企业官网建设流程全解析

1. 服务概述

一句话简介：确定性写作分析系统，将AI草稿转化为可发布的写作内容，作为AI生成文本的最终QA检查

• 服务名称：publishready
• 版本号：最新版本
• 开发者/提供方：veldica
• 协议类型：MCP (Model Context Protocol)

2. 核心功能

publishready提供以下主要功能：

• 模板、目标和参考模式：与内置模板、数值目标、参考文本或可重用参考配置文件进行比较
• 确定性指标：结构计数、句子和段落分布、词汇信号、可扫描性、小说代理和可读性公式
• 具体修订建议：基于证据的排名建议，如缩短长句、替换难词、减少抽象措辞
• AI风格文本审计：确定性标记清单，识别公式化、通用或过度润色的文本
• 小说和非小说支持：对话、感官密度、抽象措辞和场景节奏的叙事指标
• 可解释性解释：目标和指标解释，说明受众、用例、风格含义和权衡
• 本地优先和隐私保护：stdio优先、确定性、无外部API调用、无LLM包装器

3. 使用场景

publishready适用于以下场景：

• AI写作质量检查：在发布AI生成的内容前进行最终质量审核
• 发布前内容审核：确保文章达到发布标准，符合目标受众要求
• 可读性分析：评估文本的可读性等级和受众适配度
• 风格一致性检查：确保写作风格与品牌或出版物指南一致
• AI痕迹识别：检测和标记AI生成文本的典型特征
• 小说创作辅助：分析叙事节奏、对话密度和感官描写
• 技术文档优化：改善技术文档的清晰度和可扫描性

4. 接入方式

4.1 服务端点

publishready支持多种运行模式：

• MCP服务器：通过stdio或HTTP提供MCP服务
• CLI工具：命令行本地分析工具
• HTTP服务：托管部署，支持Streamable HTTP

4.2 认证与权限

publishready是本地优先工具：

• 本地运行无需认证
• 无外部API调用，保护隐私
• 确定性分析，结果可重现

4.3 数据格式

支持以下输入输出格式：

• 输入：纯文本、Markdown格式文本
• 输出：JSON格式的分析报告，包含指标、建议和解释

4.4 服务器配置

MCP客户端配置示例：

{ "mcpServers": { "publishready": { "command": "npx", "args": ["-y", "@veldica/publishready-mcp"] } } }

HTTP服务配置：

npx @veldica/publishready-mcp --transport=http --port=3000 # MCP端点: /mcp # 健康检查端点: /health

5. 接口定义

publishready MCP服务器提供16个专业分析工具：

5.1 核心包结构

核心包：

• @veldica/publishready-mcp：MCP服务器实现
• @veldica/publishready-cli：命令行工具
• @veldica/publishready-core：核心编排引擎
• @veldica/publishready-schemas：统一Zod模式和接口

底层库：

• @veldica/prose-analyzer：确定性风格信号分析
• @veldica/readability：可读性公式库
• @veldica/prose-tokenizer：Markdown感知的文本分词
• @veldica/prose-linter：目标检查和修订建议

6. 快速开始

6.1 环境要求

• Node.js 16或更高版本
• npm或npx

6.2 示例代码

CLI使用 - 分析文本文件：

npx @veldica/publishready-cli analyze sample.txt

MCP服务器 - 本地运行：

npx @veldica/publishready-mcp

MCP服务器 - HTTP模式：

npx @veldica/publishready-mcp --transport=http --port=3000

开发环境设置：

git clone https://github.com/veldica/publishready-mcp cd publishready-mcp npm install npm run build npm run lint npm run typecheck npm test

使用示例对话：

# 分析AI生成文本 "分析这篇文章的AI痕迹，识别可能的AI生成特征" # 可读性检查 "检查这篇技术文档的可读性，是否适合普通读者？" # 风格一致性 "这篇文章是否符合我们的品牌写作指南？" # 修订建议 "为这篇文章生成具体的改进建议，重点关注可读性"

7. 注意事项

• 确定性哲学：避免使用困惑度等模型依赖评分，确保结果可解释、可重现、实用
• 本地优先：所有分析在本地完成，不发送数据到外部服务器
• 无LLM包装器：不依赖外部LLM API，完全确定性分析
• 多模式支持：支持模板、目标、参考文本和参考配置文件四种比较模式
• AI痕迹检测：提供确定性AI标记清单，识别公式化、通用或过度润色的文本
• 小说和非小说：同时支持小说创作（对话、感官密度）和非小说写作（可读性、结构）
• 修订建议：提供基于证据的排名建议，如缩短长句、替换难词、减少抽象措辞
• 可解释性：所有指标和目标都有明确的解释，说明受众、用例、风格含义和权衡
• MIT许可：开源项目，采用MIT许可证
• 产品主页：https://veldica.com/publish-ready