From d119d5aa091e6291dba724d2578721284f6bbc7e Mon Sep 17 00:00:00 2001
From: denglifan <dlf24@mails.tsinghua.edu.cn>
Date: Tue, 24 Mar 2026 14:23:40 +0800
Subject: [PATCH] update useage

---
 LeishuUseage.md | 15 ++++++++++++++-
 1 file changed, 14 insertions(+), 1 deletion(-)

diff --git a/LeishuUseage.md b/LeishuUseage.md
index f66f979..d8a44da 100644
--- a/LeishuUseage.md
+++ b/LeishuUseage.md
@@ -34,6 +34,7 @@
 ### 3.3 诗歌典故的自动挖掘与校验
 - 逻辑：利用类书本身自带的经史子集注疏，作为校验器。
 - 用途：当用户自行输入一句诗时，系统通过实体识别与类书匹配，如果命中类书中的某个典籍片段，可以自动高亮该词，告诉用户“此处暗合了某某典故”。这极大增强了爱好者的“创作满足感”。
+
 ## 4. 技术实现与工程流水线建议
 为了让这些JSON文件在小程序中高效运转，建议采用以下架构：
 第一步：知识库向量化与索引化 (RAG 架构基础)
@@ -53,5 +54,17 @@
      }
    }
    5. UI渲染：小程序前端解析该JSON，展示带有依据的修改建议卡片。
+
 ## 5. 总结
-在“九歌·推敲”中引入这些处理好的类书JSON，本质上是用中国古代分类学（类书）的智慧，去约束和解释现代的大规模语言模型（LLM）。这不仅解决了AI生成内容不透明、不可控的问题，还将“推敲”这一古典文学实践，通过知识图谱和文本检索的技术手段，原汁原味地还原给了当代诗歌创作者。
\ No newline at end of file
+在“九歌·推敲”中引入这些处理好的类书JSON，本质上是用中国古代分类学（类书）的智慧，去约束和解释现代的大规模语言模型（LLM）。这不仅解决了AI生成内容不透明、不可控的问题，还将“推敲”这一古典文学实践，通过知识图谱和文本检索的技术手段，原汁原味地还原给了当代诗歌创作者。
+
+
+- 根据主题写内容
+  - 根据用户提供的主题、标题，检索类书中相应内容
+  - RAG
+  - 以词为单位提供推荐依据，搭配、名句出处、典故、类书记载（如有）
+- 推敲换词
+  - 在Elasticsearch中检索与用户选定的词相关的词（向量？）
+  - 对仗：看对句同样位置的词，在“事对”中检索
+  - 保留现有的PPL、搭配等推荐逻辑
+  - 候选中增加“推敲卡片”？
\ No newline at end of file