diff --git a/.github/workflows/lint.yml b/.github/workflows/lint.yml
new file mode 100644
index 00000000..57d5abcd
--- /dev/null
+++ b/.github/workflows/lint.yml
@@ -0,0 +1,63 @@
+# Nothing ran these checks automatically before, so a defect they were
+# written to catch could still be merged. They are cheap and need no
+# dependencies beyond the standard library.
+name: lint
+
+on:
+  pull_request:
+  push:
+    branches: [master]
+
+permissions:
+  contents: read
+
+jobs:
+  tools:
+    name: tools
+    runs-on: ubuntu-latest
+    steps:
+      - uses: actions/checkout@v4
+      - uses: actions/setup-python@v5
+        with:
+          python-version: '3.12'
+
+      - name: Unit tests
+        run: python -m unittest discover -s tools -p 'test_*.py' -v
+
+      - name: Every eol.rst matches versions.json
+        run: python tools/update_eol.py --check
+
+  headings:
+    name: section titles
+    runs-on: ubuntu-latest
+    steps:
+      - uses: actions/checkout@v4
+      - uses: actions/setup-python@v5
+        with:
+          python-version: '3.12'
+
+      # reStructuredText requires the overline and underline of a section
+      # title to be the same length. Where they differ docutils refuses to
+      # build the section and the next one silently becomes the page title,
+      # without failing the build. Scoped to the versions versions.json
+      # calls current, so it follows a release instead of needing an edit,
+      # and so the archived versions -- which still carry mismatches and are
+      # consolidated by canonical anyway -- do not block unrelated work.
+      - name: Section title rules in the current documentation versions
+        run: |
+          set -eu
+          versions=$(python -c \
+            "import json; d = json.load(open('versions.json')); \
+             print(d['release'], d['development'])")
+          dirs=""
+          for v in $versions; do
+            for d in */"$v"; do
+              [ -d "$d" ] && dirs="$dirs $d"
+            done
+          done
+          if [ -z "$dirs" ]; then
+            echo "versions.json names no directory that exists" >&2
+            exit 1
+          fi
+          echo "linting:$dirs"
+          python tools/check_headings.py $dirs
diff --git a/zh-cn/15.8/config/llm-gemini.rst b/zh-cn/15.8/config/llm-gemini.rst
index 396b1ee4..8f4f879e 100644
--- a/zh-cn/15.8/config/llm-gemini.rst
+++ b/zh-cn/15.8/config/llm-gemini.rst
@@ -5,7 +5,7 @@ Google Gemini配置（AI 搜索 / RAG）
 概述
 ====
 
-本页说明如何配置 ``fess-llm-gemini`` 插件，以便 |Fess| 使用 Google Gemini 实现其**AI搜索模式（RAG：Retrieval-Augmented Generation）** —— 基于引用来源，直接从您的企业搜索索引回答自然语言问题。|Fess| 会调用 Google AI API（Generative Language API），使用 Gemini 模型对已爬取的文档执行 RAG。
+本页说明如何配置 ``fess-llm-gemini`` 插件，以便 |Fess| 使用 Google Gemini 实现其\ **AI搜索模式（RAG：Retrieval-Augmented Generation）** —— 基于引用来源，直接从您的企业搜索索引回答自然语言问题。|Fess| 会调用 Google AI API（Generative Language API），使用 Gemini 模型对已爬取的文档执行 RAG。
 
 Google Gemini是Google公司提供的最先进的大型语言模型（LLM）。
 |Fess| 可以使用Google AI API（Generative Language API）通过Gemini模型实现AI搜索模式功能。
diff --git a/zh-cn/15.8/config/llm-ollama.rst b/zh-cn/15.8/config/llm-ollama.rst
index 902d7da2..c63d64a6 100644
--- a/zh-cn/15.8/config/llm-ollama.rst
+++ b/zh-cn/15.8/config/llm-ollama.rst
@@ -5,7 +5,7 @@ Ollama配置（本地 LLM / RAG）
 概述
 ====
 
-本页说明如何配置 ``fess-llm-ollama`` 插件，以便 |Fess| 使用本地部署的 Ollama 模型实现其**AI搜索模式（RAG：Retrieval-Augmented Generation）** —— 基于引用来源，直接从您的企业搜索索引回答自然语言问题，且无需将数据发送至外部 API。|Fess| 会调用本地 Ollama API，对已爬取的文档执行 RAG。
+本页说明如何配置 ``fess-llm-ollama`` 插件，以便 |Fess| 使用本地部署的 Ollama 模型实现其\ **AI搜索模式（RAG：Retrieval-Augmented Generation）** —— 基于引用来源，直接从您的企业搜索索引回答自然语言问题，且无需将数据发送至外部 API。|Fess| 会调用本地 Ollama API，对已爬取的文档执行 RAG。
 
 Ollama是用于在本地环境运行大型语言模型（LLM）的开源平台。
 |Fess| 的Ollama集成功能以插件 ``fess-llm-ollama`` 的形式提供，适合在私有环境中使用。
diff --git a/zh-cn/15.8/config/llm-openai.rst b/zh-cn/15.8/config/llm-openai.rst
index f2760374..4d8498fa 100644
--- a/zh-cn/15.8/config/llm-openai.rst
+++ b/zh-cn/15.8/config/llm-openai.rst
@@ -5,7 +5,7 @@ OpenAI配置（AI 搜索 / RAG）
 概述
 ====
 
-本页说明如何配置 ``fess-llm-openai`` 插件，以便 |Fess| 使用 OpenAI 实现其**AI搜索模式（RAG：Retrieval-Augmented Generation）** —— 基于引用来源，直接从您的企业搜索索引回答自然语言问题。|Fess| 会调用 OpenAI API，使用 GPT 模型对已爬取的文档执行 RAG。
+本页说明如何配置 ``fess-llm-openai`` 插件，以便 |Fess| 使用 OpenAI 实现其\ **AI搜索模式（RAG：Retrieval-Augmented Generation）** —— 基于引用来源，直接从您的企业搜索索引回答自然语言问题。|Fess| 会调用 OpenAI API，使用 GPT 模型对已爬取的文档执行 RAG。
 
 OpenAI是提供GPT-4等高性能大型语言模型（LLM）的云服务。
 |Fess| 可以使用OpenAI API实现AI搜索模式功能。