paeg-lang-style

Deutsch | English

Was ist das?

paeg-lang-style ist ein Modul für chinesische Sprachstandards – Drei-Schichten-Architektur (Nutzeranforderung):

Stammt aus dem PAEG-Bildungsagenten (Iterationen v0.12–v0.71), umgebaut zu einem host-unabhängigen eigenständigen Plugin – jedes Python-Projekt kann es anbinden.

Related MCP server: Chinese Sensitive Words MCP Server

Kernfunktionen

• Erweiterbarer Regelsatz: Regeln extern in data/rules.json, Anhängen lädt sie sofort nach (RuleRegistry)

• Allgemeine Regeln steuern das LLM: Vollständige Lexik/vollständige Syntax/ausreichende Adverbiale als allgemeine Regeln lassen das LLM generalisieren, statt Wort für Wort zu memorieren (vermeidet die Engstirnigkeit von „nur 倦 zu 疲倦 zu optimieren")

• Deterministische Absicherung: Explizite Regeln („我在这里听着你。"→„我就在这里听你说说。") als Schutz, falls das LLM nicht gehorcht

• Regel-ID-Feedback-Schleife: Umschreibungs-Feedback trägt „Verstoß gegen #rule-lx-001", bildet eine Regel-Generierung-Feedback-Schleife

• Dynamische Verbotsvokabular-Datenbank: Laufzeit-Hinzufügen/-Entfernen + externes JSON-Hot-Reload

• Injektions-Design: chat_fn wird erzwungen injiziert – binde deinen eigenen LLM-Aufruf an, null Host-Kopplung

• Drei Profile: general / teaching / confessional – System-Prompts je nach Szenario zusammensetzen

• KI-Geschmack-Erkennung: 5-dimensionale Signale: Satzlängen-Variation/Übergangswort-Dichte/Dreiteiligkeit/Gedankenstrich/Absatz-Symmetrie

• 8+ Syntaxregeln: GB/T 15834-Interpunktionsnorm + sechs Kategorien fehlerhafter Sätze + Normen für Unterrichtssprache

• 75 Tests alle grün + 20 Abschnitte Verhaltenskonsistenz (String-Gleichheit vs. PAEG-Originalimplementierung)

Installation

# 方式 1：pip 安装（推荐）
pip install -e /path/to/paeg-lang-style-plugin

# 方式 2：直接引用（零安装）
# 把 src/ 加入 sys.path 即可
import sys
sys.path.insert(0, "/path/to/paeg-lang-style-plugin/src")

Erfordert Python 3.9+. Null Abhängigkeiten von Drittanbietern zur Laufzeit.

Als MCP-Server anbinden (wie MCP direkt installieren und nutzen)

Barrierefreiheitsstandard (§3.109): Jedes Projekt kann nach pip install durch eine Deklaration in der MCP-Client-Konfiguration angebunden werden – Null-Code-Brücke, Null-Host-Abhängigkeit.

# 方式 1：console_scripts 入口（pip install 后）
paeg-lang-style-mcp

# 方式 2：python -m 入口（源码运行）
python -m paeg_lang_style.mcp_server

MCP-Client-Konfigurationsdeklaration (z. B. config/mcp_servers.json):

{
  "mcpServers": {
    "paeg-lang-style": {
      "command": "python",
      "args": ["-m", "paeg_lang_style.mcp_server"],
      "cwd": "D:/wbo-workspace/paeg_project/paeg-lang-style-plugin"
    }
  }
}

Bereitgestellte MCP-Tools (7):

Schnellstart

Drei Schritte: Installieren → Prompt zusammensetzen → Ausgabe verarbeiten.

from paeg_lang_style import RuleRegistry, make_refiner, gate_content

# Step 1: 语法规则拼进你的系统提示词（谁用都拼）
system_prompt = "你是教育智能体，负责讲解数学概念。"
system_prompt += RuleRegistry().build_prompt("teaching")   # 通则层指挥 LLM

# Step 2: 注入你的 LLM 调用（改写脚本）
def my_llm(system, user, max_tokens=800, **kw):
    return call_my_llm_api(system, user, max_tokens=max_tokens)

refiner = make_refiner(chat_fn=my_llm)

# Step 3: LLM 输出后处理（L0 规则 + L2 重写）
raw_output = "总的来说，让我们一起赋能这个时代！"
clean = gate_content(raw_output, refiner=refiner)
# → "我们把这个时代里的每一个孩子，把他们的潜能一步步唤起。"

