上一篇文章《技术文档 AI 审核实践：从本地轻量校验到 Codex Code Review》中，我简单提到过，在引入 Codex 做更深入的内容 Review 之前，我先做过一套本地 AI 文档纠错系统，用来处理错别字、术语误写、基础病句和部分格式异常。

当时只是顺手带了一句，没想到有读者对这块更感兴趣。所以这篇文章就单独展开聊聊：为什么要做一个本地中文 AI 文档纠错系统，它和直接调用大模型有什么区别，以及从一个能跑的 Demo，到一个团队里真的能用的 Web 工具，中间需要补上哪些工程设计。

当技术文档全面采用 Doc-as-Code 并托管在 GitHub 之后，Review 流程也开始越来越像代码协作，面临越来越高的质量压力。过去半年里，我围绕文档审查做了一次比较完整的演进：先用本地轻量校验处理错别字和基础文本问题，再引入 Codex 的本地与云端 Code Review，并通过 AGENTS.md 把审查规则逐步沉淀下来，最终形成一套轻量、本地、云端三层配合的内容审查流程。

这篇文章想分享的，不只是工具体验，而是这套流程为什么值得做、怎么设计，以及它的边界在哪里。

作为一名内容传播从业者，我的工作就是把复杂信息转化为清晰、可操作的内容。久而久之，我养成了“职业病”：走到哪儿都忍不住审视周围的信息呈现方式。这不，最近遇到几个典型案例，拿出来分享，换换口味，不讲严肃的原理，一起来看看我们是怎么被信息误导的，也提醒自己在内容设计时避免犯错。

你好，我是 Walter，欢迎来到我的博客 Flowing Docs / 知流小记。

其实想写博客已经很久了，只是一直拖着没动手。这次终于下定决心，先写篇文章立个 flag，免得自己又半途而废。写博客对我来说，就是找个地方把零散的想法整理出来，分享出去。我总觉得，如果一篇技术文章能让读者少走一些弯路，那这篇文章就发挥了它最大的价值。