GB/T 1.1-2020 标准文档检查器

基于《GB/T 1.1-2020 标准化工作导则 第1部分：标准化文件的结构和起草规则》对用户提供的文档进行两阶段检查，输出结构化报告。

适用场景

• 检查标准草案是否符合 GB/T 1.1-2020 编写规则
• 审查企业标准、团体标准、行业标准的结构规范性
• 标准制修订过程中的质量控制
• 标准化培训中的实操练习

核心原则

1. 两阶段检查：第一次用 checklist 快速扫描，第二次读标准原文深度审查
2. 结构化输出：按章节分类输出问题、严重程度、修改建议
3. 标准原文为准：所有检查结论必须能在 GB/T 1.1-2020 中找到依据

完整工作流

Phase 0: 接收文档

用户提交待检查文档（文本、Markdown、Word 导出文本、或文件路径）。

Phase 1: Checklist 快速扫描

使用下方 完整 Checklist 逐项检查文档，生成快速检查报告。

检查维度：

• 文件结构：封面、目次、前言、引言、正文、附录、参考文献
• 规范性要素：范围、规范性引用文件、术语和定义、核心技术内容
• 资料性要素：封面信息、目次编排、前言内容、引言编写
• 条款表述：层次编号、文体要求、数值表达、图表公式
• 格式规范：字体字号、段落格式、页眉页脚

快速输出格式：

## 📋 Checklist 快速检查报告

### 通过项 ✅
- [列出通过的检查项]

### 警告项 ⚠️
- [列出有轻微问题的检查项]

### 错误项 ❌
- [列出有严重问题的检查项]

### 不适用项 ➖
- [列出不适用的检查项]

Phase 2: 标准原文深度审查

由于 PDF 使用自定义字体导致文本提取乱码，Phase 2 使用 vision_analyze 视觉读取 PDF 页面：

1. 确定审查范围：根据 Phase 1 发现的问题类型，确定需要查看的标准章节页码
2. 视觉读取标准原文：使用 render_page_for_vision() 渲染 PDF 页面为图片，再用 vision_analyze 读取
3. 逐条对照：将文档内容与标准原文逐条对照
4. 引用条款：所有发现问题必须引用 GB/T 1.1-2020 的具体条款号作为依据
5. 给出建议：针对每个问题给出具体的修改建议

⚠️ 关键陷阱：PDF 编码问题 — GB/T 1.1-2020 PDF 使用自定义 CID 字体，pymupdf.get_text() 提取的文本完全为乱码。 解决方案：必须使用 vision_analyze 视觉读取渲染后的页面图片，不能依赖文本提取。

⚠️ 关键陷阱：页码映射误区 — PDF 第8页显示的是标准自身的"范围"示例（即 GB/T 1.1-2020 这个标准文件自己的范围）， 不是"关于范围应如何编写的规则"。范围的编写规则在第7章（PDF 16-20页）。Phase 2 定位时必须区分"示例"和"规则"。

⚠️ 注意：第1章是标准自身的范围示例，关于"范围应如何编写"的规则在第7章（PDF 16-20页）。Phase 2 定位时应检查正确的章节。

视觉读取标准原文

# 根据问题类型读取相关页面
# 例如：检查前言问题，读取第 5-6 页
# 检查范围问题，读取第 8-9 页
# 检查表述方式，读取第 33-45 页

import pymupdf, os

doc = pymupdf.open(os.path.join(os.path.dirname(__file__), 'references', 'GBT1.1-2020.pdf'))

def render_page_for_vision(page_num):
    """渲染指定页为图片，用于 vision_analyze"""
    if page_num \x3C 1 or page_num > len(doc):
        return None
    page = doc[page_num - 1]
    pix = page.get_pixmap(dpi=200, alpha=False)
    path = f'/tmp/gbt11_page_{page_num}.png'
    pix.save(path)
    return path

