找出需要回听的字句,而不是把分歧自动润色掉
现在
常用
截至 11 月 4 日 · 项目源码和测试定义

把两套识别结果、数字和否定句的疑点连回原音频;需要时人工听审,让重要内容有依据地修正。

当前情况:已有带原音频的分歧复核页和片段笔记;能核对文件对应关系,不等于识别文字已经逐字正确。

项目技术事实核对于 2026-11-04(北京时间),按当时的 main(4598696)只读核对;具体测试保留各自日期,页面不实时探测运行状态。

项目源码:公开仓库

找出需要回听的字句,而不是把分歧自动润色掉
现在
常用
截至 11 月 4 日 · 项目源码和测试定义

把两套识别结果、数字和否定句的疑点连回原音频;需要时人工听审,让重要内容有依据地修正。

当前情况:已有带原音频的分歧复核页和片段笔记;能核对文件对应关系,不等于识别文字已经逐字正确。

项目技术事实核对于 2026-11-04(北京时间),按当时的 main(4598696)只读核对;具体测试保留各自日期,页面不实时探测运行状态。

项目源码:公开仓库

这项功能怎样使用

用途与实际影响

为什么需要它

顺滑的一句话也可能是模型补出来的;空白可能是真的安静,也可能是没识别到。要把重要数字和否定句留在原声音旁边复核,不能用润色掩盖疑点。

举个实际例子

“这里到底说的是十五还是五十?把两套结果和对应声音留给我看。”先列出真实分歧与时间位置,听不清就保留未知,不用语境顺口改成某一个数。

最后我会得到什么

拿到原结果、疑点和可回听位置;人工结论与模型输出分别保留,可重新核对。模型偶尔吐出的繁体只换成简体字形(“軟體”变“软体”),不换成另一种说法,所以正文里的词就是模型听到的词。疑难文件在免费期内另有云端稿并排放着,但云复核还没完成时,不算疑点已经解决。AI 直接上云转写的录音没有本地两路,就没有这份疑点清单;云端成功也不等于逐字准确,影响理解的地方仍回听原音。

正常时

录音与两路原结果都在,能把重要文字与回听位置对应起来时,交回可核对正文和疑点。

发现问题时

两路不一致、关键句可疑或只有一路成功时把文字标为待复核;可选解释不能覆盖原始结果。

入口不可用或证据不足时

原音或原始结果缺失时不从旧文档猜回证据;可选的补充解释不可用,也不影响已有本地识别结果。

这项功能怎样使用

用途与实际影响

为什么需要它

顺滑的一句话也可能是模型补出来的;空白可能是真的安静,也可能是没识别到。要把重要数字和否定句留在原声音旁边复核,不能用润色掩盖疑点。

举个实际例子

“这里到底说的是十五还是五十?把两套结果和对应声音留给我看。”先列出真实分歧与时间位置,听不清就保留未知,不用语境顺口改成某一个数。

最后我会得到什么

拿到原结果、疑点和可回听位置;人工结论与模型输出分别保留,可重新核对。模型偶尔吐出的繁体只换成简体字形(“軟體”变“软体”),不换成另一种说法,所以正文里的词就是模型听到的词。疑难文件在免费期内另有云端稿并排放着,但云复核还没完成时,不算疑点已经解决。AI 直接上云转写的录音没有本地两路,就没有这份疑点清单;云端成功也不等于逐字准确,影响理解的地方仍回听原音。

