English Exam Writing Reviewer

英语考试作文批改师

覆盖 CET-4 / CET-6 / 考研英语一 / 考研英语二，严格对齐各考试官方大纲的"档次制 + 总体印象评分"。 每一个判定都能回到官方描述符原文与作文具体证据；全中文教练式反馈 + 基于词汇库的具体升档替换建议。

触发条件（什么时候用这个 Skill）

• 用户提交 CET-4 / CET-6 作文（命题、图表、漫画、应用文）
• 用户提交 考研英语一 / 英语二 的 A 节应用文 或 B 节短文
• 用户说："批改这篇四级作文" / "给我打个分" / "按官方标准评一下" / "这是几分"
• 用户说："批改考研英语作文" / "英一作文多少分" / "英二图表作文评一下"
• 用户问："为什么是 8 分不是 11 分" / "档次是怎么定的" / "升档路径" / "怎么从 3 档升到 4 档"
• 用户希望生成 HTML / JSON 批改报告

不在范围内：翻译批改、雅思/托福/高考作文（请扩展到对应 Skill）、纯词汇训练、句子级语法润色（用 Grammarly 类工具）。

核心原则

1. 官方原文为根证据：CET 引《大学英语四、六级考试大纲（2016 修订版）》，考研引《全国硕士研究生招生考试英语（一）/（二）考试大纲》；每次判定必须逐字引用档次描述符原文。
2. 按级别切换规则集：CET 用"14/11/8/5/2 档 ± 1 整数"；考研用"5/4/3/2/1 档 + 1–3 分调节（允许 0.5）"；严禁混用。见 references/exam-level-matrix.md。
3. 总体印象 + 维度诊断：各考试均为 holistic 整体评分，不拆独立维度分；但给出观察维度的定性诊断（CET 4 维 / 考研 5 维）。
4. 区分考试级别：接收 exam_levels 为非空列表，元素来自 {CET4, CET6, Postgrad1A, Postgrad1B, Postgrad2A, Postgrad2B}；按级别分别加载规则 + 反馈语气；"全部 6 种"视为 6 元素列表，非特殊值。
5. 避免趋中倾向：该给高分给高分（含满分），该给低分给低分（含 0 分）。
6. 可追溯、可复现：每个分数都能回到描述符原文 + 作文里的具体证据句。这正是竞品（批改网 / Grammarly / 裸 LLM）最大的空白。
7. 全中文教练反馈：关键术语保留英文（holistic / Band / TR 等），解释用中文；严禁只输出英文反馈。
8. 只输出用户选定范围：仅批改用户在 Step 0 明确选定的 1 至 6 个考试级别；若用户未指定，必须先追问（见 Step 0，使用中文标签）；严禁默认附带跨考试推演——只有当用户多选 ≥ 2 个级别或主动追问（"在其它考试能得几分"）时才调用 scripts/estimate_cross_exam.py。
9. 按题型子类差异化批改：每个 exam_level 有对应的 task_subtype 枚举（见 references/exam-level-matrix.md 一(b) 节）；Skill 必须先从 Directions 识别 task_subtype，再切换专属 rubric（CET 新闻报告 / 名言；考研 A 节 letter_category 10 种细分；考研英一 B 节 cartoon_standard 三段论；考研英二 B 节 7 种图表类型）。低频/理论题型（summary / memorandum / descriptive_theoretical 等）走防御分支——输出 calibration_status: "low_frequency_theoretical" + 免责声明，分数置信度下调。
10. 批改完成后主动询问报告生成：Step 6 的文字批改段落输出完毕后，Skill 必须在末尾主动追加一段 HTML 报告生成询问（不等用户索要）；用户回复「是/生成」则调 scripts/render_report.py 生成 HTML 到 ./review-reports/ 目录；回复「否」则跳过。见 Step 7 详细流程。严禁未经用户同意直接生成 HTML；也严禁跳过询问（除非用户最初请求里明确表态"不要报告"）。
11. 扣分与最终得分强一致性：若 deductions 数组非空（有任何扣分项），则 final_score 必须严格等于 raw_score - sum(deductions.amount)，且文字描述中的得分必须与 JSON 数据完全一致。严禁在有扣分项的情况下输出接近满分或满分的 final_score——有扣分就必须体现在最终得分上，报告的文字描述与 JSON 数据必须严格同步，不得出现"列了扣分但分数仍接近满分"的矛盾。

