在本机查看中英文文本的模型评分，并逐句检查值得复核的段落。
本地预览 · 尚未部署在线服务 · 分数尚未校准
截图来自浏览器功能测试，使用虚构文本和固定测试模型。分数仅演示界面，不是实际模型表现或准确率，也不代表已知真实标签。
这是一个仍在开发中的本机网站。它接收粘贴文本或上传的作文，提取正文后调用本地模型，给出英文、中文或中英分开检测的写作倾向，并让你回到原文逐段核对。检测过程在本机运行，正文不会发送给第三方评分接口。
| 功能 | 当前实现 |
|---|---|
| 输入 | 粘贴文本，或上传 .txt、.docx（读正文和表格，不读页眉页脚、脚注、文本框）、文字版 PDF；上传后先预览提取到的内容 |
| 批量检测 | 每批最多 20 个文件，逐篇识别中英或混合语言，未完成文件可手动指定语言；失败单独重试、取消后续文件后继续；完成结果与局部复检保留；支持筛选、排序和分语言 CSV 汇总，超限会明确提示 |
| 语言 | 英文 Vanguard、中文 zhv3；中英混合文档可以分开评分 |
| 阅读结果 | 总分、段落与句子着色、全文构成、连续高分区段，以及常见套话和句长波动提示 |
| 复核与导出 | 固定侧栏阅读前后文，标记「已复核／待确认／需修改」，批注自动保存并支持撤销；手机使用底部抽屉；导出含原生评论和复核记录的 Word 报告（支持中英合并）、HTML、JSON、CSV，或打印 |
| 版本对比 | 段落重测自动留档，也可命名保存；逐段查看文字增删与分数变化，中英文分别比较；恢复旧版本时保留当前记录；每份结果保留初始版本及最近 19 次记录 |
| 写作过程时间线 | 按实际操作时间记录检测起点、修改重测、批注、版本保存与恢复；筛选节点并查看历史批注或打开对应稿件对比；最多 200 个节点，随任务保存在本机 |
| 检测范围 | 单文件预览中按提取段落选择，支持正文／正文与摘要快捷选择；后端核对原文件指纹，结果和报告记录所选范围及排除内容 |
| 任务中心 | 本机保存原文件、进度、结果、批注与版本；按名称或原文件名搜索，按类型和状态筛选，排序及重命名；刷新后手动恢复；最多 50 个任务，可逐项删除 |
| 可视化评测 | 在「样本评测」导入已有报告，或选择带标签和来源的样本清单及正文，用本机模型运行；按语言、来源、长度、作者组别和集合筛选，查看误报、漏报、不确定比例及候选阈值的独立验证 |
| 本地使用 | Windows 双击启动和停止脚本；前端由 React/Vite 构建，后端由 FastAPI 提供接口 |
| 评测与校准 | 固定版本公开语料准备、实际 API 评分与预测重放、分组统计及置信区间；按原稿组隔离校准/测试，仅用校准集拟合全文阈值；未通过验证的候选不会启用 |
查看写作时间线、任务中心与手机复核界面
写作过程时间线：按实际操作时间回看稿件和批注，打开对应版本对比。
任务中心：搜索原稿、筛选状态、重命名并继续上次的复核。
手机复核：底部抽屉保留原句与相邻上下文。
模型输出反映的是写作倾向，不能当作“AI 写了百分之多少字”、学生是否违规或学校审查结论。逐句着色和“全文构成”使用的是项目当前的展示门槛；门槛尚未经过充分的人类作文、AI 作文和混合作文真值样本验证。短文、非母语英语、改写文本及跨领域材料尤其需要人工复核。
已提供可复现的公开中英文问答试评和校准流程，但尚无能证明学生作文准确率的独立评测。公开问答、旧版 ChatGPT、未知作者组别和未排除的模型训练重叠都限制了结果的适用范围；候选阈值须通过独立测试与来源证据核查才可启用。流程与限制见 评测说明 和 公开语料说明。本仓库也尚未加入用户登录、次数限制或收费功能。
检测完成后点「导出 Word 标注报告」即可下载可编辑 .docx，保存到浏览器设置的下载位置。报告使用当前结果快照，保留分段正文、已评分句子的着色、段落分数、未评分内容和模型／校准说明；未完成逐句评分的段落会明确注明。它不保留上传原文件的版式、图片或脚注。
「样本评测」的清单格式、已有本机试评报告位置和操作步骤见 评测面板使用说明。查看、拟合或导出候选阈值不会自动更改检测门槛。
人工复核、范围选择和刷新恢复的步骤见 使用说明。任务数据保存在当前浏览器、当前网站地址的 IndexedDB 中；关闭页面会中断前端队列，恢复后需手动继续。清除网站数据会删除记录。下载的评测报告不含原文，但本机任务记录包含原文和原文件。
结果上方的「写作过程与版本对比」记录本站的检测、重测、批注与版本操作。最多保留 200 个时间线节点和 20 份稿件快照；清除当前批注后历史仍保留，删除任务会一并移除。JSON 包含历史，Word、HTML 和 CSV 导出当前结果。不追踪外部编辑或键盘输入，不估算写作时长。
需要 Windows、Python 3.11+ 和 Node.js 20.19+。首次安装依赖与下载模型需要联网，模型权重不会提交到 GitHub。以下命令在项目根目录的 PowerShell 中执行：
py -3 -m venv .venv-detector
.\.venv-detector\Scripts\python.exe -m pip install -r backend\requirements.txt
npm --prefix frontend ci
.\.venv-detector\Scripts\python.exe experiments\download_model.py
.\打开.bat不想装 Python 和 Node？ 用 Docker：见 Docker 运行说明。
浏览器打开 http://127.0.0.1:5173，等页面显示“英文可用”再检测。中文模型会在首次启动时下载；不用时双击 停止.bat 停止本地服务。模型下载耗时及磁盘占用取决于你的网络和设备。
backend/ FastAPI 接口、模型加载、评分和测试
frontend/ React 界面
experiments/ 模型下载与实验脚本；个人样本留在忽略目录
docs/ 演示图片、评测说明和开发文档
scripts/ Windows 启停脚本
开发、测试与可选 ONNX 转换命令见 开发说明。仓库没有包含虚拟环境、模型权重、私有作文或本机评测结果。目前是本地预览，尚未发布到线上。
项目代码以 MIT 许可证 发布。许可证只覆盖本仓库的代码：依赖的模型权重（英文 Vanguard、中文 zhv3）不在仓库里，各自遵循其模型页面上的许可证；分数的解读限制见上文“如何看待分数”，不因开源而改变。若要商用或在线提供服务，请单独核对模型条款。