语音转写处理工作流 (Long Audio Transcript Processor)

此技能旨在通过文件系统辅助，安全、有序地处理超长语音转写文本。它通过分段处理、上下文维护（术语表、主题记录）和状态追踪，确保处理过程的可持续性和高质量。

使用时机

当用户提供一个或多个长篇语音转写文件，并要求进行：

校对与修正：修复识别错误、重复、中断等。
整理与格式化：区分发言人，整理段落。
长文本处理：文本过长，无法一次性放入 LLM 上下文。
需要中断与恢复：工作可能跨越多次对话。

工作流

1. 准备阶段 (Initialization)

首先，必须初始化工作区。询问用户是否已准备好源文件。

运行初始化脚本：

python3 .gemini/skills/long-audio-transcript-processor/scripts/setup_workspace.py "path/to/file1.txt" "path/to/file2.txt" ...

(注意：请根据实际技能安装路径调整脚本路径，通常是 .gemini/skills/...)

初始化后，工作区结构如下：

语音转写处理_YYYY-MM-DD-HH-MM/
├── 0-工作日志.md           # 进度追踪与计划
├── 1-原始文件/             # 存放用户提供的原始语音文本
├── 2-要求和信息/           # 存放活动背景、发言人等信息(用户补充)
├── 3-校对和术语表.md       # 动态更新的术语库和错误模式
├── 4-分段主题.md           # 记录已处理分段的主题脉络
└── 5-最终输出/             # 存放校对完成的分段文件

关键操作：

检查生成的目录。
同步背景知识：确保将用户提供的任何背景文档（如 MRD、PRD、会议背景、相关邮件等）文档复制到 2-要求和信息/ 目录下，也在该目录下创建 Markdown 文档记录用户的说明。这是保证后续处理准确性的基石。

2. 分段处理循环 (Processing Loop)

在进入循环前，总是先读取以下文件以加载上下文（确保跨分段的信息一致性）：

0-工作日志.md (检查进度)
2-要求和信息/ 下的所有背景和要求文档
3-校对和术语表.md (加载最新积累的术语和校对规则)
4-分段主题.md (加载已有上下文主题)
5-最终输出/ 下的文件 -- 列出文件名即可

步骤：

确定任务：从 0-工作日志.md 中找到第一个未完成（[ ]）的分段。
读取内容：从 1-原始文件/ 读取对应文件的对应行号范围。
- 使用 read_file 的 offset 和 limit 参数，或者 sed 命令提取。
执行校对：
- 输入：原始分段文本。
- 参考：术语表、背景信息、前序分段主题。
- 执行：
  - 修正错别字、重复、同音错误，减少冗余的语气词。
  - 标记不确定内容为 (...)。
输出结果：
- 输出校对结果。将校对后的语音转写脚本，写入 5-最终输出/$原始文件名_$开始行-$结束行.txt。
- 输出额外文档。如果有额外文档创建要求，则在 5-最终输出/ 下创建相应文件并写额外文件。
- 更新术语表。如果在本段发现了新的专有名词、特定错误模式或确认了某个模糊术语的正确写法，追加到 3-校对和术语表.md。仅追加，用行号段落区分不同分段的内容。
- 更新主题。将本段核心主题追加到 4-分段主题.md。仅追加，用行号段落区分不同分段的内容。
更新状态：
- 更新日志：在 0-工作日志.md 中标记分段为 [x]。
反馈与沉淀：
- 告知用户本段已完成，简述关键修改、新发现的术语或不确定点。
- 询问是否有新增术语或错误修正。
- 如有反馈，更新 3-校对和术语表.md 并修正 5-最终输出 中的对应文件。

3. 中断恢复 (Resuming)

如果对话中断，不要重新初始化。直接执行 分段处理循环 的“在进入循环前”步骤：通过读取 2-要求和信息/ 和 3-校对和术语表.md 完整找回记忆。然后继续下一个未完成的分段。

4. 衍生任务 (Derivative Tasks)

除了标准转写外，用户可能要求并行生成其他产物（如 Q&A 问答库、摘要、待办事项）。

定义：在 2-要求和信息/ 下创建任务说明文档（如 额外任务_问答积累.md）。
执行：在每次“输出结果”后，检查衍生任务要求，从当前分段中提取相关信息。
存储：衍生文件存放在 5-最终输出/ 下，文件命名应清晰（如 问题和回答-主题.md）。
原则：衍生文件的更新同样遵循**“只追加”**，用行号段落区分不同分段的内容。

5. 调整与整合 (Adjustment and Integration)

在所有分段处理完成后，进入此阶段。

成果汇总与提醒：
- 列出所有产出的核心文件（分段文本、术语表、摘要、衍生文档）。
- 提醒用户：
  - a) 可以提出任何额外的整理、合并或格式调整要求（例如：合并为一个文档，提取特定角色的发言）。
  - b) 可以将内容发送给相关人员（如 PM、技术负责人）进行审阅和订正。
订正处理标准：
- 当用户反馈订正意见时，或者用户转发他人的订正内容时，必须使用以下 Emoji 标记修改痕迹，以便清晰追踪变动：
  - {🔴 原始内容}：标记被修改或删除的原始文本。
  - {🟢 新内容}：标记新增或修正后的文本。
  - {‼️ 需特别留意，可能出错}：标记模型认为存在矛盾、风险或不确定的地方，或者用户特别强调的注意点。
- 更新动作：根据订正内容，同步更新 3-校对和术语表.md 和 5-最终输出/ 中的对应文件，确保下一次处理或合并时使用最新数据的正确版本。

关键文件说明

0-工作日志.md: 核心状态文件。必须保持最新。
3-校对和术语表.md: 动态更新的知识库。发现新术语或特定错误模式时，务必更新此文件，以保证后续分段处理的一致性。该文件的编辑也遵循只追加原则。
4-分段主题.md: 帮助 LLM 保持对长文本整体脉络的理解。

注意事项

文件操作：所有生成的文件应严格存放在初始化的工作目录中。
行号对应：读取原始文件时，务必确保行号范围准确。
只追加原则：对于 3-校对和术语表, 4-分段主题.md 和任何额外输出文件，严格遵循 只追加、不修改的原则，避免在 loop 过程中，覆盖已有内容。
第一时间记录额外要求：如果用户在过程中提出了额外要求，尤其是需要调整处理方式或补充信息，应立即记录在 2-要求和信息/ 中，并通知后续处理环节。
说话人识别：语音转写的说话人一般正确，除非用户指出需要做识别。识别时，根据上下文（提问 vs 回答、专家 vs 小白、行业背景差异）区分真实角色，在输出中显式标记角色（如 同行 (测试)、访客 (学生)）。
背景驱动：禁止在不读取背景文档的情况下开始处理分段。