天津市高考英语完形填空解析

用途

把一份天津市高考英语完形填空真题（原卷或已有解析），生成为一份可直接印发的
解析文档（.docx），版式与内容对齐用户历年真题解析文档的传统。

何时使用

• 用户给出天津卷完形填空真题（docx / pdf / 纯文本 / 图片），要求「解析」「逐题分析」
• 用户要求为完形填空做「词汇注释」「长难句解析」「衔接网络分析」「语篇分析」「翻译」
• 用户要对某一年某一次天津卷完形填空做命题人视角的深度剖析

核心工作流（7 步，严格按序）

0 定位真题 → ①抽取原文与选项 → ②语篇整体分析（深度思考模型）→ ③词汇注释
            → ④翻译（DeepL / 模型）→ ⑤长难句解析 → ⑥逐题解析（六项字段）→ ⑦渲染 docx
                                          ↓
                        glossary_lookup.py（查手册，分流「需联网」清单）
                                          ↓
                        WebFetch（仅对需联网词条补义）

⚠️ ②必须在⑥之前：逐题解析的「宏观结构预测」要回指语篇分析的段落功能表，
先做逐题解析会失去宏观依据。

第 0 步　定位与读取真题

真题通常在 D:\新版外研版高中英语\高考英语真题\ 下按 年份年 第几次\ 分目录存放，
文件名形如 2025 天津卷 第一次 完形填空.docx；无解析的原卷在 原卷\ 子目录。

若需要编辑或读取 docx 内容，先按 workbuddy-office-routing 的规则选择通道
（读/改既有文档 → workbuddy-local-office-edit）。若只是要把正文抽成纯文本供分析，
用 scripts/extract_docx.py 即可，不必走编辑器通道。

需要抽取的内容：
1. 语篇正文（含题号空格 16 与原卷已有的括号中文释义 (中转停留)）
2. 20 道小题的四个选项
3. 已给出的答案（若原卷带答案）

第 2 步　语篇整体分析（调用深度思考模型）

按 references/discourse_analysis.md 对完整语篇做深层分析，产出 discourse 对象。
必须覆盖六个维度：语篇结构、篇章主题、逻辑衔接手段、情感线索、语境一致性、命题主轴总结。

调用方式：用 Agent 工具，subagent_type: "general-purpose"、model: "reasoning"，
把完整语篇 + references/discourse_analysis.md 一并交给它，要求返回 JSON。

产出要点：
- 段落结构与超主位表（必须标注每段涉及的题号，这是后续「宏观结构预测」的依据）
- 情感弧线（起点→转折→终点），每段引原文句作证据，并标出情感复现处
- 语境三层面：语场 / 语旨 / 语式 → 推出全文基调，作为评价性词汇的判据
- 命题主轴：20 题的考查重心分布 + 题号—图式槽位对应 + 必抓衔接信号清单

第 3 步　词汇注释（核心，脚本化）

这是本技能最确定、最可复用的部分，务必走脚本，不要凭记忆填释义。

# 把语篇存成 passage.txt，扫描并查表（--family 输出词族，与真题文档一致）
python scripts/glossary_lookup.py --passage passage.txt --top 60 --family

# 只要「需联网补义」的清单
python scripts/glossary_lookup.py --passage passage.txt --top 60 --only-online

# 也可直接指定词表
python scripts/glossary_lookup.py --words "tune, spot, in vain, piano" --family

脚本行为：
- 自动探测《高中英语词汇手册.xlsx》（默认在 D:\新版外研版高中英语\高考英语真题\），
也可 --glossary "<绝对路径>" 指定
- 做索引感知的词形还原：shaped→shape、hoped→hope、tuned→tune、
carried→carry、bought→buy（不规则表），并处理连字符与撇号
（piano-tuning→tune、O'Hare→Hare）
- 短语精确匹配：in vain / give away / at random 不会被同首词条目污染
- 输出与真题文档完全一致的表格行：5 列 星级|词条|音标|词性|注释内容
（手册有星级标记时）或 4 列 词条|音标|词性|注释内容
- 把「查无此词」和「释义为空」两类分流为需联网补义清单

词汇选择标准：取语篇中的重点词——解题所依赖的词、选项涉及词、
承载逻辑关系的词、文化专有名词。不要把冠词、介词、代词等虚词全部塞进去。
真题文档惯例是每空附近成组标注（一个空关联的词 + 其搭配/派生）。

补义：按 references/online_dictionaries.md 用 WebFetch 补齐。
注意 Collins 必须用 WebFetch（curl 会 403），Macmillan 当前不可达直接跳过。
补齐后在单元格内注明来源，并给该表加 note 标注 ⚠。

