敏感词筛查-CMT

This skill should be used when the user wants to check files (PDF, Word, Excel) for sensitive/prohibited words from a word library, and highlight them in yellow. The skill has a built-in word library (65 words, 9 categories) and also supports external word files.

Sensitive Word Checker Skill v3（内置词库版）

Purpose

检查文件（PDF、Word、Excel）中的敏感/禁用词，仅对匹配的敏感词本身标黄（非整段/整句标黄），输出标注后的文件。

When to Use

• 用户要求对文件进行敏感词筛查/审核
• 合同审核或文档合规检查
• 触发关键词：敏感词、禁用词、检查、审核、标注、标黄

Workflow

Step 1: 收集信息

从用户处获取：

1. 待检测文件：PDF、Word（.docx）或 Excel（.xlsx/.xls）
2. 敏感词库（可选）：默认使用内置词库（9类65个词条）；也可指定外部 .docx 词库文件
3. 输出位置：默认桌面

Step 2: 运行检测脚本

使用内置词库（推荐，无需额外文件）：

bash

python sensitive_word_checker.py --input <待检文件> --output <输出目录>

使用外部词库文件：

bash

python sensitive_word_checker.py --words <敏感词库.docx> --input <待检文件> --output <输出目录>

参数说明：

参数	说明	是否必填
--input	待检测文件路径	必填
--words	敏感词库文件路径（.docx）	可选，不填则用内置词库
--output	输出目录（默认桌面）	可选

Step 3: 输出结果

• Word文件：.docx — 仅敏感词文字本身标黄（黄色底色+黄色字体高亮）
• Excel文件：.xlsx — 含敏感词的单元格标黄
• PDF文件：.pdf — 敏感词区域添加黄色高亮注释

内置敏感词库（9类65词）

类别	敏感词
高规格名号	中国、中华、国家、全国、国际、世界、全球、环球、亚洲、中外、海外、中西、自贸港、峰会、高端、高峰、巅峰、多双边机制
会议名称	分论坛、卫星会、论坛、讲座、讲坛、大会、年会、报告会、研讨会、培训班、上市会、推介会、研讨班
评奖活动	评比、评选、赛、大赛、海选、奖励、奖、示范、表彰、标杆、比拼、达标、植入、学分、案例
企业专题	企业专题会
名称包含	产品名、商品名
报社文本	讲者幻灯
茶歇宴会	茶歇、宴会、宴请
收费合同	软文、报道、硬广、采访、新闻、稿件、文章、字数、记者、驻地记者
其他	授牌、飞检

核心改进（v1 → v2 → v3）

项目	v1（旧版）	v2（精确标黄）	v3（内置词库）
标黄精度	整个run/段落标黄	仅敏感词文字本身标黄	同v2
词库来源	需外部文件	需外部文件	内置65词，开箱即用
词库格式	仅支持简单列表	支持【严禁】分类格式 + 表格	内置 + 仍支持外部文件
--words参数	必填	必填	可选

Python Script Location

脚本位于当前 skill 目录下的 scripts/sensitive_word_checker.py。

运行前先确保已安装依赖：

bash

pip install python-docx openpyxl pypdf2 pymupdf

Notes

• 匹配不区分大小写
• 支持部分匹配（如"广告"可命中"广告投放"）
• 长词优先匹配（避免短词误吞长词的一部分）
• 自动合并重叠匹配区间
• 保持原文档格式不变