话不多说，先摆出几个核心判断：跃问在修正中文错别字、标点乱用和语法硬伤这块，确实做到了“快准狠”。你不用逐字翻字典，也不用反复在多个工具间横跳。它能直接识别“夭→天”“决→绝”“跃→越”这类形近误写，还能结合上下文判断“激动不己”到底该不该改成“不已”，而不是替换成“不己”。这就是它区别于普通校对工具的关键所在。 ## 网页/App端一句话启动纠错 打开跃问官网或手机App，进入任意对话框。这一步不需要登录账号，基础校对功能也能直接用。 把待改的文本完整粘贴进去，紧接着输入指令：“请检查错别字、标点错误和语法问题，只输出修正后的文本，不要解释。” 点击发送，模型通常在10秒内就会返回结果。如果原文里有“活越”“忘闻问切”这种固定搭配错误，它会直接改成“活跃”“望闻问切”，而不是只给你标红让你自己猜。**必须强调一下：指令里务必写明“只输出修正后的文本”**，否则模型默认会附带修改说明，比如“‘活越’应为‘活跃’”，你最终会得到带括号的混合结果，没法直接复制使用。 ## 本地部署API批量处理长文档 这套方案主要面向整本教材、书稿、公文材料等万字以上文本，既能避开网页版单次3000字的限制，又能保证数据全程不离开本地服务器。 具体怎么操作？很简单。通过官方渠道或开源社区获取对应镜像，在有NVIDIA GPU的机器上部署服务。服务启动后，访问http://localhost:8000/docs，找到/correct接口，点击“Try it out”，在text字段粘贴段落（单次建议不超过8000字），params中填入{"level": "strict", "return_details": true}，然后点击Execute。 返回的JSON里包含四个字段：原始句、修正句、错误类型（例如“形近错字”“成语误用”），以及修改依据（比如“翻山跃岭”不符合《现代汉语词典》规范写法应为“翻山越岭”）。你只需要提取`corrected_text`字段的内容即可，后续处理非常方便。 ## OCR识别后语义级纠错 这个方法主要应对手写稿、扫描件、模糊古籍图里的双重错误。举个例子，OCR识别出“今夭我门去公园玩”后，跃问能判断“夭→天”“门→们”到底是识别错误，还是原文本身就错了。 第一步：在跃问App中点击底部“文档识别”图标，拍摄清晰的手写段落，确保字迹无重影、角度正、光线均匀。第二步：识别完成后，界面右下角会自动弹出“智能纠错”按钮，点击即可触发语义比对。第三步：系统会高亮“夭”“门”两处，并给出修正依据，例如“‘夭’与‘天’形近，但‘今天’为固定时间词；‘门’与‘们’拼音相同但语义不符，‘我们’为主语常用复数代词”。 需要特别留意的是，这一步不能跳过OCR识别直接纠错。**必须先完成文字提取**，否则模型无法定位图像中的具体字符位置，自然也就谈不上精准修正了。 ## 用结构化指令让AI盯住特定错字类型 如果你知道自己总把“的/地/得”“在/再”“做/作”搞混，或者常把“越”打成“跃”，完全可以让跃问只扫这些坑。 方法一：在指令开头绑定真实场景。比如“用户正在用飞书写周报，刚被老板微信指出‘授权力度不够’这句话有语病，且他备忘录第一页写着‘跃→越、决→绝、己→已’三个高频错字”。这样模型就能精准定位场景。 方法二：明确限定纠错范围。例如“请只检查以下三类错误：①‘跃’字单独出现时是否缺前缀（如‘雀跃’）；②‘己’‘已’‘巳’是否混淆；③‘决’‘绝’‘抉’是否用错语境”。这样一来，相当于请了一位语文老师专门盯着这几处易错点。 方法三：要求输出带溯源的修改清单，格式为“原句｜错误位置｜错误类型｜修正后｜依据”。比如“翻山跃岭｜第4字｜成语误用｜翻山越岭｜不符合《现代汉语词典》第7版成语条目”。这样不仅帮你改了，还告诉你为什么改，能有效预防下次再犯同类错误。