材料来源矩阵
使用目的
本表用于回答两个问题:
- 这个 skill 现在能接哪些材料
- 每类材料进入后,第一步应该怎么处理
在案件材料整理中,先区分容器类输入与文件类输入。容器类输入先拆包,文件类输入再按格式分流。
一、容器类输入
| 来源类型 | 常见形式 | 首步动作 | 备注 |
|---|---|---|---|
| 案件目录 | 单个文件夹、项目目录、桌面材料目录 | 扫描目录树,按相对路径编目 | 适合直接建立材料清单 |
| 压缩包 | zip、rar、7z、tar、tar.gz |
先解压,再记录父子来源关系 | 保留原包,不覆盖 |
| 多层压缩包 | 压缩包内套压缩包 | 逐层展开并记录来源链 | 防止内部材料失去出处 |
| 导出包 | 微信导出、飞书导出、邮件归档、网盘打包 | 先识别内部结构,再分类处理 | 通常含截图、JSON、HTML、附件 |
| 混合下载包 | 从云盘、聊天软件批量下载的附件集合 | 先按案件 / 来源 / 日期拆分 | 常出现重名文件,需要保留原路径 |
二、文件类输入
1. 音视频类
| 材料类型 | 常见格式 | 主要处理方式 | 输出方向 |
|---|---|---|---|
| 语音文件 | mp3、wav、m4a、aac |
转写或识别基本主题 | 命名依据、归类依据 |
| 视频文件 | mp4、mov、mkv |
先识别音轨或关键画面摘要 | 命名依据、归类依据 |
| 录屏文件 | 屏幕录制、操作录屏 | 转写音频 + 摘录关键画面节点 | 页面对象、操作对象、命名依据 |
| 在线视频链接 | 短视频、网课片段、直播回放 | 先按统一网络边界下载,再识别内容主题;能力不满足时保留人工复核任务 | 与链接来源、下载状态和失败原因绑定记录 |
2. 聊天与通信类
| 材料类型 | 常见格式 | 主要处理方式 | 输出方向 |
|---|---|---|---|
| 聊天截图 | jpg、png |
视觉识别 / OCR,补充聊天对象和时间范围 | 命名依据、待确认项 |
| 聊天导出文本 | txt、html、json、xml |
识别聊天对象、导出范围和附件结构(对挂外链的 chat-html 导出件,跳到下一行 chat-html 子路径) | 命名依据、归类依据 |
| chat-html 导出件 | html(Cubox/微信),json | 识别输入形态后进入 chat-html 抽取子路径:抽取三类外链资源、干跑清单、再真下载到 外部资源/ 子目录 |
命名依据、归档依据、对账依据 |
| 短信 / 通话记录导出 | 文本、截图、CSV | 识别字段和时间范围 | 命名依据、归类依据 |
| 邮件 | eml、msg、导出 PDF、截图 |
提取邮件头、主题、附件关系 | 命名依据、附件对应关系 |
3. 文档与证据文件类
| 材料类型 | 常见格式 | 主要处理方式 | 输出方向 |
|---|---|---|---|
| 文本型 PDF | pdf |
读取标题、首页、目录、落款 | 命名依据、归类依据 |
| 扫描件 PDF | pdf |
视觉识别或 OCR 后确认标题 / 首页 | 命名依据、待确认项 |
| Word / WPS | doc、docx、wps |
读取标题、目录、首段、落款 | 命名依据、归类依据 |
| 纯文本说明 | md、txt、rtf |
读取标题和首段 | 命名依据、归类依据 |
| 表格 | xls、xlsx、csv |
提取工作表名、列名和数据主题 | 命名依据、归类依据 |
| 演示文稿 | ppt、pptx |
提取封面、页标题、图表主题 | 命名依据、归类依据 |
| 结构化导出 | json、xml、csv |
识别字段含义和导出来源 | 命名依据、归类依据 |
4. 图像与网页类
| 材料类型 | 常见格式 | 主要处理方式 | 输出方向 |
|---|---|---|---|
| 图片 / 照片 | jpg、png、heic |
视觉识别 / OCR | 命名依据、归类依据 |
| 网页链接 | URL | 在满足统一网络边界的前提下读取标题、域名、必要时截图;否则导出待处理任务 | 命名依据、页面留痕、访问状态 |
| 小程序 / H5 页面留痕 | 截图、录屏、分享链接 | 截图 + 页面主题 + 访问来源记录 | 命名依据、页面留痕 |
三、推荐处理顺序
- 先处理容器:目录、压缩包、导出包
- 再处理难命名材料:图片、截图、扫描件、PDF、音视频
- 最后基于内容理解执行归类整理,回更新所有文档引用
四、容易遗漏但应纳入的材料
- 压缩包内部的附件目录
- 邮件附件与正文之间的对应关系
- 聊天记录中的语音消息
- Excel 中的多工作表数据
- 视频中的静态画面证据
- 导出包中的
json/xml元数据文件 - chat-html 导出件里的外链文件(PDF/图片/视频)
五、风险提示
- 容器类输入保留原始来源关系,否则后续无法追溯
- 表格、结构化导出和邮件头常常比正文更有整理价值,不应忽略
- 视频和录屏不能只看音频,必要时要记录关键画面节点
- 压缩包内文件重名很常见,整理时保留相对路径或父级展示编号