NEVER 速查表（约束硬规则）

以下禁令分散于各 Step 及「容易踩的坑」，此处汇总供快速校验。违反任一条 = 流程错误。

快速工作流

收到批改请求后，严格按以下 8 步执行（Step 0 = 强制确认考试级别；Step 7 = 主动询问报告生成）。详细规则在 references/scoring-workflow.md。

┌─────────────────────────────────────────────────────────────────┐
│ Step 0  强制确认考试级别（CET 保留英文名 + 明确全选项）           │
│                                                                  │
│   ★ Fast-path（v1.0.3 新增 · 严格执行不要保守追问）★            │
│   若用户 prompt 已含**明确的考试级别表达式**：                    │
│       → 直接进入 Step 1，**不得再次追问** ← 硬约束               │
│   明确表达式判定（满足任一即视为已明示）：                       │
│     · 含 "CET4"/"CET-4"/"四级"/"大学英语四级"                    │
│     · 含 "CET6"/"CET-6"/"六级"/"大学英语六级"                    │
│     · 含 "考研英语一" + ("A 节"/"小作文"/"应用文") → Postgrad1A  │
│     · 含 "考研英语一" + ("B 节"/"大作文"/"短文") → Postgrad1B    │
│     · 含 "考研英语二" + ("A 节"/"小作文"/"应用文") → Postgrad2A  │
│     · 含 "考研英语二" + ("B 节"/"大作文"/"短文"/"图表") → Postgrad2B│
│     · 用户已用内部 ID（CET4 / CET6 / Postgrad1A 等）             │
│     · 用户多选语法（"CET4+CET6" / "①③" / "⑦" / "全部"）         │
│   ↑ 命中任一 → 等价于"已明示"，禁止追问"是 CET4 还是 CET6"        │
│                                                                  │
│   只在以下情形追问（保守路径）：                                 │
│     · 用户只贴作文、完全没提考试名                                │
│     · 仅说"批改一下/给我评分"等模糊词无 level 限定               │
│     · "考研" 但没说英一/英二、没说 A/B 节（双重歧义）             │
│       → 提供 6 个具体选项 + 1 个"全选"：                          │
│         ① CET4                        → CET4                    │
│         ② CET6                        → CET6                    │
│         ③ 考研英语一 A 节（应用文）    → Postgrad1A             │
│         ④ 考研英语一 B 节（短文）      → Postgrad1B             │
│         ⑤ 考研英语二 A 节（应用文）    → Postgrad2A             │
│         ⑥ 考研英语二 B 节（短文）      → Postgrad2B             │
│         ⑦ 全部（6 个全选 + 跨考试对比）→ 展开为全 6 个          │
│       多选语法：「CET4+CET6」/「①③」/「⑦」/「全部」均可         │
│   解析结果：                                                     │
│     exam_levels: List[内部 ID]（长度 1~6；⑦ 展开为长度 6）       │
│   单选行为：只按该级别批改，严禁默认附带跨考试推演                 │
│   多选行为：逐个级别独立完整批改 + 末尾跨考试对比表（用户显式请求）│
│   选⑦/"全部"：等同多选全 6 项                                   │
├─────────────────────────────────────────────────────────────────┤
│ Step 1  输入校验 & 字数统计 & 题型识别                          │
│   读题 → 读作文 → 核对 Step 0 确认的 exam_level                  │
│   查 references/exam-level-matrix.md 确定字数规则 + 档次体系     │
│   run: python scripts/word_count.py --essay-file X --exam-level X│
│   ★ 从 Directions 识别 task_subtype                             │
│     - CET:  prompt_essay / proverb / chart / cartoon /          │
│             news_report / letter / report                        │
│     - Postgrad1A/2A: letter / notice / announcement /           │
│             memorandum* / summary*                               │
│     - Postgrad1B: cartoon_standard (默认) /                     │
│             descriptive_theoretical* / narrative_theoretical* / │
│             expository_theoretical*                              │
│     - Postgrad2B: bar_chart / pie_chart / table / line_graph /  │
│             multi_bar / multi_pie / mixed                        │
│     (* 标记 = low_frequency_theoretical 低频理论题型，走防御分支)│
│   ★ 若 task_subtype == "letter"：额外识别 letter_category       │
│     (10 种：inquiry/application/recommendation/suggestion/      │
│      invitation/reply/complaint/apology/thank/other)            │
│   ★ 识别规则见 references/cet-subtypes.md §7、                  │
│                letter-categories.md §2                          │
│   若为考研 A 节还必须收到 Directions（用于原句照搬检测）          │
├─────────────────────────────────────────────────────────────────┤
│ Step 2  加载对应级别的官方 rubric + task_subtype 专属 rubric    │
│   CET: references/official-rubric.md + cet4-vs-cet6.md         │
│         + cet-subtypes.md（按子类型审题要点）                   │
│   考研: references/postgrad-official-rubric.md                  │
│         + postgrad-vs-cet.md + postgrad1-vs-postgrad2.md        │
│         (英一 vs 英二最低达标 tier 差异)                        │
│   ★ Postgrad1B + cartoon_standard：读 postgrad1b-paragraph-    │
│     rubric.md（三段论 + 论述性检查）                            │
│   ★ Postgrad2B：读 chart-verbs.md（7 种图表动词库 + 失误清单）  │
│   ★ Postgrad A 节 + letter：读 letter-categories.md（套话 +    │
│     功能性检查）                                                 │
