一

表里如一

跨文档结论一致性治理系统

华北五省(市、自治区)及港澳台大学生计算机应用大赛 · 大模型与智能体应用赛道

让每一句结论,都能追溯到它的数据来源

导入一份 Excel 事实表与若干 Word 报告、PPT 汇报,系统识别其中的数值论断并请人工确认来源。 当数据被修改后,逐项重算,区分「仍然成立 / 已经失效 / 无法判断」, 只修改失效的部分,重新读取文件复核后导出可追溯的新版本。

无需注册 · 无模型依赖 · 纯规则模式即可完整运行

232自动化回归测试全部通过
5 类可核验论断:数值·增长率·排名·阈值·图表
0依赖大模型即可完整运行
0.12s1999 行事实表解析(原 173s)

在线体验

在线演示环境运行的是与安装包完全相同的系统,可直接点开试用,无需安装任何软件。 系统会创建一个只属于本次访问的演示项目,可自由操作,不影响其他访问者。

演示环境

正在检测演示环境状态…

体验建议(约 3 分钟)

  1. 点击「体验演示项目」,系统生成示例 Excel / Word / PPT
  2. 点「批量确认候选关联」,审阅每条结论的数据来源
  3. 载入演示变更:销售额 125 改为 90
  4. 查看哪些结论失效,哪些即便数值变了却依然成立
  5. 预览修复对照,确认后下载新版文件

若演示环境暂时不可用(免费实例休眠或维护),请使用页面下方的 Windows 免安装包在本机运行, 两者功能完全一致。

下载

请按你的操作系统选择。若不确定,页面会自动高亮当前系统对应的版本。 Windows 原生便携包已可直接下载;macOS / Linux 提供目标系统构建包,运行其中的脚本即可生成对应架构的原生包。

⊞

Windows

可下载 · v0.2.1

  • Windows 10 / 11(64 位)
  • 原生便携包,约 34 MB
  • 无需 Python,解压后直接运行 Zhilian.exe
下载免安装包

macOS

可构建 · 目标系统生成原生包

  • 计划支持 macOS 12 及以上(Intel / Apple 芯片)
  • 运行 `packaging/build.sh` 生成对应架构包
  • 当前页面提供跨平台构建包,需在 macOS 实机执行
下载构建包
🐧

Linux

可构建 · 目标系统生成原生包

  • 计划支持 Ubuntu 22.04+ / Debian 12+ 等主流发行版
  • 运行 `packaging/build.sh` 生成 Linux 原生包
  • 当前页面提供跨平台构建包,需在 Linux 实机执行
下载构建包
🤖

Android

规划中 · 走浏览器

  • 安卓端计划以浏览器方式接入,不单独发布 APK
  • 原因:系统需按路径读写 Excel / Word / PPT, 而主流安卓文件管理器走 SAF 不暴露真实路径
  • 打开上方在线演示即等同于安卓端可用
使用在线演示
说明:Windows 原生便携包已构建并验收。macOS 与 Linux 采用 PyInstaller 在目标系统生成原生包,页面提供同一套构建包和脚本;跨平台二进制不能在 Windows 上交叉伪造, 发布前需在真实机器上完成安装与文件读写验证。

完整源代码 全平台通用

含后端、前端、自动化测试与第三方许可声明,可自行构建与复现。

  • 版本 v0.2.1 | 约 0.45 MB
  • 运行 pytest -q 可复现全部 232 项测试
下载源代码

事实表模板

导入前请按模板整理数据,首行需包含 7 个固定列,列顺序可任意调整。

  • 事实ID · 主体 · 指标 · 期间 · 数值 · 单位 · 统计口径
下载模板

Windows 免安装包

解压后双击 Zhilian.exe,浏览器会自动打开。

  • 最适合快速试用与现场演示
  • 纯规则模式无需联网、无需密钥
重新下载

使用 Docker 运行(Windows / macOS / Linux 通用)

docker build -t biaoliruyi .
docker run --rm -e ZHILIAN_ACCESS_PASSWORD=你的密码 -p 8765:8765 biaoliruyi

启动后访问 http://127.0.0.1:8765。macOS / Linux 也可以按上方构建包生成原生便携程序;Docker 适合作为不安装 Python 的替代方式。

工作原理

核心不是「让模型改文档」,而是把「哪句该改、改成什么、改动是否可靠」变成可验证的确定性过程。

1
识别论断

从 Word/PPT 中定位数值引用、增长率、排名、阈值与原生图表,保留精确字符锚点。

2
确认来源

每条结论关联到 Excel 事实 ID,由人确认。系统给出候选,不代替判断。

3
依赖传播

事实之间可定义派生关系(差额、比率、增长率、合计),改一个数,下游按拓扑序自动重算。

4
确定性核验

用 Decimal 精确计算与单位、口径约束判定状态,不由模型计算。

5
增量修复

按字符区间逆序打补丁,保留未修改内容的格式;PPT 重建原生图表数据系列。

6
独立复核

重新读取生成的文件,验证选中论断已一致、其余正文未变,失败则废弃本次版本。

三种运行模式

模式组成适用场景
无模型规则引擎零依赖、零成本、完全离线,默认模式
离线规则 + 本地重排模型内网或断网环境,模型随包分发
在线规则 + API 大模型复杂表述兜底,并提供可读的解释

无论哪种模式,模型只提建议,不计算、不裁决、不写文件; 所有来源最终仍由使用者确认,计算与写入始终由确定性引擎完成。

工程要点

  • 证据链:每条建议绑定原文片段与事实来源,无依据不下结论
  • 事务性版本:先复制、再写入、复核后原子切换;支持撤销与完整审计记录
  • 格式保真:Word 按 run 级打补丁,未修改文字保持原格式
  • 防篡改:源文件 SHA-256 校验,分析后被外部修改则拒绝操作
  • 提示注入防护:文档内容始终被视为数据,越权指令不影响事实白名单
  • 依赖图:环依赖直接报错,不会静默算出错误结果

参赛信息与文档

参赛信息

  • 赛道:大模型与智能体应用赛道
  • 作品名称:表里如一(内部代号 zhilian,域名 zhilian.space)
  • 平台:Python 3.11+ / FastAPI | 运行平台不限,本机即可运行
  • 公网联通:本站 + 在线演示环境均已公网可访问

技术声明

  • 计算全部由确定性引擎完成,使用 Decimal,不使用模型算数
  • 第三方依赖通过 pip 安装,未修改其源码,许可声明随源码提供
  • 使用 AI 辅助编程,具体模型、版本与代码比例见《软件设计文档》
  • 团队自有部分:业务规则、依赖图、评测方法、交互设计与测试用例