Inhaltsverzeichnis

• Kernkonzepte

• Anbindungsleitfaden für externe Projekte

• Erweiterbarkeit

• Wartbarkeit

• Integrierte Syntaxregeln

• Verbotsvokabular-Datenbank

• API-Referenz

• Konfigurationsreferenz

• Architekturdesign

• Integration mit dem PAEG-Hauptprojekt

• Tests

• Beitragsleitfaden

• Änderungsprotokoll

• Lizenz

Kernkonzepte

Drei-Schichten-Architektur + Regelsatz-Datenmodell – Erweiterbarkeit durchgängig an drei Stellen: Regeldefinition/Erkennung/Prompt-Generierung:

graph LR
    A[LLM 生成文本] --> B[gate_content 守门]
    B --> C{L0 规则检测}
    C -->|命中列举层| D[确定性替换<br/>听着你→听你说说]
    C -->|通则触发| E[L2 refiner.refine<br/>chat_fn 注入 LLM]
    E --> F[反馈带规则 ID<br/>违反 #rule-lx-001]
    F --> G[多轮 Self-Refine]
    D --> H[输出]
    G --> H
    H --> I[收口: 规则再跑一遍]

Regel-Datenmodell (Rule – externes JSON erweiterbar):

{
  "id": "rule-lx-general-001",
  "type": "general",
  "category": "lexical",
  "pattern": "(倦|乏|沉|累|苦|慌|虚|弱|低|烦|闷|困|急|乱)",
  "replacement": null,
  "message": "存在单字状态词——应扩展为完整双字词形",
  "prompt_block": "### 词法完整通则（指挥 LLM 泛化）...",
  "severity": "high",
  "enabled": true,
  "source": "builtin",
  "profile_tags": ["general", "teaching", "confessional"]
}

• type: "general" (Allgemeine Ebene): prompt_block wird in den System-Prompt eingefügt und weist das LLM zur Generalisierung an – „Alle einstelligen Adjektive, die Zustand/Gefühl ausdrücken, werden grundsätzlich zur vollständigen zweistelligen Wortform erweitert (倦/乏/沉/累/苦/慌/虚/弱/低/烦/闷/困/急/乱)". Das LLM generalisiert selbst auf nicht aufgeführte Wörter, statt nur „倦→疲倦" zu korrigieren.

• type: "explicit" (Explizite Ebene): pattern + replacement als deterministische Absicherung – letzte Verteidigungslinie, wenn das LLM nicht gehorcht.

Anbindungsleitfaden für externe Projekte

Nutzeranforderung: Jedes Projekt/jeder Agent, der unser Syntaxregel-Modul nutzen möchte – wie geht das?

Szenario A: Nur „Syntaxregel-Constraint" nutzen (System-Prompt)

from paeg_lang_style import RuleRegistry

# 语法规则拼进自己的系统提示词（谁用都拼）
system = "你是我的客服机器人。"
system += RuleRegistry().build_prompt("general")   # 或 "teaching" / "confessional"

Die von build_prompt(profile) zurückgegebenen Regel-Ausschnitte (Allgemeine Regel vollständige Lexik/Allgemeine Regel vollständige Syntax/Allgemeine Regel ausreichende Adverbiale/Interpunktionsnorm) direkt in den System-Prompt deines LLM einfügen. Das ist das Wesen von „das LLM zur Verwendung vollständiger Wörter anweisen" – ohne Abhängigkeit von unserem Umschreiber.

Szenario B: „Umschreibungs-Skript" zur Verarbeitung der LLM-Ausgabe nutzen

from paeg_lang_style import make_refiner, gate_content

# 注入你自己的 LLM 调用包装（chat_fn 强制注入，零宿主耦合）
def my_chat(system, user, max_tokens=800, **kw):
    return call_your_llm(system, user, max_tokens=max_tokens)

refiner = make_refiner(chat_fn=my_chat)
clean = gate_content(your_llm_output, refiner=refiner)   # L0 规则 + L2 重写
# 纯规则（不调 LLM）：
clean = gate_content(your_llm_output)                    # 病句/违禁词确定性修正

Szenario C: „Verbotsvokabular-Datenbank" nutzen

from paeg_lang_style import ForbiddenWords

fb = ForbiddenWords()                     # 内置违禁词（AI 腔/空洞大词/伪共情/网络用语）
fb.load_json("my_words.json")             # 合并你自己的词库（动态扩充）
fb.add("你们公司的禁词")                  # 运行时新增
hits = fb.detect(text)                    # → ["禁词1", "禁词2"]

Szenario D: Regeln erweitern (Erweiterbarkeit)

data/rules.json bearbeiten, eine Regel anhängen lädt sie sofort nach:

{
  "rules": [
    {
      "id": "rule-my-001",
      "type": "explicit",
      "category": "lexical",
      "pattern": "你们行业的黑话",
      "replacement": "规范说法",
      "message": "这是行业黑话，应改规范",
      "severity": "medium",
      "enabled": true,
      "source": "user",
      "profile_tags": ["general"]
    }
  ]
}

reg = RuleRegistry()
reg.load("data/rules.json")    # 合并（追加即生效）
reg.watch("data/rules.json")   # mtime 变更自动热重载
reg.check_reload()             # 每次调用前检查

Szenario E: Vollständige Anbindung (inkl. Regel-ID-Feedback-Schleife)

from paeg_lang_style import RuleRegistry, make_refiner, gate_content, get_style_prompt

