| name | minutes-quality-eval |
| description | 评估或对比会议纪要/访谈整理/深度纪要的质量：对照原始转录核查保真度，盘点覆盖度，输出多维度打分与失真清单。适用时机：(1) 用户问"这两份纪要哪份质量更高/写得更好"，(2) AI 生成的纪要发布前验收（有没有幻觉、编造、立场写错），(3) 给纪要挑毛病/做质检/打分。触发语：评估纪要质量、对比纪要、纪要靠谱吗、纪要验收、纪要打分、哪份纪要好。 |
会议纪要质量评估（对照原文核查版）
核心原则
纪要质量的第一维度是保真度，而保真度只能对照原始记录（录音转录、逐字稿）验证。
铁律：绝不拿一份纪要当另一份纪要的 ground truth。 两份纪要对照互读只能发现"它们不一致"，不能告诉你谁对——两份都错时你会跟着错，而"较好那份"自身的失真（它才是你要背书的文档）永远发现不了。实测中，跳过原文的评估漏掉了较好那份唯一的实质性错误（一处人物关系写反），却对它打出了最高保真分。
适用判断
- 适用：对比多份纪要优劣；单份纪要发布前验收；AI 生成纪要的幻觉检查
- 降级出口：找不到原始记录（用户没给、目录里没有、录音已删）→ 明确告知用户"只能评结构/合规/可读性，保真度无法评估"，保真维度标注 N/A，不得用推断或互相对照代替核查
流程
第 0 步：找到原文（阻塞点）
用户没给原文就先找：同目录下的转录文件（常见名：转录、逐字稿、合并记录、transcript、录音转文字），或直接问用户。找不到 → 走降级出口，这一步不许跳过也不许绕过。
第 1 步：确认各文档定位
内部学习版、对外发布版（Chatham House 脱敏）、行动纪要等定位不同的文档，按各自定位评分：对外版因脱敏删除的内容不算遗漏（单独标【脱敏删除】），但脱敏不构成失真的豁免——匿名化可以删信息，不可以改立场、造共识。
第 2 步：三条证据线（相互独立；原文超长时各派一个并行子代理）
a. 保真度抽查：每份纪要抽 10-15 条高风险表述回原文核对。风险优先级从高到低（按这个顺序选样本，别把配额浪费在低危区）：
- 席间共识/多人观点声明（"大家一致认为""席间共识"）——最高危：单人一句话最容易被升格
- 争论立场归属（谁主张、谁反驳、有没有收敛）
- 精确数字（百分比、金额、工期、人数）
- 原意方向（"太难暂不做"会被写成"必须做"）
- 直接引语与金句（相对低危，但查归属）
- 人物画像、一手/二手标注
每条给裁决：【忠实】/【有出入+差异说明】/【原文未见】，附原文引句或行号。
b. 覆盖度盘点：先从原文枚举实质讨论单元（有观点交锋、数据、案例、方法论的段落；寒暄闲聊剔除），通常 20-40 个；再对照每份纪要逐单元标【覆盖】【部分覆盖】【未覆盖】【脱敏删除】。产出：各自覆盖率、"只有 X 覆盖"清单、"都漏掉"清单。方向必须是原文→纪要，不是纪要→纪要。
c. 边界检查：纪要若含外部补充资料（论文、报道、benchmark 数据），检查它是否与会场观点分区呈现；重点扫"外部框架/术语混进席间观点"——会场没人提过的公式、行为经济学名词、方法论出现在"席间思维模型"里，就是冒充。
第 3 步：打分
八维度加权（默认权重，可按用途声明后调整）：
| 维度 | 权重 | 要点 |
|---|
| 信息保真度 | 25% | 抽查裁决统计；实质性失真（立场写反、虚构共识）有一票否决性质——出现即不能作为合格发布物，不管其他维度多高 |
| 覆盖完整度 | 20% | 覆盖率 + 漏掉的是不是原文最有价值的部分（现场认知转折、未收敛分歧比一般观点值钱） |
| 洞见提炼深度 | 15% | 判断链、思维模型、认知转折是否保留，还是磨平成了正确的废话 |
| 分歧与共识忠实呈现 | 10% | 未收敛的争论是否如实标注，还是被写成了定论 |
| 外部核证质量与边界 | 10% | 引用可点击、分区清晰；有没有主动收录【矛盾】反例（只找支持项是负分项） |
| 可操作性 | 8% | 有没有可照做的 playbook、案例"带走"要点 |
| 敏感信息合规 | 7% | 按文档定位评：对外版查脱敏执行，内部版查是否附发布前脱敏指引 |
| 结构与信噪比 | 5% | 导航、分层阅读路径、篇幅与信息密度的平衡 |
第 4 步：输出
结论先行（谁更高、总分、一句话定性）→ 维度得分表（每格附关键证据）→ 失真清单（按严重度排序，每条带原文证据）→ 加分项对照 → 修复建议（区分"必须修的失真"和"值得补的遗漏"）。
已知失真模式（抽查时按此清单扫）
来自实测的九种高发模式，纪要读起来越流畅越要警惕：
- 立场写反：把 A 反驳的观点写成 A 主张的（常发生在争论被压缩成单句结论时）
- 单人升格为共识："某人说过一句"变成"席间共识""多人补充"
- 外部资料冒充会场观点：编纂者检索到的公式/名词/框架写进"席间思维模型"
- 数字虚构与精度漂移：原文"下降了一级"变成"85%→95%"；几处不同口径的数字被糅合拔高
- 原意反转："这个问题太难暂不考虑"变成"必须制度化"
- 引言拼接错位：两个人的话拼进一人名下；数字张冠李戴
- ASR 噪音词当概念：转录讹误（谐音错字）未修正反而被当成正式术语展开
- 人物画像拼凑：化名/角色描述与原文对不上，或把到场者的一手判断标成"二手转述"
- 虚构结构：把两个孤立片段拼装成"一场讨论/一个开放问题"，原文并无此议程
加分项清单（有则加分，无不扣分）
- 转录噪音修正说明（谐音修正表 + 存疑句的取舍逻辑）
- 时间戳可回溯到原始录音
- 案例分档：已实践 / 失败受挫 / 仅想法未验证
- "待进一步探讨"开放问题清单（未收敛分歧如实留白）
- 内部版自带对外发布脱敏清单
- 外部核证主动收录对会场观点不利的反例
- 分层阅读导航（赶时间/深入/落地各一条路径）
常见错误
| 错误 | 后果 |
|---|
| "两份对照读就能看出好坏" | 循环验证。实测：跳过原文的评估给较好那份打了满分保真，漏掉了它唯一的实质错误 |
| "写得流畅、结构漂亮 = 质量高" | 文风与保真无关。实测中结构最工整的那份恰恰虚构了共识、写反了立场 |
| "抽查引语对得上就够了" | 引语是最不容易错的低危区；共识声明和立场归属才是失真高发区，配额要花在刀刃上 |
| "评估中自己发现的新问题直接写进报告" | 评估者也会幻觉。自己的新发现同样要回原文验证后才能落纸 |
| "对外版内容少，扣覆盖分" | 先区分【脱敏删除】与【真遗漏】，只有后者扣分 |
| "原文太长，读个开头结尾抽查一下" | 覆盖度盘点必须过全文；原文超长就切段派并行子代理，不是少读 |
