不调大模型，用规则引擎做一个可离线、可插拔的"课题申报书体检器"

原创

用户12801448

修改于 2026-10-23 11:38:55

470

本文是参加 1024 造物挑战的作品技术复盘。主角不是"某个工具"，而是它的实现：如何在浏览器里，用一个单文件、零依赖、可离线的规则引擎，完成一套"可插拔评分标准 + 反刷分评分"的体系。

在线体验（公开可打开）：https://proposal-checker.app.workbuddy.host/?sharecode=F4HFIUYZ2H

一、选型：为什么不用大模型

需求来自一个真实场景——教师对"课题申报书"做立项前自查。这类材料有三个硬约束：

涉密：未立项的申报书，老师普遍不敢上传到任何在线服务；
要可解释：用户需要知道"为什么扣这分、该改哪一条"，黑盒评分不可信；
要可复现、零成本：同一份稿子每次结果必须一致，且要能跑一万次不花钱。

这三条正好指向"离线规则引擎"而不是"调大模型 API"。于是技术路线定为：纯前端单文件 HTML，零依赖，全部计算在浏览器完成，没有任何网络请求。

代价也很明确：没有语义理解，只能做"结构化 + 启发式"检测。这是主动取舍，不是能力缺失。

二、整体架构：三层

标准解析层：把任意"评审标准"解析成可执行的评分树（可插拔）

评分引擎：证据句判定 + 加权打分 + 反刷分约束 + 逻辑一致性检查

渲染/导出层：报告渲染、意见书文本生成、本地存档对比

核心设计目标是"尺子可换"：内置的默认标准只是示例，用户上传自己单位的标准，评分逻辑立刻切换。这让工具从"一把固定尺子"变成"一个可复用的评审模板引擎"。

三、关键实现一：可插拔的"标准"怎么解析

评分标准被抽象成两层结构（维度 -> 子项）：

{ dim: "内容与设计", max: 40, subs: [
    { name: "研究内容分解科学、重点难点明确", w: 12, kws: [...], binary: false }
]}

支持两种输入格式：精确格式 维度名 | 子项名 | 权重；自由文本（自动识别维度标题、剥离序号、抓"N分"作权重）。

解析后最关键的一步是权重归一化到 100：

const all = dims.flatMap(d => d.sub);
const allHaveW = all.every(s => s.w != null && s.w > 0);
const factor = allHaveW ? (100 / all.reduce((a, s) => a + s.w, 0)) : 1;
let w = s.w != null ? s.w * factor : (100 / all.length);

子项的匹配关键词是自动派生的：命中通用概念同义词库 + 从条目名里切 2–6 字片段。

const CONCEPT = {
  "目标": ["研究目标","目标","旨在","目的","总目标","拟"],
  "方法": ["思路","方法","技术路线","问卷","访谈","案例","实证","扎根"],
  "创新": ["创新","突破","前沿","首次","新视角","填补","重构"]
};
function deriveKw(name){
  const kws = new Set();
  for(const key in CONCEPT) if(name.includes(key)) CONCEPT[key].forEach(k => kws.add(k));
  name.split(/[：:，,。、；;（）()\s]+/).filter(t => t.length>=2 && t.length<=6).forEach(t => kws.add(t));
  return [...kws];
}

四、关键实现二：反刷分——朴素关键词命中的致命漏洞

第一版评分就是最朴素的"关键词命中数 / 目标数"。上线前自测发现严重漏洞：把"创新、目标、内容、方法、成果、价值"这些词在一句话里各写一遍，分数能刷到 80+；纯堆词不展开也能拿 60 分。也就是说，一个"看起来什么都有、实际什么都没写"的稿子能骗过评分器。

解决方案是引入"证据句"判定——关键词必须落在有实质展开的句子里才算有效命中：

const ACTION = ["构建","建立","设计","验证","实证","检验","比较","测量","分析",
                "界定","提出","采用","运用","基于","结合","梳理","评价","明确",
                "形成","开展","实施","调查","访谈","问卷","案例","纳入","设置"];

function isEvidence(s){
  return s.length >= 22 && ACTION.some(a => s.includes(a));  // 够长 + 有实义动作
}

代入评分，并加一条全局硬约束：

function subScore(text, sub){
  const sents = splitSentences(text);           // 按 。！？\n；; 切句
  const sentsLow = sents.map(s => s.toLowerCase());

  let validHits = 0;                            // 只统计"有效命中"
  for(const k of sub.kws){
    const kl = k.toLowerCase();
    if(sentsLow.some((sl, i) => sl.includes(kl) && isEvidence(sents[i]))) validHits++;
  }
  const evCount = sents.filter(s => isEvidence(s)).length;   // 全文证据句总数

  const raw = Math.min(validHits / Math.min(sub.kws.length, 3), 1);
  let full = raw >= 0.7;

  // 全局约束：全文证据句不足 2 句 —— 任何维度都不许判"达标"
  if(!sub.binary && evCount < 2) full = false;

  const frac = full ? 1 : 0.3 + 0.45 * raw;
  return { score: Math.round(sub.w * frac) };
}

实测效果（同一份作弊稿前后对比）：

样本	旧版（朴素命中）	新版（证据句约束）
结构完整的正常稿	87	87（不误伤）
一句话堆满所有关键词	80+	48
纯堆词、无任何展开	60	22

正常稿不误伤，作弊稿被压回原形——这是这次实现里最值钱的一处改动。

五、关键实现三：.docx 本地解析（零网络请求）

.docx 本质是个 zip。要在浏览器里离线读出文字且不引入任何库：从文件尾部倒序找 EOCD 签名 0x06054b50，拿到中央目录偏移与条目数；遍历中央目录取压缩方式、偏移、文件名；用浏览器原生的 DecompressionStream("deflate-raw") 解压；最后正则提取 <w:t> 里的文本。

async function inflate(raw, method){
  if(method === 0) return raw;                        // 未压缩
  if(method === 8){
    const ds = new DecompressionStream("deflate-raw");
    const stream = new Response(raw).body.pipeThrough(ds);
    return await new Response(stream).arrayBuffer();
  }
  throw new Error("不支持的压缩方式");
}

const dv = new DataView(buf);
let eocd = -1;
for(let i = buf.byteLength - 22; i >= 0; i--){
  if(dv.getUint32(i, true) === 0x06054b50){ eocd = i; break; }
}
const cdOffset = dv.getUint32(eocd + 16, true);

全程在本地内存完成，申报书内容一个字节都不出浏览器——这正是这个场景能成立的前提。