三剪客 · 内容质量闭环

## ⚠️ 先申请你自己的 API Key
本 Skill 不内嵌任何密钥,也不代付费用。 请到
算力集市 api.a7w.cn 注册并创建你自己的 API Key
(新用户有赠送点数,可以先免费试跑几条)。
拿到后填进环境变量 A7W_API_KEY,或直接传给 --key 参数。
请勿使用他人提供的 Key —— 用量与费用都记在 Key 所属账号上。

能做什么

给一篇别人已经写完的成稿(不是从主题生成),跑完整的改稿闭环:

score  → 五维打分 + 定位到句子的修改建议
revise → 按建议重写,每轮复评
diff   → 原稿 vs 定稿的逐句改动台账(纯本地,零成本)

它替代的是审稿环节最耗人的那一步:不是"看不出问题",而是
"看出来了,但说不清改哪一句、改完到底有没有变好"。

你最关心答案
什么是"定位到句子"每条问题必须带原稿里原样的一句引文;本地会校验这句引文在原稿里找不找得到,编造的直接剔出
会不会只给泛泛建议会,但会被拦下:未锚定率 > 40% 判「定位失败」,压分 + 标红 + 退出码 3
改了怎么知道真的好了同一次调用里匿名双评原稿与新稿(乱序、只给编号),涨幅不受跨调用漂移影响;再配逐句台账看是不是"只换了说法"
会不会把数字改没了原稿事实(数字 + 专有名词)先抽成清单喂进改写提示词,改完逐条核对;丢一条就报(实测 11/11 保留)
多少钱按 token 计费。实测:1200 字稿跑 2 轮闭环 = 4~5 次调用、约 2 万 token
要装什么什么都不用装。只用 Python 标准库,不需要 pip install 任何东西
跟同类包什么关系本包不改题材、不换平台形态、不重排结构,只做质量迭代;换平台形态用一稿多平台改写,从主题写长文用长文生产

四道本地硬闸门(都是确定性的,跑两次结果一样,可直接进 CI)

  1. 广告法违禁词 —— 内置正则表 + 「最X」可枚举上下文豁免(句首不豁免)+ 「第一」序数豁免
  2. 占位符残留 —— {} / [待填] / XXX / (此处省略)
  3. 照抄提示词示例 —— 三条判据(去标点相同 / Jaccard ≥ 0.75 / 覆盖度 ≥ 0.60)+ 相对长度守卫
  4. 重写丢事实 —— 原稿里的数字与专有名词必须仍在定稿里,丢了就逐条列出

命中一律:压分 + 标红 + stderr 汇总 + 退出码 3。

怎么用(命令行)

第 0 步:获取 API Key

到 api.a7w.cn 注册,创建一个 API Key(形如 sk-...)。

第 1 步:装依赖

零依赖。 只要机器上有 Python 3.7+:

python3 --version

包里自带的 scripts/a7w.py 是零依赖客户端(只用 urllib / json / mimetypes),
scripts/run.py 也只用标准库。

第 2 步:填 Key

# Linux / macOS
export A7W_API_KEY=sk-你的key

# Windows PowerShell
$env:A7W_API_KEY="sk-你的key"

也可以存进配置文件反复用(推荐):

python3 scripts/a7w.py login --key sk-你的key

第 3 步:先做零成本自检(不联网、不花点数)

# 本地规则自检:违禁词 / 占位符 / 照抄示例 / 字数 / 结构 / 事实清单
python3 scripts/run.py rules --file 稿子.md --platform wechat

# 报价:这次闭环大概花多少 token(金额要你自己填单价)
python3 scripts/run.py cost --file 稿子.md --rounds 2

第 4 步:跑第一个例子

# 1) 单篇质检打分 + 定位到句的问题清单
python3 scripts/run.py score --file 稿子.md --platform wechat --json --out score.json

# 2) 完整闭环:评分 → 重写 → 复评,直到达标或轮次用尽
python3 scripts/run.py all --file 稿子.md --platform wechat \
    --rounds 2 --target 85 --baseline score.json \
    --outdir /tmp/content-qc-out --json --out /tmp/content-qc-out/all.json

--outdir 里会落 5 个文件:final.md(定稿)、final.json、
ledger.json(逐句台账)、REPORT.md(总报告:评分轨迹 + 台账 + 闸门 + 事实)、
state.json(断点)。同一个 --outdir 重跑只会打印"已完成,跳过",0 次调用。

