Skip to content
mojingjing-gitPublic

About

墨准 — 桌面端批量文本校对工具 (pywebview + Win11 Fluent 2 / 水墨宣纸双皮肤)

Resources

Stars

1 star

Watchers

0 watching

Forks

Repository files navigation

墨准 (MoZhun) v5.4.0 (pywebview + 水墨宣纸 / Win11 Fluent)

License: MIT Python 3.10+ Platform: Windows GUI: pywebview

基于 LLM 的批量文本校对工具。pywebview 6.2.1 前端 + 原生 Web 设计令牌 + Win11 Fluent 2 视觉,支持流式输出、任意 OpenAI 兼容 API,以及零 LLM 成本的本地标点修复(v4.3.3+)。

特性

  • Web UI (v4.0+) — pywebview + 原生 HTML/CSS/JS,零构建工具,秒开
  • Win11 Fluent 2 视觉 (v4.1.8) — 17 颜色 token + 6 阴影 + 9 type ramp + Acrylic/Smoke 材料 + 完整暗色模式
  • 7 视图分组导航 (v4.2.0 / v5.2b / v5.3) — Win11 设置应用式侧边栏,三组分工:工作区(逐条校对 / 整篇校对 / 重写 → 去 AI 味)、工具(风格库 / 小说切分)、设置(API 接口 / 校对参数 / 外观与关于)
  • 工作流双入口 (v5.3) — 「逐条校对」(harness 工具链) 与「整篇校对」(模型重写全文) 拆成两个独立入口;结果自带来源标记,当前入口与结果来源不一致时给出提示条 + 一键「忽略缓存重跑」
  • 双皮肤 (v4.4.0+) — 水墨宣纸(默认,贴合墨准:宣纸底 / 玄墨字 / 朱砂印 / 楷体品牌)与 Win11 Fluent,与深浅主题 2×2 自由组合
  • 1px 单线图标 + 暗色模式 (v4.1.8) — 13 SVG Segoe Fluent Icons 风格;主题 auto / light / dark 三态切换
  • 本地标点修复 (v4.3.3 / v4.3.4) — 纯规则脚本,不调用 LLM、零成本、零 API 延迟:中文引号自动配对(弯/直角两种风格)、省略号/破折号/波浪号归一、全角字母数字折叠、引号不平衡行号报告
  • Markdown 清洗 (v4.4.2) — AI 产出的 .md / md 格式 txt 直接丢进来,产出一篇无标记、适宜人类阅读的文章(本地规则引擎 md_strip,零成本零延迟);可选「送 LLM 前剥离 Markdown」让校对/去AI味不再读标记
  • Edit 工具链 harness (v5.1.0) — 「严格校对 / 纠错+轻润色」模式默认改走 function calling:模型逐条返回编辑建议(改哪 / 改成什么 / 为什么),客户端精确匹配应用,输出 token 大幅下降;右侧对比区「改动清单」逐条审计(已应用 / 未找到原文 / 匹配多处 / 级联失效),部分未采纳时文件标「完成(部分建议未采纳)」

思维链剥离 (v5.4)

部分端点会把模型的推理过程内联进正文( <think>…</think>),它会整段进入校对结果、diff、导出、断点、去 AI 味的改写与风格样本。v5.4 起一律丢弃:

