长文分层摘要
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_af5149c6/long-doc-summarizer 到当前 AI 助手。
技能介绍
一份三万字报告,转述时只剩「具有重要意义」
读完长文最容易陷入两种窘境:要么是摘要和原文一样长,要么是只剩一堆"潜力巨大""前景广阔"的套话,真正能转述的核心结论一条都说不出来;真被问一句"这句结论出自哪张表",只能回去翻原文。更常见的问题是要点层级全平——30 条要点躺在列表里,没人知道哪条是骨架、哪条是论据、哪条是边角料。
它解决的问题
@user_af5149c6/long-doc-summarizer 的目标不是生成摘要,而是给一份已经提炼好的要点做结构化重组 + 质量体检。它不负责读原文,你先把从原文中提炼的要点写成 JSON 喂给它,它将产出:
- 三级分层摘要:L1 核心结论 / L2 支撑要点 / L3 细节佐证,缺主干会被直接点名
- 一句话结论 + N 条速读:按重要度和含数字优先挑出最该看的几条
- 结论—证据对应表:逐条判定"有据 / 无据结论 / 悬空引用"
- 数据速查表:把所有含数字的要点抽成一张带出处的表
- 正确的废话检测:内置 34 条套话词表,命中且无数字的要点标红
- 覆盖盲区检测:按章节篇幅加权,找出没有任何要点覆盖的大章节
- 压缩比提示:根据
total_words计算摘要压缩比,压得太狠或不够都会提醒 - 行动建议体检:每条建议必须同时具备负责人、时限、动作动词
- 读者视角自适应:决策者、执行者、研究者三种裁剪视图
- 8 项体检综合评分:按硬伤 −9 / 提示 −3 线性扣分,0–100 分
输入与运行
最小输入只需一个 points 数组,每条含 text、level 与出处。可选字段包括 conclusions、actions、sections、total_words 和 role。若提供的是原始长文而非要点,技能会引导先提炼核心结论、支撑论据和目标读者,再落 JSON。
运行方式:
python summarize_doc.py input.json --role researcher
常用参数:--depth 控制分层下钻深度,--quickread-n 自定义速读条数,--budget 限制摘要字数,--audit-only 只输出体检,--selftest 跑边界用例。points 为空、JSON 语法错误时以 exit 2 报错,文件读写失败则 exit 3。
适用边界
这个工具只铠你的摘要结构,不铠内容真伪。它能发现"无出处""无据结论""低信息量"和"覆盖盲区",但发现不了结构漂亮但全部编造的要点。凡是要往外转述的关键结论,仍需回原文核对页码、图表号和章节。
内置的套话词表、类型词表是经验集,覆盖不了每家团队的黑话,首次使用建议人工过一遍命中结果,必要时在 scripts/summarize_doc.py 中扩充。评分仅用于横向对比同一份材料的多版摘要或不同报告的提炼质量,不构成对原文的评价。
分层、覆盖度、评分完全依赖你提交的要点;填得草率,输出必然草率。技能不连接任何文档系统,不自动抓 PDF 或网页,所有输入都需人工或 AI 先读原文提炼后再提供。
使用场景
- 读完3万字行业报告,要在部门会上转述核心结论,并说清每条结论来自哪张图表。
- 从多份研报提炼了30条要点,要按三层结构重排,删掉没有出处或满篇套话的句子。
- 给决策者、执行者和研究者同一份摘要,需要分别突出结论、行动项和证据链。
- 生成摘要前要检查章节覆盖、压缩比和行动建议的负责人时限动词,避免漏章。
适合人员
- 咨询顾问:需要把长报告压成带出处的三层结论,便于给客户和内部团队转述。
- 产品经理:要把调研结果拆成可执行行动项,确认负责人、时限和动作动词。
- 研究人员或尽调分析师:需要保留证据链、数据速查和章节覆盖,维持可追溯性。
- 团队负责人:要一份决策者视角的摘要,并快速看到无据结论、低信息量和压缩比提示。