LLM-Text-Correct#

功能：使用 pycorrector + MacBERT 专业模型，自动修正中文拼写、形近字、语法、标点等错误。准确率高达 90%+，适合正式文档、文章、聊天记录等需要高精度的中文文本。

触发时机（Triggers）#

• 用户提供一段中文文字，并带有“纠正”“修正”“改错”“检查错别字”“润色”“优化”“语法错误”等关键词。
• 用户说“帮我改一下这段话”“这段文字有问题帮我看看”等口语。
• 支持直接粘贴大段文本，或提供 .txt 文件路径。
• 支持批量：一次提供多个段落或文件。

支持的模型（推荐顺序）#

1. shibing624-macbert4csc-base-chinese → 基于 Transformer（MacBERT）的深度学习纠错模型，效果最佳（推荐默认）。
2. chinese-kenlm-klm → 基于 KenLM 的统计语言模型（N-gram），速度更快但精度稍低。

核心优势#

• 专业模型纠错，比普通 LLM 提示词更准确稳定。
• 支持 GPU 加速（脚本会自动检测）。
• 输出 corrected 版本，并可对比显示修改处。

参数提取指南#

当决定调用此技能时，请从用户上下文中提取以下参数：

1. <输入文本/路径> (必填): 用户提供的中文文本内容，或文本文件路径（如 /path/to/text.txt）。
2. --refine (选填): 如果用户想要进一步润色或优化风格，可添加此参数。
3. --model-path "<模型路径>" (选填): 用户指定使用特定模型路径时传入，默认自动选择推荐模型。

执行步骤#

1. 识别输入：判断用户是直接给了文本内容，还是提供了文件路径。

2. 默认输出：若未指定输出路径，默认在输入同级创建 [原文件名]_corrected.txt 或直接返回修正后的文本。

3. 调用命令：使用以下兼容性命令启动脚本（优先 python3，失败则 python）。脚本会自动创建虚拟环境、检测 GPU 并安装依赖。 bash

   (python3 scripts/correct_text.py "<输入文本/路径>" [--refine] [--model-path "<模型路径>"]) || (python scripts/correct_text.py "<输入文本/路径>" [--refine] [--model-path "<模型路径>"])