100 lines
3.5 KiB
Markdown
100 lines
3.5 KiB
Markdown
|
---
|
|||
|
|
name: transcript-cleaner
|
|||
|
|
description: 会议转写文本清洗工具。合并分段转写文件，识别发言人，添加话题标注。采用保守策略：只删除时间戳和黑屏描述，保留所有发言内容。
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
# 转写文本清洗 Skill
|
|||
|
|
|
|||
|
|
将多个分段转写文件合并为发言人明确、话题清晰的会议文本。
|
|||
|
|
|
|||
|
|
## 核心原则
|
|||
|
|
|
|||
|
|
**宁可保留冗余，不可丢失信息**
|
|||
|
|
|
|||
|
|
- 只删除：时间戳、黑屏/加载描述、文件边界重复
|
|||
|
|
- 全部保留：所有发言（包括 `嗯`、`对`、`好的`）、网络问题对话
|
|||
|
|
- 轻微精简：画面操作描述（删除鼠标/点击/滚动，保留展示内容）
|
|||
|
|
|
|||
|
|
## 固定路径
|
|||
|
|
|
|||
|
|
| 资源 | 路径 |
|
|||
|
|
|------|------|
|
|||
|
|
| 合并脚本 | `scripts/merge_transcripts.py` |
|
|||
|
|
| 周报文件夹 | `D:\AA_Work\AIEC-团队开发规范Skills\.claude\skills\meeting-minutes-generator-v1\input\成员本周周报` |
|
|||
|
|
| 上周会议纪要 | `D:\AA_Work\AIEC-团队开发规范Skills\.claude\skills\meeting-minutes-generator-v1\input\上周会议纪要` |
|
|||
|
|
| 输出目录 | `output/` |
|
|||
|
|
| 子 Agent | `D:\AA_Work\AIEC-团队开发规范Skills\.claude\agents\transcript_cleaner.md` |
|
|||
|
|
|
|||
|
|
## 执行流程
|
|||
|
|
|
|||
|
|
### Phase 1: 收集输入
|
|||
|
|
|
|||
|
|
向用户确认：**转写文件夹路径**（包含多个 txt 文件）
|
|||
|
|
|
|||
|
|
### Phase 2: 文件合并
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
export PYTHONIOENCODING=utf-8 && python scripts/merge_transcripts.py "<转写文件夹路径>" "output/merged_transcript_YYYY-MM-DD.md"
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### Phase 3: 并行分块清洗
|
|||
|
|
|
|||
|
|
按 400 行分块，无重叠，使用 Task 工具并行启动 `transcript_cleaner`：
|
|||
|
|
|
|||
|
|
```python
|
|||
|
|
# 只传递文件路径、行范围、分块编号，不传递知识内容
|
|||
|
|
Task(subagent_type="transcript_cleaner", prompt="转写文件路径, chunk_1, 行1-400")
|
|||
|
|
Task(subagent_type="transcript_cleaner", prompt="转写文件路径, chunk_2, 行401-800")
|
|||
|
|
# 在同一条消息中并行启动所有 chunk
|
|||
|
|
# 子 Agent 自行读取周报和上周会议纪要构建知识
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### Phase 4: 分段写入文件
|
|||
|
|
|
|||
|
|
**重要**：为避免输出超过 Token 限制，必须分段写入文件，禁止一次性输出全部内容。
|
|||
|
|
|
|||
|
|
```python
|
|||
|
|
output_file = "output/cleaned_transcript_YYYY-MM-DD.md"
|
|||
|
|
|
|||
|
|
# 1. 等待所有子 Agent 完成，收集结果
|
|||
|
|
# 2. 按 chunk 编号排序（chunk_1, chunk_2, ...）
|
|||
|
|
# 3. 分段写入文件：
|
|||
|
|
|
|||
|
|
# 先写入文件头（覆盖模式）
|
|||
|
|
Write(output_file, "**会议日期**：...\n**参会人员**：...\n\n---\n\n")
|
|||
|
|
|
|||
|
|
# 按顺序逐个 chunk 追加写入
|
|||
|
|
for chunk_id in sorted_chunk_ids: # chunk_1, chunk_2, chunk_3, ...
|
|||
|
|
cleaned_text = parse_cleaned_text(results[chunk_id])
|
|||
|
|
current_content = Read(output_file)
|
|||
|
|
Write(output_file, current_content + cleaned_text)
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**执行要点**：
|
|||
|
|
1. 等待所有子 Agent 完成，解析 `===CLEANED_TEXT_START===...===CLEANED_TEXT_END===`
|
|||
|
|
2. **按 chunk 编号排序后，逐个写入文件**（不要一次性拼接所有内容）
|
|||
|
|
3. **原封不动保留子 Agent 输出**，不做二次修改
|
|||
|
|
4. 最终输出：`output/cleaned_transcript_YYYY-MM-DD.md`
|
|||
|
|
|
|||
|
|
## 输出格式
|
|||
|
|
|
|||
|
|
```markdown
|
|||
|
|
**会议日期**：YYYY-MM-DD
|
|||
|
|
**参会人员**：连云波、闫旭隆、...
|
|||
|
|
---
|
|||
|
|
---【话题：xxx】---
|
|||
|
|
【连云波】：我一直认为多模态以后一定是做文字识别的最重要的路径。
|
|||
|
|
【闫旭隆】：确实可以。
|
|||
|
|
【画面】展示文档 xxx.md
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### Phase 5: 完成报告
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
✅ 转写清洗完成
|
|||
|
|
输入：8 个转写文件，共 3580 行
|
|||
|
|
输出：output/cleaned_transcript_2024-12-06.md
|
|||
|
|
识别发言：连云波(156)、闫旭隆(89)、江争达(67)、...
|
|||
|
|
未识别发言：12 条
|
|||
|
|
```
|