数据处理

用 OpenCC 纯 Python 实现对比 t2s 与 tw2sp，保存原文和转换配置，验证地区词汇差异、往返不可逆与实体位置风险。

上传客户文本给 ChatGPT 前，先用 Python 本地遮蔽手机号与邮箱，再人工核查姓名、订单号等漏项。

用 DeepSeek JSON Output 整理客户反馈问题、原句证据和待核实项，代码对空响应和无依据引句报错。

给 ChatGPT 受控提词提示，要求每个关键词附原文依据，再人工选出不重复的站内标签。

用分段编号和两轮证据表处理 ChatGPT 长文本问答，核对跨段结论、版本与例外。

用公开中文评论模型输出情感标签与分数，核对反讽、混合评价和业务迁移时的误判。

用 jieba 对比中文精确分词和搜索分词，加入业务词典，并检查关键术语与原句是否保持。

用 PaddleOCR Table Recognition V2 将图片表格导出 XLSX、HTML 与 JSON，并核对表头、行列和数值。

用 Pydantic 和 Structured Outputs 固定 JSON 字段，验证缺失值，并处理拒答、解析异常和事实校验。

为每张批量 OCR 图片保存文本和状态，区分空结果、失败与成功，并按输入文件数核对完整性。