技能介绍

核心痛点：AI 语音转录文档的排版灾难

当你使用手机 AI 语音转录工具记录多场会议或长篇讲座后，往往会得到一堆散落的 .docx 文件。这些文档不仅包含冗余的时间戳和发言人标签，段落也被切割得支离破碎。若想将其整理成结构清晰、标记完整的技术阅读材料，纯靠手动排版和标记无疑是一场灾难，且极易出现格式不一致的问题。

工作原理：从清洗到精排的自动化流水线

该技能通过 scripts/merge_docs.py 脚本，将数十个转录文件合并为单一文档，并执行完整的 8 步处理流水线：

文本清洗与过滤：自动移除时间戳和发言人标签，合并多余空白；基于内置的 315 个 AI/科研关键词计算段落覆盖率，过滤掉无关内容。
段落重组：将零散的句子合并为逻辑连贯的段落，通过 LDA 主题模型提取每段核心词置于段首作为导引。
智能标记：对命中的 AI 关键词进行加粗，对 242 个强调词/短语添加下划线，两层标记独立运行互不干扰。
统一排版与输出：统一应用仿宋五号字体、窄页边距，并在页脚添加动态页码，最终生成精排 .docx、同版 .pdf 以及包含分词结果的调试备份文档。

适用边界与环境依赖

此方案并非万能，其有效性高度依赖输入内容的专业性。由于依赖关键词覆盖率阈值，非 AI 或技术主题的语音转录会被大量过滤，导致“没有段落通过过滤”的错误。此外，PDF 转换深度依赖 Windows 环境下的 pywin32 与 Microsoft Word COM 自动化，不支持 macOS/Linux。运行时需关闭所有源 Word 窗口，且脚本仅在本地读取和写入，不修改源文件，请务必注意转录内容可能涉及的隐私问题。