# 示例：渲染第8页（范围章节）用于视觉检查
# img_path = render_page_for_vision(8)
# 然后调用 vision_analyze(image_url=img_path, question="...")

Phase 3: 结构化报告输出

综合 Phase 1 和 Phase 2 的结果，输出完整结构化报告：

# GB/T 1.1-2020 标准文档检查报告

## 文档信息
- **文档名称**: [名称]
- **检查日期**: [日期]
- **检查类型**: 两阶段检查（checklist + 标准原文）

## 一、总体评价
- **结构完整性**: [评分/评价]
- **要素规范性**: [评分/评价]
- **条款表述**: [评分/评价]
- **格式规范性**: [评分/评价]

## 二、结构检查

### 2.1 文件结构
| 检查项 | 状态 | 标准条款 | 问题描述 | 修改建议 |
|--------|------|----------|----------|----------|
| 封面 | ✅/❌ | 8.1 | ... | ... |
| 目次 | ✅/❌/➖ | 8.2 | ... | ... |
| 前言 | ✅/❌ | 8.3 | ... | ... |
| 引言 | ➖/✅/❌ | 8.4 | ... | ... |
| 范围 | ✅/❌ | 8.5 | ... | ... |
| 规范性引用文件 | ✅/❌/➖ | 8.6 | ... | ... |
| 术语和定义 | ➖/✅/❌ | 8.7 | ... | ... |

### 2.2 核心技术要素
| 检查项 | 状态 | 标准条款 | 问题描述 | 修改建议 |
|--------|------|----------|----------|----------|
| 要求条款 | ✅/❌ | 9.5 | ... | ... |
| 试验方法 | ➖/✅/❌ | 9.6 | ... | ... |
| 分类 | ➖/✅/❌ | 9.7 | ... | ... |
| 标志/标签 | ➖/✅/❌ | 9.8 | ... | ... |
| 包装运输贮存 | ➖/✅/❌ | 9.9 | ... | ... |
| 检验规则 | ➖/✅/❌ | 9.10 | ... | ... |

### 2.3 规范性补充要素
| 检查项 | 状态 | 标准条款 | 问题描述 | 修改建议 |
|--------|------|----------|----------|----------|
| 规范性附录 | ➖/✅/❌ | 8.10 | ... | ... |
| 资料性附录 | ➖/✅/❌ | 9.13 | ... | ... |
| 参考文献 | ➖/✅/❌ | 8.14 | ... | ... |

## 三、表述规范检查

### 3.1 条款层次与编号
| 检查项 | 状态 | 标准条款 | 问题描述 | 修改建议 |
|--------|------|----------|----------|----------|
| 章编号 | ✅/❌ | 6.1 | ... | ... |
| 条编号 | ✅/❌ | 6.1 | ... | ... |
| 段编号 | ✅/❌ | 6.1 | ... | ... |
| 列项编号 | ✅/❌ | 6.2 | ... | ... |

### 3.2 文体要求
| 检查项 | 状态 | 标准条款 | 问题描述 | 修改建议 |
|--------|------|----------|----------|----------|
| 要求表述（应/不应） | ✅/❌ | 9.1 | ... | ... |
| 推荐表述（宜/不宜） | ✅/❌ | 9.1 | ... | ... |
| 允许表述（可/不必） | ✅/❌ | 9.1 | ... | ... |
| 模糊词汇使用 | ✅/❌ | 9.1 | ... | ... |

### 3.3 数值与单位
| 检查项 | 状态 | 标准条款 | 问题描述 | 修改建议 |
|--------|------|----------|----------|----------|
| 数值表达 | ✅/❌ | 9.2 | ... | ... |
| 计量单位 | ✅/❌ | 9.3 | ... | ... |
| 范围表达 | ✅/❌ | 9.2 | ... | ... |
| 偏差表达 | ✅/❌ | 9.2 | ... | ... |

### 3.4 图表与公式
| 检查项 | 状态 | 标准条款 | 问题描述 | 修改建议 |
|--------|------|----------|----------|----------|
| 图的编号 | ✅/❌ | 9.4 | ... | ... |
| 表的编号 | ✅/❌ | 9.4 | ... | ... |
| 公式编号 | ✅/❌ | 9.4 | ... | ... |
| 图表引用 | ✅/❌ | 9.4 | ... | ... |

## 四、问题汇总

### 严重问题（必须修改）
| 序号 | 问题 | 标准条款 | 修改建议 |
|------|------|----------|----------|
| 1 | ... | ... | ... |

### 一般问题（建议修改）
| 序号 | 问题 | 标准条款 | 修改建议 |
|------|------|----------|----------|
| 1 | ... | ... | ... |

### 轻微问题（可选修改）
| 序号 | 问题 | 标准条款 | 修改建议 |
|------|------|----------|----------|
| 1 | ... | ... | ... |

## 五、检查依据

本报告依据以下标准进行检查：
- GB/T 1.1-2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》
- GB/T 20000《标准化工作指南》系列
- GB/T 20001《标准编写规则》系列

