技能介绍

要解决什么问题

课程大纲、教材章节往往以 docx/pdf 形式存在，而超星泛雅、学银在线等平台的课程图谱导入要求固定的树形 Excel：每行一个节点、列名硬编码、分类与知识点分层规则明确。手工从长文档拆出 6～7 级 知识结构，并补齐前置、关联与教学目标，既耗时又容易在层级、列名或分号分隔符上踩坑，直接导致导入失败。

技能如何工作

本技能把「读模板 → LLM 语义抽取 → 质量校验 → 生成表格」串成一条可复现流程：

输入：source_document（docx/pdf）与 template_xlsx（从 A1 读取格式约束）。
抽取：按 references/extraction-prompt.md 做层次化节点划分；Level 1–3 为分类，Level 4–7 为知识点；识别前置、后置与关联关系，并过滤教学管理类噪声（学时、评价标准等）。
校验：Agent 按 quality-check-prompt.md 自检并修正 JSON，例如教学目标覆盖与行为动词、深度优先节点顺序、知识点名称长度、关联关系覆盖率等。
输出：脚本生成 output.xlsx 与 output.csv，列结构对齐下游系统（节点类型、B–H 层级名称、前置/后置/关联、标签、知识点分类、说明与教学目标）。

可选步骤 relation-prompt.md 用于在基础抽取之上补强前置与同类/对比类关联。

适用边界与注意点

列名与「每行仅一个节点名称」是硬约束；分类节点 M 列必须为空，关系字段只用英文分号 ;，且关系引用须与节点名称完全一致。
层级深度建议 max(level) ≥ 6；不足时多为源文档粒度不够细，而非仅靠改表头能解决。
脚本会报 HIERARCHY_WARNING、RELATION_LOW_COVERAGE 等提示：部分为建议项，但列名错误、MULTIPLE_NAMES_PER_ROW、中文分号等会直接影响导入。