正常时

录音与两路原结果都在,能把重要文字与回听位置对应起来时,交回可核对正文和疑点。

发现问题时

两路不一致、关键句可疑或只有一路成功时把文字标为待复核;可选解释不能覆盖原始结果。

入口不可用或证据不足时

原音或原始结果缺失时不从旧文档猜回证据;可选的补充解释不可用,也不影响已有本地识别结果。

结果怎么看
正常时

录音与两路原结果都在,能把重要文字与回听位置对应起来时,交回可核对正文和疑点。

发现问题时

两路不一致、关键句可疑或只有一路成功时把文字标为待复核;可选解释不能覆盖原始结果。

入口不可用或证据不足时

原音或原始结果缺失时不从旧文档猜回证据;可选的补充解释不可用,也不影响已有本地识别结果。

结果怎么看
正常时

录音与两路原结果都在,能把重要文字与回听位置对应起来时,交回可核对正文和疑点。

发现问题时

两路不一致、关键句可疑或只有一路成功时把文字标为待复核;可选解释不能覆盖原始结果。

入口不可用或证据不足时

原音或原始结果缺失时不从旧文档猜回证据;可选的补充解释不可用,也不影响已有本地识别结果。

从哪里开始

要求标出重要录音里的数字、否定句和双模型分歧供回听。

需要准备什么
  • 要复核的原录音
  • 姓名、金额、日期等重点(如有)
从开始到拿到结果
1系统核对并处理
比较两路识别,将疑点连回原音时间;可听到的才据声音修正,不以流畅润色遮盖分歧。
2交付与接续
正文和疑点清单并存;原音缺失或仍听不清时保留未知。
从哪里开始