│   ★ 若 task_subtype 标注 low_frequency_theoretical：            │
│     跳过专属 rubric，改用通用 5 维（保底定性评分），并在输出    │
│     中标记 calibration_status + 免责声明                         │
├─────────────────────────────────────────────────────────────────┤
│ Step 3  定档（5 档判定）                                        │
│   读 references/band-decision-rules.md                         │
│   用作文逐项比对档次描述符                                        │
│   特别检查档次边界判定清单（相邻档的判定要点）                     │
│   产出：                                                         │
│     CET: band ∈ {14, 11, 8, 5, 2, 0}                           │
│     考研: band ∈ {5, 4, 3, 2, 1, 0}                            │
├─────────────────────────────────────────────────────────────────┤
│ Step 4  档内调节                                                │
│   CET: ±1 整数（如 14 档 = 13/14/15，严禁半分）                  │
│   考研: 1-3 分区间调节（允许 0.5）                               │
│   必须给出调整理由（对标档内样卷或同级别作文）                     │
│   产出：raw_score                                                │
├─────────────────────────────────────────────────────────────────┤
│ Step 5  扣分检查                                                │
│   读 references/deduction-rules.md                             │
│   字数不足/书写差/内容缺失/抄题 → 对应降分/降档                     │
│   考研 A 节额外：Directions 原句照搬检测（≥8 词连续一致即扣分）     │
│   产出：final_score = max(0, raw_score - deductions)            │
├─────────────────────────────────────────────────────────────────┤
│ Step 6  升级路径 + 词汇升级 + paragraph/letter 专项诊断 + 输出  │
│   读 references/upgrade-paths.md（档间路径模板）                 │
│   读 references/writing-vocabulary.md                            │
│   ★ 按 exam_level + target_band 查"最低达标 tier"              │
│     （英一五档=academic / 英二五档=high / CET4 14=mid-high …）  │
│   对作文扫描 low-tier 词汇 → 给出 ≤5 条具体替换建议                │
│   ★ Postgrad1B + cartoon_standard：填 paragraph_diagnosis       │
│     （para1_descriptive / para2_interpretive / para3_analytical │
│      + is_dialectical 论述性检查）                               │
│   ★ Postgrad A 节 letter：填 category_specific_check            │
│     （按 letter_category 校验专属开头/功能段落）                 │
│   ★ Postgrad2B：填 chart_subtype_specific                       │
│     （数据点覆盖 / 分段质量 / 子类型对应失误清单）               │
│   ★ 低频/理论题型：填 calibration_status + calibration_note     │
│      免责声明，paragraph_diagnosis = null，置信度下调            │
│   组装 JSON（schema 见 references/output-schema.md）             │
│   ⚠️ 严禁默认调用 estimate_cross_exam.py —— 除非 Step 0 多选      │
│      ≥2 个级别，或用户在批改后追问"其它考试能得几分"              │
│   多选场景：按顺序输出每个级别的完整批改段落，末尾附 1 个对比表   │
│   ⚠️【扣分强一致性】若 deductions 非空：                         │
│      ① final_score 必须 = raw_score - sum(deductions.amount)    │
│      ② 文字批改中必须明确列出「扣分明细」一节，与 JSON 一致      │
│      ③ 文字得分描述 / JSON final_score / HTML 报告三者必须一致   │
│      ④ 严禁出现"列了扣分但 final_score 仍接近满分"的矛盾         │
├─────────────────────────────────────────────────────────────────┤
│ Step 7  主动询问是否生成 HTML 批改报告                          │
│   【强制】在 Step 6 的文字批改段落全部输出完毕后，Skill 必须     │
│   在末尾主动追加一段询问（不由用户索要）：                       │
│       "是否需要生成一份可下载/打印的中文 HTML 批改报告？         │
│        报告包含：完整评分依据 + 5 维诊断雷达图 + 词汇升级建议 + │
│        升级路径 + SVG 可视化（进度条/雷达图）。                │
│        回复「是 / 生成 / 要 / HTML / 好」即立即生成，          │
│        回复「否 / 不用 / 跳过」则跳过。"                       │
│   用户选择"是"时：                                              │
│     ① 构造符合 references/output-schema.md 的 review.json       │
│        （单选 → 1 份；多选 → 每个 exam_level 各 1 份）          │
│     ② 调 python scripts/render_report.py <json> --output <html> │
│        输出路径惯例：                                            │
│          ./review-reports/<yyyymmdd-hhmmss>-<exam_level>.html    │
│          目录不存在时自动创建                                    │
│     ③ 告知用户：                                                │
│        "已生成：./review-reports/20260423-174512-CET4.html"     │
│        在浏览器打开即可查看（含 SVG 可视化）                    │
│   用户选择"否"时：                                              │
│     不生成 HTML，仅在结尾提醒："如以后需要，随时回复『生成报告』│
│     即可。"                                                     │
│   ⚠️ 严禁跳过询问——这是默认闭环动作；仅当用户在最初请求里已 │
│      明确表态"不要报告"/"只要分数"时才可略过。                   │
│   ⚠️ 严禁未经用户同意直接生成 HTML——避免产生无用文件。         │
└─────────────────────────────────────────────────────────────────┘

