公众号违禁词检测
执行完整检测、分批询问、结果版式与文件交付前，必须先读取并严格遵循同目录 references/core_workflow.md（输出模板、输出铁律、示例与注意事项全文在该文件中）。
简介
面向需要在微信公众号场景下预审文案合规的作者与运营：一键识别违禁词、给出可替换说法，并生成仅替换违禁词后的优化稿。
通过本 Skill，你可以：
- 🔍 合规透视：对原文中标出的违禁词做红字标注（HTML），并汇总类型与数量（平台固定为公众号）。
- 💡 可执行改写：逐词给出替换建议与理由；优化文案仅替换违禁词，允许为通顺微调连接成分并用蓝色标出。
- 📄 可下载交付：在检出违禁词时，将无 HTML 的纯文本优化稿写入
./公众号_优化文案_{随机6位数字}.txt并以卡片发送（细则见核心文档）。
适用于公众号运营、新媒体编辑、品牌内容审核等需要在发文前自查违禁表述的场景。运行依赖见 frontmatter dependency；在项目根目录执行下文命令。首次部署须配置违禁词检测 API 接入点：设置 GZH_SENSITIVE_WORD_API_HOST，或使用 GZH_SENSITIVE_WORD_API_CONFIG / scripts/gzh_sensitive_word_api.json（示例见 scripts/gzh_sensitive_word_api.example.json）；详见 references/core_workflow.md「前置准备」。
功能特性
核心能力
- 多输入源：直接粘贴文本；或 TXT / DOC / DOCX 等文本类文件（脚本提取）；或网页 URL（Playwright 渲染，失败时脚本回退静态抓取）；图片需由模型先 read_image 仅提取文字再以文本检测。
- 一站脚本：
scripts/check_sensitive_words.py；--content/--file/--url三者互斥，单次只传其一；--extract-only仅返回content与length，用于长文分支判断。 - 字数规则（须可被模型识别）：接口单次 3000 字符；全稿建议上限 10000 字符——超过 10000 不检测并提示用户手动分批；3001～10000 必须先问用户选「只测前 3000」「按 3000 分批全测」「取消」，禁止未答复继续。
- 固定交付形态：有违禁词时按核心文档的三板块输出；无违禁词（
word_count=0）仅输出检测结果板块且不写文件（见核心文档）。
特色亮点
- 分批切割：用户选择分批时，在自然断句处切批，每批 ≤3000 字符；多批完成后须按原文顺序汇总一份完整优化 txt，不得漏批。
- 脚本侧容错：网络 5xx / 超时等由脚本自动重试（最多 2 次）；英文单词内子串误命中由脚本过滤，模型无需再判。
使用指南
基础使用（5 步）
第 1 步：加载核心流程
打开 references/core_workflow.md，对照其中的「操作步骤」「输出模板」「输出格式铁律」「注意事项」执行，不得删减板块或跳过写文件 / 发卡片（检出违禁词时）。
第 2 步：识别输入类型并提取（如需）
| 用户给出 | 先做 |
|---|---|
| 纯文案 | 统计字符数，按 3000 / 10000 规则分支 |
| 文本文件 | python scripts/check_sensitive_words.py --file=<路径> --extract-only |
| 网页 | python scripts/check_sensitive_words.py --url=<URL> --extract-only |
| 图片 | read_image 仅取文字，再按文本流程 |
未明确是文件还是 URL 时：追问或依据附件类型判断；勿臆造路径。
第 3 步：按字数分支调用检测
- ≤3000：直接
python scripts/check_sensitive_words.py --content="..."（或用文件/Web 提取后的全文若 ≤3000）。 - 3001～10000：先发核心文档规定的 1 / 2 / 3 选项提问，等待回复后再调用脚本。
- >10000：仅提示用户手动分批，不执行脚本检测。
分批检测时每批使用 --content="该批正文"；禁止单次混传 --content 与 --file/--url。
第 4 步：解析 JSON 并按模板输出
严格使用核心文档中的三板块标题与顺序；禁止直接打印原始 JSON。word_count=0 时仅输出第一板块合规提示（见核心文档）。
第 5 步：写入优化文案文件（有条件）
检出违禁词后：生成 ./公众号_优化文案_{随机6位数字}.txt（内容与「建议优化文案」一致但去除全部 HTML），实际落盘并以文件卡片发给用户；分批时汇总全文后再写一份。
对话示例
用户：帮我看下这篇公众号草稿有没有违禁词。（粘贴 800 字） 助手：已按公众号规则检测；随后输出三板块；若有违禁词则写入
公众号_优化文案_xxxxxx.txt并发送下载卡片。
用户：这个 docx 帮我过一遍。（上传文件） 助手：先用
--file=... --extract-only取全文与 length，再按 3000/10000 规则决定是否追问 1/2/3，再检测。
常用命令速查
| 命令示例 | 作用 |
|---|---|
python scripts/check_sensitive_words.py --content="正文" | 直接检测 ≤3000 字片段或某批正文 |
python scripts/check_sensitive_words.py --file=/path/to/a.docx --extract-only | 仅提取文本与 length |
python scripts/check_sensitive_words.py --file=/path/to/a.txt | 文件路径检测（短文本） |
python scripts/check_sensitive_words.py --url=https://example.com --extract-only | 仅抓取网页正文与 length |
python scripts/check_sensitive_words.py --url=https://example.com | URL 短正文直接检测 |
说明：--content、--file、--url 每次只用其一；检测平台在脚本内固定为公众号，不可切换。
使用场景
| 场景 | 角色 | 需求描述 | 使用方式 |
|---|---|---|---|
| 发文前自检 | 公众号运营 | 避免推文因违禁词被拦或删改 | 粘贴正文或上传 DOCX；按输出调整替换；下载优化 txt |
| 落地页抽查 | 市场 / 增长 | 检查活动页文案是否踩线 | 提供 URL；--extract-only 后按字数规则检测 |
| 批量物料预审 | 新媒体编辑 | 多篇短文或单篇长文分段合规 | 长文触发 1/2/3 询问；选 2 则按 3000 字分批并汇总 txt |
| 图片海报字稿 | 设计师协作 | 图上文字需可达规 | read_image 提取字幕后按 --content 流程 |
注意事项与边界
- 必读：输出样式、铁律、零命中时的输出范围、文件命名与卡片发送等完整规则以 references/core_workflow.md 为准；本页参数摘要不能替代该文档。
- API 配置：检测请求发往由部署方配置的 HTTPS 端点（环境变量或
scripts/gzh_sensitive_word_api.json），公开 Skill 包内不含第三方域名；未配置时脚本拒绝调用并返回说明，避免误连未知服务。 - 数据与诚实：结果来自脚本调用的检测接口；不得伪造
word_count、违禁词列表或 JSON 字段。 - 字数阈值：3000（单次调用上限 / 分批粒度）、10000（自动流程上限，超出中止）；3001～10000 必须先用户选择，不得默认替用户选。
- 文件类型：支持常见文本与 Word；不支持 PDF；图片不走
--file文字提取路径，须 OCR 后走--content。 - 执行环境：仅在主 Agent执行；子 Agent / 子任务中不要启用本 Skill。
- 后续对话：检测完成后用户若追问替换词、复测或规则解释，可正常应答（见核心文档「注意事项」末条）。