小红书笔记自动审核工具

导入 Excel 或 Word 文件中的小红书笔记数据，先提取内容并与用户确认，再确认审核规则，最后执行审核，生成带标注的 HTML 审核结果页面。

核心流程：第〇步提取确认 → 第一步确认文件 → 第二步确认规则 → 第三步执行审核 → 第四步生成 HTML

适用输入格式

支持两种文件格式：

跨平台编码说明

本工具自动处理以下编码差异：
- 换行符：Windows \r\n、旧 Mac \r → 统一为 \n
- BOM：\ufeff（UTF-8 BOM）自动移除
- 零宽字符：\u200b（零宽空格）、\u200c（零宽非连接符）等 iOS 常见字符自动清理
- 全角空格：\u3000（日文/中文全角空格）→ 半角空格

⚠️ 核心铁律

绝对禁止使用任何默认审核规则。 所有审核规则必须由用户逐条明确确认后才能生效。

• ❌ 禁止：未经用户确认就使用示例配置中的标签、产品名、错别字规则
• ❌ 禁止：自作主张添加用户未提及的审核项
• ❌ 禁止：跳过引导流程直接执行审核
• ✅ 正确做法：每一条规则都经过用户口头确认后，才写入配置并执行审核
• ✅ 收集完所有规则后，必须将完整的审核规则汇总展示给用户，等待用户明确确认（「确认」「可以」「没问题」），未确认前不得执行审核
• ✅ assets/review_config_example.json 仅作为 JSON 格式参考，不得将其内容当作默认规则使用

触发条件

当用户要求审核小红书笔记、批量检查笔记内容质量、或提到"审稿"、"审核笔记"等需求时触发此技能。

典型触发语句：
- "帮我审核这批小红书笔记"
- "检查这些笔记的标签和内容"
- "审一下这批笔记"
- "自动审核这个 Excel 里的笔记"

工作流程

⚠️ 第〇步：提取内容并与用户确认（强制前置步骤）

在进入任何审核规则配置之前，必须先完成内容提取并向用户确认。

无论输入文件是 Excel（分散式：标题/正文/标签分列）还是 Word（合并式：内容在同一个字段），都必须：

1. 从原始文件中提取以下字段：
   - 标题 — 笔记标题（去除「标题：」等前缀标记）
   - 正文内容 — 笔记正文（去除「内容：」「正文文案：」等前缀标记）
   - 标签 — 以 ;（分号）分隔的标签字符串，如 #标签1;#标签2
   - 昵称 — 博主名称
   - 类型 — 博主类型（如有）
   - 序号 — 原始序号（如有）

2. 生成标准提取文件并以文件形式展示给用户：
   - 将提取结果保存为 JSON 文件（outputs/<项目名>_records.json）
   - 在终端打印每条记录的关键信息摘要（序号、昵称、类型、标题、正文前120字、标签）
   - 明确告知用户：有效记录数、跳过空记录数
   - 必须等用户确认提取内容无误后，才能进入下一步

3. 确认话术示例：
   > "共提取了 X 条有内容的记录（跳过了 Y 条空记录）。提取结果已保存到 outputs/<项目名>_records.json。请确认标题、正文、标签的提取是否正确？"

4. 标准提取文件格式（outputs/<项目名>_records.json）：

[
  {
    "序号": 2,
    "昵称": "叶南枝",
    "类型": "volg博主",
    "标题": "存点和Disney 人物的合照姿势吧",
    "正文内容": "深圳好久没有大晴天啦...",
    "标签": "#玩皮当夏畅爽充乐;#可口可乐;#玩具总动员5",
    "原始文案": "标题：存点和Disney...\n内容：深圳好久没有大晴天..."
  }
]

• 原始文案 字段保留完整原文，供标签匹配等场景使用
• 提取确认通过后，后续所有审核都将基于此标准文件进行

第一步：确认输入文件

向用户确认要审核的文件路径（支持 .xlsx 或 .docx）。必须由用户明确指定或确认文件路径，不得自行假定。

Excel 文件应包含以下列（列名不限，内容匹配即可）：
- 标题 — 笔记标题
- 正文内容 — 笔记正文
- 标签 — 标签列，固定以 ;（分号）分隔，如 #标签1;#标签2;#标签3
- 笔记ID（可选）— 用于标识笔记
- 原始链接（可选）— 笔记链接

