用 WorkBuddy 搭一个申论判卷 Skill：踩了 7 个坑之后，AI 打分终于能用了

一、起因：直接让 AI 打分，为什么不行

我在备考国考申论（副省级），需要复盘 2020–2023 的历年真题。最初的想法很朴素：把材料和我的作答丢给 AI，让它按参考答案打分。

跑了十几份之后，三个问题绕不过去：

第三点是最致命的。我要的不是分数，是"下一次往哪儿改"。

二、整体设计：三层结构，不碰评分逻辑

想清楚之后，重构的思路是：不要让 AI 即兴打分，让它按固定流程产出可复核的结果。

第零步 输入闸门 → 第一步 建点池 → 第二步 调引擎 → 第三步 校准 → 第四步 出报告


。我用的是 WorkBuddy 上现成的确定性评分引擎（shenlun-review-pro），自己只在外面套三层：

这样引擎的确定性不被破坏，我叠加的部分又全部透明可查。实际用的时候，在 WorkBuddy 对话里一句话触发，技能会自己读契约文档、跑输入检测，然后逐题建池：

三、第零步：先设一道输入闸门

这是我踩的第一个坑，也是最狠的一个。

我的卷子来源很杂：有自己敲的 txt，有 PDF，还有

。一开始我把图片直接丢进去 OCR，然后把 OCR 结果当作答来判。

结果出来的分数完全不能用。回头核对原文才发现，手写体 OCR 失真严重到离谱——"注意事项"被识别成"注薏平项"，中间还夹着乱码。拿这个去判错别字、判要点覆盖，等于在垃圾数据上做精确计算。

现在我在判卷前强制跑一道检测脚本：

python scripts/detect_input.py --input <源文件> --output verdict.json


下面是对一张手写答题卡照片的实际输出：状态 REJECT，直接终止自动判卷，退出码 2，并给出生成 txt 的人工指引：

REJECT 的时候直接停，不做任何自动判卷。宁可多花十分钟手打一遍，也不能在失真文本上下结论。

失真有多严重，看一眼对照就明白。左边是原卷照片，右边是 OCR 实际识别结果——"注意事项"四个字错了三个，还混进了"熘/贴/闾/陨/例"这类无意义字符。连印刷体都识别成这样，手写作答区域更不可用：

这道闸门后来被我复用到了别的场景：任何"AI 读文件 → 下判断"的流程，都该先确认"AI 到底读到了什么"。

四、第二个坑：MCP 通道起不来，怎么降级

引擎官方推荐走 MCP 工具调用。但我在本机上死活加载不起来，搜不到工具。

，而我的隔离环境解析不到这个命令，Server 根本起不来。

这里有两个选择：改配置去修 Server，或者绕过去。我选了后者——写一个包装脚本，走模块导入的方式直接调引擎：

python scripts/grade_once.py --input 第1题.json --output 第1题_评分.json


脚本会自动定位引擎文件（环境变量 

 下 glob 搜索），捕获确定性输出写回文件。

，因为调的是同一个引擎、同一段逻辑，只是换了个入口。这比修环境省事得多，也不影响确定性。

顺带一个经验：在 WorkBuddy 里，很多"工具调不起来"的问题，本质是路径/命令解析，不是功能缺失。先确认根因，再决定是修还是绕。

五、点池构造：一条铁律救回大部分漏判

官方参考答案里的踩分点，逐条拆分，禁止合并。

 每条点单独给分、单独判覆盖。

同时有两个硬约束，我在脚本层面做了校验：

不满足就直接报错，不让它蒙混过关。加了这两条之后，"沾边就算命中"的情况基本消失了。实际点池里一条踩分点长这样，两个字段都被钉死在原文上，改写即报错：

覆盖判定我设得偏严：意思相关但没答到位，只给"部分覆盖"，不给满覆盖。宁可分数难看，也不要虚假的安全感。

六、校准层：补上引擎不管、但机构一定扣的四项

引擎只管要点。真正上考场，还有几项必扣的分它完全不涉及，我单独做了一层叠加：

的方式写进报告，不改写引擎已经给出的原始分。

七、出报告：五段式，逐题可复核

最后一步是生成 HTML 报告。每道题按五段展开：

报告首页给整卷概览：建议总分、评分区间、题数，然后逐题点进去看五段式明细：

末尾单独附一章「机构评分标准校准」，把第六节那四项逐条列成对照表——机构通行口径是什么、本报告怎么处理，一目了然，最后附声明：

跑完 2023 年国考申论（副省级）整卷 5 题之后，薄弱项一眼就出来了：

归纳概括题漏点严重（10 分档只拿到 5.5 分），提出对策题展开不足

；大作文 24/35 反而是相对稳的一项，继续保持就行。

这种"哪一项具体差多少、差在哪个点"的结论，是即兴打分永远给不出来的。

做完这套，有三条我觉得跟申论没关系，值得单独记下来：

 在失真数据上做再精细的判断都是浪费。任何"读文件 → 下判断"的流程，都该先加一道格式闸门。

2. 把"评分"拆成"引擎 + 校准"两层。

 引擎负责确定性，校准层负责领域规则。两边分开，各自可查可改，互不污染。直接让 AI 一把梭，坏就坏在两层混在一起，改了这边坏那边。

3. 结果的说服力来自"可复核"，不是"看起来专业"。

 每一分都要能追到"命中了材料的哪一句"或"漏了参考答案的哪一条"。做不到这点，分数就是装饰。

人工智能

开发工具

职业发展

用WorkBuddy搭申论判卷技能，踩坑7次后实现可复核AI打分。核心方案：输入闸门过滤失真OCR、点池强制拆分踩分点、校准层补字数错别字格式、五段式报告透明可溯。经验可迁移至任何需复核评分的场景。

WorkBuddy 

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

用 WorkBuddy 搭一个申论判卷 Skill：踩了 7 个坑之后，AI 打分终于能用了

用 WorkBuddy 搭一个申论判卷 Skill：踩了 7 个坑之后，AI 打分终于能用了

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