要求标出重要录音里的数字、否定句和双模型分歧供回听。

需要准备什么
  • 要复核的原录音
  • 姓名、金额、日期等重点(如有)
从开始到拿到结果
1系统核对并处理
比较两路识别,将疑点连回原音时间;可听到的才据声音修正,不以流畅润色遮盖分歧。
2交付与接续
正文和疑点清单并存;原音缺失或仍听不清时保留未知。
技术实现与依据(一)
这里保留实现、关键条件、精确入口、历史记录和验证结果。
本地质量复核页、片段笔记绑定与比较门已实现;原始证据完整不等于文字真值
关键规则与设计选择
1
静音出字和模板废话进入高风险复核。
2
空文本不再自动等于无语音。
3
主引擎失败会改变证据等级。
4
原来可选的 LLM 仲裁(默认关闭、只看结构化证据)10 月 20 日已随代码删除,现在不能再打开。
5
分歧只靠两路比对、风险规则和人工回听处理;两路 raw ASR(自动语音识别) JSON 只由两个识别引擎写出,之后不被改写。
6
基础转写从来不依赖大模型;删掉仲裁不改变正文、audit 和复核队列怎么生成。
7
内容文件与回执不一致时 verified 自动失效。
8
阅读从 *.strict.md 开始,不让用户先钻进 raw JSON。
技术实现与依据(一)
这里保留实现、关键条件、精确入口、历史记录和验证结果。
本地质量复核页、片段笔记绑定与比较门已实现;原始证据完整不等于文字真值
关键规则与设计选择
1
静音出字和模板废话进入高风险复核。
2
空文本不再自动等于无语音。
3
主引擎失败会改变证据等级。
4
原来可选的 LLM 仲裁(默认关闭、只看结构化证据)10 月 20 日已随代码删除,现在不能再打开。
5
分歧只靠两路比对、风险规则和人工回听处理;两路 raw ASR(自动语音识别) JSON 只由两个识别引擎写出,之后不被改写。
6
基础转写从来不依赖大模型;删掉仲裁不改变正文、audit 和复核队列怎么生成。
7
内容文件与回执不一致时 verified 自动失效。
8
阅读从 *.strict.md 开始,不让用户先钻进 raw JSON。
技术实现与依据(二)
9
*.strict.audit.md / .json 解释两路分歧,*.strict.review.json 与长流程 review.md 把最值得回听的位置排成队列。
10
receipt(执行回执) 只核对路径、大小、SHA-256、语义声明和 bundle hash(内容指纹);关键姓名、数字和争议句仍必须回到原音频核听。
当前怎样实现
  • risk_rules.py 保留静音出字、异常重复、繁体与格式等风险;实际差异比较另保留小数点、正负号、否定与关键项,正常说出的“字幕”“点赞”不单独成为删除或改写理由。两路文字比较前都经 text_normalizer 用 OpenCC t2s(不是会改地区用词的 tw2sp)只换繁简字形,没装 OpenCC 时的备用字表也只换字形,重复转换结果不变;“文字/文本”“文件/文档”“核心/内核”这类用词分歧照样留在对照里。
  • audit.py 汇总主/对照原始结果、错误和风险。
  • audio_outcome.py 正交表达 execution、coverage、quality 和 objective outcome。
  • strict_writer 分开写正文、audit、review、raw、客观结果和 receipt(执行回执);quality.review.json/html 再呈现上下文音频、时间和补充识别。复核失败只降低质量状态,不删除原正文、raw 或原审计。
  • 本地大模型仲裁(原 arbitration.py 和 configs/models.yaml 里的 llm_arbitration)10 月 20 日已删,11 月 4 日在 src 和 configs 里查不到这些名字。它原来默认关闭、只传结构化分歧证据、不读音频也不覆盖主转写,这里只留历史;现在分歧靠两路原始结果、风险规则、补充识别和人工回听。
  • 长音频 manifest(清单)/metrics 记录覆盖、身份和耗时;评测同时分开普通 CER、关键符号错误、静音出字、错误放行与复核负担,不能用整段高相似度掩盖金额或否定差异。
技术实现与依据(二)
9
*.strict.audit.md / .json 解释两路分歧,*.strict.review.json 与长流程 review.md 把最值得回听的位置排成队列。
10
receipt(执行回执) 只核对路径、大小、SHA-256、语义声明和 bundle hash(内容指纹);关键姓名、数字和争议句仍必须回到原音频核听。
当前怎样实现
  • risk_rules.py 保留静音出字、异常重复、繁体与格式等风险;实际差异比较另保留小数点、正负号、否定与关键项,正常说出的“字幕”“点赞”不单独成为删除或改写理由。两路文字比较前都经 text_normalizer 用 OpenCC t2s(不是会改地区用词的 tw2sp)只换繁简字形,没装 OpenCC 时的备用字表也只换字形,重复转换结果不变;“文字/文本”“文件/文档”“核心/内核”这类用词分歧照样留在对照里。
  • audit.py 汇总主/对照原始结果、错误和风险。
  • audio_outcome.py 正交表达 execution、coverage、quality 和 objective outcome。
  • strict_writer 分开写正文、audit、review、raw、客观结果和 receipt(执行回执);quality.review.json/html 再呈现上下文音频、时间和补充识别。复核失败只降低质量状态,不删除原正文、raw 或原审计。
  • 本地大模型仲裁(原 arbitration.py 和 configs/models.yaml 里的 llm_arbitration)10 月 20 日已删,11 月 4 日在 src 和 configs 里查不到这些名字。它原来默认关闭、只传结构化分歧证据、不读音频也不覆盖主转写,这里只留历史;现在分歧靠两路原始结果、风险规则、补充识别和人工回听。
  • 长音频 manifest(清单)/metrics 记录覆盖、身份和耗时;评测同时分开普通 CER、关键符号错误、静音出字、错误放行与复核负担,不能用整段高相似度掩盖金额或否定差异。
技术实现与依据(三)
1
日常先打开 outputs.final 指向的 *.strict.md,阅读正文并保留其中的 [疑似] / [听不清] 标记。
2
遇到标记、关键姓名数字或争议句时,打开 *.strict.audit.md 或 *.strict.audit.json,比较主/对照原文、相似度、规则命中、错误和选择依据。
3
长音频把各段 audit 合并成一份 merged audit;原来可选的“送本地 Ollama 仲裁”这一步 10 月 20 日已删。
4
两路 strict raw JSON 原样保留,合并只汇总、不改写基础结果。
5
再读 *.strict.review.json 的结构化队列,按可用时间区间回到原音频逐项核听;评测 / benchmark 的聚合复核队列另看 review.md。
6
需要追查模型到底返回什么时,分别打开主引擎和对照引擎的两路 *.raw.json,不把 raw 直接当最终稿。
  • metadata.py 与回执绑定输入、模型、六项严格内容制品、相对路径、大小、SHA-256 和 bundle hash(内容指纹)。
  • 质量HTML只播放本地音频,SenseVoice仅在不是原两路且有复核片段时补听;笔记导出绑定该片段和审计哈希,不能误用于别的录音。复核失败、quality_result.needs_review=null或lexical_truth_verified=false均保持明确,不伪装为没有疑点。
执行流程
技术实现与依据(三)
1
日常先打开 outputs.final 指向的 *.strict.md,阅读正文并保留其中的 [疑似] / [听不清] 标记。
2
遇到标记、关键姓名数字或争议句时,打开 *.strict.audit.md 或 *.strict.audit.json,比较主/对照原文、相似度、规则命中、错误和选择依据。
3
长音频把各段 audit 合并成一份 merged audit;原来可选的“送本地 Ollama 仲裁”这一步 10 月 20 日已删。
4
两路 strict raw JSON 原样保留,合并只汇总、不改写基础结果。
5
再读 *.strict.review.json 的结构化队列,按可用时间区间回到原音频逐项核听;评测 / benchmark 的聚合复核队列另看 review.md。
6
需要追查模型到底返回什么时,分别打开主引擎和对照引擎的两路 *.raw.json,不把 raw 直接当最终稿。
  • metadata.py 与回执绑定输入、模型、六项严格内容制品、相对路径、大小、SHA-256 和 bundle hash(内容指纹)。
  • 质量HTML只播放本地音频,SenseVoice仅在不是原两路且有复核片段时补听;笔记导出绑定该片段和审计哈希,不能误用于别的录音。复核失败、quality_result.needs_review=null或lexical_truth_verified=false均保持明确,不伪装为没有疑点。
执行流程
技术实现与依据(四)
7
用 *.strict.receipt.json 复核六项内容制品的相对路径、字节数、SHA-256、引擎声明和 bundle hash(内容指纹);任何不一致都使 evidence unavailable,但一致仍不证明文字正确。
8
长音频继续读 manifest.json 的输入/模型/切片/每段状态和 metrics.json 的耗时、相似度、风险;有人工 truth 的评测再读 benchmark.md 与 benchmark.json。
9
只有执行、覆盖、质量和正式负向证据都闭合时才判断无语音;否则保持 indeterminate 或 speech_detected_but_not_transcribable。
技术实现与依据(四)
7
用 *.strict.receipt.json 复核六项内容制品的相对路径、字节数、SHA-256、引擎声明和 bundle hash(内容指纹);任何不一致都使 evidence unavailable,但一致仍不证明文字正确。
8
长音频继续读 manifest.json 的输入/模型/切片/每段状态和 metrics.json 的耗时、相似度、风险;有人工 truth 的评测再读 benchmark.md 与 benchmark.json。
9
只有执行、覆盖、质量和正式负向证据都闭合时才判断无语音;否则保持 indeterminate 或 speech_detected_but_not_transcribable。
名词和入口
本模块用到的名词
名词意思
strict transcript(严格正文)*.strict.md 是给人先读的最终候选;其中的疑似和听不清标记不得被静默删掉。
strict audit(严格审计)Markdown 便于阅读,JSON 便于机器处理;两者保存两路原文、分歧、规则命中、错误和选择依据。
review projection(复核投影)*.strict.review.json 是单份严格结果的结构化队列;评测 / benchmark 的 review.md 再按 P0/P1/P2 汇总最值得人工复核的位置。
objective outcome只表达音频内容的客观状态,不混入执行和覆盖失败。
indeterminate(无法确定)当前证据不足,不能断言有语音或无语音。
evidence receipt列出六项严格内容制品的相对路径、大小、SHA-256、声明与 bundle hash(内容指纹);它不是签名、可信时间戳、文字真值或事实认证。
review queue(复核队列)按风险收集需要回听的句段,而不是让用户从头听完整录音。
evidence-only arbitration(只读证据仲裁,已删)以前可选的本地 LLM,只看不确定 chunk 的两路文字、相似度和规则给意见;从没默认开启,10 月 20 日连同代码删除。
专业定义