第 4 步　翻译（DeepL 优先）

按 references/translation.md 执行：

python scripts/deepl_translate.py --check                      # 检验密钥
python scripts/deepl_translate.py --text-file passage.txt -o translation.json
python scripts/deepl_translate.py --text-file passage.txt -o sentences.json  # 无密钥时

DeepL 密钥配置：写入 ~/.workbuddy/settings.json 的 env.DEEPL_AUTH_KEY
（Bash 不加载 shell profile，export 无效；脚本会主动读该文件，无需重启）。
未配置时脚本输出待译清单并以退出码 3 结束，此时改用模型翻译通道，
并在 translation.engine_note 如实标注「由模型翻译」——不得伪造译文来源。

产出两部分：
- paragraphs：逐段对照译文，段落与原文严格一一对应
- aligned：关键句中英对照表（必填「关联题号」列），覆盖所有含挖空的句子、
长难句、情感转折句、文化词句

翻译质量红线（从真题文档的真实误译中提炼）：保留括号释义、保留引号内容、
人名译名前后统一、不得逐字硬译（如 experienced quiet 须译「体验到了安静」
而非真题文档里的误译「讨厌安静」）。

第 5 步　长难句解析

筛出三层及以上结构的句子，按 references/sentence_analysis.md 的
「五步分析法」+ 用户既有的标注符号系统（[] 定语从句、<> 状语、() 补足语、
《》 状语从句、{} 整体、= 同位语）逐步拆解。

每句必须写清：层次切分 L1/L2/L3 → 句法主干与从句 → 语义新信息与逻辑功能 →
信息焦点 → 关联到哪一道小题。若某句关联不到任何小题，就不必列为长难句。

第 6 步　逐题解析

按 references/item_analysis_spec.md，每题必含六项：
① 原文语境 ② 选项辨析 ③ 语法与搭配依据 ④ 逻辑推断依据
⑤ 正确答案及原文证据 ⑥ 排除理由（三个干扰项逐一）。

同时必须覆盖：

大角度一 衔接网络 —— 主要逻辑关系（从 a—r 的 18 类中选，附原文标志词证据）
+ 可选的辅助关系。

大角度二 挖空策略 —— 至少 2 条，取自 A 指称链 / B 逻辑连接词 / 词汇衔接 /
C 主位推进 / D 信息焦点 / E 零主位 / F 省略补全 / G 宏观结构 / H 情景文化语境。
不要机械罗列全部 8 类，与该空无关的不写。

各选项分析表 —— 四列固定表头 选项 | 语义 | 与原文匹配度 | 干扰类型，
4 个选项逐一分析，干扰类型从 item_analysis_spec.md 的实证词表选，
正确项的干扰类型列留空。匹配度采用「评级：理由」冒号融合写法（2025 卷惯例）。

语篇层面的宏观预测要回指第 2 步 discourse.paragraph_map 的题号对应。

第 7 步　渲染成文档

python scripts/build_docx.py result.json -o "2025天津卷第一次 完形填空解析.docx"

脚本仅依赖标准库，不需要 python-docx。生成后用 present_files 呈现给用户。

输出 JSON 数据结构

{
  "title": "2025年天津市高考英语·第一次 完形填空解析",
  "meta": { "卷别": "天津卷·第一次", "题型": "完形填空（16—35）" },

  "passage": ["第1段原文（含题号与括号释义）", "..."],
  "options": ["16. A. donated   B. spotted   C. tuned   D. purchased", "..."],

  // ===== 第2步产出：语篇整体分析 =====
  "discourse": {
    "genre": "记叙文（人物新闻特写）",
    "structure": "Orientation → Complication → Resolution → Evaluation",
    "macroscopic_theme": "开篇核心陈述：……",
    "tense_frame": "全文主时态为过去时",
    "theme": { "explicit": "…", "implicit": "…", "carrier": "承载句原文" },
    "paragraph_map": [
      { "para": 1, "superordinate": "主题句原文", "function": "Orientation（开端）",
        "items": [16, 17] }
    ],
    "cohesion_index": { "connectives": ["when","after"], "reference": ["they→strangers"],
                        "lexical": ["rare ↔ one of the few"], "markers": ["eventually"],
                        "rhetoric": ["world came crashing down（夸张）"] },
    "emotion_thread": { "arc": "失望 → 反思 → 同情 → 自豪",
                        "evidence": [{ "emotion": "失望", "quote": "原文句" }],
                        "recur": ["第3段 I wept 与第8段的情感复现"] },
    "context": { "field": "…", "tenor": "…", "mode": "…", "tone": "…", "anti_schema": "无" },
    "axis_summary": "事件链(9题) + 因果解释(5题) + 搭配(4题) + 文化语境(2题)",
    "item_map": "16—19 Orientation；24—27 Complication；28—32 Resolution；33—35 升华",
    "key_items": ["27（搭配+文化语境）", "33（情感复现）"],
    "must_catch": ["when","after","because","but","that","破折号","冒号","and"]
  },