完整工作流

# 1) 零成本自检,先看这篇稿子有没有硬伤
python3 scripts/run.py rules --file 稿子.md

# 2) 出体检报告(1 次调用),落盘以便复用
python3 scripts/run.py score --file 稿子.md --platform wechat --json --out score.json

# 3) 闭环改稿(复用基线,省掉第 2 步那次调用)
python3 scripts/run.py all --file 稿子.md --platform wechat \
    --rounds 2 --target 85 --baseline score.json \
    --outdir /tmp/qc --json --out /tmp/qc/all.json

# 4) 逐句改动台账(纯本地,零成本)—— 带 --from 才能补上每处改动的「为什么」
python3 scripts/run.py diff --before 稿子.md --after /tmp/qc/final.md \
    --from /tmp/qc/all.json

# 5) 只用体检口径、不动刀(零改写成本)
python3 scripts/run.py all --file 稿子.md --rounds 0 --target 85

直接用 curl 调(不依赖本包脚本)

curl -X POST https://api.a7w.cn/api/v1/chat/completions \
  -H "Authorization: Bearer $A7W_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-chat","messages":[{"role":"user","content":"给下面这段文字挑三个具体到句子的问题"}]}'

查在架模型(免费):

curl https://api.a7w.cn/api/v1/models -H "Authorization: Bearer $A7W_API_KEY"

参数说明

全局

参数说明
--json以 JSON 输出;写在子命令前后都可以。成功时结果里带 "ok": true,失败时 stdout 只有一个失败信封
--key临时指定 API Key(也可用 A7W_API_KEY 或 ~/.a7w/config.json)
--dry-run只打印将发送的提示词,不调模型、不花钱
--out把结果写到文件

稿件输入与平台(score / revise / all / rules / cost 共用)

参数说明
--file待质检的稿件(.md / .txt,UTF-8,自动去 BOM)
--platformgeneric(默认,只查通用发布形态)/ wechat / xiaohongshu / douyin / zhihu / toutiao。指定平台会启用该平台的字数区间与结构口径

score —— 多维打分 + 定位到句子的建议

参数说明
--baseline复用一份已有的 score --json --out 结果(零成本)。会核对稿件摘要与平台口径,不一致直接拒绝复用(退出码 2)
--price-in / --price-out / --budget见「成本与预算」

revise —— 按建议重写

参数说明
--rounds最多迭代几轮(评分 → 重写 → 复评算一轮),默认 2
--target目标线(加权总分 0~100),默认 85。> 100 直接退出码 2
--baseline复用已有打分当基线
--facts-warn-only把「丢事实」从硬闸门降级为提示(已知会误报,默认仍是硬闸门)

all —— 完整闭环(带断点续跑)

除上面的迭代参数外:

参数说明
--outdir目录产物落这里,必须在包外;落在包内退出码 2。默认 %TEMP%/content-qc-out
--force忽略断点文件从头重跑(key 没命中就会重新花钱)

diff —— 逐句改动台账(纯本地零成本)

参数说明
--before / --after原稿 / 定稿
--from可选:revise / all 的 --json --out 结果,用来补上每处改动的「为什么」。会核对自报清单针对的是哪一版稿子,对不上就归入「中间版本」而不是判为虚报

rules —— 本地规则自检(零成本)

查五件事:违禁词(硬)、占位符(硬)、照抄示例(硬)、字数区间(硬)、结构(软提示,不拦)。
另外把抽到的事实清单打出来 —— 那就是会进改写提示词的那份。

为什么结构不拦:审的是别人写好的成稿,「结尾没有 CTA」在不少稿子上是合理选择,
当硬闸门会天天误报,而误报会让人把整个闸门关掉。

cost —— 报价

参数说明
--file / --text按稿件或直接文本估
--rounds按几轮估,默认 2
--price-in / --price-out单价,单位「点 / 百万 token」。不给我就不给金额(不编价)
--budget预算上限(点),超了退出码 5;用 --budget 必须给单价,否则退出码 2

models —— 列出在架模型(免费)

python3 scripts/run.py models

模型名会变,以现查为准。deepseek-chat 这个别名实测可用(路由到 deepseek-flash),
但它不在 /api/v1/models 的返回列表里 —— 「列表里没有」不等于「不能用」。

五维评分与权重

维度权重这个分在问什么
信息密度0.25单位字数里有多少可验证的具体信息
结构0.20有没有「开头给处境 → 中间拆解 → 结尾给结论/行动」的推进
可读性0.20句子长短、指代是否明确、有没有要读两遍的句子
合规0.15有无绝对化用语、无依据承诺、站外导流、敏感宣称
平台适配0.20字数、分段、语气、结尾引导是否符合目标平台

