阶段 1 — 5 个 sub-agent 并行提取

目标

不用单一视角读一遍,而是同时从 5 个不同角度扫描全书,最大化候选单元覆盖率。

为什么要并行

覆盖: 单一视角会漏。框架提取器找不到的"反例",反例提取器会找到。
速度: Claude Code 的 Agent 工具支持并行,不用白不用。
独立性: 每个 extractor 独立判断,避免互相污染 — 三重验证才能真正起作用 (V1 跨域要求"独立出现")

5 个 sub-agent

每个 sub-agent 接收:

BOOK_OVERVIEW.md (阶段 0 产出, 提供全局上下文)
书本文本 (或文本路径)
对应的 extractor prompt (extractors/<type>-extractor.md)

并在一次调用中通过 Agent 工具 同时 spawn 5 个,不是串行。

降级方案: 当前环境不支持并行 sub-agent 时,用同样 5 个 extractor prompt 串行执行 (每次以"干净视角"执行一个 extractor 的职责,不带上一个 extractor 的判断),产出格式不变。

按 extractor 类型分化的上下文策略（v2.2）

阶段 1 的唯一目标是覆盖率（宁错杀,不做筛选）。但 5 类 extractor 查找对象的分布特性不同, 不能一刀切全量扫描,也不能一刀切检索式（后者会直接损害覆盖率,方案缺口 B）:

extractor	查找对象的分布特性	上下文策略
framework	思维模型常跨章节隐性分布,需要全局视野	保持全量扫描
principle	原则散落全书,且需判断"是否反复出现"	保持全量扫描
case	案例是局部命中型,有明确文本锚点	检索式取块
counter-example	反例是局部命中型,有明确警告性措辞	检索式取块
glossary	术语是局部命中型,可先用确定性方法预筛	检索式取块 + 脚本预筛

检索式取块的前置条件: 先用确定性脚本建好内容地图 — python3 scripts/build_chunks.py <源文件> --out books/<slug>/.cangjie/ 生成结构感知块, python3 scripts/build_index.py books/<slug>/.cangjie/chunks/chunks.jsonl 建 SQLite FTS5 索引。检索式 extractor 的流程: 关键词召回相关块 → 取邻接块防断章取义 → 证据不足时扩大窗口 → 候选需回原文核验。五个 extractor 仍使用独立任务上下文,独立判断不变。

覆盖率硬门: 检索式改造后,最终通过三重验证的候选相对全量扫描基线漏检数必须为 0。做不到就把该 extractor 退回全量扫描,Token 收益从别处找。每次改动检索策略都要重跑基准集覆盖率对比。

长文本分块策略 (超出单个 sub-agent 上下文时)

一本大部头 (如全五卷选集) 或几小时视频的转写稿,可能超出单个 sub-agent 能一次读完的上下文。此时:

切块: 优先复用 build_chunks.py 的结构感知块（按章节/卷/分 P 等自然边界,单块 ≤5 万字）
全局锚点: 每一块都必须附带 BOOK_OVERVIEW.md — 它是 extractor 判断"这段内容在全书中扮演什么角色"的锚点,不能省
逐块扫描: 全量扫描型 extractor 逐块提取候选,标注每条候选来自哪一块 (source_chapter 字段天然承载,有 chunk_id 时一并记录)
块间汇总: 全部块扫完后,extractor 自己先做一轮合并 — 同一方法论在多块中出现的,合并成一条并保留所有出处 (这些多出处恰好是阶段 1.5 V1 跨域验证的证据)
汇总后的结果才写入 candidates/<type>.md

#	extractor	查找对象	产出文件
1	framework-extractor	思维模型 / 决策框架 / 推理方法	`candidates/frameworks.md`
2	principle-extractor	原则 / 清单 / 规则 / 断言	`candidates/principles.md`
3	case-extractor	作者在书中亲自使用的实例	`candidates/cases.md`
4	counter-example-extractor	作者警告的失败 / 反例 / 陷阱	`candidates/counter-examples.md`
5	glossary-extractor	关键概念词典	`candidates/glossary.md`

每个候选单元的最小字段

无论是哪个 extractor,产出的每条候选单元必须包含:

id: f01                           # 类型缩写 + 序号
title: 逆向思维                    # 简短标题
type: framework                   # framework / principle / case / counter-example / term
source_chapter: 第三讲             # 书中位置
source_quote: |                   # 原文引用 ≤150 字 (英文 ≤100 词)
  "反过来想,总是反过来想..."
summary: |                        # 用自己的话,5-10 行
  ...
tags: [decision, mental-model]    # 便于后续链接

输出前的自检

每个 extractor 在提交候选之前自问:

这个单元在书中有明确根据吗? (不是我脑补)
它属于我这个 extractor 的职责范围吗? (不要越界)
它是不是已经在别处被别的 extractor 提取过了? (重复不是问题,阶段 1.5 会合并)

不在本阶段做的事

不做筛选 — 宁错杀,留给阶段 1.5 三重验证
不写 skill — 只出候选,不出 SKILL.md
不做跨单元链接 — 留给阶段 3

5.1 KiB Raw Blame History