交付前品質檢查
中英雙語交付前檢查 · AFP 五層
交付前品質檢查
中英雙語交付前檢查 · AFP 五層
展示內容
描述
在正式文件交付、提交或發布前進行品質把關，適用於中英文。技能依 Auto-Flow Prompt（AFP）五層工作流程組織：觸發層識別任務並建立檔案；規劃層依路由表產生檢查項目與執行計畫；執行層自適應逐項複核（事實陳述、確定性分級、任務遺漏、數字與口徑、邏輯與結構、合規與隱私、可執行性、受眾錯位、專有名詞、時效性、版面與格式、圖表／連結／附件、協作痕跡等）；監督層以「檢查→挑戰→驗證→修正→重測」回路自我檢查，並標記需要人工介入的項目；整合層去重分級、解決跨項目衝突，並整合為報告。最終輸出依 P0/P1/P2 分級的問題清單（包含位置、依據與建議行動），以及「可放行／修改後放行／不可放行」的總體結論。技能會自動識別待查文件的語言，並以相同語言產出報告；僅提供報告，不修改檔案，也不會自動傳送或發布；最終放行決策與責任由人員承擔。 在正式文件交付、提交或發布前進行品質把關，支援中文與英文。流程依 Auto-Flow Prompt（AFP）五層工作流程組織：觸發層識別任務並建立檔案；規劃層依路由表產生檢查項目與執行計畫；執行層自適應逐項複核（事實陳述、確定性分級、任務遺漏、數字與口徑、邏輯與結構、合規與隱私、可執行性、受眾錯位、專有名詞、時效性、版面與格式、圖表／連結／附件、協作痕跡等）；監督層透過「檢查→挑戰→驗證→修正→重測」回路自我檢查，並標記需要人工介入的項目；整合層去重分級、解決跨項目衝突，並整合為報告。最終輸出依 P0/P1/P2 分級的問題清單（每項包含位置、依據與建議行動），以及「可放行／修改後放行／不可放行」的總體結論。技能會偵測目標文件的語言，並以該語言產出報告；僅提供報告——不修改檔案，也不會自動傳送或發布；最終放行決策與責任由人員承擔。
相關技能
查看全部
寫作學術論文AIGC降重與品質保真改寫專家v7.0
📚 學術論文 AIGC 降重與品質保真改寫專家 v7.0 面向研究生、科研工作者與論文作者打造的學術文本優化技能，以「源頭控制 → 過程糾偏 → 結果核查 → 逆向自檢 → 複檢迭代」為核心閉環，在保護原意、專業術語、數據和核心結論的前提下，系統診斷並優化論文中的模板化表達、機械邏輯、內容空泛、術語失準及風格不一致等問題。🔍📝 🌟 核心能力 🔬 多層風險診斷 覆蓋 10 類通用文本指紋，並輔助識別 ChatGPT、Claude、DeepSeek、文心一言等模型常見的表達模式。 🧠 深層語義重構 不局限於同義詞替換，而是從命題表達、信息順序、論證切入點和論據組織方式入手，重建更自然、更有深度的學術論證。 ✍️ 品質保真改寫 綜合運用 13 種句式變換策略與 20 類高頻模板表達清理方法，改善機械句式、重複連接詞和過度規整的表達結構。 📊 全文結構診斷 通過大循環與五大鐵三角，檢查研究問題、理論、綜述、方法、結論和創新之間是否形成完整閉環。 🧩 精細化章節適配 針對摘要、引言、文獻綜述、研究方法、結果、討論和結論，分別制定差異化診斷與改寫策略。 🌐 跨語言風險掃描 輔助識別翻譯腔、被動語態堆疊、長句嵌套及中英文混排異常，讓中文學術表達更加自然、準確。 🔄 逆向自檢閉環 改寫完成後，從手法分佈、新增文本指紋和信息完整性三個方面再次核驗，避免「越改越像模板」或關鍵內容丟失。 🛡️ 學術規範保護 不編造文獻、數據、案例與政策依據；對需要作者核實的信息單獨標註，並提醒如實披露 AI 使用情況。 🎯 適用場景 ✅ 單段或局部章節優化 ✅ 檢測報告標記段落定向修改 ✅ 摘要、引言、綜述、討論與結論精修 ✅ 全文 AIGC 風險特徵診斷 ✅ 目標期刊語言與結構適配 ✅ 投稿前質量審查與一致性核驗 📦 最終交付 📄 品質保真的改寫文本 🔎 風險與問題診斷報告 🛠️ 改寫策略及手法說明 ✅ 逆向自檢與信息完整性報告 💡 作者核實事項及後續修改建議 🎓 原意不失真 · 邏輯不斷裂 · 數據不編造 · 學術質量不下降 ⚠️ 本技能旨在提升學術表達質量並降低文本中的風險特徵，不承諾通過任何特定檢測平台，也不保證達到某一具體檢測數值。
寫作自媒體爆款內容預檢
在微信視頻號、微信公眾號、抖音、小紅書、快手、B站、知乎、微博等平台發布內容前，取得一份兼顧合規風險、使用者反應與傳播潛力的預檢結果。無論是短影音口播、圖文筆記、微信公眾號文章、朋友圈文案、直播話術還是私訊話術，都可以從原文出發，先判斷平台、品類、目標受眾與發布目的，再辨識效果承諾、絕對化表達、特殊行業禁區、導流誘導等風險。 預檢會結合可追溯的最新規則資訊，逐句標出高風險與中低風險表達，說明判斷依據，並提供保留原有語氣與節奏、可直接替換的稿件，同時提示不同平台的審核差異。針對目標受眾，還會模擬前 3 秒或開頭閱讀時的反應，生成包含支持、質疑與反噬的留言區原聲，找出最容易引發攻擊的一句話。 在傳播評估部分，技能會圍繞吸引點、情緒、資訊增量、身分認同、可轉述性、讀完或看完影片的潛力與行動路徑進行可解釋評分，給出平台適配度、機率區間與優先級最高的修改建議。最終交付對話內速覽與完整報告，幫助你快速判斷應直接發布、修改後發布，還是需要重寫，並整理出一版乾淨文案供再次測試。
中文去黑話與主謂賓審校
把「看起來很專業，讀完卻不知道誰要做什麼」的中文材料，改寫成讀者能直接理解、執行與核對的表達。它適用於報告、方案、通知、文章、產品文件、專案報告、制度培訓、客服內容、社群文章，以及 AI 生成文字的語言審校，重點處理中文黑話、空泛口號、抽象名詞與撰寫者視角。 在不改變事實、數量、日期、名稱、範圍、結論強度與證據界線的前提下，技能會將「賦能、強化管理、推動落地、形成閉環、協同對齊」等難以轉化為具體行動的說法，改寫為更具體的人員、動作、對象、條件與結果；同時檢查關鍵句是否清楚交代主語、動作與對象，讓讀者明確誰負責什麼、作用於什麼，以及如何判斷是否完成。必要時會保留法規、標準與產品等專業術語，並以一般語言補充解釋。 輸出通常包含可直接使用的改寫稿、影響理解的關鍵改動，以及原文無法確認的負責人、時間、數據、證據或專業定義。它不會憑空補充資訊，也不會把建議、紀錄或系統狀態改寫成已完成、已解決或已驗證的事實，適合希望提升中文材料可讀性、準確性與可執行性的寫作者、編輯與業務團隊。
資訊
- 版本
- v5
- 更新時間
- 執行點數
- 依實際用量
- 模型
- 自動選擇