  • 只剥行首块(< 之前同一行内只有空白,允许缩进),行内提及(如 `<think>`)属合法内容受保护;代码围栏 (``` / ~~~) 内不剥
  • 白名单标签: think / thinking / reasoning / thought(大小写不敏感、允许属性、同名嵌套按深度配对)
  • 流式预览不闪现:三次流式链路(整篇校对 / 去 AI 味分块+revise / 风格蒸馏)共用同一个过滤器,预览与最终结果严格一致
  • 独立字段(reasoning_content / reasoning)永不读取,只在日志记帧数
  • 旧断点自动兜底:命中缓存时若发现结果仍含残留(而原文本身不含),自动忽略缓存强制重跑一次,日志写明原因
  • 边界:同一行内出现的块不剥(肉眼可见,可强制重跑);输出只有思维链时按空输出处理,走既有重试链 → 耗尽后标 FAILED
  • 双轨分块/超时配置 (v5.2c / v5.3) — 逐条校对默认 large=6000 + 180s,整篇校对默认 balanced=3000 + 120s,两条轨各自的配置只在对应入口生效,降低慢模型触发超时重试的概率
  • 思维链剥离 (v5.4) — 模型把推理过程内联进正文的 <think>… 块一律丢弃:整篇校对、去 AI 味(检测/改写/评分/revise)、风格蒸馏全覆盖,流式预览不闪现;旧断点若含残留会自动强制重跑一次
  • 小说切分 (v5.2b) — 独立视图,支持中英文章节/卷/特章识别、广告清理、相邻去重、超大章拆分、Gutenberg 头截断和批量落盘
  • 流式输出 — 边生成边显示,实时预览校对结果
  • 后台线程 + asyncio (v4.0+) — 主线程跑 pywebview 事件循环,桥接 window.pywebview.api.xxx
  • 6 档分块预设 (v3.0+ / v5.3) — 2000/3000/4000/6000/50000 字 + 整文件模式(50000 为「逐条校对」专属);跨段上下文自动注入前 N 段校对结果
  • 去 AI 味 3 步工作流 (v3.1+) — 检测 → 改写 → 评分;整本书级长文本(v4.3.0)分块处理、超 5 万字自动降级推送、完整结果落盘
  • 断点续传 — 段级 schema v2,已完成文件自动跳过;支持强制重跑(v4.3.1);CANCELLED 状态强制重跑
  • 字符级 diff (v4.0+) — diff-match-patch (Apache-2.0) 高亮修改处
  • 暂停/恢复/取消 (v4.0+) — threading.Event 跨线程安全
  • 10 服务商 API 预设 (v4.3.2 / v5.3.1) — LM Studio / OpenCodeGo / OpenRouter / MiniMax / 阿里百炼 / 智谱清言 / 火山引擎 / 硅基流动 / DeepSeek / 自定义;预设只填 API 地址(不含模型示例),Model 由你手填或点 ⟳ 从服务端拉取后从 datalist 选

主题使用建议 (v4.1.8)

  • 白天 / 强光环境 — 推荐 浅色模式 (light) 或 跟随系统 (auto): 浅色背景在阳光下反光少, 文本对比度高, 不刺眼
  • 夜晚 / 暗房 — 推荐 暗色模式 (dark): 暗色背景减少屏幕眩光, 保护眼睛, 适合长时间校对
  • 跟随系统 (auto) — 默认推荐, 系统切换深浅色时应用自动跟随, 无需手动调整

设置 → 外观与关于 → 主题切换 auto / light / dark, 即时生效并随配置持久化。

快速开始

环境要求

  • Windows 10/11(系统自带 WebView2 Runtime,Edge 内核,无需额外安装)
  • Python 3.10+
  • macOS / Linux:pywebview 用系统 WebView 即可(理论支持,未在 macOS/Linux 端测过)

安装与运行

pip install -r requirements.txt
python start.py      # 统一启动器: dist 里有 exe 则启动 exe, 否则走开发模式
python main.py       # 或直接开发模式运行

或双击 启动.bat(Windows,start.py 的薄包装)。

架构

┌─ pywebview 窗口 (系统 WebView2) ─────────────────────────┐
│                                                            │
│  web/index.html + app.js + style.css                       │
│  ├─ 7 视图 SPA (v5.3 三维导航):                            │
│  │   工作区 逐条校对 / 整篇校对 / 重写(去AI味)              │
│  │   工具   风格库 / 小说切分                               │
│  │   设置   API接口 / 校对参数 / 外观与关于                 │
│  └─ Toast / ContentDialog / Acrylic 右键菜单               │
│                                                            │
│  调用: window.pywebview.api.xxx()                          │
└────────────────┬───────────────────────────────────────────┘
                 │  bridge (js_api)
┌────────────────▼───────────────────────────────────────────┐
│  Python 后端 (app/)                                          │
│  ├─ web_backend.py    ← Bridge API class (暴露给 JS)        │
│  ├─ processor.py      ← async LLM 引擎 (v3.0 保留)          │
│  ├─ punct_fix.py      ← 本地标点修复规则引擎 (v4.3.3+)      │
│  ├─ md_strip.py       ← 本地 Markdown 清洗引擎 (v4.4.2+)    │
│  ├─ ai_score_local.py ← 本地 AI 味评分 (v5.0.2+)            │
│  ├─ harness.py        ← Edit 工具链审计 (v5.1.0+)           │
│  ├─ novel_splitter.py ← 小说章节/卷切分 (v5.2b+)            │
│  ├─ context_builder.py ← 跨段 prefix 注入                   │
│  ├─ utils.py / templates.py / logger.py                     │
│  └─ main.py           ← webview.create_window + start()     │
└────────────────────────────────────────────────────────────┘

