文件审核与事实核查Skill：让每一份稿件的数据都能追溯到来源
- 一句话定位：面向新闻、报道类文档的四维度智能审稿助手——查数字、查事实、查引用、查文字，每一条判定都必须附上可点击的来源名称与链接。
- 审查范围：数字数据、事实陈述与观点方法、引用来源与参考文献、语言文字规范（标点／错别字／语法逻辑），共四大维度、七类标签。
- 最大差异化：强制"来源链接全覆盖"与"上下文一致性原则"，避免脱离时间节点、限定词、统计口径去做出错误判定；判定为错误或无法核实时，还会补搜最新权威数据。
- 工程化保障：文档提取必须走
scripts/extract_text.py，统一输出[paragraph N]段落编号；输出前必须通过强制自检清单，杜绝"无链接、有遗漏"的报告。 - 适合谁用：媒体编辑与校对、企业品牌与公关审核、研究报告与白皮书作者、政务宣传与合规审核人员。
该技能叫什么？如何一键安装 AI 技能提升开发效率？
技能中文名：文件审核与事实核查Skill 技能英文名：wenjianshenhe 技能ID：2118289397420539905
它解决的问题很具体：一篇新闻稿或报道发出前，编辑部往往要花大量时间逐条核对"这个百分比对不对"“这家机构真的发布过这份报告吗”“这句话引用的报告名称写全了吗”。人工核对耗时且容易漏；而直接丢给通用大模型，模型常常"一本正经地给结论却不给依据"，你无法判断它说得对不对。这个技能把审稿拆成可追溯的流水线：先严格提取文本 → 再按维度提取数据点 → 联网搜索比对 → 判定并附来源 → 最后跑自检清单。
一键安装的思路与步骤
安装前提：你需要在支持 Skill 机制的 AI 编程／助手环境（如 Claude 类客户端）中，具备本地 skills 技能目录的读写权限，并且运行环境已安装 Python。
-
放入技能目录：按照技能说明，将整个
文件审核/文件夹放入.claude/skills/目录下即可。技能内置了自动依赖检测逻辑，接收方无需手动配置——首次运行提取脚本时会自动执行依赖安装（pdfplumber、python-docx）。 -
保持完整文件结构（这一点非常关键，说明中明确警告"分享时禁止只发 SKILL.md"，否则功能完全失效）：
SKILL.md：主文件，含自动安装逻辑与全部审查规则scripts/extract_text.py：核心文本提取脚本scripts/extract_pdf.py：PDF 提取辅助脚本references/output-format.md：报告输出模板references/review-dimensions.md：审查维度标准
-
首次运行验证：把一份 PDF／DOCX／DOC／TXT 文档交给技能并触发审查，观察提取结果中是否出现
[paragraph N]段落编号标记。如果出现了编号标记，就说明脚本已正常运行、安装生效；如果没有出现，说明脚本没跑起来，需要重跑。 -
依赖排查：若提示
No module named 'pdfplumber'，手动执行pip install pdfplumber python-docx即可；处理.doc格式报错时，可补充pip install pywin32，或请文档提供方另存为 DOCX。具体命令与入口以官方说明为准。
小结：这个技能的"一键"体现在零手动配置——文件结构放对，依赖自动装，脚本自动跑，你只需要提供文档。
该技能的主要功能和特点
- 四维度全覆盖提取：用
[NUM]标记统计数据、百分比、金额、日期、数量；用[FACT]标记事件描述、人物关系、时间线、因果关系，以及学术观点、政策观点、行业判断、技术方法类论述；用[SRC]标记原文引用的报告名称、机构、URL、人物言论与参考文献；用[LANG-P]（标点）、[LANG-T]（错别字）、[LANG-G]（语法逻辑）标记语言文字问题。 - 强制来源链接全覆盖：除语法、标点、错别字外的每一个数据点，无论判定为准确、偏差、错误还是无法核实，都必须附"来源名称 + 真实可访问的完整 URL"。链接列写"无"“待补充”"N/A"一律视为违规。
