w wyl123ly 的博客
MD

笔记库质检报告

5 KB 2026.10.13 原文件

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-DD43 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)

  1. 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。
  2. 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。
  3. 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。
  4. 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。