Word 文件通常一个文件对应一篇笔记，结构较为自由。对于 Word 文件，使用 --raw 模式输出原始文本，然后由 LLM 根据内容自动识别：

python3 scripts/review.py --input <文件路径> --raw

LLM 读取原始文本后，按以下规则提取：
- 标题：Word 文档第一行的第一句作为标题（去掉"标题："等前缀标签）
- 正文：标题之后、标签之前的所有内容段落
- 标签：以 # 开头的行，或以空格/分号分隔的 #话题词
- 博主名称：从 Word 文件名中提取。文件名通常包含博主名，如 华为手环-Thy西瓜.docx → 博主为「Thy西瓜」

博主信息

每条笔记必须关联对应的博主。博主信息来源：
- Word 文件：从文件名提取（如 产品-博主名.docx）
- Excel 文件：从"博主"/"昵称"/"作者"列读取（如有）
- 审核结果 HTML 中，每条笔记卡片需展示博主名称

解析命令（自动识别文件类型）：

python3 scripts/review.py --input <文件路径>

第二步：引导式审核规则配置

审核优先级（从高到低）：

重要原则：当用户没有给出具体审核要求时，主动引导用户从以上维度按优先级逐步设定规则。每次只问一个问题，逐项确认后再进行下一项。不要一次性抛出所有问题。

审核覆盖范围：标题、正文内容、标签三部分必须全部审核，任何一部分不通过则该条笔记整体不通过。

2.1 🔴 P1：品牌名

品牌名仅指品牌词本身，不包含任何产品名。例如「华为」就是品牌名，「华为手环 11 Pro」中的「华为」部分。

规则：品牌名必须完全正确，不允许任何错别字或变体。 如「华为」不能写成「华华为」「华力」「HuaWei」等。

向用户确认品牌名的正确写法：

> "笔记中涉及的品牌名称是什么？请给出最标准的写法。"

将理解反馈给用户确认：

> "我理解的品牌名：华为
>
> 品牌名在笔记中出现时必须与此完全一致，不允许任何错别字或变体写法。这样理解对吗？"

确认后强调："品牌名是最高优先级审核项，笔记中的品牌词必须完全正确，否则直接判定不通过。"

2.2 🟠 P2：产品名 — 完整名称与变体

产品名 = 品牌名 + 产品名称的完整组合。 例如「华为手环 11 Pro」中，「华为」是品牌名（P1 审核），「华为手环 11 Pro」是产品名（P2 审核）。

确认产品名的细节，覆盖以下场景：

空格与格式：

> "关于「[产品名]」，请具体说明：哪些位置必须有空格？哪些不能有空格？大小写有要求吗？"

缩写与变体：

> "文章是否允许使用品牌名的缩写或简称？如果允许，正确的缩写形式是什么？"

反馈确认：

> "我理解的缩写规则：
> - 允许缩写：超新星手表（省略「华为」）
> - 允许缩写：超新星 X1 Pro（省略「华为」「手表」）
>
> 这些缩写的文字是否正确？有没有错别字或漏字？"

部分出现：

> "如果笔记中只出现了品牌名的部分片段（比如只写了「超新星手表」而未写完整名称），空格规则需要同样严格要求吗？"

2.3 🟡 P3：话题标签审核

禁止使用任何默认标签。 必须从用户处获取。

步骤一：获取标签列表

> "笔记中必须包含哪些话题标签？请逐一列出（带 # 号）。"

步骤二：反馈理解并确认

用户列出后，必须将你理解的标签数量和内容反馈给用户：

> "根据你的输入，我理解的必需标签如下（共 X 个）：
> 1. #标签1
> 2. #标签2
> ...
>
> 请确认：标签数量是否正确？标签文字（包括 # 号后的每个字）是否完全正确？"

步骤三：修正循环

如果用户表示不正确，必须让用户重新输入完整标签列表，然后再次反馈确认，直到用户确认无误。

2.4 🔵 P4：语法或错别字检测（无需用户确认）

语法和错别字检测完全不需要和用户确认。LLM 在审核过程中自动判断，发现以下问题时在 HTML 中以蓝色标注给出修改建议，但不算审核错误、不影响通过/不通过判定：
- 错别字、重复字词
- 语法不通顺、搭配不当
- 标点符号使用不规范

