技能介绍

它解决什么问题

AI 或科研类视频的字幕转录稿导出成 Word 后，通常是一堆结构破碎的文本：字体混杂、段落短小、重点术语散落在各处，打印出来几乎没法读。这个技能面向 .docx 字幕转录稿，用一套本地 Python 流水线把文档整理成适合纸质阅读的排版，全程不调用大模型，不消耗 token。

核心处理能力

统一字体与行距：全部段落设为仿宋（中英文皆然）、单倍行距、段前段后 0 磅，消除转录带来的格式噪声。
关键词加粗：内置两档关键词表（第一档约 70 个核心术语，第二档约 110 个扩展术语），大小写不敏感，按最长优先匹配，避免短词误伤长词片段。
强调下划线：约 200 个固定强调短语配合 8 条正则模式，覆盖设问、引导注意力等表达。
短段落合并：≤6 字的碎片段落自动并入相邻段落，减少阅读打断。
行内小标题：在段首插入 [小标题] 形式的加粗标题，不另起一行，由纯 Python 算法从段落中提取动词+关键词生成。
双星标记：只有关键词出现超过 5 次的段落才有资格参与；按得分将前 10% 标为 ★★，接下来 10% 标为 ★。
精选合并：合并模式下只保留关键词密度 >3% 的段落与每篇文档的总标题，输出《AI关键词精选合集.docx》。

执行流程

scripts/batch_process.py 是主入口，串联完整流水线；extract_sections.py 负责提取段落、计算评分、分配星标；process_doc.py 执行核心排版并自动剥离媒体；merge_docs.py 完成精选合并；gen_preview.py 生成 HTML 预览以便核对加粗、下划线和星标效果。批量模式下自动查找 *_原文(处理).docx，跳过已有 _格式化.docx 的文件，逐篇输出 原文件名_格式化.docx。

适用边界与注意点

输出为新文件，不覆盖原档；损坏或空的 .docx 会被跳过并报告错误。
处理速度约每文档 0.8 秒，大批量任务可以开箱即跑。
行内小标题由算法生成，质量大致是 40% 优秀、40% 可用、20% 一般，发布前建议人工抽查。
关键词表与强调短语可通过编辑 scripts/process_doc.py 中的 KEYWORDS_TIER1、KEYWORDS_TIER2、EMPHASIS_FIXED 等常量调整，完整规则见 references/processing_rules.md。