读书书摘

要解决的问题

从电子书里挑句子做摘抄，多数人靠手工抄录或零散复制：慢、容易截成半句、格式随意，攒多了也很难再聚合成能导入闪卡或笔记系统的结构化材料。扫描版 PDF 没有文本层，Kindle 格式在各工具间支持参差。本书摘技能把「输入一本书 → 产出结构化书摘」封装为一条可复用流程，全程本地执行，不上传任何阅读内容。

工作方式

核心编排在 scripts/run.py，抽取前先定清两个轴：

• 书型（轴 A）：小说、文言文、诗词、格言、知识/非虚构、书信等，选定即套用参数预设，单个旋钮仍可用 --book-type 等 CLI flag 覆盖。
• 偏好（轴 B）：内容维度 × 产出形态（md/epub/anki/长图/标注版）× 篇幅 × 用途。

抽取默认零 token 的本地规则：dialogue 识别说话人与对谁说并保留原文引号，aphorism 抽格言，paragraph 按段落截取，generic 为通用启发式。扫描 PDF 走本地 tesseract/pdftotext，未安装会明确告警并降级，而非静默产出空结果。

推荐流程是「校准—预览—全量」：先用 --calib-file 喂 3–10 条满意样本做 few-shot 定规则，再用 --preview 看 20 条确认，去掉 flag 后全量渲染。--structure pyramid 可将方法论类书重组为「核心结论 → 作者原书 part 层级分组 → 逐字引文」，附可选 SCQA 序言；--from-md 跳过抽取，把已产出的书摘 md 直接渲染成 epub 等目标格式。

边界与注意点

• 摘录硬规则：整句完整（以 。！？ 等句界收口）、不添加任何额外符号或注释。
• 合规闸门：单条 ≤ 所属章原文 10%、全书 ≤ 10%，发布/售卖用途触发硬闸门。
• 语气型内容（正能量、景物、心理）关键词天花板明显，必须用校准样本提纯，否则噪声极高。
• 文言文断句、注疏剥离、诗歌整首性判断 v1 均为规则启发式；古籍建议用纯原典无注本并校准，诗歌本就应整首吟赏而非抽句。
• 不支持 Kindle 格式（.mobi/.azw/.azw3），运行时提示用 calibre 转 epub 后退出；多书跨书检索在 v2。
• 经验库只存参数级统计，落在 ~/.workbuddy/data/读书书摘/experience，不存书名与原文，不随 skill 包发布。