2.5 最终确认（⚠️ 强制步骤，不可跳过）

在收集完所有规则后，将你的理解整理成结构化汇总，并要求用户点击确认"是否开始"。

> "即将进入审核流程。以下是按优先级排列的审核要求，请最后确认一遍：
>
> 🔴 P1 品牌名（最高优先级）
> - 品牌词：[品牌词正确写法]，必须完全一致，不允许错别字或变体
>
> 🟠 P2 产品名（品牌名 + 产品名）
> - 完整名称与格式：[完整写法 + 空格/大小写说明]
> - 允许缩写：[缩写列表，如无则写「不允许」]
> - 代际/版本号要求：[说明]
>
> 🟡 P3 必需话题标签（共 X 个，必须全部包含）
> - #标签1
> - #标签2
> - ...
>
> 🔵 P4 语法或错别字：LLM 自动检测并以蓝色标注建议（不影响通过判定）
>
> 确认无误请回复「开始」，我将逐条审核每篇笔记。"

只有当用户明确回复「开始」「可以」「确认」「没问题」等肯定词后，才进入第三步执行审核。如果用户提出修改，则调整后重新汇总，直到用户确认。

第三步：LLM 逐条审核

⚠️ 审核必须由大语言模型执行，禁止使用脚本程序进行规则匹配审核。

用户确认规则后，执行以下流程：

1. 解析文件（仅数据提取）：
   bash python3 scripts/review.py --input <文件路径>
   此命令仅解析并打印笔记列表，不执行任何审核。

2. LLM 逐条阅读并审核：

对每条笔记，LLM 逐条阅读标题、正文内容、标签，对照用户确认的规则备忘录进行审核：

• 品牌名审核（P1）：扫描标题和正文中品牌词的出现，与正确品牌词逐一比对。品牌名仅指品牌词本身（如「华为」），不包含产品名部分。品牌词必须完全一致，不得有任何错别字或变体（如「华华为」），否则直接判定不通过。
• 产品名审核（P2）：扫描标题和正文中完整产品名引用（品牌名+产品名，含缩写、变体、部分截取），检查空格、大小写、代际/版本号的准确性。
• 标签审核（P3）：将标签字段按 ;（分号）分割得到标签列表，逐一检查是否包含所有必需标签。标签仅做「有/无」判定，不给任何文案修改建议。标签要么携带正确（通过），要么缺失（错误），不存在中间态。
• 语法或错别字建议（P4）：逐句阅读标题和正文，发现错别字、语法问题、标点不规范时记录为建议（非错误），不影响通过判定

3. 记录审核结果：

审核结果分为两类：错误（影响通过判定）和建议（不影响判定）。

对每条笔记，将发现的错误和建议按以下格式记录：

json { "note_index": 0, "errors": [ { "type": "product_name", "category": "产品名错误", "product": "华为超新星手表 X1 系列", "wrong": "华为超新手表 X1 系列", "correct": "华为超新星手表 X1 系列", "start": 60, "end": 70, "section": "正文", "description": "缺少「星」字，完整产品名应为「华为超新星手表 X1 系列」" }, { "type": "product_generation", "category": "产品代际缺失", "product": "大疆 Pocket 3", "wrong": "大疆 Pocket", "correct": "大疆 Pocket 3", "start": 120, "end": 131, "section": "正文", "description": "未标注具体代际，应为「大疆 Pocket 3」而非笼统的「大疆 Pocket」" } ], "suggestions": [ { "type": "typo_suggestion", "category": "错别字建议", "wrong": "在在", "correct": "在", "start": 120, "end": 122, "section": "正文", "description": "「在在」疑似重复，建议改为「在」" } ] }

• errors：标签缺失、产品名错误等影响通过判定的问题
• suggestions：错别字建议等不影响通过判定的改进建议
• note_index 为笔记在列表中的序号（从0开始），start/end 为文本在 标题 + '\n' + 正文 中的字符位置

4. ⚠️ start/end 位置计算注意事项（关键，易出 bug）：

由于 generate_annotated_text 使用 full_text[start:end] 截取高亮文本，位置必须精确指向违规文本在 标题 + '\n' + 正文 中的位置。