# 1. 系统提示词（规则 + 风格）
system = get_style_prompt("all") + "\n" + RuleRegistry().build_prompt("general")

# 2. 改写器（规则检测 → 反馈带 ID → 重写）
refiner = make_refiner(chat_fn=my_chat)

# 3. 守门（L0 规则 + L2 重写 + 收口）
final = gate_content(raw, refiner=refiner)

Erweiterbarkeit

Wartbarkeit

• Null Host-Abhängigkeit: Importiert keine Module des Host-Projekts, unabhängig testbar

• Alt-API-Kompatibilität: rules.py/rules_enhanced.py bleiben als dünne Wrapper, abwärtskompatibel

• 75 Tests: Vollständige Abdeckung von Regelsatz-Laden/Hot-Reload/Erkennung/Zusammenbau/Nutzererweiterung/Beschädigungstoleranz

• Verhaltenskonsistenz: 20 Stichproben vs. PAEG-Originalimplementierung String-Gleichheit (null Drift)

• Beschädigungstoleranz: Bei beschädigtem JSON bleibt der vorherige Regelsatz erhalten, niemals „leer laufen"

• Aufblähungsschutz: token_budget steuert die Länge des System-Prompts (Standard 800)

• Klares Muster: Allgemeine Ebene (steuert das LLM) und explizite Ebene (deterministische Absicherung) mit getrennten Zuständigkeiten

Integrierte Syntaxregeln

Details zur Allgemeinen Regel „Ausreichende Adverbiale" (rule-sx-general-002, vom Nutzer hinzugefügt):

Jede Handlung/jedes Urteil mit ausreichenden Adverbialen klar machen – Zeit, Ort, Art, Bedingung, Objekt, Zweck. „复习单词。" → „你可以在每天睡前用十分钟复习单词。" „使用这个软件。" → „你可以在每天固定的时间使用这个软件。"

Verbotsvokabular-Datenbank

Erweiterungsmethode: ForbiddenWords().load_json("path.json") – JSON-Struktur {"extra_forbidden": [...], "ai_tells_extra": [...]}.

API-Referenz

RuleRegistry

LanguageRefiner / make_refiner

gate_content / gate_short

ForbiddenWords

get_style_prompt

Konfigurationsreferenz

Umgebungsvariablen

data/-Dateien

Architekturdesign

宿主系统（任何 Python 项目 / 智能体）
  system_prompt += RuleRegistry().build_prompt()    <- 语法规则拼系统提示词（谁用都拼）
  gate_content(output, refiner=make_refiner(chat))  <- 输出后处理
        |
        | 零宿主依赖（不 import 宿主任何模块）
        v
paeg_lang_style（独立插件）
  +------------------+  +-----------------+  +-----------------+
  | rule_registry    |  | forbidden.py    |  | ai_taste.py     |
  | 可扩充规则集      |  | 动态违禁词库     |  | AI 味检测        |
  +--------+---------+  +--------+--------+  +--------+--------+
           |                    |                     |
           v                    v                     v
  +-----------------------------------------------------------+
  | refiner.py（改写脚本：chat_fn 注入 + 规则 ID 闭环）           |
  | gate.py（守门入口：L0+L2 编排）                              |
  +-----------------------------------------------------------+
  data/（rules.json / forbidden_words.json / 语料）

Integration mit dem PAEG-Hauptprojekt

Der PAEG-Bildungsagent bindet über die einzige Adapterschicht infra/lang_plugin_bridge.py an (R18/R20-Null-Bruch-Eisernes-Gesetz):

from infra.lang_plugin_bridge import gate_content, get_style_prompt, make_refiner
# 插件挂载 → 走插件；插件未挂载 → 静默回退 PAEG 原实现（旧文件永不删除）

Siehe docs/integration_paeg.md.

Tests

python -m pytest tests/ -q
# 75 项：规则集加载/热重载/检测/拼装/用户扩充/损坏容错 + 通则 + 充分状语 + 行为一致性

Beitragsleitfaden

Beiträge sind willkommen! Bitte lies CONTRIBUTING.md (in Arbeit), um zu erfahren:

• Neue Grammatikregeln: Bearbeite data/rules.json und füge Rule hinzu (mit Tests)

• Verbotene Wörter hinzufügen: ForbiddenWords.load_json oder direkt einen PR für die integrierte Wortliste einreichen

• Code-Stil: bestehende Modulstruktur + Kommentarkonventionen befolgen

Änderungsprotokoll

Siehe CHANGELOG.md.

Danksagungen

• PAEG-Bildungsagent (Iterationen v0.12-v0.71) — Dieses Plugin wurde aus seinem Sprachspezifikationsmodul extrahiert

• LanguageTool — Paradigma der deklarativen Regel-Engine (dev.languagetool.org)

• textstat — Paradigma der Lesbarkeitsmessung (github.com/textstat/textstat)

• GB/T 15834-2011 „Verwendung von Satzzeichen“ — Nationaler Standard für Zeichensetzungsregeln

• Agent Skills Standard — Paradigma der progressiven Offenlegung (agentskills.io)

Lizenz

MIT © 2026 PAEG Team — Näheres siehe Datei LICENSE.