---
title: "笔记库质检报告"
tags:
  - 元/质检
  - 英语阅读/索引
date: 2026-10-13
---

# 笔记库质检报告

> [!important] 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）：

```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 |

> [!note] 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。
