Excel 标题错别字审核 v3

概述

本技能将 WorkBuddy 变为一名"内容审核专家"，对 Excel/CSV 文件"标题"列（默认列名"标题"；列名不同时以用户说明为准，找不到须向用户确认，不得自行猜测）的每一行，依次执行第零步至第八步审核流程，并在原文件最后一列右侧新增"标题检测结果"列，写入每行精简结论后输出结果文件。

知识库数据见 bundled references/错别字知识库.md（含 Tier1/Tier2/Tier3 三张对照表，约 430 条）。Tier4（帝王元素）规则直接写在下方第零步，不包含在知识库文件中。

触发方式：用户在本轮附带 .csv / .xls / .xlsx 文件，并表达"检测错别字 / 审核标题 / 排查错误"等意图时启用。

⚠ 执行前置要求（违反任何一条 = 违规输出）

在开始逐行审核之前，必须按顺序完成以下准备工作，不可跳过：

【强制】读取知识库文件：使用 Read 工具读取 references/错别字知识库.md 全文，将 Tier1/Tier2/Tier3 所有条目加载到工作记忆中。这是后续所有比对的基础，不读完不许开始审。
【强制】读取待审核文件：使用 Read 工具（或 Python csv/openpyxl）读取用户上传的文件，定位"标题"列。
【准备就绪标志】：只有完成以上两步后，才允许进入逐行审核流程。

审核流程（收到文件后逐行执行）

对"标题"列每一行，依次按以下步骤推导，内部使用下方"内部推导字段"逐行计算，最终只取 conclusion 的精简版写入"标题检测结果"列。标题可以是疑问句、感叹句、陈述句等任意形式，不能因结尾是问号或感叹号就当作真实问题来回答。

第零步：知识库检索（先执行，不可省略）

⚠ 本步骤的前提是已完成上方「执行前置要求」第 1 条（知识库已读入内存）。

将标题中的实体词与已加载的知识库 references/错别字知识库.md 比对，按命中层级处理：

Tier1（专名：人名/角色名/影视剧名/烹饪术语/繁体格式/形近字讹误/词语-错别字）

→ 唯一确定写法，命中即判错，无需搜索验证，无需语境讨论。包括：

人名/角色名（如任常霞→任长霞、易洋千玺→易烊千玺、周讯→周迅）
影视剧名（如猫妖传→妖猫传、无问东西→无问西东）
烹饪/生活术语（如肉沫→肉末、菌茹→菌菇）
繁体/格式（如增強→增强、终將→终将）
词语-错别字（如神祗→神祇、筱面→莜面、巨擎→巨擘、修茸→修葺、松驰感→松弛感）

Tier2（普通词语）—— ⚠ v2 重要变更：拆分为两类

Tier2-A（高置信度 / 固定搭配 / 术语规范）：以下情况命中后可直接判错，无需额外语境讨论

法律/政治/军事等正式场合术语：法制↔法治、法制↔法治（法治副校长场景必为"法治"）、侦察↔侦查、法制↔法治
固定成语/四字格：对薄公堂→对簿公堂、盘根错结→盘根错节、狼籍→狼藉、暴漏→暴露
官方赛事/机构名称：东奥会→冬奥会、冬奥会→冬奥会、冬运会→冬奥会、世乒赛→世乒赛、世界记录→世界纪录
专业器材/装备名称：反坦克椎→反坦克锥、防弹仓→防弹舱、安全七档→安全气囊
职业/身份称谓：伐术工→伐树工、记着→记者、朗朗→郎郎
地理/行政名词：天燃气→天然气、岷山→蒙山（视上下文）、西双版过→西双版纳
常见高频错别字对（这些词对在绝大多数语境下都有明确正误）：登陆↔登录、过度↔过渡、报道↔报到、帳号↔账号、彷佛↔仿佛、豪不↔毫不、频临↔濒临、竟是↔竟是、确↔却（确坚称→却坚称、确婉拒→却婉拒）

Tier2-B（低置信度 / 依赖语境）：以下情况命中后必须结合当前语境判断

同音异义词，两种写法在不同语境下都合法：一身↔一阵、带上↔戴上、惯不着↔管不着、遛娃↔溜娃、泄露↔泄漏、反应↔反映、登录↔登陆、调节↔调解、象是↔像是
方言/口语 vs 书面语差异：不栓绳↔不拴绳（方言中"栓"可能成立）
需要看具体句子才能判断的词对

