epub-extractlisted

# epub-extract — 知識結構化萃取 Skill ## 用途與定位 把一本電子書或一組網頁，做**忠實的結構化萃取**——保留作者的論證脈絡、數據、 定義、圖表與列舉項，壓到原文約 20–30%，讓沒讀過原文者能據此重述主張與依據。 **這不是摘要工具。** GitHub 上 `epub2md` 一類是機械換容器（epub → 等長 md）； 本 skill 換的是表徵（整本書 → 建檔用重組稿），接在 marker / MinerU 之後那一站。 **核心心法：忠實抽取、不評論、不填補；不確定標 [?]；保真優先於篇幅；交付前機械對帳。** ## 啟動方式 - **`/epub`**（軟指令，明確召喚）：可單獨輸入或後接說明，通常連書檔一起丟。 雲端 Chat 直接可用；Claude Code 因斜線撞 CLI 內建指令，該環境改用自然語言。 - **自然語言**：丟 epub/書檔/URL 並說「結構化萃取／忠實抽取進知識庫」即可觸發。 - **執行環境**：需 **Claude Cowork**（或其他能讀寫本機檔案、自跑多輪工具的環境）， 才能跑「讀原檔 → 分段萃取 → append 寫檔 → verify.py 對帳」的全自動迴圈。 --- ## 流程總覽 萃取細則全部在 `prompts/extract.md`（Cowork 開跑前先讀入該檔作為工作規格）。三段： 1. **來源路由**：epub/大型書稿 → 書籍模式（以「章」為單位）；網頁/線上手冊 → URL 模式 （以章節階層為單位）。混合來源分開處理。 2. **逐塊萃取 + append 寫檔**：原文放磁碟、需要哪章讀哪章（繞 context 上限）；每萃一塊 就 append 進輸出 .md（破輸出上限）。必收清單逐項保真，列舉型（附錄/註釋/推薦序/ 參考文獻）**逐項全收**，不得節錄。 3. **收尾對帳**：出「覆蓋清單」（逐項附證據打勾）＋「待讀圖清單」＋ `review_flags`， 最後跑 `scripts/verify.py` 機械覆核。 --- ## 交付前必跑：機械覆核（`scripts/verify.py`） 覆蓋清單是模型自己填的，可能照樣打勾而東西不在。verify.py 不信那份清單，改用 **原始 epub 機械可數的真相**去對帳輸出 .md： ```bash python scripts/verify.py <來源.epub> <輸出.md> [--strict] [--expect-chapters N] ``` - 從 epub 機械數出：spine 內容文件數、圖檔數���exact）、疑似註釋錨點數。 - 從 .md 數出：`##` 區塊數、🟢🟡⚪ 圖標記數、覆蓋清單/`review_flags` 是否存在。 - **硬失敗（exit 1）**：epub 有圖但輸出零圖標記（靜默吞圖）；或缺覆蓋清單/`review_flags`。 - **警告**：區塊數 < 保守正文估計（可能掉章，人工確認）；`--strict` 把警告升級為失敗。 - 僅標準庫、可重現、不呼叫任何 LLM。非 epub 來源只能有限覆核，會明講哪些無法機械驗證。 ⚠️ **verify.py 未 exit 0（或未跑）前，不得宣稱萃取「完整／已覆蓋」。** 這是本 skill 與一般「AI 讀書 prompt」的關鍵差異：完整與否不靠模型自我宣告，靠機械對帳。 ---