笔记库质检报告
结论
全库 43 篇笔记、49,129 词英文正文,两套自动校验零问题:
结构校验
0 篇有问题 / 0 警告,正文溯源校验生词例句找不到 0 条、长难句原句不在正文中 0 条、不足 30 词 0 条。来源侧另有独立审计:抽查与逐篇核对均未发现编造 URL、标题不符或 AI 仿写正文。
一、两套校验器
| 脚本 | 管什么 | 当前结果 |
|---|---|---|
_工具与校验/verify-english-notes.py | 结构:frontmatter 12 字段、小节顺序、正文纯英文与词数、生词表行数、长难句块数、专业词汇行数、双链有效性、索引死链 | 43 篇全部 [ OK ],0 问题 0 警告 |
_工具与校验/check-fidelity.py | 文字真实性:生词表"文中例句"与长难句"原句"是否逐字来自该篇正文(并检查长难句 ≥30 词) | 43 篇全部 [ OK ],3 项计数均为 0 |
运行方式(PowerShell):
$py = "C:\Users\Wuyanlin\.dsh\dsh-runtimes\dsh-primary-runtime\dependencies\python\python.exe"
$root = "D:\DSH_Workspace\Prog1\英文论文阅读笔记库"
& $py "$root\_工具与校验\verify-english-notes.py" --json "$root\_工具与校验\last-report.json"
& $py "$root\_工具与校验\check-fidelity.py" --json "$root\_工具与校验\fidelity-report.json"
& $py "$root\_工具与校验\build-index.py" # 新增/修改文章后重建索引
二、规模与分布
| 指标 | 数值 |
|---|---|
| 笔记总数 | 43 篇 |
| 英文正文总词数 | 49,129 词(约 4.3 小时纯阅读量,按 190 词/分钟) |
| 平均每篇正文 | 1,142 词 |
| 最短 / 最长正文 | 782 词 / 1,716 词 |
| 难度分布 | 四六级 21 篇、四六级+ 22 篇 |
| 主题数 | 7 个(每类 6 篇,心理与认知 7 篇) |
来源机构分布(共 30 余家,均为可公开访问的权威来源):
- 公共机构:CDC(含 MMWR)、WHO、NASA、NOAA、USGS、NIST、DOE/EIA、ESA
- 开放获取期刊:PMC(BJGP / BMC Psychology / Frontiers / PLOS ONE / Braz J Microbiol 等)
- 高校与智库:MIT News、MIT BCS / McGovern、Our World in Data、World Bank Blogs、Federal Reserve(FRBSF)
- 科普媒体:Quanta Magazine、Smithsonian Magazine
三、质检过程中发现并修复的问题
第一轮由 6 位写作 agent 产出后,经两轮独立审计(来源审计 + 内容质检),共修复 5 类问题:
| 类别 | 具体问题 | 处置 | 规模 |
|---|---|---|---|
| 编号冲突 | 07 目录出现两个 07-05- | 07-05-认知偏差… 改号为 07-07-,同步更新所有双链与索引 | 1 处 |
| 引文失真(重) | 生词表例句被改写、拼接或凭空补句 | 换成本篇正文中逐字存在的原句;正文无该词的词条换成正文实有词 | 约 130 条 |
| 长难句失真 | 原句不在正文中,或不足 30 词 | 换成正文真实长句(≥30 词),并重写"结构拆解 / 参考翻译" | 21 句 |
| 截断未标注 | 例句是正文片段但没标省略号 | 非整句引用统一补 ... | 651 条 |
| 元数据 | word_count 与实测不符、reading_time 口径不一、date 只写年份 | 统一为实测词数、190 词/分钟、YYYY-MM 或 YYYY-MM-DD | 43 篇 |
| 格式 | 正文混入 Markdown 链接、参考译文 与 参考翻译 混用、拆解里"五个并列项"实为四个、删节未标 [...] | 逐处修正 | 6 处 |
| 文件编码事故 | 一次批量改写引入 \r\r\n 与 BOM,导致 frontmatter 解析失败 | 全库行尾统一 LF、清除 BOM,并给写入脚本加 newline="\n" | 43 篇 |
审计报告原文
来源侧审计报告见 来源审计报告;写作规范见 笔记规范;维护流程与"踩过的坑"见 笔记库构建与维护说明。
四、独立审计结论(来源真实性)
独立来源审计对全库逐篇执行了 URL 可达性、标题/机构/日期一致性、正文句子可溯源性核对:
- URL 可达性:全部 HTTP 200,无 404、无跳转到无关页面
- 标题与机构一致性:全部一致(含作者、卷期号、页码)
- 正文可溯源:抽查句子均能在标注来源页面中找到逐字对应,未发现 AI 仿写、回译或凭空编造的英文正文
- 已知限制:NOAA Climate.gov 已于 2025-06-25 归档(内容仍完整可取);USGS《This Dynamic Earth》为出版物页面、ESA 部分页面无逐日发布日期,相关笔记已在《来源与版权说明》中如实说明
五、仍然存在的已知取舍(不影响使用)
- 例句的"句片段"写法:部分例句是从正文句中截取的片段(已统一加
...标记),而不是整句。这符合规范(截断标注即可),但如果你更希望"每条例句都是完整句",可以再跑一轮人工润色。 - 同一来源多篇:如 NOAA Climate.gov 3 篇、EIA 2 篇、USGS 同一本小册子 2 篇、FRBSF 2 篇。这是抓取可得性导致的,主题与体裁仍有区分。
- 正文长度上限:
07-05-把健康变成习惯的心理学正文 1,716 词,略超规范建议的 800~1400 词区间,但作为"最长一篇压轴材料"保留。 - 版权说明:全库英文正文均为原文节选(删节处标
[...]),仅用于个人英语学习,每篇末尾都注明了原题、来源、日期与链接。