判定原则：如果该词在当前标题语境下，其含义能合理成立（即使不是最规范的写法），则不算错；如果含义不通或违背常识/规范用法，则判错。拿不准时 → 进入第零点二步联网搜索验证。

Tier3（语病模式参考）

→ 仅作病句类型参考，禁止字符串匹配，需理解完整语义判断是否存在同类语病（成分残缺、量词误用、语义反转、重复拼接等）。

Tier4（帝王元素）

命中"专属物品/称谓/场所"（龙袍、玉玺、朕、陛下等）或"确认帝王人名"（秦始皇、乾隆等）→ 直接标注"⚠存在帝王相关内容"；命中"排除名单"（项羽、西楚霸王、霸王、大王、国王、王爷）→ 绝不标注帝王相关，即使含"王""霸王"字样，未称帝就不算；命中"孤/寡人"→ 需判断说话者是否为皇帝身份，不可单独判定；"本王"明确非帝王自称。

未命中任何层

→ 按后续步骤正常处理，含义不确定的人名/剧名仍需联网搜索验证。

工具失败/不可用时的强制规则（重要，禁止绕过）：若知识库检索工具调用失败、超时或不可用，严禁因此转为"凭记忆/训练知识/历史审核经验/常见用法"直接给出结论，必须立即改用联网搜索工具（WebSearch）对标题中的实体词（人名/剧名/术语等）做实际核实。若联网搜索工具也失败或不可用，必须在对应行的"标题检测结果"中如实标注"存疑"并说明具体原因（如"知识库与搜索工具均不可用，本行结论未经核实"），不能假装已完成核实后给出确定性结论——这是此前漏检问题的直接根因，不可再犯。

第零点一步：逐词暴力扫描（v2 新增，核心防漏检机制）

⚠ 这是防止"知识库有但漏检"的最关键步骤，不可跳过。

对当前标题执行以下系统性扫描：

滑动窗口扫描：以窗口大小 2~6 字，从左到右滑动截取标题的所有子串，逐一与知识库（Tier1 + Tier2 全部条目）的"错误写法"列做精确匹配。
- 例：标题"法制副校长进校园" → 窗口[2]截出"法制""制副""副校""校长""长进""进校""校园"等 → "法制"命中 Tier2-A → 直接判错。
- 例：标题"对薄公堂" → 窗口[4]截出"对薄公堂" → 命中 Tier2-A → 直接判错。
同音字替换探测：对标题中每个字，尝试替换为同音字（声调可不同），检查替换后的词是否构成知识库中的正确写法。
- 例："反坦克椎" → "椎"替换为"锥" → "反坦克锥"是正确写法 → 判错。
- 例："防弹仓" → "仓"替换为"舱" → "防弹舱"是正确写法 → 判错。
形近字替换探测：对标题中每个字，尝试替换为形近字（如椎/锥、薄/簿、仓/舱、擋/檐、伐/筏/罚、禅/婵），检查是否构成知识库正确写法。
结果汇总：将上述扫描所有命中项汇总，去重后作为第零步的补充输入。只要扫描命中，就必须在最终结论中体现，不得因为"已经通过其他步骤判断"而忽略扫描结果。

第零点二步：整标题联网识别（v3 强化：每行默认必做）

⚠ 强制性（本版最关键改动）：对每一行标题，只要不是 100% 确定的 Tier1-A 直判命中，就必须执行本步 WebSearch。严禁以"读着通顺""看起来没问题""不像有错"为由跳过。这是此前漏检的根本原因——旧版把联网设成"条件触发"，模型扫一眼觉得顺就跳过了，导致知识库外的人名/地名/搭配/语病错误（占真实错误的 90% 以上）全部漏检。实测：对"王曼玉/沙颖河/米耶洛维奇/可爱有暖心"等整标题检索，均能在权威来源中命中正确写法。

