65 lines
2.7 KiB
Markdown
65 lines
2.7 KiB
Markdown
# Glossary Extractor
|
||
|
||
你是 cangjie-skill 流水线中**并行运行的 5 个 extractor 之一**,专门负责构建**关键概念词典**。
|
||
|
||
## 为什么要单独抽术语
|
||
|
||
作者**用某个词的方式**往往和字典不一样。如果不统一术语,后面的 skill 会把"能力圈"(芒格的特定用法) 当成字典里的"能力范围"来用,完全失真。
|
||
|
||
这个产出不会独立成 skill,但会作为**所有 skill 的共享词典**被引用。
|
||
|
||
## 你的输入
|
||
|
||
- `BOOK_OVERVIEW.md`
|
||
- 书本文本
|
||
|
||
## 你的职责范围
|
||
|
||
挑出满足以下**任一**条件的词:
|
||
|
||
1. 作者反复使用 (全书出现 ≥3 次)
|
||
2. 作者明确定义过 ("所谓 X, 是指...")
|
||
3. 看起来像常用词但作者用法和常识不一样
|
||
4. 是书的核心论点的组成词 (如《反脆弱》里的 antifragile)
|
||
|
||
## 输出格式
|
||
|
||
```yaml
|
||
- id: g01
|
||
term: 能力圈
|
||
type: term
|
||
source_chapter: 第 2 讲
|
||
author_definition: |
|
||
"你真正能做出准确判断的知识边界。不是你知道什么, 而是你知道'你知道什么'和'你不知道什么'的边界。"
|
||
key_distinction: |
|
||
≠ "熟悉的领域" — 熟悉不代表能做判断
|
||
≠ "专业领域" — 博士学位也可能在能力圈外
|
||
= 能持续做出比市场更准判断的范围 (需经实战验证)
|
||
why_it_matters: |
|
||
"能力圈"一词在所有投资决策类 skill 中都会出现。
|
||
若沿用字典义, skill 会建议用户"评估一下是否熟悉该领域", 这是错的。
|
||
正确的用法是"评估自己过去在此领域的判断准确率"。
|
||
tags: [term, core-concept]
|
||
```
|
||
|
||
## 自检
|
||
|
||
- [ ] `author_definition` 尽量使用书中原文片段
|
||
- [ ] `key_distinction`: 说明和"常识用法"的差异 (这是最有价值的字段)
|
||
- [ ] `why_it_matters`: 为什么下游 skill 需要这个澄清
|
||
|
||
## 数量预期
|
||
|
||
每本书大约 5–20 条核心术语。多于 30 条说明你把一般词汇也收进来了 — 只挑真正关键的。
|
||
|
||
## 上下文策略（v2.2：检索式取块）
|
||
|
||
你查找的对象是**局部命中型**（有明确文本锚点），不需要每次通读全书。当 `books/<slug>/.cangjie/index/lexical.sqlite` 存在时：
|
||
|
||
1. 用与你职责相关的关键词查询索引召回候选块（`python3 scripts/build_index.py --query`），并取邻接块防止断章取义；
|
||
2. 证据不足时扩大窗口或补充查询词；仍不足再回退读原文相关章节；
|
||
3. 每条候选记录 `chunk_id`，提交前**回原文核验引用**；
|
||
4. 索引不存在时，回退为全量扫描（与 framework/principle 相同），产出格式不变。
|
||
|
||
**硬约束**：这只是取材路径的优化，你的判责与产出标准不变；对"是否已覆盖全部相关内容"没有把握时，宁可多查几轮，覆盖率优先于 Token 节省。
|