申论批改技能
自动完成申论主观题（含大作文）的识别、错别字修正、评分与报告输出。
何时使用
出现以下任一情形即触发：
- 用户上传题目文件 + 答案文件，并要求"批改 / 打分 / 阅卷 / 批阅 / 评分"。
- 题型覆盖：概括分析题、对策建议题、综合分析题、应用文写作题、大作文。
- 题目文件格式：
docx/pdf；答案文件格式：docx/txt/ 图片（jpg、jpeg、png、bmp、gif、webp）。
工作流程
按步骤顺序执行，无需向用户解释流程，也无需在动手前反问文件格式。
步骤 0：依赖初始化（首次/缺失时）
运行技能自带安装器，从国内镜像源（清华 → 中科大 → PyPI 官方兜底）预装/补齐运行所需依赖，确保环境就绪且安装稳定快速：
python scripts/bootstrap.py # 核心依赖（pypdf / python-docx / defusedxml / pillow），快速
python scripts/bootstrap.py --ocr # 额外安装 cnocr（离线 OCR 引擎，体积较大，含深度学习框架）
python scripts/bootstrap.py --check # 仅检查缺失项，不安装
- 安装器先自检已装依赖、仅装缺失项；镜像失败自动切换下一个，全程不污染用户全局环境（依赖装入受管 Python 的隔离 site-packages）。
- 运行时若仍缺
pypdf，extract_text.py会自动尝试从镜像源安装，无需手动干预（仅当全部镜像失败且无网络时，pdf 提取与可选离线 OCR 不可用；docx / txt 与 Read 工具多模态识别不受影响）。
步骤 1：识别输入文件
依据文件名判定：
- 题目 →
试题/真题/题目/套卷/题 - 答案 →
答案/答题卡
若用户未明确哪份是题目、哪份是答案，依据文件名、内容（题目含"材料""要求""给定资料"；答案多为手写图片或纯作答文本）自行判断。
> 边界情况处理：
> - 多图 / 多页答案：若答案为多张图片（如 答案1.jpg、答案2.jpg）或多页扫描件，逐张用 Read 读取并拼接为一份连续答案正文，拼接处用 （接上页） 标注。
> - 题目与答案同名 / 无法区分：以内容判定（题目必有"材料/要求/给定资料"；答案多为纯作答或手写体），必要时向用户一次性确认，不要反复追问。
> - 一份文件含多题：按题干"第 X 题"拆分，逐题独立评分。
步骤 2：提取文本
运行脚本 scripts/extract_text.py：
python scripts/extract_text.py <文件路径>
docx/txt：程序化提取纯文本（docx 已处理段落、页眉页脚、表格与文本框内文字）。pdf：依赖pypdf；缺失时脚本会提示python -m pip install pypdf后再执行。- 图片答案：默认改用 Read 工具（多模态能力）直接读取图片，识别出手写内容后作为答案正文继续流程；绝不可静默当作空文本处理。
- 可选离线 OCR：若已执行
python scripts/bootstrap.py --ocr安装cnocr，可运行python scripts/extract_text.py <图片路径> --ocr直接得到识别文本（不依赖 Read 工具），多张图片逐张识别后拼接。离线 OCR 对印刷体更稳，对手写体仍建议以 Read 工具识别为准。 - 识别置信度提醒：图片为手写体，Read 识别可能误认字形（详见
references/typo_guide.md的 A/B 类边界）。识别完成后，将识别结果回显给用户确认，或在「答案转写」中对把握不高的字以括号标注（疑似：X），避免把识别错误当成考生真实笔误扣分。 - 统计准确的字数（含标点符号），并反馈到最终的「批改报告.md」中。
步骤 3：错别字修正（仅修正识别误差，不替考生改字）
对答案（尤其手写识别结果）修正识别误差（手写潦草 / OCR 误识，机器认错字，考生本意清晰），不替考生改本人真实笔误：
- 按形近排查；专有名词（政策术语、地名、品牌、产业词、机构名）一律以题目/材料原词还原。
- 修正处在「答案转写」中以括号标注，如：
尾牙（魔芋）。 - 考生自己写错的字保留原样，由「表述准确性」维度据实扣分，不可擅自改正以免掩盖错误、抬高得分。
- 可参考
references/typo_guide.md的常见形近/音近错词与规范词对照。
步骤 4：判定题型与评分框架
先读题干"要求"确定题型，再选评分框架：
小题（概括/分析/对策，通常 10–20 分）——四维度通用框架：
| 维度 | 建议权重 | 说明 |
|---|---|---|
| 要点完整性 | 40% | 材料要点覆盖数 |
| 表述准确性 | 25% | 关键词、错字、语义 |
| 条理与结构 | 20% | 分条、逻辑 |
| 字数与书写 | 15% | 是否达字数下限、字迹 |
大作文（通常 40 分）——五维度框架： 立意准确(25%) / 结构完整(20%) / 论证充分(25%) / 语言规范(20%) / 字迹书写(10%)。
分档（按满分比例）： 一档 80–100% / 二档 60–79% / 三档 40–59% / 四档 20–39% / 五档 0–19%。
大作文五维度分档锚点（据实比对，避免不同次批改标准漂移）：
| 维度 | 一档（高分特征） | 三档（中等特征） | 五档（缺失特征） |
