1. 立项背景与目标
汇报与演讲场景中,讲稿的数据来源常被追问。现有 AI 写作工具由模型自行判断内容依据(自证),不具备确定性。本项目建立不依赖模型的来源校验机制,使材料来源可视化、可定位。
2.功能与核心模块
支持粘贴、文件、PDF 三类输入,按场景生成讲稿;对材料原话逐字标注来源,对材料中不存在的数字予以警示。核心模块为逐字校验闸门、来源编排、三层定制(八项可配置)与双格式导出。
3. 业务流程与路径
材料经归一化、切段、锚定后进入生成与校验流程;人工撰稿走同一校验链路,无差异处理;编辑实时触发本地重算。全链路判定零依赖、结果可复现。
1. 架构与技术栈
客户端-服务端一体单进程,无数据库。后端原生 node:http + TypeScript 直接执行(无编译产物);前端原生 JS + 手写CSS,零框架零构建;模型接入用裸 fetch 打 Anthropic 兼容协议。核心设计:判定与生成分离 引文由代码逐字检索,不采信模型声明。
2.架构 · 判定链 · 服务端 · 前端 · 验收体系。后端 4200 行 TS / 22 文件,判定核心 143 行;6 个端点,6场景×8 配置;自动化验收 260 项;运行期依赖 1 个。
3.难点与解决
PDF 分段:hasEOL 实为视觉折行,会劈开跨行句 → 改为「无句末标点 + 顶到右边界」双条件判定
语气改写:改写发生在校验之后,状态失真 → 改写后以新文本重跑校验
标记粒度:句级角标只能二选一、都在替用户下结论 → 改为按字符区间标注