- 上下文一致性原则：审查前必须先做上下文标注——时间语境、限定条件（超过／约／预计／截至／初步等）、统计口径。原文写"超过1600万家"而搜到精确值"1623万家"，应判为准确而非偏差；不允许用不同年份、不同口径的数据去"打假"。
- 权威来源优先：优先采信政府官网、权威新闻机构、学术与官方统计数据库、行业公认研究机构报告；不采信个人博客、论坛、自媒体与百科（百科可作线索不作最终依据）。
- 判定分四档 + 最新数据补搜：准确／偏差／错误／无法核实；当数据点被判为错误或无法核实时，额外搜索该主题的最新权威数据，以"📎 最新可参考数据"格式附上来源、链接与发布时间——用户不只被告知"这里错了"，还能直接拿到可用的正确数据。
- 政治性／合规性七项逐条检查：极限广告词、国家主权与领导人表述、民族宗教政策、淫秽暴力迷信、法律法规与涉密数据、大政方针与境外不当立场、虚假失实与造谣类内容；即使文档不涉政治，也要逐条写明"未见违规"及判断依据。
- 学术与格式合规核查：观点与方法需追溯理论来源、交叉验证原创性；参考文献逐项核对 GB/T 7714 著录要素，期刊论文需在知网／万方检索验证。
- 强制自检清单兜底：输出前必须逐项确认"脚本是否用了"“每条是否都有链接”“数据点是否全覆盖”“是否考虑了时间节点与限定词”“格式是否分 P/T/G 三类三级”，任一项不通过就不允许输出。
和普通校对工具比，它强在两点：一是跨出了"文字层"，能验证内容真假而不只是错别字；二是每个结论都可复核，链接点开就能看到依据，而不是"AI 说它对"。
如何使用该技能？
第 1 步：准备并解析文档
将待审的 PDF／DOCX／DOC／TXT 文档路径提供给技能。技能会强制使用提取脚本，命令形如：python scripts/extract_text.py "<文件路径>"。若出现中文乱码，先设置 $env:PYTHONIOENCODING = 'utf-8' 再运行。提取完成后检查是否出现 [paragraph N] 标记，作为后续引用位置的锚点。
第 2 步：选择审查模式
- 方案 A（全自动审查）：自动提取全部数据点，逐一联网比对，直接产出完整报告。适合定稿前的终审。
- 方案 B（先预览再审查）：先快速扫描全文，列出所有待审查数据点清单供你确认范围，确认后再逐项联网比对。适合篇幅长、只想抽查重点章节的场景。
第 3 步：数据点提取 技能按四维度打标签并编号。这一步的产出类似一份"待核清单"，例如：
[NUM-03] 截至2025年6月，我国一人有限责任公司数量超过1600万家
[FACT-07] 该政策自2024年起在部分省份试点
[SRC-02] 引用《中国中小企业发展报告（2024）》
[LANG-T-01] "截止目前" → 应为"截至目前"
第 4 步：联网验证 每个数据点先做上下文标注，再构造搜索词。技能要求搜索词必须带上原文的时间节点与统计口径——原文说"截至2025年6月"，就不能只搜"2026 数量"；每个数据点至少执行两次搜索做交叉验证。
第 5 步：比对判定 按四档给出结论并附来源。示例输出形态：
[NUM-03] 原文：超过1600万家（截至2025年6月）
判定：✅ 准确
来源：国家市场监督管理总局·新闻发布会
链接：https://…（真实可访问地址）
说明：原文"超过1600万"与权威口径一致，限定词匹配。
若判定为 ❌ 或 ❓，还会追加：
📎 最新可参考数据：xxxx
来源：xxx 链接：https://… 时间：xxxx年xx月