|---|---|---|---|
| 立意准确(25%) | 紧扣主题，观点鲜明，准确契合材料主旨与出题意图 | 基本切题但片面/偏浅，个别表述跑偏 | 完全偏题或通篇抄材料，无独立观点 |
| 结构完整(20%) | 首尾呼应，分段清晰，起承转合完整 | 有结构但过渡生硬、段落失衡 | 无层次，一段到底或散乱堆砌 |
| 论证充分(25%) | 论据源自材料，分析深入，多角度，有说服力 | 有论据但分析浅、单一角度 | 无论证，堆材料或空喊口号 |
| 语言规范(20%) | 书面语规范，流畅准确，无语病错字 | 基本通顺，少量语病/错字 | 语病多、口语化严重、错字多 |
| 字迹书写(10%) | 工整清晰，易辨认 | 尚可，偶有潦草 | 难以辨认 |
常见满分整数分配映射（避免每次手算；非整数已四舍五入并微调使总和=满分）：
| 满分 | 要点完整性 40% | 表述准确性 25% | 条理结构 20% | 字数书写 15% |
|---|---|---|---|---|
| 10 | 4 | 3 | 2 | 1 |
| 15 | 6 | 4 | 3 | 2 |
| 20 | 8 | 5 | 4 | 3 |
| 40（大作文五维） | 立意 10 / 结构 8 / 论证 10 / 语言 8 / 字迹 4 | — | — | — |
> 若遇其他满分，按同比例四舍五入后微调「表述准确性」或「字数书写」一档，使四项（或五维）分值之和恰好等于满分，并在评分细则中注明取整后分值。
步骤 5：批改与评分
- 通读材料，列出材料给出的所有标准要点（通常 5–7 层）。
- 逐条比对答案覆盖情况，标记 ✅ 答到 / ⚠️ 部分 / ❌ 缺失。
- 按框架打分，给出总分与档位，并写明每条扣分理由。
- 务必检查核心要点是否被遗漏。
- 在把握材料要点的基础上，用规范的语言进行表述。可以对材料中的口语化表达进行规范转化，可以对分散的要点进行归纳合并，但不能改变材料原意。
- 大作文应当优先采用材料中的论据、观点。大作文应当语言流畅，立意深刻，条理清晰。
步骤 6：输出结果
- 评分卡（visualizer）：总分 + 档位 + 四/五维度得分 + 要点覆盖图（绿色=已答，红色=缺失）。先调用
read_me（modules: chart）再show_widget。
- 数据形状（务必每次一致）：score：总分；full：满分；tier：档位文字。dimensions：数组，每项{name, full, got}（小题 4 项 / 大作文 5 项）。coverage：{total: 材料层数, hit: 已答层数, items: [{name, status: ✅/⚠️/❌}]}。- 最小示例（覆盖图 SVG，置于
show_widget的widget_code）：
svg <svg viewBox="0 0 680 120" xmlns="http://www.w3.org/2000/svg"> <rect x="20" y="20" width="130" height="40" rx="6" fill="#2e7d32"/> <text x="85" y="45" fill="#ffffff" font-size="16" text-anchor="middle">要点1 已答</text> <rect x="170" y="20" width="130" height="40" rx="6" fill="#c62828"/> <text x="235" y="45" fill="#ffffff" font-size="16" text-anchor="middle">要点4 缺失</text> </svg>
> 注：配色随 IDE 主题调整；浅色主题用深字深底、避免纯黑底。
- 批改报告：复制
assets/report_template.md为工作区批改报告.md，填入：基本信息、答案转写、评分细则、分档参考、要点对照表、参考作答（尽量写满字数上限）并且高亮参考作答中的规范词、改进建议。 - 其中「改进建议—答题能力评价」应对涉及的答题能力逐项评价（不涉及的可不列）。五大能力的完整定义与评价标准统一见
references/abilities.md，本报告与report_template.md均引用该文件，勿在此重复展开。 - 用
present_files同时呈现批改报告.md、题目与答案原始文件。
工作约定（务必遵守）
- 用户偏好直接批阅、结果导向：不要先解释流程、不要反问格式、不要寒暄铺垫，上传即做。
- 输出沿用固定格式（评分卡 + 批改报告.md），保持结构化与表格呈现。
- 若材料/答案识别不清导致无法批改，仅在必要时一次性说明卡点，不要反复确认。
资源
scripts/extract_text.py— docx / pdf / txt 文本提取入口（图片答案默认走 Read 工具多模态识别；--ocr可走 cnocr 离线识别，见步骤 2）。scripts/bootstrap.py— 依赖安装器（国内镜像加速）：预装/补齐运行所需依赖，含核心依赖与可选 cnocr。运行时自动安装亦复用此脚本。references/typo_guide.md— 错别字识别与修正指南（高频错词、规范词辨析、流程）。references/abilities.md— 申论五大答题能力权威定义（阅卷评价唯一来源）。assets/report_template.md— 批改报告 Markdown 模板。
