本Skill基于《建设工程工程量清单计价标准》GB/T 50500-2024 OCR校核的实战经验提炼而成，提供一套系统化、可复用的OCR文本质量校核方法论。
核心痛点：
本Skill解决：
> 重要： 调用本Skill时，必须按以下顺序执行全部四阶段检查方法，各方法相互补位，不可选择跳过。
>
> 补位逻辑： 前序阶段快速定位问题 → 后序阶段深度核查确认；前序阶段遗漏的问题，后序阶段补充发现。四阶段全部执行完毕方可视为检查完成。
目的： 通过自动化脚本快速扫描全部章节，定位明显的条款缺失和编号跳变。
执行步骤：
r'(\d+\.\d+\.\d+)' 提取所有条款编号示例输出：
第3章 基本规定
- 条款范围: 3.1.1 ~ 3.8.4
- 总条款数: 47
- 缺失条款: 3.3.7, 3.3.8, 3.5.3-3.5.9
- 状态: ❌ 存在缺失，需进入第二阶段核查
> 本阶段发现的问题 → 第二阶段逐页核对确认具体内容；本阶段未发现问题 → 第二阶段仍须逐页核查（可能遗漏非编号类问题）。
目的： 对第一阶段标记的问题章节及相邻章节进行逐页人工比对，核查内容完整性、截断、错位、跨引用、版本一致性等问题。
执行步骤：
> 本阶段验证第一阶段发现的缺失是否真实存在，同时发现截断、错位、跨引用、版本混用等第一阶段无法检测的问题。
目的： 运行自动化脚本对全部章节进行系统性检查，作为前两阶段的人工核查兜底，确保无遗漏。
执行步骤：
```python
import re
def extract_clause_numbers(text):
pattern = r'(\d+\.\d+\.\d+)'
return set(re.findall(pattern, text))
def find_gaps(clauses):
gaps = []
for i in range(len(clauses) - 1):
current = [int(n) for n in clauses[i].split('.')]
next_clause = [int(n) for n in clauses[i + 1].split('.')]
if current[0] == next_clause[0] and current[1] == next_clause[1]:
if next_clause[2] - current[2] > 1:
for missing in range(current[2] + 1, next_clause[2]):
gaps.append(f"{current[0]}.{current[1]}.{missing}")
return gaps
```
> 本阶段验证第一、二阶段修复后是否引入新问题，发现人工核对时遗漏的隐性跳号，作为最终打包前的强制性质量关卡。
目的： 对关键条款进行分层抽样复核，确保核心内容准确无误。
抽样规则：
验证内容：
> 本阶段验证修复后的条款质量，发现前序阶段未关注的细节错误，作为最终交付前的质量确认。
检查方法：
X.Y.Z 格式的条款编号常见问题：
检查方法：
常见截断特征：
❌ "应按总误差金额...分摊到各分部分项工"（明显截断）
❌ "合同履行过程中，因承包人原因引起实际领用数量超过"（不完整）
检查方法：
常见错位：
❌ 5.1.1 内容实际是5.1.2的内容
❌ 6.1.2 内容实际是6.1.3的内容
常见问题：
检查方法：
示例：
✅ ΔP = P₀ × [A + (B₁ × Fv1/F01 + ... + Bₙ × Fvn/F0n) - 1]
❌ ΔP = P₀ × [A + (B₁ × Fv1/F01 + ...（截断）
检查方法：
> 以下维度作为四阶段流程的补充检查项，在对应阶段中执行。D1编号连续性已在"检查要点清单-1"中详述，此处不再重复。
目的： 检查章节、表格、条款是否完整无遗漏
检查方法：
关键检查点：
执行阶段： 第二阶段逐页比对时同步执行
目的： 确保PDF页码注释与实际内容一致
检查方法：
常见问题：
执行阶段： 第一阶段建立映射时 + 第三阶段脚本检查时
目的： 逐字符验证OCR识别准确性
检查方法：
|,
**等）后逐字符对比差异分类：
| 类型 | 严重程度 | 处理方式 |
|---|---|---|
| ------ | --------- | --------- |
| 汉字/数字/术语错误 | 🔴 高 | 必须修复 |
| 半角→全角标点规范化 | 🟡 低 | 可接受（中文排版规范） |
| 编号后空格差异 | 🟢 无 | 格式偏好，忽略 |
| 换行/分段差异 | 🟢 无 | 格式偏好，忽略 |
执行阶段： 第二阶段逐页比对 + 第四阶段抽样验证
目的： 验证文件间的交叉引用是否正确
检查方法：
执行阶段： 第二阶段逐页比对时同步执行
目的： 确保未混用不同版本的内容
检查方法：
示例（2024 vs 2013）：
2024新增：010901004 玻璃采光顶、010901005 金属板幕墙顶
2024删除：010901002 型材屋面（改为010901002 阳光板屋面）
执行阶段： 第二阶段逐页比对时同步执行
| 优先级 | 问题类型 | 说明 | 对应差异分类 |
|---|---|---|---|
| -------- | ---------- | ------ | ------------- |
| P0-紧急 | 条款缺失 | 影响内容完整性，必须立即修复 | — |
| P1-高 | 内容截断 | 影响条款理解，需尽快修复 | — |
| P2-中 | 条款错位 | 可能导致误解，需修复 | — |
| P3-低 | OCR错字 | 不影响理解，可批量修复 | 🔴高→必须修复；🟡低+🟢无→可批量处理或忽略 |
import re
def extract_clause_numbers(text):
"""提取条款编号并按数值排序"""
pattern = r'(\d+\.\d+\.\d+)'
return sorted(set(re.findall(pattern, text)),
key=lambda x: [int(n) for n in x.split('.')])