快捷键

快捷键 功能
Ctrl+O 添加文件
Ctrl+Enter 开始处理
Ctrl+, 切到 API 接口
Ctrl+. 切到「重写 → 去 AI 味」(父项自动展开)

快捷键由前端 JS 监听(web/app.js)。Esc 仅关闭弹窗;校对运行中,开始按钮本身变为「取消」。

校对模式

模式 说明
纯纠错 仅修正错别字、标点、语法硬伤
纠错+轻润色 修正错误 + 精简冗余、自然化表达
技术文档校对 术语统一、中英文间距、Markdown 格式
仅标点修复 (v4.3.3+) 本地规则脚本,不调用 LLM:引号配对 + 标点归一,秒级完成
仅 Markdown 清洗 (v4.4.2+) 本地规则脚本,不调用 LLM:AI 产出的 .md 直接丢进来,产出一篇无标记、适宜人类阅读的文章(代码内容保留,标题/表格/链接剥除)
自定义 完全自定义 Prompt

本地标点修复 (v4.3.3+)

「校对参数」页开启 标点修复开关 后,所有模式在送 LLM 前先跑一遍规则引擎(app/punct_fix.py);选「仅标点修复」模式则完全不调 API。

四条设计红线:只动中文上下文(纯英文行不动);引号只做成对修复(落单保守跳过并上报行号);只做低危转换(分号永不转换,URL/邮箱整段掩蔽免疫);幂等(修过的文本再修一遍不变)。

选项 默认 说明
引号风格 弯引号 "" 可切直角引号 「」(区间内单引号嵌套 『』)
全角字母数字折叠 开 ABC123 → ABC123
破折号/波浪补齐 开 --/单个— → ——,~ → ~(GB/T 15834)
重复标点压缩 关 ??? → ?(小说刻意强调场景可留)

引号不平衡(落单/奇数)不改文本,只在日志输出行号报告供人工复核。

Edit 工具链 harness (v5.1.0)

入口即开关 (v5.3): 侧边栏「工作区 → 逐条校对」= 走工具链;「工作区 → 整篇校对」= 模型重写全文。原先校对参数页的「启用 Edit 工具链」复选框已移除,改由入口决定,无需再去设置页切模式。

「逐条校对」入口下, Prompt 模式只提供「纯纠错 / 纠错+轻润色」(白名单)与两个本地模式;若历史配置停在白名单外的模式(如自定义),引擎按整篇行为执行并在页头明示,不会静默降级、也不改写你的 Prompt 模式。

  • 工作方式:模型不再输出修改后全文,而是逐条调用 edit_text(old_text, new_text, reason) 工具提交编辑建议;客户端按精确字符串匹配(唯一命中)串行应用,只发送/保存真正的改动
  • 改动清单:右侧对比区底部折叠面板,逐条显示状态与理由 —— 已应用 / 未找到原文 / 匹配多处 / 已被前序编辑修改 / 无意义调用;未采纳的条目灰显,文件状态显示「完成(部分建议未采纳)」
  • 安全边界:old_text 匹配多处时不猜(跳过并报告);换行符差异(\r\n/\n)自动归一匹配;单块超 50 条建议自动截断并告警;全部编辑未生效时整文件标失败(走既有重试链)
  • 截断检测 (v5.3):模型返回 finish_reason=length(输出被截断)时结果带截断告警,不再静默当成完整结果
  • 取消/断点语义不变;入口轨纳入缓存指纹,切换入口后另一轨的断点不会命中(会重跑并覆盖 —— 单结果槽的已知取舍)
  • 断点保护 (v5.3):失败/取消不再覆盖磁盘上已完成的结果;要覆盖旧结果走「重新校对(忽略缓存)」或结果来源提示条上的强制重跑按钮