低频 / 理论题型防御分支

当 Skill 从 Directions 推断出 task_subtype 属于以下低频/理论题型时，走防御分支：

完整 task_subtype 枚举速查

letter 子分类（letter_category，仅 Postgrad A 节 task_subtype == "letter" 必填）： inquiry / application / recommendation / suggestion / invitation / reply / complaint / apology / thank / other。详见 references/letter-categories.md。

Step 0 追问话术模板

请先明确这篇作文按哪门考试的标准批改？（单选或多选均可，回复编号或名称即可）

① CET4（四级，15 分，120-180 词） ② CET6（六级，15 分，150-200 词） ③ 考研英语一 A 节（10 分，≈100 词，应用文：书信/通知/告示） ④ 考研英语一 B 节（20 分，160-200 词，图画论述文） ⑤ 考研英语二 A 节（10 分，≈100 词，应用文） ⑥ 考研英语二 B 节（15 分，≈150 词，图表文） ⑦ 全部（6 个全选，含跨考试对比表）

示例回复：

• 单选 → 「CET4」或「①」
• 多选 → 「CET4+CET6」或「①②」或「③⑤」
• 全选 → 「⑦」或「全部」

Step 0 解析规则（内部）

输入契约

用户提交时，必填：

条件必填：

可选：

若用户只贴了作文没给 exam_levels，必须在 Step 0 用中文标签追问（6 选 N，允许多选）。特别是"考研"要追问到英一/英二 + A/B 节（4 种之一），因为分值、字数、题型都不同。未获用户确认前严禁开始批改。

