paeg-lang-style

中文 | English

Что это такое

paeg-lang-style — это модуль норм китайского языка — трёхуровневая архитектура (требование пользователя):

Происходит из образовательного агента PAEG (итерации v0.12–v0.71), переработан в независимый плагин без зависимостей от хоста — подключается к любому Python-проекту.

Related MCP server: Chinese Sensitive Words MCP Server

Ключевые возможности

• Расширяемый набор правил: правила вынесены в data/rules.json, добавление = горячая загрузка (RuleRegistry)

• Общие принципы управляют LLM: общие принципы лексической полноты/синтаксической полноты/достаточных обстоятельств заставляют LLM обобщать, а не запоминать слово за словом (избегая узости «оптимизировать только 倦→疲倦»)

• Детерминированный запасной вариант: правила уровня перечисления («我在这里听着你。」→「我就在这里听你说说。」) на случай непослушания LLM

• Замкнутый цикл обратной связи по ID правил: обратная связь при переписывании содержит «нарушено #rule-lx-001», образуя цикл правило-генерация-обратная связь

• Динамический словарь запрещённых слов: добавление/удаление во время выполнения + горячая загрузка внешнего JSON

• Инъекционный дизайн: chat_fn принудительно инъецируется — подключаете собственный вызов LLM, нулевая связность с хостом

• Три профиля: general / teaching / confessional — сборка системного промпта по сценарию

• Детекция AI-стиля: 5 сигналов — вариативность длины предложений/плотность переходных слов/трёхчастная структура/тире/симметрия абзацев

• 8+ грамматических правил: стандарт пунктуации GB/T 15834 + шесть типов ошибочных предложений + нормы педагогической речи

• 75 тестов все зелёные + 20 фрагментов поведенческой согласованности (строковое равенство с исходной реализацией PAEG)

Установка

# 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")

Требуется Python 3.9+. Ноль сторонних зависимостей во время выполнения.

Подключение в качестве MCP-сервера (установка как MCP — сразу готово к использованию)

Стандарт доступности (§3.109): любой проект после pip install объявляет конфигурацию в MCP-клиенте и подключается — нулевой код-мост, нулевая зависимость от хоста.

# 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

Объявление конфигурации MCP-клиента (например, 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"
    }
  }
}

Предоставляемые MCP-инструменты (7 шт.):

Быстрый старт

Три шага: установка → сборка промпта → обработка вывода.

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。"

Содержание

• Ключевые концепции

• Руководство по подключению внешних проектов

• Расширяемость

• Сопровождаемость

• Встроенные грамматические правила

• Словарь запрещённых слов

• Справочник API

• Справочник конфигурации

• Архитектура

• Интеграция с основным проектом PAEG

• Тестирование

• Руководство по вкладу

• Журнал изменений

• Лицензия

Ключевые концепции

Трёхуровневая архитектура + модель данных набора правил — расширяемость пронизывает три места: определение правил/детекцию/генерацию промпта:

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]

Модель данных правила (Rule — расширяется внешним JSON):

{
  "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" (уровень общих принципов): prompt_block встраивается в системный промпт, управляя обобщением LLM — «все односложные прилагательные состояния/ощущения расширяются до полной двусложной формы (倦/乏/沉/累/苦/慌/虚/弱/低/烦/闷/困/急/乱)». LLM сам обобщает на неперечисленные слова, а не только исправляет «倦→疲倦».

• type: "explicit" (уровень перечисления): pattern + replacement — детерминированный запасной вариант — последний рубеж на случай непослушания LLM.

Руководство по подключению внешних проектов

Требование пользователя: любой проект/агент хочет использовать наш модуль грамматических правил — как это сделать?

Сценарий A: нужны только «ограничения грамматическими правилами» (системный промпт)

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"

Фрагменты правил, возвращаемые build_prompt(profile) (общий принцип лексической полноты/общий принцип синтаксической полноты/общий принцип достаточных обстоятельств/нормы пунктуации), напрямую встраиваются в системный промпт вашего LLM. Это и есть суть «управления LLM в использовании полных слов» — не зависит от нашего переписывателя.

Сценарий B: нужен «скрипт переписывания» для обработки вывода LLM

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

Сценарий C: нужен «словарь запрещённых слов»

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"]

Сценарий D: нужно расширить правила (расширяемость)

Отредактируйте data/rules.json, добавьте одно правило — и оно горячо загрузится:

{
  "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

Сценарий E: полное подключение (включая замкнутый цикл обратной связи по ID правил)

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)

Расширяемость

Сопровождаемость

• Нулевая зависимость от хоста: не импортирует ни одного модуля хост-проекта, независимо тестируется

• Совместимость со старым API: rules.py/rules_enhanced.py сохранены как тонкие обёртки, обратная совместимость

• 75 тестов: полное покрытие загрузки набора правил/горячей перезагрузки/детекции/сборки/расширения пользователем/устойчивости к повреждениям

• Поведенческая согласованность: 20 фрагментов — строковое равенство с исходной реализацией PAEG (нулевой дрейф)

• Устойчивость к повреждениям: при повреждении JSON сохраняется предыдущий набор правил, никогда не «запуск с пустотой»

• Защита от раздувания: token_budget контролирует длину системного промпта (по умолчанию 800)

• Чёткая модель: разделение обязанностей уровня общих принципов (управление LLM) и уровня перечисления (детерминированный запасной вариант)

Встроенные грамматические правила

Подробности общего принципа достаточных обстоятельств (rule-sx-general-002, добавлено пользователем):

Каждое действие/суждение поясняется достаточными обстоятельствами — время, место, способ, условие, объект, цель. «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。」

Словарь запрещённых слов

Способ расширения: ForbiddenWords().load_json("path.json") — структура JSON {"extra_forbidden": [...], "ai_tells_extra": [...]}.

Справочник API

RuleRegistry

LanguageRefiner / make_refiner

gate_content / gate_short

ForbiddenWords

get_style_prompt

Справочник конфигурации

Переменные окружения

Файлы data/

Архитектура

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）

Интеграция с основным проектом PAEG

Образовательный агент PAEG подключается через единственный адаптационный слой infra/lang_plugin_bridge.py (железное правило нулевого разрушения R18/R20):

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）

Подробнее см. docs/integration_paeg.md.

Тестирование

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

Руководство по вкладу

Приветствуется вклад! Пожалуйста, прочитайте CONTRIBUTING.md (в разработке), чтобы узнать:

• Новые грамматические правила: отредактируйте data/rules.json и добавьте Rule (включая тесты)

• Новые запрещённые слова: ForbiddenWords.load_json или отправьте PR во встроенный словарь

• Стиль кода: следуйте существующей структуре модулей + правилам комментирования

Журнал изменений

Подробнее см. CHANGELOG.md.

Благодарности

• PAEG 教育智能体 (итерации v0.12-v0.71) — этот плагин извлечён из его модуля языковых норм

• LanguageTool — парадигма декларативного движка правил (dev.languagetool.org)

• textstat — парадигма измерения читабельности (github.com/textstat/textstat)

• GB/T 15834-2011《标点符号用法》 — национальный стандарт правил пунктуации

• Стандарт Agent Skills — парадигма прогрессивного раскрытия (agentskills.io)

Лицензия

MIT © 2026 PAEG Team — подробнее см. файл LICENSE.