daymade__claude-code-skills/daymade-audio/transcript-fixer/references/dictionary_guide.md

纠错词典配置指南（Dictionary Configuration）

词典是 SQLite 数据库（~/.transcript-fixer/corrections.db），通过 --add 命令维护——不是硬编码在 fix_transcription.py 里。早期版本曾用代码内的 CORRECTIONS_DICT / CONTEXT_RULES 常量，现已全部迁入 db；本指南只描述当前的 db 机制。（旧的「编辑 CORRECTIONS_DICT」流程已废弃，勿再照做。）

词典存储

• 位置：~/.transcript-fixer/corrections.db（home 相对路径，skill 更新/迁移不丢用户数据；可用 TRANSCRIPT_FIXER_DB_PATH 覆盖）
• 核心表：active_corrections，列名是 from_text / to_text / domain（不直观——写自定义 SQL 前先读 database_schema.md）
• 查看：uv run scripts/fix_transcription.py --list [--domain <d>]

添加规则：--add

uv run scripts/fix_transcription.py --add "错误词" "正确词" [--domain <domain>]

• --domain 决定规则归属（默认 general）。项目特定的词（人名 / 项目黑话 / 产品代号）务必用项目专属 domain，不要进 general——否则会污染别项目的转写。详见 dictionary_identity_and_context.md 的「Project-Specific & Person-Name Corrections」。
• 应用时 --stage 1 --domain <domain> 只用该 domain 的规则；--domain all（默认）用所有 domain。这就是隔离机制：--domain <项目> 的人名规则不会作用于别项目转写。

两类规则

1. 简单字符串替换（大多数情况）

--add "巨升智能" "具身智能" —— 全局子串替换。适合非词的 ASR garbling（克劳锐→Claude）、专有名词、人名。

2. 上下文规则（需要周边文字判断）

当一个词只在特定上下文才错（如「争」→「蒸」只在蒸馏讨论里），简单替换会误伤正常用法。这类应作为 context rule（带正则 pattern + 周边短语）维护，而非全局替换。规则结构与维护见 database_schema.md / sql_queries.md。优先级：context rule 先于简单替换应用。

False Positive 防范（加规则前必读）

加错规则会静默污染未来所有转写。--add 对高风险词会警告（但不阻止）：

• 短词（≤2 字）：作为子串匹配，易命中更长的词。一个 2 字人名 / 词的纠错（--add "<2字错写>" "<2字正确>"）会触发 short-text 警告——2 字词容易作为子串命中更长的词，而且某项目里要纠的词在别项目可能是正常词的一部分。解法：用项目 --domain，规则只在该项目应用，别项目不受影响。
• 真实词 → 另一个词：如果「错写」端本身是个真实存在的词（常见姓氏、地名、普通词汇），放进 general 会误伤别的语境里这个词的正常用法。同样靠 --domain 隔离到项目内。
• 完整判断标准见 false_positive_guide.md。

维护命令

命令	作用
--list [--domain <d>]	列出规则
--audit [--domain <d>]	体检词典，报告可疑规则（短词 / 冲突等）
--report-false-positive "<from>" "<to>" -d <d>	停用一条误报规则、降低其置信度。两个参数是规则在词典里存的 from→to 对（照 *_changes.md 的 From/To 抄），不是「错词→对词」语义——详见 native_ai_full_workflow.md step 2
--load-presets <domain>	导入某 domain 的预置规则集（如 tech）

学习闭环（AI → 词典自动晋升）

Stage 2（AI 纠错）确认的修正会记入 db；同一模式出现 ≥3 次、置信 ≥80% 会从「AI 建议」自动晋升为词典规则（--review-learned 查看、--approve 人工批准）。这让词典随使用越来越准——这正是「复利」的来源：一次确认，未来同类转写自动纠，无需重写脚本。