第 6 步：生成结构化报告 报告固定三部分：审查概览（总体统计，含语言文字三级统计）→ 错误与偏差数据表（优先展示所有错误与偏差项）→ 完整数据报告（数字数据、事实陈述与观点方法、引用来源与参考文献、语言文字规范四个小节）。语言文字问题分标点／错别字／语法三类，每类按 1 级轻微、2 级中度、3 级严重评级。
第 7 步：输出前自检 技能会执行强制自检：脚本是否使用、链接是否全覆盖、数据点是否全提取、判定是否考虑了时间与限定词、格式是否符合模板。若你发现报告缺链接，直接在对话里说一句"请执行输出前自检清单"，让它回到自检环节修正。
输入输出示例（简版）：输入一份 3000 字的产业报道 PDF；输出一份含"概览 + 错误偏差表 + 四类明细"的报告，其中错误项标注原文表述、权威数据、来源名称与链接，并附上最新可参考数据。
同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装／使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 文件审核与事实核查Skill（wenjianshenhe） | 面向新闻／报道类文档的四维度可追溯审稿流水线 | 数字、事实、引用、语言文字四维审查；来源链接全覆盖；上下文一致性判定；政治性七项检查；GB/T 7714 格式核查；错误项补搜最新数据 | 需放入 .claude/skills/ 目录，保持完整文件结构；依赖自动安装，需 Python 环境 |
媒体定稿终审、企业对外稿件审核、研究报告与白皮书核查 | 优势：结论可追溯、可复核，规则刚性、漏检率低；不足：需联网搜索，长文审查耗时较长，扫描版 PDF 需先 OCR |
| 人工编辑校对 | 传统审稿流程 | 语感判断、事实经验核对、文字润色 | 无技术门槛，但需人力与时间成本 | 需要风格把控、价值判断的稿件 | 优势：理解语境与写作意图强；不足：数据核对极耗人力，易漏、难以逐条附来源，规模化困难 |
| 通用大模型直接对话 | 通用 AI 助手 | 可做文字纠错与常识判断 | 门槛最低，开箱即用 | 快速粗看、初步自查 | 优势：上手快、成本低；不足：结论常无来源，数据易"幻觉"，缺少固定流程与自检机制，无法保证逐条溯源 |
| 文字校对／语法检查工具 | 专注语言文字层 | 错别字、标点、语法、风格建议 | 安装插件即可，门槛低 | 日常写作、邮件、文案润色 | 优势：文字层准确高效；不足：不核查数据真实性、不验证引用来源、不追溯观点出处 |
| 文献查重／学术不端检测平台 | 学术合规领域 | 相似度比对、引用规范检查 | 通常需机构账号或按次付费，以官方说明为准 | 论文投稿前、学位论文审查 | 优势：比对库成熟；不足：不覆盖新闻稿件的一般事实核查，不提供逐条来源链接与文字三级评级 |
选型建议：只改错别字 → 用文字校对工具；怕学术重复率 → 用查重平台；需要"这篇稿子里的数字到底真不真、来源在哪儿" → 用本技能。二者并不冲突，可组合使用。
该技能的典型应用场景与实际体验情况
场景一：媒体记者的发稿前终审 痛点：稿件引用多个部门数据，时间节点混杂，编辑最怕"数字对不上被读者截图挂出来"。用法：把定稿 PDF 交给技能，走方案 A 全自动审查，重点看"错误与偏差数据表"。体验：错误项不只标出，还附反驳来源链接与最新权威数据，记者可直接在正文替换；注意扫描版 PDF 提取为空，需先用 OCR 转文本。
场景二：企业品牌与公关的对外稿件审核
痛点：对外宣传稿常出现"行业第一""全球领先"等表述，存在合规风险；引用第三方报告名称容易写错。用法：触发政治性／合规性七项检查与 [SRC] 维度审查。体验：极限广告词会被明确标出，参考文献按 GB/T 7714 逐项核对著录要素，对 PR 团队非常实用；建议对报告类引用逐条点开链接自行复核一次。