def find_gaps(clauses):
"""找出同节内缺失的条款编号"""
gaps = []
for i in range(len(clauses) - 1):
current = [int(n) for n in clauses[i].split('.')]
next_c = [int(n) for n in clauses[i + 1].split('.')]
if (current[0] == next_c[0] and
current[1] == next_c[1] and
next_c[2] - current[2] > 1):
for missing in range(current[2] + 1, next_c[2]):
gaps.append(f"{current[0]}.{current[1]}.{missing}")
return gaps
import os
# 配置
SKILL_DIR = "path/to/skill/files"
# 章节映射：章节号 -> 对应文件
CHAPTER_FILES = {
"3": "03-基本规定.md",
"5": "05-价款调整.md",
# ... 更多章节
}
def check_chapter(chapter_num):
"""检查指定章节的条款编号连续性"""
skill_file = CHAPTER_FILES.get(chapter_num)
if not skill_file:
return {"error": f"章节 {chapter_num} 未配置"}
skill_path = os.path.join(SKILL_DIR, skill_file)
with open(skill_path, 'r', encoding='utf-8') as f:
content = f.read()
# 提取该章节的所有条款编号
all_clauses = extract_clause_numbers(content)
chapter_clauses = [c for c in all_clauses if c.startswith(chapter_num + ".")]
# 检查缺失
gaps = find_gaps(chapter_clauses)
return {
"chapter": chapter_num,
"total": len(chapter_clauses),
"first": chapter_clauses[0] if chapter_clauses else None,
"last": chapter_clauses[-1] if chapter_clauses else None,
"gaps": gaps,
"status": "✅ 完整" if not gaps else f"❌ 缺失{len(gaps)}条"
}
# 执行检查
if __name__ == "__main__":
for ch in sorted(CHAPTER_FILES.keys(), key=int):
result = check_chapter(ch)
print(f"\n第{result['chapter']}章: {result['status']}")
if result['gaps']:
print(f" 缺失条款: {result['gaps']}")
四阶段必须全部执行，建议时间分配：
# OCR校核报告
## 检查概览
- 文档名称：XXX
- 总章节数：X章
- 总条款数：XXX条
- 缺失条款：X条
- 状态：✅ 通过 / ❌ 未通过
## 四阶段检查结果
### 第一阶段：自动扫描
- 扫描章节：X章
- 发现问题：X个
- 问题章节：第X章、第X章
### 第二阶段：逐页比对
- 比对页数：X页
- 确认问题：X个
- 新发现问题：X个
### 第三阶段：脚本兜底
- 运行次数：X次
- 发现问题：X个
- 与前几阶段交叉验证：一致/不一致
### 第四阶段：抽样验证
- 抽样数量：X条
- 发现问题：X个
- 关键条款状态：✅ 通过 / ❌ 未通过
## 六维校核结果（按需填写）
### D1-D2 编码与内容完整性
| 章节 | 条款范围 | 数量 | 缺失 | 状态 |
|------|---------|------|------|------|
### D4 字符准确性
| 抽检项 | 字符数 | 差异数 | 准确率 | 差异类型 |
|--------|-------|--------|--------|---------|
> D3页码映射、D5跨引用、D6版本一致性按需补充表格
## 修复记录
| 序号 | 章节 | 条款 | 问题类型 | 修复内容 | 验证状态 |
|------|------|------|----------|----------|----------|
| 1 | 3 | 3.5.3 | 缺失 | 补充PDF第17页内容 | ✅ 已验证 |
## 结论
[通过/未通过说明]
当用户出现以下情况时，自动调用本Skill：
| 版本 | 日期 | 变更内容 |
|---|---|---|
| ------ | ------ | --------- |
| v1.0.0-v1.1.0 | 2026-06-09 | 初始版本，四阶段检查流程，基于GB/T 50500-2024 OCR校核实战经验提炼；修改执行逻辑为必须全部执行、相互补位 |
| v1.2.0 | 2026-06-09 | 补充六维校核模型（D1-D6），增加最佳实践章节 |
| v1.3.0 | 2026-06-09 | 精炼优化：删除D1重复内容；合并实战经验与最佳实践；精简补位关系说明；精简报告模板空表格；合并触发条件；精简脚本保留核心函数 |
| v1.3.1 | 2026-06-09 | 逻辑优化：增强第二阶段跨引用/版本检查的可见性；增加工具脚本完整调用示例；明确修复优先级P3与D4差异分类的对应关系 |
© 全网 AI探子队长
共 1 个版本