v5.2c 起,校对参数页把两条轨的 chunking 与 timeout 分开保存:逐条校对默认 large=6000 + 180s(工具链模式慢 2-5 倍),整篇校对默认 balanced=3000 + 120s。两个入口共用同一个文件队列,同一文件只保留一份结果 —— 结果自带「逐条 / 整篇」来源标记,用另一个入口重跑前会先弹确认。

小说切分 (v5.2b+)

侧边栏「小说切分」用于把长篇小说文本拆成可继续校对/改写的章节文件。

  • 自动识别中文章节、回、节、卷,以及英文 Chapter、罗马数字和序章/番外等特章
  • 支持自定义正则、卷层级、最小/最大章字数与短章合并
  • 可选广告/水印清理、相邻重复内容去重、Gutenberg 头部截断
  • 预览不落盘;批量保存后输出到 ~/.proofreader/novel_splits/{slug}/
  • 包含 blocks/、chapters.json、metadata.json、split_report.txt

去 AI 味 (v3.1+;v5.3 起挂在「工作区 → 重写」下)

侧边栏「工作区 → 重写」展开后点击 去AI味 进入独立工作流视图(父项「重写」本身也可点,直接进入本视图)。3 步多步工作流:

步骤 作用 输出
Step 0: 风格 Profile (v4.1.7+) 选 builtin 3 套 / 蒸馏 custom profile 9 轴风格指纹注入 Step 2/3
Step 1: 检测 扫 7 大类 AI 味 + AI 6 处 (V5) 报告:哪几类命中 + 具体引文
Step 2: 改写 4 步法 + 9 轴 + 事实骨架 (V5) 改写后文本 + 流式渲染
Step 3: 评分 三维 + 8 轴自评 + 摘出戏句 (V5) 评分 + 残留 AI 味问题列表

3 步独立运行,每步都可单独"重跑"。

后置三件套 (v5.0.2+):Step 2 改写完成后,可选三步客户端后处理(去AI味视图「输入」卡片下方折叠参数区,持久化保存)——

  • 剥离 Markdown 标记(默认开):md_strip 本地规则剥掉改写结果里的井号/星号/列表符等装饰(空结果自动保留原文);
  • 本地 AI 味评分(默认开):ai_score_local 六维加权打 0-100 分(越高 AI 味越重),显示在 Step 3 输出区顶部;分数是信号不是判定,不进任何缓存;
  • 自动修订一轮(默认关):评分超阈值时把"出戏句"反馈回 LLM 再改写一次(额外 1 次调用,仅 ≤2 万字),两轮取分低者。阈值为初始拍定值,上线后按真实样本校准。

长文本支持 (v4.3.0+):待处理文本与 Few-shot 范文均支持拖入 txt/md 文件或直接粘贴大段文本;按当前分块预设切块逐块调用(块间自动衔接),超 5 万字自动降级为尾部预览推送(完整结果落盘 deai_results/,复制/导出/Step 3 引用均走后端直读),整本书也不会撑爆界面。

借鉴来源(思路借鉴,代码全自写):

  • harshaneel/humanize (MIT) — 4 pass 编辑法 + audit-revise 出戏句反馈循环 (v5.0.2)
  • blader/humanizer (MIT) — AI 味分类语义(来自 Wikipedia: Signs of AI writing;上游现行 v3.0 为 "five sections + 25 patterns",本项目不用其编号)
  • jianshuo/claude-skills (MIT, v4.1.7+) — 9 轴风格指纹 + 事实骨架 + AI 6 处反制 + 8 轴自评
  • Aboudjem/humanizer-skill (MIT) — ruthless editor 思路 + 0-100 AI-tell 本地评分范式 (v5.0.2)

详见 docs/THIRD_PARTY_NOTICES.md。

分块模式 (v3.0+)

