lexaudit

lexaudit

查找文本中奇怪、错误或从其他语言照搬的词语，并告诉你应该先修正哪些页面。

通俗地说

你会撰写或翻译文章、课程或文档。普通拼写检查器会对每个品牌名、缩写和长德语词大呼小叫，却仍会漏掉真正有害的词：从另一种语言照搬过来的词（“仿译词”）、含义用错的真实词（“假朋友词”），或某人杜撰出来的词。

lexaudit 会读取你的文件，忽略无关紧要的内容，并给出一份简短的排序列表：“先看看这个页面。”它能在普通笔记本电脑上约一秒内运行。无需显卡、互联网或账号。

它只会报告问题，绝不会修改你的文本。

不认识的术语？请参阅术语表。
0.3.0 的准备与发布流程：docs/p1-INDEX.md。

• 语言：英语（en）、德语（de）、西班牙语（es）、波兰语（pl）、俄语（ru）、瑞典语（sv）、乌克兰语（uk）
• 硬件：仅 CPU
• 作者：Vadim Nareyko（github.com/nareyko，Arviser Sp. z o.o. 创始人）
• 许可证：双重许可，MIT 软件包和 AGPL-3.0-or-later 托管 SaaS（详情）

---

30 秒快速试用

pipx run lexaudit audit --path . --locale en --check
# or: uvx lexaudit audit --path . --locale en --check

缺少的拼写词典会自动下载到用户缓存中。无需 GPU，也无需配置文件。退出代码 1 表示仍有已确认的仿译词或杜撰词。

可选辅助命令：lexaudit doctor、lexaudit fetch-dicts、lexaudit init。

检查单个文件或整个项目

# One file or folder, no settings file needed
uv run lexaudit audit --path ./README.md --locale en

# Or create starter settings first, then check everything
uv run lexaudit init
uv run lexaudit audit --locale en

打开报告

报告位于输出文件夹中，每种语言各有一个子文件夹。先查看 queue.md：

| score | unique_suspects | path | top_words |
|---|---|---|---|
| 12.0 | 2 | docs/en/en-04-defect-known-calques.md | orientir surveyness |
| 6.0 | 1 | docs/en/en-05-defect-false-friend.md | denseness |
| 1.6 | 2 | docs/en/en-03-clean-unseen-jargon.md | vinylester haulout |

分数越高，表示“越应该先查看”。top_words 显示了影响分数的词语。

查看某个词为何被标记

uv run lexaudit explain orientir --locale en

word: orientir (normalized: orientir, locale: en)
status: calque (tier: confirmed)
reason: loan-calque-orientir | detectors: calque, hunspell
editorial hint: working rule / ballpark / figures - not orientir

重现我们的测试结果

uv run lexaudit audit --config examples/synthetic-demo/lexaudit.config.yaml

然后打开 tmp/synthetic-demo-out/<language>/queue.md。

---

效果有多好？如实说明

我们用全部 7 种语言构建了一个包含 42 个页面的测试集：21 个干净的技术页面，以及 21 个植入问题的页面。有些问题为规则所知，有些则是规则从未见过的新词。详情：docs/synthetic-benchmark.md。

配置	前 2 名中有问题的页面	前 3 名中有问题的页面	Recall@2	Recall@3	MAP（0 到 1，越高越好）	找到的已知问题	找到的全新新词	植入问题总计	干净页面误报数 / 每 1k 个词元	耗时
A. 普通拼写检查器	0.0%	23.8%	0.0%	23.8%	0.389	0.0% (0/26)	0.0% (0/7)	0.0% (0/33)	81.2	0.48 s
B. 加上你的词表	7.1%	23.8%	4.8%	23.8%	0.421	0.0% (0/26)	0.0% (0/7)	0.0% (0/33)	47.1	0.56 s
C. 完整版 lexaudit	100.0%	100.0%	66.7%	100.0%	1.000	100.0% (26/26)	100.0% (7/7)	100.0% (33/33)	47.1	2.97 s

这意味着：

• 每种语言中，有已知问题的页面都会排在前面。普通拼写检查器则会把干净页面排在前面。
• 已知规则问题：100.0%（26/26）。未见过的单次出现新词（Zipf + 字符 n-gram / 词缀粘合）：100.0%（7/7）。植入问题总计（实际占比）：100.0%（33/33）。
• 每种语言恰有 3 个有问题的页面时，如果前 2 个位置都是问题页面，Recall@2 为 66.7%（Precision@2 = 100.0%）。Precision@3 / Recall@3 均为 100.0%（单次出现的杜撰词排名高于反复出现的领域术语）。
• 干净页面误报：每 1000 个词元中有 47.1 个独特的标记词（36 个独特误报 / 764 个词元）。
• 在页面中反复出现（或位于 H1/标题中）的领域术语会标记为 domain-term-candidate，在排名中的权重几乎为零，并列在“建议添加到术语表”之下。

---

文档

从 docs/README.md 开始。

指南	你将了解
术语表	用通俗语言解释每个术语
基准测试	逐步了解这项 42 页测试
架构	输入什么，输出什么
流水线	每个词都要通过的关卡
CLI 参考	所有命令
Agent 工作流	从报告到修复页面
评分与指标	页面评分方式

---

更多命令

# Re-rank pages, filter by source (docs, academy, model_pack)
uv run lexaudit rank --locale ru --mode weighted --sources=docs

# Add every page that contains a known bad word to your to-do list
uv run lexaudit expand-needle --needle orientir --locale all \
  --write-queue /abs/path/to/rewrite-queue.md

# Optional: ask a language model for a second opinion (your own endpoint)
uv run lexaudit label --locale ru --top-pages 20 --top-words 50 --tiers likely,weak --profile cpu

# Compare two runs
uv run lexaudit diff --baseline .../report.json --current .../report.json --out /tmp/diff.json

---

贡献者须知

设置与检查：

uv sync --extra dev
uv run ruff check . && uv run ruff format --check .
uv run mypy --strict src/
uv run pytest
uv run python scripts/crap_report.py
uv run mutmut run && uv run python scripts/check_mutation_score.py --min-percent 80
uv build

测试层：单元测试与集成测试（分支覆盖率不低于 80%）、7 种语言的基准测试、基于属性的模糊测试（Hypothesis）、黄金回归测试（只读检查你的文件）、JSON Schema 契约、复杂度关卡（CRAP）、变异测试（杀死率不低于 80%）。

docs/images 中的图片由代码生成：运行 python scripts/render_diagrams.py（需要 Inkscape 和 Pillow）。切勿手动编辑 JPG 文件。

许可证

内容	许可证
PyPI / 此仓库的代码（CLI、库、YAML 规则、包）	MIT — 根据 MIT 许可，可用于产品和私有 SaaS
计划中的未来托管式多租户网络服务（本项目未提供）	政策文本：AGPL-3.0-or-later — 不是 MIT wheel 的第二份许可证
基准测试语料库和获取的拼写词典	LICENSE-THIRD-PARTY.md + 上游 *.license.txt

完整条款：docs/licensing.md。添加规则：docs/contributing-rules.md。

起源与作者

由 Vadim Nareyko (github.com/nareyko) 创建并维护。项目源自对 FairHelm 多语言课程和百科全书的审查。