写作文本的 “神医” 来啦！绿联部署nk Battles，多维评分加建议

「NAS、键盘、路由器······年轻就要多折腾，我是爱折腾的熊猫—多面手博主！咱主打的就是一个 “技能不压身，干货不掺水”」

引言

这两天我翻了翻笔记软件，好家伙，突然发现文章总数都 800 多篇了，创作字数也快到千万了。虽说写了这么多，但老实讲，我写过的东西基本不回头看，因为每次再看都能发现好多错别字，或者表达不对劲的地方。在熊猫文章里找错字，都成粉丝们的保留节目了。

错别字

不过最近我也是尽量每次写完都检查两遍，但纯靠人工实在是太慢了。所以我就琢磨着用 AI，好巧不巧，还真让我找到个巨有用的项目 ——Ink Battles。（开源地址：https://github.com/Hoshino-Yumetsuki/ink-battles）

项目介绍

一个 AI 驱动的作品分析平台，它能用 AI 分析用户上传的文字和图片内容，从多个维度给作品打分，还会给出内容解析和建议，你可以理解为让 AI 做阅读理解，读你写的内容。

项目部署

这次部署用的是绿联 6800 Pro。之所以选择绿联，也是因为我现在大多数 AI 驱动的项目都在绿联上跑着。而且绿联本身也支持本地大模型，再加上有 PCIE 扩展这玩意儿，以后还能外接显卡扩展本地的算力。

桌面

Ink Battles 的作者给了 Dockerfile 文件，不过需要自己构建镜像。所以第一步就是先把项目文件下载下来，解压后放到 Docker 的文件夹里，就像这样哈。

文件管理

这儿得注意，下载下来的.env.example 文件得重命名成.env。而且还得自己建个 compose 文件，源文件里并没有。打开绿联的 Docker，在项目里新建个项目，把下面这串代码输进去，同时把文件目录设成项目的根目录。

version: '3.8'

services:

node-app:

# 基于当前目录的Dockerfile构建

build:

context: .

dockerfile: Dockerfile

# 容器名称

container_name: Ink-Battles

# 端口映射：主机端口:容器端口

ports:

- "3600:3000"

# 环境变量配置

environment:

- NODE_ENV=production

# OpenAI 相关

- OPENAI_API_KEY=sk-xxxxxxx

# 自定义代理或兼容 Azure 配置

- OPENAI_BASE_URL=默认为OpenAI地址

# 指定模型 (可选，默认 gpt-4o)

- MODEL=gpt-4o

# 重启策略：容器退出时总是重启

restart: always

networks:

- app-network

networks:

app-network:

driver: bridge

代码

这里面端口、API 相关的内容，得按照自己的实际情况改。有一点要注意，因为这项目得用到图片识别与内容识别，所以选模型的时候，得选支持 Vision 的模型。

日志

最后构建并创建项目，日志出现这样的内容就代表项目成功部署了。

项目使用

通过绿联的快捷访问或者浏览器手动输入IP与端口号就能访问项目了，左边为内容输入界面，支持文本和图片，右边则是评分模式。

首页

评分模式非常多，可以多选，也能单选，还可以不选。一般按照自己内容的形式选就行，比方说常规的测评啥的，选初始门槛、产出编辑、内容特点跟文本法官就成。同时，内容输入那会显示字数统计，不过统计是按字符来算的。

评分

文本内容的评分只支持文字内容，不过实际测的时候发现能解析 Markdown 格式的图片地址，但图片内容不会去分析。满分是一百分，综合战力评分是根据各维度评分和总评算出来的。各维度分了多内容，每项内容也都有对应的分数，还会显示得分的地方和不足的点。

维度评分

最后会有一个作品的概述，可以理解为剖析，同时会有优势亮点与改进建议，不得不说AI分析得还是头头是道的，结论也符合逻辑。

总结

写在最后

不得不说，AI在阅读理解这块的确是比我要厉害多了，不过我发现测试下来，鲁迅的文章居然和我的文章分数相差不大，是不是等于我也算是当代“鲁迅”了呢？

以上便是本次分享的全部内容了，如果你觉得还算有趣或者对你有所帮助，不妨点赞收藏，最后也希望能得到你的关注，咱们下期见！

尾图

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～