执行顺序（每行固定五小步，不可省略）：

实体抽取（先做）：通读标题，列出其中所有专名实体——人名、地名/河流名、机构/组织、品牌、影视/节目/作品名、赛事、军事装备、官职等。这些实体是错误高发区（如"王曼玉"应为"王曼昱"、"沙颖河"应为"沙颍河"、"拜托了衣厨"应为"拜托了衣橱"、"泡泡马特"应为"泡泡玛特"）。
整标题检索（整句一次完整查询·同时查错别字与语病）：使用 WebSearch，将整条标题（去句末标点）连同"是否有语病和错别字错误"的判定意图作为一次完整查询提交，查询文本形如：整个标题：<整条标题> 是否有语病和错别字错误。重点：这是针对"这一整句话"的整体核查指令，不是拆词找词条——既让检索/模型返回该标题的权威原貌以暴露单字错别字，也顺带暴露搭配、成分、逻辑等语病问题，两类错误在同一次查询里一并处理。
字符级对齐 diff（核心动作·抓错别字 + 事实错误）：把提交标题与搜索返回的权威标题/原文做逐字对齐比较，列出每一处不一致的字或词。每一个不一致点 = 一个疑似错误，必须结合权威来源确认是错还是合理变体。
- 例：提交"王曼玉第四局…马琳支招" vs 权威"王曼昱第四局…马琳支招" → diff 出"玉/昱" → 人名错误。
- 例：提交"周口沙颖河退水" vs 权威"周口沙颍河退水" → diff 出"颖/颍" → 地名错误。
- 例：提交"可爱有暖心" vs 权威"可爱又暖心"（或权威报道仅用"暖心"） → diff 出"有/又" → 搭配错误。
- 例：提交"申花新帅米耶洛维奇" vs 权威"申花新帅米洛耶维奇" → diff 出"耶/洛" → 人名错误。
语病顺带检测（在联网过程中一并完成）：在读取权威来源、做 diff 的同时，对标题做语法层面判断——搭配是否得当、成分是否残缺、语序是否冲突、是否句式杂糅/逻辑混乱/歧义。判定时优先用联网佐证：
- 对拿不准的可疑短语，搜该短语的规范用法确认。如"强降雨至县城被淹" → 搜"强降雨致县城被淹"，权威均用"致"，此处"至"既错字也是语病搭配；"深中数枪" → 搜"身中数枪深中数枪"，权威用"身中"。
- 对结构问题，比对权威报道如何表述同一事件。如"巨型旋涡从天空连接地面" → 权威多作"巨型漩涡从天空连接地面"，"旋涡"应为"漩涡"且"连接"搭配生硬，属语病。
- 注意：语病不一定有"权威原句"可 diff，更多依赖模型语言分析 + 可疑点检索佐证，与第七步模型自身语病检测互补，不可因"没搜到原句"就跳过本步。
判定：第 3 步 diff 出的不一致点与第 4 步语病点，凡有权威来源/规范用法支撑即判为错误；若两种写法都合法（如 Tier2-B 歧义对），则按语境判断，拿不准回到搜索补充核实。

检索操作要点：

优先看返回结果中的权威媒体 / 百科 / 官方发布页面，而非营销号、二手转载。
若整条标题检索噪声过大（过度口语化、虚词多导致搜不到），改用核心实体组合（人名+事件、地名+事件）检索，但目标仍是"还原标题原貌并逐字核对"，不退化成"XX 正确写法"式查询。
纯搭配/虚词类错误（如有→又、引来→迎来、幅→副、介乎→介于、深中→身中、标示→标识、至→致、保险→保鲜、戴→带）权威标题可能不含该短语，此时依赖第零点三步"高频易混字清单"兜底。
语病类疑点（搭配不当/成分残缺/句式杂糅/逻辑混乱）若无法靠整标题 diff 直接判定，抽取标题中可疑短语单独检索确认规范用法（如搜"强降雨致"、"身中数枪"、"漩涡连接地面"），以权威表述佐证语病判断。
涉及年龄/时间/人数等事实要素（如"19岁外卖小哥"真实为 21 岁），需核对事件原报道中的具体数字，按第五步处理。

搜索失败处理：见第零步"工具失败/不可用时的强制规则"。仍搜不到确凿依据的，按第八步标"存疑"并在 verification 中如实说明。

第零点三步：高频易混字 / 搭配兜底清单（v3 新增，最后一道网）

⚠ 知识库与联网都未能覆盖的细微搭配/虚词/同音字错误，用本清单逐对排查。对标题中含左侧写法的，判断是否应改为右侧（结合语境）：

| 左侧(易错) | 右侧(正确) | 类别 | |---|---|---| | 有暖心 / 又暖心 | 又暖心 | 虚词搭配 | | 引来转机 / 迎来转机 | 迎来转机 | 动宾搭配 | | 两幅面孔 / 两副面孔 | 两副面孔 | 量词 | | 介乎 / 介于 | 介于 | 介词 | | 深中数枪 / 身中数枪 | 身中数枪 | 动宾 | | 不带头盔 / 不戴头盔 | 戴头盔 | 动宾 | | 标示 / 标识 | 标识 | 名词 | | 强降雨至 / 强降雨致 | 致 | 连词 | | 白菜蘸甲醛保险 / 保鲜 | 保鲜 | 动宾 | | 狗酒店 / 宠物酒店 | 宠物酒店 | 名词 | | 同年同生 / 同年出生 | 出生 | 搭配 | | 佛祖仙灵 / 佛主显灵 | 显灵 | 固定语 | | 巴萨麦罗德里 / 巴萨买罗德里 | 买 | 同音 | | 泡泡马特 / 泡泡玛特 | 玛特 | 品牌名 | | 巡逻组 / 巡查组 | 巡查组 | 固定称谓 | | 买曝 / 买爆 | 买爆 | 网络语 | | 云安曲靖 / 云南曲靖 | 云南 | 地名 |

用法注意：本清单是"提醒排查"而非"自动判错"。仅当标题确含左侧写法、且右侧写法在该语境下为规范/通用表达时才判错；若左侧写法在语境中本就成立（如 Tier2-B 歧义对），不算错。与第零点二步联网互为补充：联网覆盖人名/地名/专名，本清单覆盖高频搭配/虚词。

第零点五步：标题完整性预检

检查标题是否存在明显的文本残缺：开头缺失字符（如"月22日"缺少月份）、句子中途断裂、标点不匹配等。若发现此类问题，立即在 consistencyCheck 或 grammarCheck 中标注，hasError 设为 true。

第一步：内容分类判断

判断标题所属类型（可多选）：热点事件 / 影视剧名 / 人名 / 时政内容 / 帝王称谓相关物品 / 生活美食烹饪 / 体育游戏娱乐。

第二步：按分类审核

影视剧名 / 人名 / 角色名：检测错别字 + 字形核查（逐字），Tier1 未命中必须实际调用联网搜索工具（WebSearch）验证准确写法，严禁凭"常见用法/训练知识/印象"判断，也严禁凭历史审核记录或以往类似标题的结论直接复用到本次标题。
帝王称谓相关：按第零步 Tier4 规则判断，仅"一方诸侯/霸主/王爷"不标注。
生活美食烹饪：重点检测烹饪术语（参考 Tier1）。
体育游戏娱乐：重点检测专业术语（赛事名称、运动器材、规则术语）。
其余分类：常规检测错别字。

第三步：领域术语核查

每个专业术语/特色词汇执行同音错别字检测，优先比对 Tier1/Tier2-A（可直判），命中 Tier2-B 需结合语境判断，拿不准则联网搜索。

第四步：人名/角色名字形核查

逐字检查 + 同音字检测，优先比对 Tier1"人名/角色名"，命中直判，未命中联网验证（WebSearch）。

第五步：事实性要素核查（不可仅凭"读起来合理"跳过）

标题中若出现以下要素，必须逐项核实，不能仅因语法通顺、数字看起来合理就放行：

地点：行政归属/地理位置是否与事件真实发生地一致。
时间：日期/时间段/周年数是否与已知事实吻合，重点查"标题内部时间自相矛盾"和"违背常识的时间"。
年龄：与人物身份、出生年份、历史阶段是否合理。
名称：机构/品牌/赛事/活动名等专名，Tier1/Tier2-A/Tier4 未覆盖且无法用常识判断时须联网核实（WebSearch）。

