黑猫校对

问题

出版行业一本书几十万字，人眼校对又慢又容易漏。出版社需要的不只是一个“能改错”的工具，而是一条可审计、可追溯、能进入编辑流程的校对流水线。

做法

我们自研了出版级 AI 校对引擎，做了网页、Windows、Mac 三个客户端，并适配主流 Agent 工作流。引擎采用「多模型 + 规则层 + 评测集」的结构：不同模型负责不同错误类型，规则层兜住格式与术语，评测集保证每次升级都可量化。

结果

• 在 5 份真实书稿的质检横评中，专业性稿件差错率 12.2‰，处于第一梯队。
• 一轮引擎升级后，问题召回率从 47% 提升到 56%，调用成本从 2.76 元/万字 降到 1.64 元/万字（−41%）。
• 产品已在网页、Windows、Mac 三端上线，按出版级 Track Changes 输出。

边界

以上数字来自 2026-07 的指定样本与自研引擎对照实验，仅适用于相应样本，不代表所有书稿。不同稿件类型、校对标准和模型版本都会影响结果。