专利文件减低Ai味（diantietech.com）

概述

专利文稿去AI痕迹 (Patent AI Trace Removal)

Overview

将 AI 生成的专利文稿清理为接近人手书写的专业表达。处理分两层:

• 机械层:确定性替换(词汇表、绝对词删除、符号空格、标点、化学式上下标),由 scripts/mechanical_clean.py 自动完成。
• 深度层:句式重组(长句拆分、插入语删除、排比拆解、机械衔接破除),由 WorkBuddy 逐段人工改写。

必须同时交付:清理后的 .docx + 修改说明清单。

工作流

Step 1: 确认输入与用户偏好

1. 确认文件类型:支持 .docx(保留格式)与 .txt。
2. 向用户确认:
   • 是否存在必须保留的行业缩写/黑话(如 NMP、PVDF、SEM 等),默认保留标准单位与仪器缩写。
   • 处理强度:机械层 + 深度层(默认按本技能全流程执行)。
   • 离子电荷是否格式化(Fe2+ → Fe 上标2+),默认开启。
3. 工作目录:复制原文件到工作区,以 *_deai.docx 输出新文件,不覆盖原件。

Step 2: 机械层清理(运行脚本)

1. 安装依赖(仅 .docx 需要;使用隔离环境,勿污染系统环境):

   python -m venv <venv路径> && <venv>/pip install python-docx

1. 运行脚本:

   python scripts/mechanical_clean.py <input.docx|input.txt> [output_path]

1. 脚本自动完成:词汇替换、绝对词删除、单位空格(1 mol→1mol)、百分号统一、标点全角化、括号统一、化学式/离子 Word 原生上下标(或 txt Unicode 上下标)。
2. 脚本生成 *_report.json 统计报告,用于组装修改说明清单。
3. 白名单外化学式:通读报告与文本,发现未被识别的化学式(如新化合物),在深度层手工补充上下标。

Step 3: 深度层改写(核心,不可跳过)

逐段通读全文,按 references/clean-rules.md 第二、五节执行:

• 拆分超长定语句(单句控制在 60 字内)
• 删除"可以理解的是""值得注意的是"等无信息插入语
• 破除段落开头的机械衔接("此外""同时""并且"堆叠)
• 拆解三个以上同构排比句
• 删除无量化意义的程度副词(显著地/极大地/非常/十分)
• 处理"完全/全面/充分"等脚本不自动删的词(按语境判断)
• 去"所述"过度重复(不破坏指代关系)
• 检查化学式上下标是否全部正确识别

禁止改动(见 clean-rules.md 第五节):"其特征在于""根据权利要求""优选地""进一步地""所述""至少一个""任选地"等专利必用语、权利要求引用格式、实施例数据/参数数值(只改符号格式不改数值)。

Step 4: 生成修改说明清单

输出 Markdown 清单,格式:

| # | 位置 | 原文 | 修改后 | 类型 | 理由 |

• 类型:词汇 / 句式 / 符号 / 英文 / 上下标 / 绝对词
• 句式类修改必须逐条写明理由
• 机械层改动可从 *_report.json 汇总,深度层改动逐条列出

Step 5: 交付

1. present_files 展示:清理后 .docx + 修改说明清单.md
2. 简要总结改动量与重点句式修改。

关键规则速查

• 数字与单位间不留空格:1 mol → 1mol、25 ℃ → 25℃、0.5 L → 0.5L(用户明确偏好,必做)
• 化学式上下标必须用 Word 原生格式(.docx 的 run.font.subscript/superscript),绝不用 Unicode 字符 ₂/³/⁶
• 绝对化词汇必删:根本/彻底/完全/绝对/必定/必然/总是/一律/全面/充分/极度/极其/极为/毫无疑问/毋庸置疑
• 英文处理:单位与仪器缩写(SEM/XRD/mol/MPa 等)保留;in situ→原位、e.g.→例如、etc.→等;中文句中的 and/or 残留译成中文
• 去AI味 ≠ 删规范:专利必用语一律保留

资源

• references/clean-rules.md:完整清理规则基准(词汇替换表、句式规则、符号规范、英文处理、Word 上下标细节、专利必用语清单)
• scripts/mechanical_clean.py:机械层清理脚本(词汇/符号/上下标/报告),支持 .docx 与 .txt