设置 → 校对参数 → 长文本分块。6 档可选,且按入口分轨(v5.3):

模式 块大小 可选入口 适用场景
快速 (fast) 2000 字 两条轨 大文件快速处理
均衡 (balanced) 3000 字 两条轨 整篇校对默认
高上下文 (high_context) 4000 字 两条轨 需要更强上下文
大块 (large) 6000 字 两条轨 逐条校对默认
超大块 (extra_large) 50000 字 仅逐条校对 一次喂进大段(已烟测通过,10 万档才会失误)
整文件 (whole_file) 不分块 两条轨 小文件一次过
  • 50000 档的依据: 用户烟测确认逐条校对(harness)单块 50000 字符可用,10 万档才出现失误,故 50000 定为设计上限。具体模型与耗时未逐项留档;整篇入口看不到该档,误配会自动回退到「大块 (6000)」并记日志。
  • 整文件告警 (v5.3): 「整篇校对」入口选「整文件」且单文件超 20000 字时先弹确认(与去 AI 味的整文件兜底阈值一致),避免一次性把整篇塞给模型导致上下文溢出或输出截断。

注意: 校对场景不使用 chunk overlap(重叠区会被改两次产生不一致)。跨段上下文通过下面的"上下文"功能注入 system prompt。

跨段上下文 (v3.0+)

启用分块后,自动注入前 N 个 chunk 的校对结果作为当前 chunk 的 system prompt 前缀:

  • 默认: 前 2 个 chunk,最多 800 字符
  • 调整: 设置 → 校对参数 → 上下文字符数 / 上下文 chunk 数

token 开销估算: 100KB 文件分 33 chunk,总额外 token 涨约 8 万 tokens,按 DeepSeek 0.14 元/M tokens 算约 0.01 元/文件,可忽略。

项目结构

墨准/
├── main.py                 # 入口(pywebview.start)
├── start.py                # 统一启动器(智能/exe/dev/check 四模式)
├── 启动.bat                # start.py 的双击薄包装
├── web/                    # 前端 (v4.0+)
│   ├── index.html          # 7 视图骨架(v5.3: 工作区双入口 + 工具组 + 设置组)
│   ├── app.js              # 路由/状态/API 调用
│   ├── style.css           # 设计令牌 + Fluent 2 风格
│   ├── icons/              # Fluent UI System Icons (MIT) — 17 个 SVG
│   ├── views/              # novel-splitter.js 等视图模块
│   └── lib/                # diff-match-patch.js
├── app/                    # Python 后端
│   ├── web_backend.py      # v4.0+ Bridge API class
│   ├── processor.py        # async LLM 引擎 (v3.0 保留)
│   ├── punct_fix.py        # v4.3.3+ 本地标点修复规则引擎
│   ├── md_strip.py         # v4.4.2+ Markdown 清洗
│   ├── ai_score_local.py   # v5.0.2+ 本地 AI 味评分
│   ├── harness.py          # v5.1.0+ Edit 工具链
│   ├── novel_splitter.py   # v5.2b+ 小说切分
│   ├── think_strip.py      # v5.4+ 思维链剥离 (纯函数 + 流式增量过滤器)
│   ├── context_builder.py  # v3.0+ 跨段 prefix
│   ├── templates.py        # API 模板 (10 预设) + Prompt (6 模式 + deai)
│   ├── utils.py            # 数据模型 + 配置持久化 + 断点
│   └── logger.py           # RotatingFileHandler
├── build.spec              # PyInstaller 打包(v4.0 重写)
├── check_exe.py            # 打包后 exe 资源完整性校验
├── run_all_tests.py        # 自动发现并一键跑全部测试
├── tools/smoke_ui.py       # v5.3+ Playwright 三视口 UI 冒烟(布局 + 截图)
├── tests/                  # 19 个测试套件
├── docs/                   # 文档
│   ├── archive/             # 封存索引 (历史 plan + 已完成实施计划)
│   ├── ROADMAP.md          # 当前路线图与跨会话待办
│   ├── THIRD_PARTY_NOTICES.md  # 借鉴来源 + LICENSE
│   └── Windows11-设计原则.md   # v4.1.8 重构参考 (Microsoft Learn 本地副本)
├── CHANGELOG.md            # 版本日志
└── README.md               # 本文件