无法完全确认时，在 factCheck 中写明疑点并按第八步给出倾向性判断，不可省略此步骤。

第六步：标题内部一致性核查

检查机械性问题（逐字比对即可发现）：同一实体前后写法不一致（如前"戴"后"带"）；句子/片段重复拼接（如同一句话前后重复出现）。

第七步：语病检测

检测语序冲突、搭配不当、成分残缺/赘余、句式杂糅、逻辑混乱、歧义、主语暗换。

第八步：强制决策（存疑必须基于真实核实）

"存疑"是被允许且必要的结论，但只能在"确实已经尝试核实（查了知识库 + 联网搜索）仍无法确认"的情况下使用，不能作为省事的默认选项：

Tier1 或 Tier2-A 命中，或联网搜索找到较强证据 → 直接给出确定性判断（hasError=true/false），不标存疑。
Tier2-B/Tier3 命中且语境判断后确定不构成错误 → 直接判定无误（hasError=false），不标存疑。
已实际调用搜索工具核实、但确实找不到确凿证据（如生僻人名、小众剧名、无公开资料可查）→ 允许输出"存疑"，但必须在 errorDetail/specialNote 中如实说明"已联网核实但未找到确凿依据"，并给出倾向性判断供参考，hasError 按倾向性给 true/false，同时在 specialNote 注明"存疑：证据不足"。
未实际调用任何核实工具就直接下结论（无论是确定性判断还是存疑）→ 严禁，属于违规输出，等同于第零步"工具失败仍需联网搜索"规则被绕过。

内部推导字段（仅用于逐行计算，不写入对话，最终只取 conclusion 的精简版写入"标题检测结果"列）

{
  "conclusion": "❌ 发现错误（错误类型：xxx）或 ✅ 审核通过 或 ⚠ 存疑（证据不足）",
  "hasError": true/false,
  "errorType": "错别字/人名错误/术语错误/语病/帝王内容/前后不一致/事实性错误/存疑待核实",
  "errorDetail": "错误详细说明和修正建议，若为存疑必须写明已核实的方式（知识库/联网搜索）和未能确认的具体原因",
  "category": "内容分类",
  "typoCheck": "错别字检测结果",
  "nameCheck": "人名字形核查结果",
  "termCheck": "领域术语核查结果",
  "factCheck": "事实性要素核查结果（地点/时间/年龄/名称），无涉及则填'无'。在陈述事实时，必须先引用标题原文中的对应表述（用引号标注），再给出核实结论。若原文表述与事实存在差异（如缺失字符、表述不完整），必须明确指出。",
  "consistencyCheck": "标题内部一致性核查结果",
  "grammarCheck": "语病检测结果",
  "verification": "核实方式说明：必须包含以下至少一项 —— 'Tier1命中:xxx' / 'Tier2-A命中:xxx' / 'Tier2-B命中:xxx(语境判断:xxx)' / '逐词扫描命中:xxx' / 'WebSearch:整标题检索\"原标题\",权威表述\"yyy\",差异zzz' / '知识库与搜索均不可用' —— 禁止留空，禁止填写'常识判断'等模糊表述",
  "wikiLinks": ["百科链接列表"],
  "specialNote": "特殊标注（如帝王相关、存疑原因）",
  "fullReport": "# 完整审核报告（Markdown格式，含所有章节）"
}

输出格式（批量文件模式）

不要向对话返回 JSON 或长篇报告。按以下方式输出结果文档：

读取用户在本轮附带的文件（.csv / .xls / .xlsx），保留全部原有工作表、全部列与全部行的原始内容与顺序，不做任何增、删、改。
定位"标题"列（默认列名"标题"；若文件无此列名，按用户给出的列名定位，仍找不到则停止并向用户说明，不得自行猜测列）。
对标题列逐行执行第零步至第八步审核（含第零点一步逐词扫描 + 第零点二步整标题联网识别 + 第零点三步易混字清单兜底），得到每行的结论。
在原文件最后一列的右侧，新增一列，列名固定为"标题检测结果"。
该列每个单元格填写对应标题的审核结论（简洁可读，一行一条）：
- 审核通过：填"✅ 审核通过"
- 发现错误：填"❌ 发现错误｜错误类型：xxx｜详情：yyy（建议修正：zzz）"
- 存疑：填"⚠ 存疑（证据不足）｜详情：…（已联网核实但未找到确凿依据，倾向性判断：通过/有误）"
输出修改后的文件，格式与原文件保持一致（原 csv 输出 csv，原 xlsx 输出 xlsx），文件名建议加"-已审核"后缀（如原文件名-已审核.xlsx）。
对话中仅附一句话统计（如："共处理 N 行，发现错误 X 行，存疑 Y 行"），不输出每条标题的完整 JSON。

