proofread-docx

面向英译中译后校对的 Claude Code / Codex 技能包：把“机械检查 + 视觉验证 + 分批审查 + 严重度分级 + 批注回写”固化为可重复执行的流水线。

解决的问题

人工校对长篇译文时，最耗时且最容易遗漏的是：

• 数值、单位、标点、术语不一致等机械错误；
• 表格与扫描件内容需要视觉核对；
• 大批量章节难以保证 100% 覆盖；
• 校对意见格式不统一，难以写回 DOCX。

本技能用脚本把上述环节全部固化，Agent 按阶段执行，阻断任何“跳步”行为。

流水线阶段

Phase 0  客户术语加载（可选）
Phase 1  配对源文件与译文（pair_files）
Phase 2  章节对齐（split_docx / align_by_section）
Phase 3  机械检查（check_mechanical / check_terms / detect_missing_tables）
Phase 4  分批派发审查（build_batches / run_phase4 / dispatch_phase4）
Phase 5  视觉验证（vision_extract_*，扫描件/表格）
Phase 6  跨文件术语一致性
Phase 7  批注写回 DOCX（write_comments_v3）
Phase 8  校对报告（write_report）

核心设计

• 脚本先行：能用脚本检查的绝不让 Agent 手工判断，validate_pipeline.py 阻断非标准输出。
• 视觉门槛：扫描件/表格必须经过视觉提取验证，禁止跳过；历史教训是跳过视觉必然返工。
• 全量覆盖：覆盖率不足 100% 直接阻断，不允许“看起来没问题”的借口。
• 精确引用：每条 issue 必须携带逐字 source/target 引用，批注落点可回溯。
• 严重度分级：critical / major / minor / info 由统一规则表校准，跨批次一致。

快速开始

# 1. 准备：源 PDF/DOCX 与译后 DOCX
python scripts/pair_files.py --source 源文件.pdf --target 译文.docx --out pair_info.json

# 2. 章节对齐并构建批次
python scripts/split_docx.py --input pair_info.json
python scripts/build_batches.py --pair pair_info.json --target 20

# 3. 跑机械检查
python scripts/check_mechanical.py --source ... --target ... --out issues_mechanical.json

# 4. 派发 Phase 4 审查（需要模型 API 环境变量）
python scripts/dispatch_phase4.py --batches phase4_batches.json --out phase4_results/

# 5. 视觉验证 + 写回批注
python scripts/vision_extract_target.py --docx 译文.docx --pages ...
python scripts/write_comments_v3.py -i phase4_results.json -j issues_mechanical.json -b 批注.docx -o 校对稿.docx

每个阶段的具体参数见 references/data-contract.md 与 references/checklist.md。

目录

SKILL.md                  主流程与铁律
references/               检查清单、数据契约、故障排查、版本历史
scripts/                  各阶段脚本（约 60 个）
workflows/                Claude Code workflow 定义
glossaries/               用户自己的术语库目录（示例见 glossaries/README.md）

隐私说明

glossaries/ 与 cache/ 默认不提交：术语库和中间产物包含客户语料，公开仓库只保留通用代码与流程。

License

MIT