配置文件

文件 说明
~/.proofreader/last_config.json 上次配置(含标点修复 4 选项、主题)
~/.proofreader/checkpoints/ 断点缓存(CANCELLED 自动重跑)
~/.proofreader/deai_results/ 去 AI 味长文本完整结果(超 5 万字降级时落盘)
~/.proofreader/app.log 应用日志(5MB 滚动)

开发测试

# 一键跑全部套件(推荐)
python run_all_tests.py

# 或单独跑
python tests/test_harness.py
python tests/test_novel_splitter.py
python tests/test_web_backend_proofread.py

# v5.3+: 前端布局冒烟(需 playwright + chromium, 截图落 .local/smoke-ui-v5.3/)
python tools/smoke_ui.py

当前状态:run_all_tests.py 自动发现 19 个套件,v5.4.0 报告 1550 通过 / 0 失败(另有 tools/smoke_ui.py 三视口 + 跨入口 + 阈值弹窗 + 思维链流式预览 + API 面板 96 项断言全绿)。

打包

python -m PyInstaller build.spec --clean
python check_exe.py   # 校验 exe 内 web/ 资源与 style_profiles 完整性

输出 dist/墨准.exe(onefile,无控制台窗口)。

详见 build.spec。需在干净 venv 下运行,避免污染系统包。 ⚠️ 打包后 exe 需要系统有 WebView2 Runtime(Win10 1803+ / Win11 默认带)。

借鉴来源

v3.0 → v5.2c 共借鉴 22 个开源项目 / 文档,全部思路借鉴,代码自写:

  • 业务层 (v3.0):tianhm/ollama-batch-processor / shreyan241/gpt-proofreader / Xueheng-Li/proofreading (MIT) + qasync (BSD-2)
  • GUI 层 (v4.0):pywebview (BSD-3) + diff-match-patch (Apache-2.0) + Fluent UI System Icons (MIT)
  • DeAI 升级 (v4.1.7):jianshuo/claude-skills (MIT) — 9 轴风格指纹 + 事实骨架 + AI 6 处反制 + 8 轴自评
  • Win11 重构 (v4.1.8):Microsoft Learn 设计原则文档(致谢非协议)+ Fluent UI System Icons
  • 标点修复调研 (v4.3.4):woct0rdho/typeset (MIT) + huacnlee/autocorrect (MIT) + yongzhuo/macro-correct (Apache-2.0) + sparanoid/chinese-copywriting-guidelines (MIT) + GB/T 15834-2011《标点符号用法》
  • Markdown 清洗 (v4.4.2):commonmark/commonmark-spec(CC-BY-SA 4.0 spec 文本 + BSD-2 参考实现)— 围栏/强调边界/表格形态的结构语义引用
  • DeAI 后置三件套 (v5.0.2):harshaneel/humanize (MIT) — audit-revise 出戏句反馈循环 + 4 pass 法;blader/humanizer (MIT) — AI 痕迹分类语义(现行 v3.0 "five sections + 25 patterns",本项目不用其编号);Aboudjem/humanizer-skill (MIT) — 0-100 AI-tell 本地评分范式(分数是信号不是判定)
  • 校对 harness (v5.1.0):Claude Code Edit 工具(Anthropic 文档,致谢非协议)— old_text/new_text 精确匹配 + 唯一性要求 + 逐条状态回执的 Edit 工具设计范式
  • 小说切分 (v5.2b):novel-analyzer (Apache-2.0) — 章节/卷识别、广告清理、去重、超大章拆分、Gutenberg 头截断;zzk6780051/novel (MIT) — 多格式章节正则与前 N 行打分;oomol-lab/txt-to-epub-converter (MIT) — 卷/章/节层级结构

完整 LICENSE 副本见 docs/THIRD_PARTY_NOTICES.md。

许可证

MIT

About

墨准 — 桌面端批量文本校对工具 (pywebview + Win11 Fluent 2 / 水墨宣纸双皮肤)

Resources

Stars

1 star

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages