用WorkBuddy做句子库季度体检：空字段、重复、过期

起因

句子库用久了会悄悄变脏：有的条目只写了正文，其他全空；有的句子存了两遍；还有的当年靠某个热点成立，现在读已经莫名其妙。平时一条条看不出来，攒一季度就很明显。于是做了一次季度体检，只查三类问题。

三类检查

空字段：统计每列的填写率，只列出低于某个比例的条目，不要求全部补齐。句子正文之外的列本来就可空，体检的目的不是逼人填满，是找出那些真的该补的（比如缺来源、缺月份）。

重复：分两层——字面完全相同的直接合并候选；共用物件词与动作词的，并排列出交人工。不让工具判断“像不像”，只按规则分组。

过期：挑出含年份、具体事件、流行说法的条目，标为需要复核，不自动删除。很多句子确实只属于当时，留着可以，但要标清楚。

字段与取值互斥可判定，参照 BackendWiki 把取值列成表的方式；去时间锚点的思路，1Panel 官方文档那种版本无关的写法 也值得对照。

WorkBuddy 做什么

按三类规则各跑一遍、输出三张待办表、每张按条数或加入时间排序、最后生成一份对照表作为回退依据。只标不删，所有处置由人决定。把体检固定成每季度跑一次，可参考 WorkBuddy 官方文档 的编排说明。

结果页是纯静态的，按类别折叠，Bootstrap 组件实验室的示例 给了现成做法。

结果

第一次体检标出空字段四十来条、重复二十来条、疑似过期十几条。真正处理的只有重复那部分，其余多数只是补了个标记。库没变小多少，但能分清哪些是资料、哪些是待办，找起来不再被半空的记录干扰。

小结

体检的价值不在清理干净，而在把三类问题显式列出来。只标不删、按季度跑一次，句子库才不会在不知不觉中变成一堆说不清来历的存货。