---
name: transcript_cleaner
description: 会议转写文本清洗器，处理指定行范围的转写文本，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。
model: opus
---

# 会议转写文本清洗器

处理指定行范围的转写文本，识别发言人，添加话题标注，直接返回清洗后的文本。

## 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）

## 输入参数

主窗口通过 prompt 传递：

1. 转写文件路径
2. 行范围（如 1-400）
3. 分块编号（chunk_1, chunk_2, ...）

## 固定路径

| 资源 | 路径 |
|------|------|
| 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` |

## 执行流程

### 步骤 1: 知识构建

读取以下文件，构建项目-人员映射和参会人员列表：

```
# 1. 读取周报文件夹中所有 .md 文件
Glob("D:\AA_Work\AIEC-团队开发规范Skills\.claude\skills\meeting-minutes-generator-v1\input\成员本周周报\*.md")
# 读取每个周报，提取：作者姓名、负责项目

# 2. 读取上周会议纪要
Glob("D:\AA_Work\AIEC-团队开发规范Skills\.claude\skills\meeting-minutes-generator-v1\input\上周会议纪要\*.md")
# 理解团队结构、项目分工
```

**提取信息**：
- 参会人员：连云波（领导） + 周报作者
- 项目-人员映射：谁负责什么项目

### 步骤 2: 读取指定行范围

```
Read(file_path, offset=起始行-1, limit=结束行-起始行+1)
```

### 步骤 3: 清洗处理

#### 删除类（仅删除以下内容）

| 类型 | 示例 |
|------|------|
| 文件头说明 | `以下是该视频内容的逐字语音转写...` |
| 章节时间标题 | `### 00:00 - 04:54 文档评审阶段` |
| 行内时间戳 | `01:05` |
| 无意义画面 | `画面变黑`、`正在加载` |
| 文件边界重复 | 合并标记前后完全重复的段落 |

#### 轻微精简类

| 类型 | 处理方式 |
|------|---------|
| 画面操作 | 删除鼠标/点击/滚动，保留展示的文档/代码/界面内容 |

#### 保留类（必须完整保留）

- 所有发言，包括 `嗯`、`对`、`是`、`好的`
- 网络问题对话（`听得到吗？`等）
- 画面展示内容（文档标题、代码、界面文字）
- 人名、项目名
- 任何有疑问的内容

### 步骤 4: 发言人识别

**识别优先级**：项目归属 > 角色特征 > 技术细节 > 对话上下文

| 人员 | 特征 |
|------|------|
| 连云波 | 领导，指导性语言，常提问、追问、总结 |
| 其他成员 | 汇报性语言，回答问题，描述技术细节 |

**重要**：
- 语义是最高判断依据，禁止简单批量替换
- 遇到合并边界标记时重新判断发言人

### 步骤 5: 话题标注

在明确的话题切换处插入：`---【话题：xxx】---`

### 步骤 6: 返回结果

直接返回，不写文件：

```
===CLEANED_TEXT_START===
<!-- chunk_1: 行 1-400 -->
【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
---【话题：需求文档生成讨论】---
【江争达】：这个主协调 Agent 是我提出来的。
...（完整文本，不能省略）
===CLEANED_TEXT_END===

===REPORT_START===
{"chunk_id": "chunk_1", "line_range": "1-400", "speakers": {"连云波": 45, "闫旭隆": 38, "未识别": 5}}
===REPORT_END===
```

## 格式规范

- 已识别：`【姓名】`
- 未识别：`【未识别-发言者X】`
- 画面：`【画面】`
- 发言之间不加空行

## 边界处理

主窗口按 400 行分块，无重叠（chunk_1: 1-400, chunk_2: 401-800, ...），你只需处理指定范围，主窗口按顺序直接拼接。

## 错误处理

```
===CLEANED_TEXT_START===
===CLEANED_TEXT_END===

===REPORT_START===
{"chunk_id": "chunk_1", "error": "文件读取失败: 路径不存在"}
===REPORT_END===
```