林芷馨（上海交通大学外国语学院英语专业2024级）
评语：该技术依托Python结合大语言模型搭建英语写作智能修改助手，技术落地性强、实用价值突出。系统可高效完成作文语法纠错、句式润色、逻辑梳理与用词优化，适配日常英语习作自学场景。同时，还能兼顾译后编辑优化需求，精准适配各类外语教学实践，操作简便、适配教学场景，能切实助力学生稳步提升书面表达能力。
1. 项目技术基础
本系统以Python 3.9及以上版本为开发语言，搭建Python+Excel规则知识库+国内大模型API+Streamlit轻量化网页四层混合分层架构，适配Windows主流操作系统，整体开发、运行门槛适配本科学生实践场景。
项目依赖轻量化第三方库：
l借助pandas、openpyxl实现Excel表格结构化数据读取；
lrequests封装大模型HTTP接口请求；
lStreamlit完成无原生前端代码的网页交互开发，仅通过pip批量安装依赖即可完成环境部署；
l普通笔记本无需服务器、独立显卡即可稳定运行。
系统遵循轻量化、可解释、模块化、易拓展、易用性五大设计准则，区分离线规则纠错与云端AI润色两大处理链路，实现语法硬错误兜底、语义表达高阶优化的分层智能处理模式。
2. 分步开发实现流程
2.1 结构化Excel语法规则知识库搭建
人工梳理英语写作高频语法、搭配、中式表达、句式冗余类错误，标准化设计Excel表格字段，统一录入错误例句、标准修正文本、语法解释三类核心内容，累计收录五十余条写作纠错规则（见图1）。
知识库零代码维护，后期直接在Excel中新增、编辑规则条目即可扩充纠错范围，无须改动后端程序；代码采用Python原始字符串读取文件绝对路径，解决Windows中文目录、路径转义报错问题，增加文件损坏、字段缺失等异常捕获逻辑，保障本地规则稳定加载。
图1语法规则知识库
2.2 Python后端模块化核心功能开发
采用分模块解耦编程，拆分四大独立功能单元分步编码调试（见图2）：
第一，规则读取模块——加载Excel规则并清洗空值、无效条目，封装为字典列表供文本匹配调用；
第二，离线快速纠错模块——依托字符串匹配逻辑遍历全文识别固定语法错误，离线完成文本修正并同步记录错误位置、修改方案与语法依据，断网环境下可独立运行，修改逻辑可追溯；
第三，LLM智能润色模块——替换稳定性不足的海外模型平台，接入国内低实名、新用户免费额度充足的通用大模型API，配置教学专用提示词约束输出格式，实现中式英语改写、句式润色、逐条修改说明与整体写作提升建议，同时增加接口超时、返回字段异常容错处理，提升调用稳定性；
第四，结果处理模块——统一结构化整合本地纠错与AI润色数据，支持批改结果本地存档。
图2Python后端模块化代码
2.3 Streamlit轻量化网页交互层开发
复用全部后端批改逻辑，基于Streamlit搭建单页网页应用，无需编写HTML、CSS、JS前端代码，仅通过Python脚本渲染页面组件。
页面极简布局（见图3）分为标题区、多行文本输入区、批改触发按钮、分区结果展示模块，支持大段作文粘贴输入，一键启动完整批改流程。网页区分展示本地离线语法纠错结果与LLM智能润色点评，层次清晰便于复盘。启动服务后自动生成本地访问地址与局域网共享链接，同一网络多设备可同步使用，用户无需配置Python环境，浏览器直接访问即可完成作文批改，彻底脱离控制台代码操作。
图3交互界面
2.4 实践运用和后续增加规则
网站可直接落地个人英语写作实践：本人撰写课程作文、课堂演讲稿、英文汇报文稿时，可将全文粘贴至网页输入框，一键触发分层批改。系统先依托本地Excel规则定位冠词、介词、主谓一致等硬性语法错误并标注修改依据，再通过大模型优化生硬中式表达、调整句式逻辑，分区展示纠错记录与润色版本，方便对照理解自身写作短板，自主复盘修改、积累地道表达。系统可输出诊断报告（见图4）。
图4系统输出的诊断报告
长期迭代层面，本系统具备极强拓展空间：
l规则库可持续扩充，一方面结合国内教材、考试高频错题补充本土学习者专属语法规则，另一方面引入外文原版语法文献、海外写作规范，丰富适配学术、留学、商务等多场景纠错条目；
lAI模块可进一步探索多类型专业智能体，定制学术写作、口语演讲稿、议论文专属提示词智能体，切换不同润色风格，同时接入多模型对比调用机制，丰富语义优化能力，持续提升系统适配不同写作场景的综合效果。
10个月宝宝每天需要喝多少奶粉？