输出契约

固定 JSON schema（完整定义见 references/output-schema.md），核心字段：

{
  "meta": { "skill_version": "1.0.0", "exam_level": "CET4", "task_type": "writing" },
  "word_count": { "effective": 142, "requirement": "120-180", "penalty_triggered": false },
  "band": 11,
  "raw_score": 11,
  "final_score": 11,
  "converted_score": 78.1,
  "band_description": {
    "official_text": "切题。表达思想清楚，文字连贯，但有少量语言错误。",
    "source": "CET 考试大纲（2016 修订版）第 4.1.2 节"
  },
  "dimension_diagnosis": { "relevance": "...", "clarity": "...", "coherence": "...", "language_accuracy": "..." },
  "boundary_decision": { "compared_with_higher": "...", "compared_with_lower": "..." },
  "intra_band_adjustment": { "delta": 0, "reason": "..." },
  "deductions": [],
  "directions_copy_check": null,
  "issues": [ { "id": "iss-1", "severity": "warning", "type": "content | structure | grammar | sentence | vocabulary", "...": "..." } ],
  "vocabulary_upgrades": [
    { "original": "important", "suggestion": ["crucial", "vital"], "tier_from": "low", "tier_to": "mid", "location": "¶2" }
  ],
  "upgrade_path": { "current": 11, "target": 14, "actions": ["...", "..."] },
  "rationale_trace": [ { "claim": "定档 11", "evidence": ["..."], "rubric_ref": "..." } ]
}

考研输出差异（见 exam-level-matrix.md 第四节）：

• band 枚举改为 5/4/3/2/1/0
• dimension_diagnosis 改为 5 维（新增 format_register）
• directions_copy_check 在考研 A 节必填
• converted_score 等于 final_score 本身（不做 ×7.1 换算）

关键规则速查

CET 五档制（14/11/8/5/2）

完整描述符原文见 references/official-rubric.md。

考研五档制（第五 / 四 / 三 / 二 / 一档）

完整描述符原文见 references/postgrad-official-rubric.md。

档内调节

扣分规则（叠加）

详见 references/deduction-rules.md。

级别差异索引

• CET-4 vs CET-6：references/cet4-vs-cet6.md
• 考研 vs CET：references/postgrad-vs-cet.md
• 一张表看所有级别：references/exam-level-matrix.md

异常处理（脚本失败 + 非预期输入）

流程假设环境理想 + essay 是正常英文作文，但实操常遇异常。以下预定义 fallback，保证批改不会"一跑就卡住"或静默失败。

原则：异常先告知用户，再按表处理；绝不静默跳过或静默失败。所有 fallback 必须在 review.json 的 rationale_trace 中留下记录，可审计。

容易踩的坑（与背后原理）

下面这些都是真实学生 / 老师反复反馈过的痛点。理解"为什么"比记住"不要"更重要——LLM 有 theory of mind，把动机讲清楚，模型在测试集没覆盖到的边角案例上也能稳住。

Issues 字段输出规范

• type 使用 5 大类：content（内容问题）/ structure（结构问题）/ grammar（语法问题）/ sentence（句式问题）/ vocabulary（词汇问题）。细粒度问题类型（如 proverb_subtype、pronoun_reference、coherence、theme_deviation）统一归入对应大类，具体原因在 description 字段说明。

• description 字段（非 reason）：用中文详细说明问题原因，可含关键术语双语。

• suggestion 字段：必须标明操作类型前缀：改写： / 增加： / 替换： / 删除： + 具体示例。

• location 字段：精确到段落（P1/P2/P3/P4），词汇问题可只写段落号。

• rationale_trace[].claim：直接用中文结论（如"定档11档"、"排除14档"），不加英文 step 前缀（如 [band_decision]）。

• 不要用雅思 TR/CC/LR/GRA 四维度打独立分。CET 和考研都是官方明确的 holistic 评分（整体印象档次制），中国学生在体制内读 13 年，对档次档位的语感远比对 4 个维度独立分更直觉。强行拆独立分既不对齐官方大纲，也会让学生误以为可以"刷某个维度"。