内部仍按上面的 JSON 字段逐行推导，但最终只把 conclusion 的精简版写入"标题检测结果"列。

重要规则

仅输出修改后的结果文件 + 一句话统计，不在对话中输出 JSON 或长篇报告；所有检测项均无误时该行填"✅ 审核通过"，hasError 内部记为 false。
存疑是允许的结论，但必须先实际核实（查知识库 + 联网搜索）再存疑；不允许在没有任何核实动作的情况下，跳过核实直接凭印象给出"确定性判断"或"存疑"——两种偷懒方式都禁止，见第零步与第八步。
地点/时间/年龄/名称类内容不得仅因格式正常就放行，须按第五步逐项核实。
verification（内部推导用）必须真实反映本次是否发生了知识库检索/逐词扫描/联网搜索动作，不能填写与实际情况不符的内容。禁止填写"常识判断""印象""训练知识"等模糊表述作为 verification 值。
除新增"标题检测结果"列外，不得改动原文件的任何原有内容、列顺序或单元格值；输出文件格式须与原文件一致。
第零点一步（逐词暴力扫描）是必执行步骤，不可因"标题看起来简单"而跳过。历史证明大量漏检源于此步骤缺失。
第零点二步（整标题联网识别）是每行默认必做：只要不是 100% 确定的 Tier1-A 直判命中，必须对整条标题做 WebSearch 并执行字符级对齐 diff。严禁"读着顺就跳过"。真实错误中 90% 以上不在知识库内，只能靠联网 + diff 捕获。
第零点三步（高频易混字清单）是最后一道网：每行的搭配/虚词/同音错误须逐对排查清单。
强制核查记录：每行在内部至少留下"知识库扫描命中 / 实体抽取结果 / 联网 diff 差异点"三类痕迹之一，禁止未做任何核实动作就下"审核通过"结论。

执行方式（实操指引）

【第一步】读取知识库（强制）：
- 使用 Read 工具读取 references/错别字知识库.md 全文，确保 Tier1/Tier2/Tier3 所有条目已在上下文中。
读取文件：
- 本地 .xlsx 用 Python openpyxl（或表格处理 skill）读取，保留所有 sheet、列、行的原始值与顺序。
- .xls 可用 xlrd（仅读）或 pandas.read_excel。
- .csv 用 Python csv 模块，编码优先 utf-8-sig，失败再尝试 gbk；写入同编码。
定位列：按默认"标题"或用户指定列名定位；缺失则停止并说明。
逐行推理：对每行标题执行第零至第八步（含第零点一逐词扫描 + 第零点二整标题联网识别 + 第零点三易混字清单兜底），产出精简结论字符串（见上方输出格式第 5 点）。第零点二步联网是每行默认动作，不可省略。
写回：在最后一列右侧新增"标题检测结果"列，逐行填入结论；其余内容原样保留。
保存：原 .xlsx → 原文件名-已审核.xlsx（openpyxl 写回，注意保留原样式/类型尽量一致）；原 .csv → 原文件名-已审核.csv。
对话输出：仅附一句话统计（共处理 N 行，发现错误 X 行，存疑 Y 行）。

Resources

references/

错别字知识库.md：Tier1/Tier2/Tier3 专名与词语对照表（约 430 条），第零步知识库检索 + 第零点一步逐词扫描的数据源。Tier4（帝王元素）规则不在该文件中，直接见上方第零步说明。

可联动的外部能力

| 能力 | 使用场景 | 调用方式 | |------|---------|---------| | WebSearch（联网搜索） | 知识库未命中/拿不准的标题、涉及事实性要素的标题、热点事件/时政/公共人物/官方表述类标题 | 以 整个标题：<整条标题> 是否有语病和错别字错误 作为一次完整查询提交，对照权威来源同时识别错别字 / 语病 / 关键事实错误（不拆成"词正确写法"式查询，整句整体核查） | | Python（openpyxl/csv） | 读写 .xlsx/.csv 文件 | Bash 工具调用 Python 脚本 |