先读正文,再点开值得回听的差异;数字、否定和实际声音一起核对,补充模型不能替我改掉原始证据。

名词和入口
本模块用到的名词
名词意思
strict transcript(严格正文)
意思:
*.strict.md 是给人先读的最终候选;其中的疑似和听不清标记不得被静默删掉。
strict audit(严格审计)
意思:
Markdown 便于阅读,JSON 便于机器处理;两者保存两路原文、分歧、规则命中、错误和选择依据。
review projection(复核投影)
意思:
*.strict.review.json 是单份严格结果的结构化队列;评测 / benchmark 的 review.md 再按 P0/P1/P2 汇总最值得人工复核的位置。
objective outcome
意思:
只表达音频内容的客观状态,不混入执行和覆盖失败。
indeterminate(无法确定)
意思:
当前证据不足,不能断言有语音或无语音。
evidence receipt
意思:
列出六项严格内容制品的相对路径、大小、SHA-256、声明与 bundle hash(内容指纹);它不是签名、可信时间戳、文字真值或事实认证。
review queue(复核队列)
意思:
按风险收集需要回听的句段,而不是让用户从头听完整录音。
evidence-only arbitration(只读证据仲裁,已删)
意思:
以前可选的本地 LLM,只看不确定 chunk 的两路文字、相似度和规则给意见;从没默认开启,10 月 20 日连同代码删除。
专业定义