  "sentences": [
    { "text": "长难句原文",
      "layers": "L1 ...；L2 ...；L3 ...",
      "syntax": "句法分析",
      "semantics": "语义分析",
      "focus": "信息焦点" }
  ],

  "glossary": [
    { "head": "tune（★核心词）",
      "rows": [["**","tune","/tjuːn/","n.","1.曲调；曲子"],
                ["**","tune","/tjuːn/","v.","（为乐器）调音，校音"]] },
    { "head": "piano ⚠ 手册未给出释义",
      "rows": [["","piano","/piˈænəʊ/","n.","钢琴（据 Collins 补齐）"]],
      "note":  "⚠ 《高中英语词汇手册》中该词条「释义」列为空……" }
  ],

  // ===== 第6步产出：逐题解析六项字段 =====
  "items": [
    { "no": 16,
      "stem": "he  16  a public piano at Chicago O'Hare International Airport",

      "context": {
        "sentence_en": "when he spotted a public piano at Chicago O'Hare International Airport.",
        "sentence_zh": "在芝加哥奥黑尔国际机场发现了一架公共钢琴。",
        "before": "…on his way to Florida",
        "after": "He played a few notes. It was the worst piano he'd ever played."
      },

      "options_note": [
        "A. donated　捐赠：与「偶然看到」的语境不符（发现者≠捐赠者）",
        "B. spotted　发现、注意到：与 when 引导的时间背景吻合",
        "C. tuned　　调音：与人物职业相关，但此刻尚未开始调音",
        "D. purchased购买：公共钢琴不可能被购买"
      ],

      "grammar": "【搭配】spotted a piano 为动宾搭配；【时态】全文主时态为过去时，spotted 与 he was on his way 一致。",

      "logic": {
        "cohesion": ["主要逻辑关系：事件顺序/时间顺序。标志词是 when……",
                     "辅助：原因——……"],
        "strategy": ["挖空策略：情景/文化语境线索——……",
                     "词汇衔接：spotted → played → tune（复现/搭配）"],
        "structure": "宏观结构预测：Complication 起点（discourse 第1段）"
      },

      "answer": "B. spotted（发现、注意到）",
      "evidence": "when he spotted a public piano at Chicago O'Hare International Airport；后文 He played a few notes 证明先发现后弹奏。",

      "elimination": [
        "A. donated：他是发现者不是捐赠者 —— 语义无关",
        "C. tuned：当时只是弹了几个音，尚未调音 —— 职业词干扰",
        "D. purchased：公共钢琴不可能被购买 —— 语义无关"
      ],

      "option_rows": [
        ["选项", "语义", "与原文匹配度", "干扰类型"],
        ["A. donated", "捐赠", "低：他是发现者，不是捐赠者", "语义无关"],
        ["B. spotted", "发现、注意到", "高：在机场路上偶然看到公共钢琴，与后文 played a few notes 构成先后动作", ""],
        ["C. tuned", "调音", "低：当时只是弹了几个音，尚未调音", "职业词干扰"],
        ["D. purchased", "购买", "低：公共钢琴不可能被购买", "语义无关"]
      ] }
  ],

  // ===== 第4步产出：翻译 =====
  "translation": {
    "engine": "deepl",
    "engine_note": "DeepL API（api-free）",     // 无密钥时写「未配置 DEEPL_AUTH_KEY，由模型翻译」
    "aligned": [
      { "no": 1,
        "en": "Six months ago, he was on his way to Florida when he spotted a public piano…",
        "zh": "六个月前，他在去佛罗里达的路上……发现了一架公共钢琴。",
        "items": [16],
        "why": "含第16空，when 标记事件顺序" }
    ],
    "paragraphs": [ { "en": "...", "zh": "..." } ]
  },

  "closing": ["命题规律总结……"]
}

bundled 资源

质量红线

1. 释义必须来自手册或在线词典原文，不得凭记忆编造音标与释义。
2. 匹配度必须带原文依据，「高」后面一定要有原文证据，否则等于没分析。
3. 干扰类型从 item_analysis_spec.md 实证词表取，不自造。
4. 每题必须含六项字段（原文语境/选项辨析/语法与搭配/逻辑推断/答案+证据/排除理由），
   且四选项逐一分析，缺一不可。
5. 语篇分析必须在逐题解析之前完成，且逐题的宏观预测要回指段落功能表。
6. 手册无星级时星级列留空，不自行杜撰 ⭐ 标记。
7. 需联网补义的必须显式标注 ⚠ 并注明来源。
8. 译文来源必须如实标注（DeepL / 模型），不得伪造。