加权总分 = Σ(维度分 × 权重) × 10,落在 0~100。口径细节见
references/质检维度与评分口径.md。

两种评分口径(别跨尺子比)

口径用在哪
单篇 singlescore;闭环的第 0 轮基线
双评 pair闭环的第 1 轮起,同一次调用里给原稿与新稿各打一次

真机实测:同一篇稿,单篇口径 81.5 分,双评口径 71.5 / 68.5 分 —— 差 11.5 分。
所以 --target 按双评口径判定,结果里的 scoring_scale 会把两种口径的分
和口径差都公示出来。口径差 ≥ 5 分时 stderr 还会提示一遍。

退出码(可直接用于 CI)

码含义
0达标:评分过线且没有硬闸门命中
2用法/配置错误(文件不存在、平台名错、--outdir 在包内、--budget 没配单价、--target > 100)
3硬闸门命中(违禁词 / 占位符 / 照抄示例 / 字数出区间 / 定位失败 / 丢事实 / 未收敛)
4调用失败(网络 / 鉴权 401 / 点数 402 / 模型名 404)
5预算超限,已就地中止(未发起任何调用)
130用户中断

成本与预算

  • 只出 token,不编金额:文本模型网关不公布单价,/api/v1/models 里也没有价格字段。
  • 字符 → token 标定(同族实测值):输入 1 token ≈ 1.61 字符;输出 1 字符 ≈ 1.11 token。这是估算,不是账单。
  • 真机实测:1200 字稿、2 轮闭环 = 4~5 次调用、约 2 万 token。

排错

现象处置
没有找到 API Key--key / A7W_API_KEY / a7w.py login 三选一
鉴权失败(401)/点数不足(402)到 https://api.a7w.cn/ 重新创建 Key 或充值
模型不存在(404)run.py models 现查在架名,别写死
定位锚点 闸门命中模型在编引文。看 unanchored_issues 里被剔出的引文;反复出现说明该模型不擅长引用原文,换模型
事实保全 闸门命中看报告里「丢了哪个 + 原句上下文」。真丢就重跑或人工补;合法改写用 --facts-warn-only
未收敛报告里写明差多少分。加 --rounds、人工介入、或把 --target 调到现实位置
分数看着"改了也没涨"先看口径:单篇与双评不在同一把尺子上(实测差 11.5 分),看 scoring_scale 那一块
断点续跑没生效key 含稿件摘要、轮次、模型、平台、温度、目标线、基线摘要、口径版本、提示词版本;任一变化都会重跑(故意的)。要强跑用 --force
unrecognized arguments: --out本包不允许长选项前缀缩写(故意的:--out 曾被静默吃成 --outdir)。请写全

更多排错见 references/合规与排错.md。

文件结构

sanjianke-content-qc/
├── SKILL.md                          本文件
├── README.md                          上手与说明
├── LICENSE.md                         MIT
├── references/
│   ├── 质检维度与评分口径.md            五维权重、两种口径、锚点校验、收敛判定
│   ├── 改稿方法.md                     改写纪律、台账语义、事实保全、多轮策略
│   └── 合规与排错.md                    闸门口径、退出码、成本、排错
└── scripts/
    ├── run.py                         七个干活的子命令(零第三方依赖)
    └── a7w.py                         零依赖 API 客户端(逐字节与全族一致)

端点速查

用途方法地址
大模型(OpenAI 兼容)POSThttps://api.a7w.cn/api/v1/chat/completions
在架模型清单GEThttps://api.a7w.cn/api/v1/models

成功响应不带 code 字段;网关有时把它包一层 {"code":1,"data":{...}},两种形态都认。

联系我们

  • 技术微信:9872659 —— 加好友时说一下是从哪个 Skill 找过来的,直接给你配套的 API Key 与能跑的示例。
  • 要算力 / 要 API Key:算力集市 · 注册领 API Key —— 一个 Key 调用全部 AI 算力,注册、充值、创建 Key 都在这里。
  • 更多 AI 插件与接口:AI 插件市场。

相关链接

链接地址说明
算力集市 · 注册领 API Keyapi.a7w.cn一个 Key 调用全部 AI 算力;注册、充值、创建 Key 都在这
AI 插件市场aigc.a7w.cn浏览全部 AI 插件与接口说明
三剪客 · 一句话批量出片ks.a7w.cn短剧二创 / 影视解说 / 矩阵号批量混剪桌面客户端
视频超清 · 在线批量超分vr.a7w.cn网页版视频超分,批量处理,最高 4K
0人公司 · AI Agent 平台a7w.cn主站,了解整套 AI Agent 生态

同类文章