先读正文,再点开值得回听的差异;数字、否定和实际声音一起核对,补充模型不能替我改掉原始证据。

出问题时(一)
解决什么
解决流畅幻觉、空文本误判、双模型分歧被隐藏、结果文件被替换后仍显示通过,以及结构化回执被误当成外部真实性证明的问题。
边界
SHA-256 一致只能证明字节未变,不能证明文字正确。
verified 回执不能替代原音频和人工核听。
原来默认关闭的 Ollama 仲裁 10 月 20 日已删;基础链从来不依赖它,任何 LLM 偏好也不能当成原始证据或最终真值。
审计层不再调用本地大模型,不与两路 ASR(自动语音识别) 争抢显卡。
低分、空文本和失败必须分别表达。
公开仓库不包含任何用户结果包。
繁简规范化只统一字形,不把两路的用词改成同一种地区说法;用词差异仍是要人判断的证据。
失败与恢复
  • 正文存在但主证据引擎失败: 保留文本但标为 provisional,并列出 evidence failure。
出问题时(一)
解决什么
解决流畅幻觉、空文本误判、双模型分歧被隐藏、结果文件被替换后仍显示通过,以及结构化回执被误当成外部真实性证明的问题。
边界
SHA-256 一致只能证明字节未变,不能证明文字正确。
verified 回执不能替代原音频和人工核听。
原来默认关闭的 Ollama 仲裁 10 月 20 日已删;基础链从来不依赖它,任何 LLM 偏好也不能当成原始证据或最终真值。
审计层不再调用本地大模型,不与两路 ASR(自动语音识别) 争抢显卡。
低分、空文本和失败必须分别表达。
公开仓库不包含任何用户结果包。
繁简规范化只统一字形,不把两路的用词改成同一种地区说法;用词差异仍是要人判断的证据。
失败与恢复
  • 正文存在但主证据引擎失败: 保留文本但标为 provisional,并列出 evidence failure。
出问题时(二)
  • 正文出现 [疑似]: 保留标记,按 audit 的两路原文和 review 时间/chunk 回听原音频;人工确认前不把候选润色成确定事实。
  • 正文出现 [听不清]: 查看两路 raw、执行错误和客观结果,再回听原音频;它表示当前不能可靠转写,不等于没有语音。
  • 空文本且覆盖或执行不完整: 返回 indeterminate,不宣称无语音。
  • 回执引用的文件缺失、大小或指纹不符: 证据状态降为 unavailable,要求重新生成或恢复。
  • 两路模型对关键句冲突: 保留两路原始输出、audit 依据和时间位置,进入人工回听;没有时间戳时按长音频 chunk 或原文上下文定位并保留未知。
  • 想打开大模型仲裁: 这个开关 10 月 20 日已随代码删除,不能再开;分歧照常保留两路 raw、原 audit 与人工复核队列,按时间回听。
出问题时(二)
  • 正文出现 [疑似]: 保留标记,按 audit 的两路原文和 review 时间/chunk 回听原音频;人工确认前不把候选润色成确定事实。
  • 正文出现 [听不清]: 查看两路 raw、执行错误和客观结果,再回听原音频;它表示当前不能可靠转写,不等于没有语音。
  • 空文本且覆盖或执行不完整: 返回 indeterminate,不宣称无语音。
  • 回执引用的文件缺失、大小或指纹不符: 证据状态降为 unavailable,要求重新生成或恢复。
  • 两路模型对关键句冲突: 保留两路原始输出、audit 依据和时间位置,进入人工回听;没有时间戳时按长音频 chunk 或原文上下文定位并保留未知。
  • 想打开大模型仲裁: 这个开关 10 月 20 日已随代码删除,不能再开;分歧照常保留两路 raw、原 audit 与人工复核队列,按时间回听。
依据与来源(一)
真实入口
  • 双模型审计与风险汇总
  • 幻觉和格式风险规则
  • 执行、覆盖、质量和客观结果
  • strict 正文、audit、review、raw 与 receipt(执行回执) 成品写入
  • 内容制品与 sidecar(侧车文件) 写入
  • 输入、模型和制品身份
  • 人工 truth 对齐、指标与 benchmark/review 成品
  • 本地 Ollama evidence-only 仲裁已于 10 月 20 日删除(32df3b9:arbitration.py 及其测试)
依据与来源(一)
真实入口
  • 双模型审计与风险汇总
  • 幻觉和格式风险规则
  • 执行、覆盖、质量和客观结果
  • strict 正文、audit、review、raw 与 receipt(执行回执) 成品写入
  • 内容制品与 sidecar(侧车文件) 写入
  • 输入、模型和制品身份
  • 人工 truth 对齐、指标与 benchmark/review 成品
  • 本地 Ollama evidence-only 仲裁已于 10 月 20 日删除(32df3b9:arbitration.py 及其测试)
依据与来源(二)
  • 原 llm_arbitration 配置(uncertain_only、模型、11434 与 keep_alive=0)已随 32df3b9 删除
如何验证
  • audit、risk rules、audio outcome、result writer 和 metadata(元数据) 单元测试包含在2026-08-31 的 345 项通过结果中;之后另有 9 月 17 日运行 482 项(1 跳过)、9 月 24 日运行 495 项(1 跳过)、9 月 29 日运行 531 项(20 跳过)的具名历史记录,各自保留日期,不合并成一次新的全量通过。
  • strict writer 与 benchmark 测试覆盖成品文件名、两路 raw、review 投影、静音出字、空文本、partial coverage、回执损坏、模型失败和 truth 对齐。10 月 11 日的繁简改动新增 4 个测试定义(test_text_normalizer 2 个、test_audit 2 个,另改 1 个旧测试预期);当前共 592 个测试定义(11 月 4 日 08:36 数),这只是静态计数,没有执行。
  • test_arbitration.py 已随 32df3b9 删除;它以前覆盖默认关闭、结构化请求和无效响应回退,这些结果只算历史。
  • 没有任何自动测试能够代替关键片段人工核听,页面明确保留该缺口。
与其他模块的关系

