文档总结提炼转脑图

要解决的问题

长文档、会议记录、网页、论文和扫描图片往往信息密度高，但读者需要的通常不是原文复述，而是可浏览、可复用、可继续编辑的结构框架。手动整理时，容易出现层级混乱、重点丢失、末级节点过长或结构选择不当等问题。该技能面向这类资料，把原始文本压缩成标题层级和短句节点，同时保留文档原有骨架，适合工程师、产品和研究人员把材料转成可讨论的知识框架。

如何工作

技能先判断用户目标是“看懂内容”“提炼框架”还是生成指定图形。若提供附件，会优先读取或识别正文；无法读取时不臆造内容。随后按标题层级保留目录结构，对最后一级正文做一句话提炼，删除噪声和重复项。输出使用 Markdown 表达：# 作为根主题，## 和 ### 表达章节与知识点，细节用无序列表压缩。技能会根据内容匹配结构，如发散归纳用 mind_free，流程步骤用 mind_right，组织架构用 mind_org，根因分析用 mind_ishikawa_left，里程碑用 mind_timeline_h，方案对比或参数清单用 mind_treeTable_left_title。提交云端后，返回完整 Markdown、在线查看链接和图片链接，支持后续基于对话全量重绘修改。

适用边界

该技能适合有明确文本骨架或可识别文字的资料；对低质量扫描、纯图像推理或无法读取的附件会受限。它强调忠实转化，不会为补全结构而编造事实；层级超过 Markdown 标题上限时，会转为列表表达。生成结果面向浏览与编辑，最终仍建议人工核对关键结论、数据和引用。