kai
c444007f04
新增：Google 系检索（SerpAPI → Serper.dev） - scripts/lib/serper_client.py：封装 serper.dev 的 Google Search / Scholar / News / Patents - 专利检索用 site:patents.google.com 技巧，serper.dev 没专用 endpoint 但效果很好 - Scholar 带引用数、年份、期刊信息，便于权威信源识别 - News 支持 time_range（d/w/m/y）时效性过滤 - scripts/lib/search_client.py 扩展为多路由门面： - search() 通用：Exa → Tavily - patents() 专利：Serper（Google Patents）→ 通用搜索 + site: 兜底 - scholar() 论文：Serper Scholar → 通用搜索兜底 - news() 新闻：Serper News → 通用搜索兜底 - 所有 httpx 客户端 trust_env=False，绕过系统 socks5 代理（v0.6 修过的 TLS EOF） - .opencode/skills/search-strategy/SKILL.md §三重写：按查询类型路由，明确何时用哪个 API H1 章节标题：两行居中 + 装饰横线 - 新增 ParagraphStyle: h1-chapter-num / h1-chapter-title - 新增 parse_chapter_title() 支持中文/阿拉伯/混合空格章号： "第一章" / "第 9 章" / "第6章" / "Chapter 1" 全覆盖 - 分隔符支持: em dash — / en dash – / - / : / ： - 新增 build_chapter_header()：章号小字居中 + 章名大字深蓝居中 + HRFlowable 3cm 装饰线 - 只对正文章节（_title_kind == "chapter"）启用；前置件（免责声明/执行摘要/术语表/目录） 仍用单行 h1 样式 反方证据段规范化（用户反馈 v0.7 问题 #5） - skill:evidence-table 新增 §"正文中反方证据段落的写作规范"： - 禁止机械标题"反驳证据" / "Counter-Evidence" / "反方观点" - 必须观点化，包含具体判断（如"另一种声音：管线虚胖还是真实进展？"） - 用 H2 或 H3，禁止加粗段冒充标题 - 给出段落结构模板（1-2 句过渡 → 列表型反方论点 → 整合判断） - dr-analyst.md Hard Rules #3 改为引用该规范 术语表事实核查前置（新 command /dr-glossary） - 新增 .opencode/commands/dr-glossary.md，支持 --from phase1|phase2|phase4 三个时机 - Phase 1 末 / Phase 2 初：从 framework.md 抽取专有名词种子表，在 dr-analyst 起草前 预先核查公司名/产品名/技术名拼写，避免编造错误（Mabwell → Maywavee 这类） - Phase 4：维持当前用法，对 glossary.json 全量核查 实测：dual-target-rnai-pipeline-2026 重生 PDF 55 页，所有 10 章标题双行居中正确渲染 （第一章/第二章/... 第十章 / 第 6 章 / 第 9 章 多种形式都识别）。
2.6 KiB
2.6 KiB
description, agent
| description | agent |
|---|---|
| 术语表事实核查。用法 /dr-glossary [slug] [--from phase1|phase2|phase4]。用 Haiku + Serper/Exa 核查每个术语的英文全称和中文译名，识别拼写错误与误译。可在 Phase 2 前或 Phase 4 中运行。 | dr-pm |
你是 dr-pm（项目经理），用户执行了 /dr-glossary $ARGUMENTS。
何时运行
术语核查可以在三个时机运行，意义不同：
- Phase 1 末 / Phase 2 初：基于 framework.md 抽取的关键术语（公司/产品/技术名）预先建表，供 dr-analyst 查阅，避免在章节起草阶段就编造拼写错误（Mabwell 拼成 Maywavee 这种）。
- Phase 2 中：对 dr-analyst 产出的 ch01-chN.md 里出现的所有专有名词做核查。
- Phase 4：对 translate.py 累积的 glossary.json 做核查（当前默认时机）。
执行步骤
Step 1: 定位项目 + 解析模式
slug="$ARGUMENTS"
# 默认 slug 从最近修改时间选；默认阶段 phase4
Step 2: 准备术语种子列表
根据阶段选择输入：
--from phase1：从projects/<slug>/phase1/framework.md抽取所有 H2/H3 标题 + 表格中的英文机构名、技术名、药物名。保存到projects/<slug>/phase2/terms.txt（一行一个）。--from phase2：从projects/<slug>/phase2/drafts/*.md抽取所有高频英文专有名词（首字母大写、不在常见词词典）。--from phase4（默认）：直接用projects/<slug>/phase4/glossary.json。
Step 3: 调用 build_glossary.py
uv run python scripts/build_glossary.py <slug> --workers 4 \
--input <输入 glossary 或 terms.txt>
观察输出，关注：
[✓]high confidence（自动可信）[~]medium（人工复核）[?]low confidence（必须复核）⚠ issue字段非空的（通常是拼写错误或误译）
Step 4: 汇报 + 建议下一步
向用户展示：
- 核查的术语数
- 发现的错误数（按严重度分级：拼写错误 / 译名错误 / 低置信度）
- 具体错误清单（前 10 条）
- 建议：
- 如果在 Phase 2 前 → 把 glossary.json 交给 dr-analyst 作为参考
- 如果在 Phase 4 → 跑
uv run python scripts/apply_glossary.py <slug>把修正回塗到正文
注意事项
- build_glossary 需要网络访问，Serper 和 Exa 都需要代理。如遇 SSL EOF，降
--workers 3。 - Haiku 对极专业或极新兴术语（如 "muRNA", "SBS linker"）的判断可能不准，低置信度的条目必须人工复核。
- 别对通用缩写（PDE/ASGPR/LNP）作自动替换——apply_glossary 已有黑名单，但核查结果在 glossary.json 里仍会体现。