Pre-Submission QC · 交稿前质检
双语交稿前质检 · AFP 五层 / Bilingual pre-delivery QC
Pre-Submission QC · 交稿前质检
双语交稿前质检 · AFP 五层 / Bilingual pre-delivery QC
展示内容
描述
在正式文档交付、提交或发布之前做质量把关,中英双语通用。技能按 Auto-Flow Prompt(AFP)五层工作流组织:触发层识别任务并建档;规划层按路由表生成检查项与执行计划;执行层自适应逐项复核(事实断言、确定性分级、任务漏项、数字口径、逻辑结构、合规隐私、可落地性、受众错位、专有名词、时效性、排版格式、图表链接附件、协作痕迹等);监督层以「检查→挑战→验证→修正→重测」回路自检并标注需人工干预项;集成层去重分级、解决跨项冲突并整合成报告。最终输出按 P0/P1/P2 分级的问题清单(含位置、依据、建议动作)和「可放行 / 修改后放行 / 不可放行」的总体结论。技能自动识别待查文档语言并用同一种语言产出报告,只报告、不修改文件、不自动发送或发布;最终放行权与责任在人。 Gate-keep quality before a formal document is delivered, submitted, or published, in Chinese or English. Organised as an Auto-Flow Prompt (AFP) five-layer workflow: the Trigger Layer recognises the task and sets up the file; the Planning Layer generates check items and an execution plan from the routing table; the Execution Layer adaptively reviews each item (factual claims, certainty levels, task omissions, numbers and bases, logic and structure, compliance and privacy, executability, recipient mismatch, proper nouns, timeliness, layout and formatting, figures/links/attachments, collaboration traces, and more); the Supervision Layer self-checks with a “check → challenge → verify → correct → retest” loop and flags items needing human intervention; the Integration Layer deduplicates and grades, resolves cross-item conflicts, and consolidates everything into a report. The final output is a P0/P1/P2 graded issue list (each with location, basis, and suggested action) plus an overall verdict of “Releasable / Releasable after revision / Not releasable”. The skill detects the target document’s language and produces the report in that language; it reports only — it does not modify files and does not auto-send or publish; the final release decision and responsibility rest with a human.
相关技能
查看全部学术论文AIGC降重与质量保真改写专家v7.0
📚 学术论文 AIGC 降重与质量保真改写专家 v7.0 面向研究生、科研工作者与论文作者打造的学术文本优化技能,以 “源头控制 → 过程纠偏 → 结果核查 → 逆向自检 → 复检迭代” 为核心闭环,在保护原意、专业术语、数据和核心结论的前提下,系统诊断并优化论文中的模板化表达、机械逻辑、内容空泛、术语失准及风格不一致等问题。🔍📝 🌟 核心能力 🔬 多层风险诊断 覆盖 10 类通用文本指纹,并辅助识别 ChatGPT、Claude、DeepSeek、文心一言等模型常见的表达模式。 🧠 深层语义重构 不局限于同义词替换,而是从命题表达、信息顺序、论证切入点和论据组织方式入手,重建更自然、更有深度的学术论证。 ✍️ 质量保真改写 综合运用 13 种句式变换策略与 20 类高频模板表达清理方法,改善机械句式、重复连接词和过度规整的表达结构。 📊 全文结构诊断 通过大循环与五大铁三角,检查研究问题、理论、综述、方法、结论和创新之间是否形成完整闭环。 🧩 精细化章节适配 针对摘要、引言、文献综述、研究方法、结果、讨论和结论,分别制定差异化诊断与改写策略。 🌐 跨语言风险扫描 辅助识别翻译腔、被动语态堆叠、长句嵌套及中英文混排异常,让中文学术表达更加自然、准确。 🔄 逆向自检闭环 改写完成后,从手法分布、新增文本指纹和信息完整性三个方面再次核验,避免“越改越像模板”或关键内容丢失。 🛡️ 学术规范保护 不编造文献、数据、案例与政策依据;对需要作者核实的信息单独标注,并提醒如实披露 AI 使用情况。 🎯 适用场景 ✅ 单段或局部章节优化 ✅ 检测报告标记段落定向修改 ✅ 摘要、引言、综述、讨论与结论精修 ✅ 全文 AIGC 风险特征诊断 ✅ 目标期刊语言与结构适配 ✅ 投稿前质量审查与一致性核验 📦 最终交付 📄 质量保真的改写文本 🔎 风险与问题诊断报告 🛠️ 改写策略及手法说明 ✅ 逆向自检与信息完整性报告 💡 作者核实事项及后续修改建议 🎓 原意不失真 · 逻辑不断裂 · 数据不编造 · 学术质量不下降 ⚠️ 本技能旨在提升学术表达质量并降低文本中的风险特征,不承诺通过任何特定检测平台,也不保证达到某一具体检测数值。
写作自媒体爆款内容预检
在视频号、公众号、抖音、小红书、快手、B站、知乎、微博等平台发布内容前,获得一份兼顾合规风险、用户反应与传播潜力的预检结果。无论是短视频口播、图文笔记、公众号文章、朋友圈文案、直播话术还是私信话术,都可以从原文出发,先判断平台、品类、目标人群和发布目的,再识别效果承诺、绝对化表达、特殊行业禁区、导流诱导等风险。 预检会结合可追溯的最新规则信息,逐句标出高危与中低风险表达,说明判断依据,并提供保留原有语气和节奏的可直接替换稿,同时提示不同平台的审核差异。针对目标人群,还会模拟前三秒或开头阅读反应,生成有支持、质疑和反噬的评论区原声,找出最容易引发攻击的一句话。 在传播评估部分,技能会围绕钩子、情绪、信息增量、身份认同、可转述性、读完或完播潜力和行动路径进行可解释打分,给出平台适配度、概率区间和优先级最高的改动建议。最终交付对话内速览与完整报告,帮助你快速判断是直接发布、修改后发布,还是需要重写,并沉淀一版干净文案供复测。

中文去黑话与主谓宾审校
把“看起来很专业、读完却不知道谁要做什么”的中文材料,改写成读者能直接理解、执行和核对的表达。它适用于报告、方案、通知、文章、产品文档、项目汇报、制度培训、客服内容、公众号文章以及 AI 生成文本的语言审校,重点处理中文黑话、空泛口号、抽象名词和编写者视角。 在不改变事实、数量、日期、名称、范围、结论强度和证据边界的前提下,技能会将“赋能、强化管理、推动落地、形成闭环、协同对齐”等难以行动化的说法,转化为更具体的人、动作、对象、条件和结果;同时检查关键句是否交代清楚主语、动作与对象,让读者明确谁负责什么、作用于什么,以及如何判断是否完成。必要时会保留法规、标准和产品等专业术语,并用普通语言补充解释。 输出通常包含可直接使用的改写稿、影响理解的关键改动,以及原文无法确认的责任人、时间、数据、证据或专业定义。它不会凭空补充信息,也不会把建议、记录或系统状态改写成已完成、已解决或已验证的事实,适合希望提升中文材料可读性、准确性和可执行性的写作者、编辑与业务团队。
信息
- 版本
- v5
- 更新时间
- 运行积分
- 按实际用量
- 模型
- 自动选择