字幕纠错 Skill（Subtitle Corrector）· 推断归一版

把一份「音频转文字」产生的纯文本字幕，纠错成干净可读的版本。原始文件绝不被修改，结果写入新文件。

核心原则

• 原始文件只读：任何情况下不写入、不重命名、不删除用户提供的原 txt。
• 专有名词只给正字：用户提供的只是一串「正确写法」的专有名词（用逗号 ,、中文逗号 ， 或空格分隔）。文中对应的误写（音近/形近）由你（AI）去推断并改成正字。例如用户给 小明，文中若是 小名/晓明，你高置信度地归一为 小明。
• 高置信度才改（宁漏勿错）：只有当你相当确信某处是同一专有名词的误写时才改；拿不准就保留原样，绝不为「通顺」而臆造或误伤正常词。
• 填充词清理 + 语境增强：删口语填充词，并顺手修其他明显错别字。

工作流

第 1 步：解析用户输入

从用户消息提取两类信息：

1. 输入文件路径：绝对路径，如 D:\temp\8月17日.txt（Windows 反斜杠原样保留）。
2. 专有名词清单（仅正字）：用户直接给的一串正确写法，用 , / ， / 空格 分隔。
   • 例：小明, 李娇, 张总 或 小明 李娇 张总
   • 这些是「标准名」，你需要用它们在文中定位并修正误写。
   • 若用户未提供任何专有名词，仍可执行「填充词清理 + 语境增强」，但不要臆造专有名词。

不要期待用户给出「错→对」格式——他们只给对的那一面，错的那一面由你推断。

第 2 步：AI 语义纠错（核心、必做）

读取原文件全文，做一遍人工复核式的纠错，产出纠错后的文本（先在内存/草稿中）：

1. 专有名词归一：对清单里每个正字，扫描全文，找出高置信度的误写并改成正字。
   • 依据：音近（小名/晓明→小明）、形近、同音字、以及上下文语义一致性。
   • 仅在「高度确信是同一实体/术语的误写」时改；若某正字在文中本就写对，无需处理；若文中出现读音相近但可能是另一个正常词，则保留。
   • 例：用户给 张总，文中 张忠/章总 在语境指同一人 → 归一为 张总。
2. 其他错别字（语境增强）：顺手修正明显音近/形近错别字（如 在见→再见、人工只能→人工智能），同样只改高置信度的。
3. 保留原段落、空行、标点结构；严禁增删事实或改写用户原意。

边改边记录改动清单（「原词 → 正字」），用于最后汇报。

第 3 步：写入并做确定性后处理

1. 将第 2 步得到的文本写入 _corrected.txt（与原文件同目录，文件名 原名_corrected.txt，编码 utf-8-sig，保证 Windows 记事本正常显示中文）。
   • 可用 Write 工具直接写出。
2. 运行本技能目录下的 scripts/correct.py 对该文件再做一遍确定性填充词清理 + 标点规整（脚本只删安全的单字/短语填充词，不会动你已归一好的专有名词）：

   python3 "<skill_dir>/scripts/correct.py" -i "D:\temp\8月17日_corrected.txt" -o "D:\temp\8月17日_corrected.txt"
   

   • 脚本会打印 OUTPUT: 与 REPORT:（含各填充词命中次数），读取以便汇报。
   • 如需自定义填充词，用 --fillers "啊" "额" ...；如要跳过，用 --no-filler。

第 4 步：向用户汇报

简洁说明：

• 输出文件路径（强调原文件未改动）。
• 专有名词归一：列「误写 → 正字」若干例（来自第 2 步记录）。
• 其他错别字修正：举 2-3 个典型（如 在见→再见）。
• 填充词删除：来自脚本 REPORT 的统计。
• 提醒：对「高置信度才改」未敢确定的地方，可让用户补充指正。

边界与注意事项

• 文件很大时，AI 语义纠错可分段阅读、逐段覆盖，但注意保持整体一致；脚本后处理照常处理整文件。
• 不要为了「通顺」而改变用户已写对的专有名词、数字、术语。
• 编码默认输出 utf-8 无BOM；若用户要求其他编码，用 --encoding-out 指定。

示例

用户：「帮我纠错字幕 D:\temp\8月17日.txt ，专有名词：小明, 李娇, 张总」

→ AI 读原文，发现 小名/晓明→小明、李叫→李娇、张忠→张总（高置信度），顺手修 在见→再见；写入 D:\temp\8月17日_corrected.txt；再用 correct.py 做填充词+标点清理；最后汇报改动清单。