课程主线提取

要解决的问题

听完一门课、读完一本书之后，笔记往往停留在“摘录金句”的层面。等到真要复用方法论时，只剩一堆零散截图和聊天记录，谁也说不清这门课到底讲了什么、先做什么后做什么、什么情况下不适用。

@user_d7fa4d48/course-mainline-v2 把这个问题拆成一个可重复执行的流程：把任意结构化材料（Get 笔记、逐字稿、书籍原文、PPT 文本、会议记录）收敛成一份标准化的 9 模块 Markdown 主线文档，每个模块对应一个具体的工程问题。

核心能力

输出的 9 个模块依次是：

• 定位与核心问题：这门课解决什么
• 核心方法与操作流程：方法论和可执行步骤分开写，Section 4 必须是真操作步骤，而不是 Section 3 的重新表述
• 判断标准：三列表格（检验项 / 通过标准 / 不通过时）
• 适用边界与常见误区：每条误区必须配课程原话纠正，不允许自行编造
• 讲师观点与资料来源：观点标注类型（核心主张 / 方法论框架 / 经验主张 / 趋势判断 / 引用观点），缺失材料在 Section 9 显式声明

流程分五步：先做材料盘点和体积感知（wc -l / wc -c 快速扫描，估算是否超过上下文预算的 70%），再按三层读取资料（先 AI 总结建结构、再逐字读原文、最后补外部引用原文），然后写产出，接着跑 python3 references/checks.py 自动化检查加四要素人工审查，最后复盘模板是否需要迭代。

注意点

用户提供的材料就是全部原料。没有逐字稿就没法生成 Section 7 的原话纠正，这种情况下技能会在 Section 9 声明缺失项及其影响，而不是编造内容。

材料总量过大时（超过 256K token 假设上限的 70%），技能会主动提示换更大上下文的模型，或者先让别人做一轮精简（保留方法论、案例、执行框架、决策标准四类内容）。

AI 总结会丢失 nuance，方法论和案例细节必须逐字阅读原文。外部引用（如课程里拆的书）需要单独获取原文作为第三源。

输出形式在生成前需要确认：直接对话输出，还是保存为 Markdown 文件。保存路径需要用户提供，当前环境无写入权限时会明确告知，改为对话内输出供自行粘贴。