/article2book

素材类型处理规则

本文件用于指导 article2book 处理不同来源、格式和成熟度的内容资产。

总原则

1. 先区分“可直接通读文本”和“需预处理素材”。
2. 可直接通读的素材进入主流程；需预处理素材先记录路径、类型和处理建议。
3. 不要因为格式复杂就忽略素材，也不要在未提取正文前对其内容价值下结论。
4. 所有判断尽量保留可回溯路径。

Markdown / MDX / 纯文本

处理方式：

• 直接纳入通读范围
• 优先读取正文，而不是只看标题或 frontmatter
• 注意识别标题、发布时间、标签、发布状态和内部链接

适合判断：

• 文章、专栏、笔记、小册子、书稿章节雏形

短笔记 / 卡片 / Obsidian 笔记

处理方式：

• 不要按单篇完整文章期待它们
• 重点识别概念、判断、案例、金句和可补写线索
• 多篇短笔记可合并为一个章节、课程单元或知识库条目

适合判断：

• 知识库、书稿素材池、课程补充材料

字幕稿 / 逐字稿 / 直播稿

处理方式：

• 先去除明显时间戳、口头禅和重复转场
• 重点识别讲授顺序、案例、判断框架和可转写段落
• 不要因为口语化强就直接降权

适合判断：

• 课程、书稿章节、问答式小册子、案例材料

风险：

• 口语重复
• 结构松散
• 观点靠语境成立，转成书面表达时需要补桥段

访谈稿 / 问答记录

处理方式：

• 保留问答关系，但不要被问答形式限制
• 抽取反复出现的问题、核心判断和故事性案例
• 判断是否适合保留为访谈体，或改写为章节正文

适合判断：

• 访谈集、案例集、书稿案例、系列文章

课件 / 大纲 / 讲义

处理方式：

• 识别课程目标、模块顺序和练习任务
• 对只有标题的页，标注“需补写”
• 对已经有讲义正文的页，可作为课程或手册素材

适合判断：

• 课程、实务手册、教材、小册子

会议纪要 / 项目记录

处理方式：

• 先判断是否含有可公开复用的经验，而不是只含内部过程
• 抽取决策依据、问题清单、流程节点和复盘结论
• 涉及敏感信息时，提醒用户先脱敏

适合判断：

• 知识库、实务手册、案例复盘、内部培训材料

案例材料

处理方式：

• 识别事实背景、问题、处理过程、结果和可复用经验
• 分离“个案事实”和“通用方法”
• 对未脱敏材料，标注隐私与合规风险

适合判断：

• 案例集、实务手册、书稿案例、课程练习

Word 文档（.docx）

处理方式：

• 默认标记为“需预处理素材”
• 如当前环境具备读取能力，可提取文本后纳入通读
• 若无法读取，先记录路径、文件名和建议：转换为 Markdown、TXT 或复制正文后再处理

适合判断：

• 文章、合同/报告草稿、课程讲义、手册章节

注意：

• 本技能的索引脚本只标记 .docx，不直接解析正文，避免引入不稳定依赖。

PDF 文本

处理方式：

• 默认标记为“需预处理素材”
• 可复制文本型 PDF 应先提取正文
• 扫描件 PDF 应先 OCR
• 提取失败时，不要凭文件名判断内容质量

适合判断：

• 论文、报告、讲义、手册材料、案例附件

注意：

• 本技能的索引脚本只标记 .pdf，不直接解析正文，避免误读扫描件或复杂版式。

混合目录

处理方式：

• 先按文件类型和主题建立初步分组
• 再判断是一个内容产品，还是多个产品种子
• 对明显不同的主线，不要强行合并

建议输出：

• 主方案：最适合推进的一条主线
• 备选方案：可拆出的课程、手册、知识库或系列文章
• 暂缓内容：需要补文本、脱敏或重写的素材

预处理状态建议字段

在内部清单中建议保留以下状态：