常见陷阱：wrong 值过短导致 find() 匹配到错误位置。

例如：违规为「包装可乐」中的独立「可乐」，但 find("可乐") 会首先匹配到「可口可乐」中合法的「可乐」——因为 find() 总是返回第一个匹配。

强制规则：

• 所有搜索必须从正文起始位置开始（body_offset = len(title) + 1），禁止从全文开头搜索，避免匹配到标题中的合法文本。
• 当 wrong 是更长子串的一部分时（如「可乐」是「可口可乐」的子串），必须跳过合法的出现：
  • 品牌名违规：搜索「可乐」时，跳过前面紧邻「口」的匹配（即跳过「可口可乐」中的「可乐」），只标注独立的「可乐」
• 验证步骤：写入 JSON 后，必须对每条错误的 start/end 做验证：确保 full_text[start:end] 截取到的文本确实是违规的文字、且位于正确的上下文中。

示例修复代码：
python body_offset = len(title) + 1 if wrong == "可乐": pos = 0 while True: pos = full_text.find("可乐", pos) if pos == -1: break if pos > 0 and full_text[pos - 1] == "口": pos += 1 # 跳过「可口可乐」中的「可乐」 continue err["start"] = pos err["end"] = pos + 2 break else: pos = full_text.find(wrong, body_offset) if pos != -1: err["start"] = pos err["end"] = pos + len(wrong)

5. 将审核结果写入 JSON 文件：保存所有笔记的审核结果到临时 JSON 文件。

第四步：生成 HTML 审核页面

使用脚本根据审核结果生成 HTML：

python3 scripts/review.py --input <文件路径> --results <审核结果.json路径> --output <输出html路径>

脚本会：
1. 解析 Excel 中的所有笔记
2. 读取 LLM 审核结果
3. 生成带标注的 HTML 审核结果页面

第五步：展示结果

审核完成后，使用 present_files 向用户展示生成的 HTML 页面。

同时向用户汇报审核统计：
- 总共审核了多少条笔记
- 多少条通过、多少条存在问题
- 各类问题的数量（标签缺失、产品名错误、错别字）

审核结果页面说明

生成的 HTML 页面包含：

1. 顶部摘要栏：笔记总数、通过数、问题数、问题总数
2. 审核规则展示：按优先级分卡片展示，含正确✅和错误❌示例对比
3. 笔记卡片列表：
   - ✅ 审核通过：绿色左边框，无额外标注
   - ❌ 审核未通过：红色左边框，错误文字标红加 ❌，紧跟黄底修改建议
4. 右侧问题侧边栏：汇总所有错误点，含错误类别和具体说明
5. 滚动联动：滚动笔记时侧边栏自动高亮对应错误

脚本参考

核心脚本位于 scripts/review.py，支持两种模式：

--input 自动识别 .xlsx（Excel）和 .docx（Word）格式。已废弃的 --excel 参数仍可用，但推荐使用 --input。

注意：不存在 --config 模式。审核必须由 LLM 执行，脚本不包含任何审核逻辑。

引导式配置流程（可复用）

以下审核规则配置流程设计为通用框架，可复用于其他审核类 Skill：

• P1 品牌名 → P2 产品名 → P3 标签 → P4 语法/错别字
• 每一步都必须反馈理解、等待用户确认
• 最终汇总所有规则，要求用户回复「开始」后才进入审核
• 核心原则：禁止默认规则、禁止跳过确认、禁止程序审核

结构化规则展示（rules_config）

审核结果 JSON 可包含 rules_config 字段，用于生成带示例对比的规则展示：

{
  "results": [...],
  "rules_config": {
    "levels": [
      {
        "priority": "P1",
        "label": "品牌名",
        "color": "#e74c3c",
        "rule": "完整品牌名必须完全一致...",
        "correct": ["华为手环 11 Pro"],
        "incorrect": [
          {"text": "华为手环11Pro", "reason": "缺少空格"}
        ]
      }
    ]
  }
}

若不提供 rules_config，则回退为纯文本 rules_memo 展示。

资源文件

• scripts/review.py — 文件解析（Excel/Word）和 HTML 生成脚本（不含审核逻辑）
• assets/review_config_example.json — 规则记录格式参考（仅供 LLM 参考）