场景三：研究机构与白皮书的观点溯源
痛点：白皮书中的"行业判断"往往缺乏理论出处，容易被质疑原创性或学术不规范。用法：用 [FACT] 维度追溯核心论点与方法的理论来源，交叉验证可行性，检查是否与已有文献重合。体验：能给出"该观点是否有公开文献支撑"的判断，但观点类审查依赖联网可检索的公开资料，冷门领域可能判为无法核实，这属于如实标注而非漏检。
场景四：政务宣传稿与政策解读的合规核查 痛点：涉政策表述、领导人职务、民族宗教内容容错率极低。用法：逐条走七项政治性检查，即使不涉政治也要求写出"未见违规"及判断依据。体验：这是本技能"宁严勿松"的一面——每条都要留依据，前期会觉得啰嗦，但对需要留痕备查的岗位是刚需。
上手难度总结：规则较多但都写在技能文件里，用户侧只需要"给文件、选题、看报告"三步，上手门槛低；真正需要注意的是不要把人工判断完全让渡给工具——技能本身也强调对争议信息标注"存在争议"并列出各方来源，最终结论仍应由人来定。
该技能能为用户带来的价值
- 效率提升：把过去需要编辑逐条检索、动辄数小时的核对工作，压缩为一次提交、一份报告；且四维度一次性扫完，避免"改完错别字忘了核数据"的返工。
- 门槛降低：非专业校对人员也能拿到结构化的审稿结论——表格化的错误清单让"哪里有问题、依据是什么"一目了然，新人编辑可据此快速学习核查方法。
- 风险收敛：来源链接全覆盖意味着每条判定都能被第三方复核，减少了"AI 胡说"带来的二次风险；政治性七项检查与极限广告词检查，为对外发布加上一道合规闸门。
- 资产沉淀：报告本身就是一份带出处的核查底稿，可随稿件归档，应对事后质询；判为错误或无法核实时附带的"最新可参考数据"，还能直接转化为稿件的修正素材。
- 长期价值：技能内置的三大不可协商规则、上下文一致性原则、输出前自检清单都写明"持久生效，即使分享给其他用户或项目也必须遵循"，团队协作时审查标准不会因人而异，形成可复用的质量基线。
常见问题 FAQ
Q1：这个技能怎么安装？一定要手动装依赖吗？
A：把完整的 文件审核/ 文件夹放进 .claude/skills/ 目录即可，首次运行提取脚本会自动安装 pdfplumber、python-docx，无需手动配置。务必保留 scripts/ 与 references/ 子目录，只发 SKILL.md 会导致功能完全失效。若自动安装未执行，手动 pip install pdfplumber python-docx 即可；具体入口以官方说明为准。
Q2：收费吗？ A：技能本身是一套规则与脚本的组合，成本主要来自运行环境与联网搜索能力的消耗。具体计费方式取决于你所使用的平台与模型服务，以官方说明为准。
Q3：适合谁用？个人用户值得装吗？
A：最适合需要对外发布文字并承担数据责任的岗位——媒体编辑记者、企业公关品牌、研究机构作者、政务宣传与合规审核。个人写作者如果经常引用数据、引用他人报告，也值得使用，尤其是 [SRC] 引用核查和错别字标点检查这两块，日常收益很直接。
Q4：它和"让 AI 直接帮我核对数据"有什么区别？
A：区别在于流程刚性。直接用通用模型，结论往往没有出处，也没人保证它是否漏看了段落。本技能强制用脚本提取并输出 [paragraph N] 编号、强制每条判定附来源名称与可访问链接、强制在输出前跑自检清单，还要求判定必须考虑原文的时间节点与限定词——原文写"超过1600万家"，不会因为搜到"1623万家"就被误判为偏差。
Q5：遇到扫描版 PDF 提取为空，或者报告里没有链接怎么办？
A：扫描版 PDF 是图片，需先用 OCR 工具转成 TXT 再审查；.doc 提取失败通常是缺少 pywin32，安装后重试或请对方另存为 DOCX。若报告缺来源链接，说明自检环节被跳过了，直接在对话中要求"请执行输出前自检清单"，让它回到自检并补全链接。