一个用于中文论文、摘要、课程作业和技术文档多轮降 AIGC 改写的工作目录。

本仓库支持四种使用方式：

1. 对话 skill 模式：在聊天中按 SKILL.md 约束执行单轮改写。
2. 脚本 API 模式：通过 scripts/run_aigc_round.py 执行单轮分段处理，并按需调用外部 OpenAI 兼容接口。
3. Web 模式：启动本地后端和前端页面，在浏览器中完成上传、配置、执行和导出。
4. app：安装app可直接使用

核心原则：

• 两轮顺序固定为 1 -> 2，不能跳轮，不能合并执行。
• 每次调用只处理一轮。
• 单轮内部也必须先分块，再逐块改写，最后按原段落结构还原。
• 不新增事实、数据、文献、案例或结论。
• 保留原文术语、编号、逻辑关系和论文语体。

适合以下任务：

• 中文论文去 AI 味

• 多轮降低 AIGC 痕迹

• 对长文档进行分段改写并保留原有结构 不适合以下任务：

• 长文件建议使用脚本，直接在聊天框效果不佳

.
├─ app/
│  └─ src/
│     ├─ App.tsx
│     ├─ main.tsx
│     ├─ components/
│     ├─ hooks/
│     ├─ lib/
│     ├─ styles/
│     └─ types/
├─ SKILL.md
├─ README.md
├─ requirements.txt
├─ origin/
├─ finish/
├─ prompts/
├─ references/
├─ src-tauri/
└─ scripts/

目录约定：

• origin/：放原始输入文件，通常是 .txt 或 .docx。
• finish/intermediate/：放每一轮的中间文本、提取文本和 manifest。
• finish/web_exports/：放 Web 端导出的 .txt 或 .docx 文件。
• finish/：放最终产物，以及 aigc_records.json 这类记录文件。
• prompts/：两轮提示词，严格按顺序使用。
• references/：使用说明和评分清单。
• app/：Web 前端与 Tauri 前端工程。
• src-tauri/：桌面端 Tauri 壳层。

安装依赖：

pip install -r requirements.txt

Web 前端依赖安装：

cd app
npm install

当前依赖非常少：

• python-docx：用于 .docx 文本提取和回写

• 推荐使用web端，然后是脚本，最后是当成skill（skill文本太长不稳定）

把待处理文件放到 origin/ 目录。

示例：

• origin/毕业论文.docx
• origin/毕业论文_原始_utf8.txt

适合在浏览器中完成模型配置、文件上传、轮次执行和导出。

后端入口是 scripts/web_app.py，前端入口位于 app/package.json。

适合用脚本做单轮批处理。

特点：

脚本入口是 scripts/run_aigc_round.py。

适合直接在聊天中执行当前应进行的一轮改写。

特点：

• 不需要你手动配置 API Key / Model / Base URL 入口和约束见 SKILL.md。

先启动 Python 后端：

python scripts/web_app.py

再启动前端开发服务器：

cd app
npm run dev:web

启动后按 Vite 终端输出中的本地地址在浏览器访问，前端会调用本地 Flask API。

Web 模式下可完成以下操作：

• 上传 .txt 或 .docx 文件到 origin/
• 配置并测试模型连接
• 按当前记录继续执行第 1 轮或第 2 轮
• 读取历史输出并导出 .txt 或 .docx 到 finish/web_exports/

运行单轮处理：

python scripts/run_aigc_round.py <doc_id> <round> <input_path> <output_path> <manifest_path> [--chunk-limit 850]

• output_path：本轮输出文本路径
• manifest_path：本轮切块结构输出路径

• api_key
• model
• base_url

可以通过环境变量提供：

$env:BAIBAIAIGC_API_KEY="your_api_key"
$env:BAIBAIAIGC_MODEL="your_model"
$env:BAIBAIAIGC_BASE_URL="https://your-endpoint/v1"

也可以通过命令行参数提供：

python scripts/run_aigc_round.py origin/毕业论文_原始_utf8.txt 1 origin/毕业论文_原始_utf8.txt finish/intermediate/毕业论文_原始_utf8_round1.txt finish/intermediate/毕业论文_原始_utf8_round1_manifest.json --api-key your_api_key --model your_model --base-url https://your-endpoint/v1

python scripts/run_aigc_round.py origin/毕业论文_原始_utf8.txt 1 origin/毕业论文_原始_utf8.txt finish/intermediate/毕业论文_原始_utf8_round1.txt finish/intermediate/毕业论文_原始_utf8_round1_manifest.json --chunk-limit 850

python scripts/run_aigc_round.py origin/毕业论文_原始_utf8.txt 2 finish/intermediate/毕业论文_原始_utf8_round1.txt finish/intermediate/毕业论文_原始_utf8_round2.txt finish/intermediate/毕业论文_原始_utf8_round2_manifest.json --chunk-limit 850