模型、长音频和说话人模块产生的本地结果最终都经过本模块;AI 直接上云的稿件不经过两路审计。本地审计先落盘,其中的疑难信号会触发运行与边界模块的云复核交接:云端稿并排存放、只补充差异,不改写原审计,未完成的云复核也不能算作文字已核实。模块向用户说明证据强度,但不负责决定真实人物、外部事实或最终文字真值。

依据与来源(二)
  • 原 llm_arbitration 配置(uncertain_only、模型、11434 与 keep_alive=0)已随 32df3b9 删除
如何验证
  • audit、risk rules、audio outcome、result writer 和 metadata(元数据) 单元测试包含在2026-08-31 的 345 项通过结果中;之后另有 9 月 17 日运行 482 项(1 跳过)、9 月 24 日运行 495 项(1 跳过)、9 月 29 日运行 531 项(20 跳过)的具名历史记录,各自保留日期,不合并成一次新的全量通过。
  • strict writer 与 benchmark 测试覆盖成品文件名、两路 raw、review 投影、静音出字、空文本、partial coverage、回执损坏、模型失败和 truth 对齐。10 月 11 日的繁简改动新增 4 个测试定义(test_text_normalizer 2 个、test_audit 2 个,另改 1 个旧测试预期);当前共 592 个测试定义(11 月 4 日 08:36 数),这只是静态计数,没有执行。
  • test_arbitration.py 已随 32df3b9 删除;它以前覆盖默认关闭、结构化请求和无效响应回退,这些结果只算历史。
  • 没有任何自动测试能够代替关键片段人工核听,页面明确保留该缺口。
与其他模块的关系

模型、长音频和说话人模块产生的本地结果最终都经过本模块;AI 直接上云的稿件不经过两路审计。本地审计先落盘,其中的疑难信号会触发运行与边界模块的云复核交接:云端稿并排存放、只补充差异,不改写原审计,未完成的云复核也不能算作文字已核实。模块向用户说明证据强度,但不负责决定真实人物、外部事实或最终文字真值。

数字截至 2026 年 11 月 6 日

复制 AI 续作说明

项目:找出需要回听的字句,而不是把分歧自动润色掉;仓库:wlyaaaaa/ChineseASR;范围:整个项目;目标:(这里写这次要做的事)。先读项目的 AGENTS.md 和说明,按现行规则做。

把“目标”换成这次要做的事,整段复制给 AI。