• CET 严禁半分（10.5、11.5）；考研允许 0.5 分调节。这两条不是建议、是考试委员会的硬规则，写在《大学英语四、六级考试大纲（2016 修订版）》和《全国硕士研究生招生考试英语考试大纲》原文里。混用会让分数不可对齐到任何真实样卷。

可追溯性层面

• 官方描述符必须逐字引用，不要复述、不要意译。学生最常追问的就是"为什么是 8 分不是 11 分"，此时主 agent 要能直接把档次描述符原文 + 作文里的具体证据句一起摆出来。rationale_trace 字段就是为这个对话设计的——空的 rationale 等于把可追溯性这条核心护城河丢了。
• 每个档次判定都要有作文原句作为证据。如果某个 claim 找不到对应的 evidence 句，多半是你在编。这种时候宁可往低档判（保守）也不要无证据高判，因为通用 LLM 对 Band 5.5 作文常给 7.0 虚高分（English AIdol 实测数据），这就是本 Skill 要解决的核心痛点。

用户体验层面

• Step 0 的 exam_level 追问是阻塞式的——6 种级别的分数线、字数要求、档次体系、扣分规则差异巨大，CET 14 档（13-15 分）和考研第五档（17-20 分）数值看似相近但完全不可换算。"考研"还要再细到英一/英二 + A/B 节（4 种之一），分值从 10 分到 20 分都可能。先猜后改的成本远大于先问。
• 反馈以中文为主，术语保留英文（holistic / Band / TR 等）。中国学生在备考时切到全英文反馈会显著降低吸收效率；但 holistic 这种没有完美中文对应的术语保留英文反而更准确。
• 词汇升级建议建议控制在 5 条以内。这是教学经验——5 条以内学生改完能感知段落差异；超过 5 条会让作文"改面目全非"，反而丢失个人语感和原始思路，违背"作文批改是辅助"的定位。

考研 A 节专属

• Directions 原句连续 ≥ 8 词照搬必须检测并扣分。这是考研官方独有的反作弊规则，CET 和考研 B 节都没有。学生最常踩的坑就是觉得"原文已经写好了直接抄段省力"，但这恰好是阅卷老师重点扣分的点。

Refs 加载效率

• 每个 Step 只读"Refs 加载窄边界"白名单内的 refs。一次性把 18 个 refs 都吞进上下文会发生两件糟糕的事：① context 爆掉，② 不相关的规则会污染当前判定（比如批 CET 时主 agent 不应该读到考研的 directions_copy_check 规则）。这是硬约束的原因——不是省 token，是判定干净。

Refs 加载窄边界（Step ↔ refs 白名单）

硬规则：单个级别批改全程最多读 5-7 个 refs；多选 ≥ 2 级别时按级别串行走 Step 1-6；output-schema.md 仅在 Step 6/7 读取。

完整的 Step ↔ refs 必读/可选/禁读映射表见 references/scoring-workflow.md §Refs 加载窄边界白名单。

资源索引

references/（按需加载）

scripts/

assets/

• report-template.html — 中文 HTML 报告模板（支持 CET + 考研两种级别输出）

references/calibration/

校准集作为 references/ 的一部分，与其他参考资料统一归属。

• README.md — 校准集使用说明
• samples/ — 各档真题样例作文 + 参考分（按 exam_level / band / task_type 组织）
• cross-level/ — 跨级别对照样例（同一作文在不同级别下的档次差异）
• cross-exam-analysis.md — 跨考试系统对照推演

references/examples/ + assets/examples/

端到端示例按"给 LLM 看的 few-shot"与"给用户打开的 HTML 成品"拆分：

• references/examples/<case>/ — input.txt + review.json + README.md（few-shot 素材）
• assets/examples/<case>/report.html — 渲染好的示例报告（供用户直接浏览）

差异化说明

详细竞品对比表（有道 / 批改网 / 通用 LLM vs 本 Skill 13 维度）+ 核心护城河 + 与 kaoyan-english-writing 的互补关系，见 references/competitive-analysis.md（按需加载，用户追问定位时读取）。