完整 Checklist

A. 封面检查（标准条款 8.1）

B. 目次检查（标准条款 8.2）

C. 前言检查（标准条款 8.3）

D. 引言检查（标准条款 8.4）

E. 范围检查（标准条款 8.5）

F. 规范性引用文件检查（标准条款 8.6）

G. 术语和定义检查（标准条款 8.7）

H. 核心技术要素检查（标准条款 第9章）

I. 条款层次与编号检查（标准条款 6.1-6.2）

J. 文体要求检查（标准条款 9.1）

K. 数值与单位检查（标准条款 9.2-9.3）

L. 图表与公式检查（标准条款 9.4）

M. 附录检查（标准条款 8.10、9.13）

N. 参考文献检查（标准条款 8.14）

关键陷阱

1. PDF 编码问题：GB/T 1.1-2020 PDF 使用自定义 CID 字体（F10, F11, F12 等），pymupdf.get_text() 提取的文本完全为乱码。Phase 2 必须使用 vision_analyze 视觉读取页面截图，不可依赖文本提取。

2. 页码映射误区：PDF 第8页是标准自身的"范围"示例，不是范围的编写规则。编写规则在第7章（PDF 16-20页）。区分"示例"和"规则"。

3. 前言必须包含起草规则说明：必须写明"本文件按照 GB/T 1.1-2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定起草"。这是最常见的遗漏项。

4. 范围不包含要求：范围是资料性要素，绝不能包含"应"、"必须"等要求性表述。常见错误："本文件规定了XXX，企业必须遵守"。

5. 术语定义不能循环：不能用被定义词解释自己。错误示例："标准化是指标准化的活动"。

6. 数值范围单位不能省：每个数值后都必须带单位。错误："50-100℃"；正确："50℃—100℃"。

7. 条款层次不超五级：章→条→段→列项→次列项，最多五级，不能再细分。

8. 文体用语准确：

   • 要求：应/不应/不得
   • 推荐：宜/不宜
   • 允许：可/不必
   • 不能混用

9. 资料性附录不含要求：资料性附录中不能使用"应"、"不应"等要求性表述。

10. 规范性引用文件必须注明版本：要么注日期（仅该版本适用），要么不注日期（最新版本适用）。

11. 图表必须在正文中被引用：不能直接插入图表而不引用。

12. 参考文献格式：必须按 GB/T 7714 格式，不能在正文中引用参考文献中的条目。

13. 上传前隐私清理：上传到 ClawHub 前，必须检查并清除：硬编码绝对路径（如 /home/lighthouse/）、个人用户名（author 字段）、API Key/Token。使用 grep -r '/home/lighthouse/' 和 grep -r 'beijinglaoli' 验证。

参考文件

• references/GBT1.1-2020.pdf — GB/T 1.1-2020 标准原文（72页，Phase 2 深度审查用）
• USAGE.md — 8个国家/地区详细使用指南（中/美/欧/日/德/英/法/国际）

依赖

• pymupdf — PDF 页面渲染（将 PDF 页面转为图片）
• vision_analyze — 视觉读取 PDF 页面内容（替代文本提取）

⚠️ 已知限制

PDF 编码问题（必须绕过）

GB/T 1.1-2020 PDF 使用 10+ 个自定义 CID 字体（F1-F12），pymupdf.get_text() 提取的文本完全为乱码，所有关键词（范围、应、宜、GB/T）均不可检索。

解决方案：Phase 2 使用 render_page_for_vision() 将 PDF 页面渲染为 200 DPI PNG 图片，再通过 vision_analyze 视觉读取。Phase 1 的 Checklist 快速扫描不受影响（不依赖 PDF 内容）。

为什么不用 OCR：系统环境中 pytesseract、easyocr、paddleocr 均不可用。vision_analyze 是唯一可行的中文文本提取方式。

渲染脚本

def render_page_for_vision(page_num, pdf_path):
    import pymupdf
    doc = pymupdf.open(pdf_path)
    if page_num \x3C 1 or page_num > len(doc):
        return None
    page = doc[page_num - 1]
    pix = page.get_pixmap(dpi=200, alpha=False)
    path = f'/tmp/gbt11_page_{page_num}.png'
    pix.save(path)
    return path