如果暂时不想调用模型，可以使用 --dry-run：

python scripts/run_aigc_round.py origin/毕业论文_原始_utf8.txt 1 origin/毕业论文_原始_utf8.txt finish/intermediate/毕业论文_原始_utf8_round1.txt finish/intermediate/毕业论文_原始_utf8_round1_manifest.json --chunk-limit 850 --dry-run --echo-prompt-inputs

这个模式下：

• 不会调用模型
• 输出文本与输入文本一致
• 可用于检查切块、prompt 拼接和 manifest 结构

对话模式建议优先使用 SKILL.md 和 scripts/skill_round_helper.py 中的规则。

1. 将原始文件放入 origin/
2. 在对话中触发降 AIGC skill
3. skill 读取记录，判断当前应执行的轮次
4. 若输入是 .docx，先提取为中间 .txt
5. 按最多 850 字切块逐块改写
6. 写回本轮输出到 finish/intermediate/
7. 依据 references/checklist.md 做本轮评分
8. 更新记录，等待下一次新对话继续下一轮

注意：

• 对话 skill 模式不要求额外提供环境变量
• 脚本 API 模式报缺少 API 配置，不等于对话模式不可用

如果输入是 .docx，推荐使用 scripts/docx_pipeline.py 做文本提取和回写。

python scripts/docx_pipeline.py extract-to-file origin/毕业论文.docx finish/intermediate/毕业论文_extracted.txt

python scripts/docx_pipeline.py extract-paragraphs origin/毕业论文.docx finish/intermediate/毕业论文_paragraphs.json

python scripts/docx_pipeline.py build-paragraphs finish/intermediate/毕业论文_paragraphs.json finish/毕业论文_终稿.docx

项目通过 finish/aigc_records.json 维护跨对话轮次记录。

记录内容通常包括：

• 原始文档标识
• 已完成轮次
• 每轮使用的 prompt
• 输入输出路径
• chunk 限制和分块数量
• manifest 路径
• 可选评分和时间戳

查看全部记录：

python scripts/aigc_records.py show

查看单个文档记录：

python scripts/aigc_records.py show origin/毕业论文_原始_utf8.txt

如果你在自定义集成中需要手动更新记录，可参考 SKILL.md 中定义的数据结构。

1. 优先按原始段落切分。
2. 若段落超过 850 字，再按完整句子的自然断句继续切分。
3. 不在句子中间、术语中间、编号中间截断。
4. 逐块处理完成后，必须按原段落顺序恢复。

默认单块上限为 850 字，可通过 --chunk-limit 调整。 评分标准见 references/checklist.md。

建议做两类检查：

1. 每一轮完成后做一次阶段性评分 重点检查：

• 句式节奏是否过于整齐
• 是否仍存在明显连接词堆积
• 是否有空泛宣传腔、机械排比
• 是否保持论文语体和专业准确性

因为 scripts/run_aigc_round.py 的自动改写依赖外部 OpenAI 兼容接口。

解决方法：

• 配置 BAIBAIAIGC_API_KEY
• 配置 BAIBAIAIGC_MODEL
• 配置 BAIBAIAIGC_BASE_URL

或者使用 --dry-run 只做切块校验。

因为两者是两种不同入口：

• 对话 skill 模式由对话执行改写逻辑
• 脚本 API 模式由本地脚本调用外部模型接口

不可以。长文本必须分段分块处理。

1. 把 .docx 放进 origin/
2. 提取为 .txt
3. 在聊天中执行第 1 轮
4. 新开对话执行第 2 轮
5. 终检评分后写回 .docx

1. 准备 .txt 输入
2. 配置 API 环境变量
3. 依次执行第 1、2 轮脚本
4. 检查 finish/intermediate/ 中间结果和 manifest
5. 做最终评分和导出

• SKILL.md
• references/usage.md
• references/checklist.md
• scripts/run_aigc_round.py
• scripts/skill_round_helper.py
• scripts/docx_pipeline.py

这个 README 面向后续使用者，目的是让使用方式、目录约定和执行边界一次说清。更严格的行为约束以 SKILL.md 为准。

感谢 linuxdo（linux.do） 社区的交流、分享与反馈。