可视化 | 用 show_widget 输出评分雷达图和问题分布图 |
| 在线编辑审核 | 与 tencent-local-office-edit 联动,审核后直接在编辑器中修改 |
| 标注回写 | 将高优先级问题作为批注写回 .docx 原文档 |
标注回写流程
- 脚本生成审核报告(含问题位置和原文片段)
- AI 提取高优先级问题,生成批注内容
- 调用
tencent-local-office-edit的save_file将批注写入原文档 - 用户在编辑器中查看标注并进行修改
- 修改后重新审核,确认问题已解决
审核技巧
AI 辅助审核的关键策略
- 数据交叉验证:提取全文所有数值数据,对比同一指标在不同位置的表述是否一致
- 时间线梳理:提取所有时间节点,按顺序排列,检查是否有倒置或矛盾
- 术语统一检查:提取所有专业术语,确认全文写法统一(可用术语词典辅助)
- 标题层级检查:检查 H1/H2/H3 是否逐级包含、无跳跃
- 代词指代检查:确认"它/这/那"等指代明确,无歧义
联网核查优先级
- 必须核查:法规名称及条款号、国家标准编号、认证体系名称
- 建议核查:市场数据、行业排名、竞争对手信息
- 可选核查:一般性引用、历史事件描述
依赖项
# 核心依赖
pip install python-docx pymupdf python-pptx
# 可选依赖(增强功能)
pip install pytesseract pillow # OCR 支持
pip install chardet # 编码检测
注意事项
- 客观中立:审核时保持客观,避免主观偏好影响判断
- 有据可查:事实冲突需注明依据(来源/法规/常识)
- 明确位置:每个问题需标注具体位置(页码/章节/段落)
- 可操作建议:修改建议需具体可执行,而非泛泛而谈
- 区分优先级:避免将所有问题都列为高优先级
- 尊重原文意图:修改建议应保留原文核心意思
- 大文件处理:超过 500 页的文档建议使用增量审核或分章节审核
- 编码兼容:Windows 环境下 .txt 文件可能使用 GBK 编码,脚本已做自动检测
版本历史
- v7.0 (2026-07-10) - 双层架构版本:
- 统一审核框架:四大核心问题 + 辅助评分维度
- 双层架构:L1 脚本量化 + L2 AI 语义
- 新增审核模式:快速扫描/标准审核/深度审核
- 新增批量审核和增量审核
- 新增排除规则和术语词典支持
- 补全 .pptx 格式支持
- 新增 OCR 回退和编码自动检测
- 新增 Word 格式导出
- 新增平台集成:showwidget 可视化、presentfiles 交付、标注回写
- 清除硬编码测试路径
- 消除重复报告模板
- v7.1.0 (2026-07-29) — 修正:frontmatter 补充缺失的
agent_created: true字段 - v7.1.1 (2026-09-22) — 修正:将 frontmatter 从正文标题后移至文件最开头(符合 SKILL.md 解析规范);补齐
summary字段 - v7.1.5 (2026-10-14) — 优化:①
findsection改为基于真实字符偏移反查行号再映射章节,修正章节定位错位;② 引号配对检查剔除代码块并删除重复元组,消除直引号误报;③ 删除未引用的死代码scripts/extract_docx.py;④ L2 逻辑/事实/混乱三类提示词合并为单轮结构化输出;⑤ 格式覆盖补齐 doc/rtf/odt/html/csv/xlsx 回退提取说明 - v6.0 (2026-04-22) - 通用审核版本
- v5.0 (2026-03-19) - 知识共建激励版本
- v4.0 (2026-03-19) - 竞品分析专项版本
- v3.0 (2026-03-07) - 快速定位优化版本
- v2.0 (2026-03-07) - 功能完善版本
- v1.0 - 初始版本
同分类其他技能
查看全部 ›腾讯文档(docs.qq.com)-在线云文档平台,是创建、编辑、管理文档的首选 skill。涉及"新建/创建/编辑/读取/查看/搜索文
335 262.3万 WPS Office 全家桶WPS Office 全家桶 - 四引擎(WPS/MS Office/LibreOffice/纯Python)智能识别用户已安装软件,纯
182 109.3万 ppt-generator-skill智能 PPT 生成助手。根据用户描述的主题、行业、风格,自动生成漂亮的 PPT 文件。支持所有行业(商务、教育、科技、医疗、金融、创意等
378 91.6万 腾讯文档在线协作自动化通过 Tencent Docs Open API 以 curl + jq 创建、读取、列出、搜索和管理腾讯文档的自动化工作流,覆盖在线文
0 85.8万 WPS Office 全家桶WPS Office 全家桶 - 四引擎(WPS/MS Office/LibreOffice/纯Python)智能识别用户已安装软件,纯
5 81.6万 秘书材料星公文写作-妙笔skill体制内资深办公室主任+管理学博士,自学编程开发的智能公文写作Skill,让所有办公室同仁少掉头发、少加无用的班,材料一稿过关,省下的时间
50 77.2万