BOUNDARIES & ROADMAP
边界与路线图
诚实说明系统能做什么、不能做什么，以及它如何从一个 Sprint 演进到下一个。
能做什么
系统的核心能力边界。
自动解析稿件
支持 DOCX / PDF / TXT 格式，提取标题、正文、段落、图表和表格结构。
多技能并行审稿
15 个审查技能并行执行，代码技能处理确定性问题，LLM Prompt 处理语义判断。
评分与风险评估
100 分扣分制评分，16 维风险画像，6 条一票否决规则。
生成报告与标注稿
HTML 初审报告、editor_explanation.html 决策追溯、标注 DOCX / PDF。
决策追溯
每条 Finding 可追踪到规则、风险和最终建议，形成完整证据链。
知识积累
审查发现沉淀为知识库，高频问题统计、违反规则排行、修改建议复用。
断点续跑
CheckpointManager 记录执行进度，中断后可从断点恢复，无需重跑。
规则版本管理
rules/v2026_1、v2026_2 规则包，支持差异对比和版本回滚。
不能做什么
明确的能力边界，不夸大、不隐瞒。
不能替代编辑判断
系统是编辑辅助工具，最终决策权始终在编辑手中。所有建议都需要编辑审阅和确认。
不能验证科学内容是否正确
系统检查格式、合规、一致性，但不判断科学发现的学术价值和正确性。
不能理解图片中的图像内容
当前仅处理文本，无法识别图表中的数据内容或图片中的视觉信息。
不能自动修改原稿
系统只生成标注和建议，不会修改作者的原稿正文。所有修改需人工操作。
不能保证 100% 准确
LLM 判断存在不确定性，代码规则覆盖范围有限。系统追求高召回率和可解释性，不追求零误报。
目前不提供在线服务
系统为本地命令行工具，需要 Python 环境和 API Key 配置。Web 界面是未来方向。
Sprint 路线图
从基础架构到可安装包 v0.1.0 的演进历程，以及下一阶段 Word 导出 PDF 质量优化方向。
基础架构
文档解析、分块、基础工作流框架搭建。
质量引擎
评分系统、严重度分级、Finding 结构化。
可靠性
故障隔离、断点续跑、错误恢复机制。
编辑合规
期刊范围匹配、地缘敏感性、合规检查。
编辑审查
学术逻辑、数据一致性、术语规范审查技能。
Schema 治理
Finding Schema 标准化、字段校验、容错解析。
规则引擎
代码规则体系、规则注册表、规则优先级管理。
Benchmark
金标准数据集、Precision / Recall / F1 评估、skill_scorecard。
验证
最近一次工程审计记录 770 个测试通过，覆盖规则、治理、追溯、导出等模块。
标注导出
DOCX 边栏批注、行内高亮、PDF 高亮便签、文末清单。
知识管理
知识库持久化、问题模式聚类、修改建议复用。
版本管理
规则包版本、差异对比、变更报告、回滚机制。
决策追溯
Finding → Rule → Risk → Decision 追溯链、editor_explanation.html。
知识智能
14 类 canonical category 聚类、高频问题统计、违反规则排行。
Finding 治理
重复检测、严重度规范化、建议合并、类别注册表、一致性评分。
打包与运维基线
可安装 Python 包、aipreview 控制台入口、发布工件构建、SHA256SUMS、备份恢复演练和运维 runbook。
未来方向
规划中的扩展方向，尚未实现。
Web 界面
从命令行工具扩展为可交互的 Web 应用，降低编辑部使用门槛。
多期刊配置
支持不同期刊的审查规则集和格式规范，可切换审查配置。
图像内容识别
识别图表中的数据内容，检查图表与正文数据的一致性。
编辑反馈闭环
编辑对 Finding 的采纳 / 驳回记录反馈到系统，优化规则和 Prompt。
多模型评估
支持多种 LLM 后端，对比不同模型在审查任务上的表现差异。
审稿历史统计面板
可视化展示历史审稿数据，发现期刊稿件的共性问题和发展趋势。