daggerheart-glossary-extractor

name	daggerheart-glossary-extractor
description	Extract document-specific glossary from Daggerheart project original text. Scans source/_original.md for proper nouns and recurring unique concepts, outputs glossary/_glossary.json with shortest-root terms and variants. Use during daggerheart-translation-pipeline step 3, or when user says "提取术语表" or "run step 3".

Daggerheart Glossary Extractor

用 LLM 扫描项目 source/_original.md 全文，提取文档特有的专有名词并翻译，按最短有效词根输出含中文翻译的术语表 JSON。

用法

用户提供项目路径，从中读取 source/_original.md，写入 glossary/_glossary.json。

提取范围

• 人名、地名、组织/派系名、种族名、生物名、物品名
• 世界观设定中反复出现的独特概念
• 游戏机制：职业(class)/子职(subclass)/种族(Ancestry)/社群(community)/领域(domain)/卡牌(card)/特性(feature)名等
• 文档中反复出现（≥2 次）的专有名词
• 以及其他理论上会反复使用, 需要保持翻译一致性的术语

不提取

• 泛型名词（sword、potion、castle）
• 只出现一次的描述性词语

翻译要求

翻译时确定术语的类型，世设中的名词可以文学化发挥，游戏机制术语则需要准确无歧义。完成后确保没有未翻译的"translation": ""。

粒度原则：最短有效词根

术语替换用 \bterm\b 正则匹配，不会自动处理复数/屈折变化。优先缩小术语粒度而非提取精确多词词组：

❌ 不要	✅ 要	原因
Engram Card	Engram	自然匹配 Engram / Engram Cards
Transhuman - Synapse	Transhuman 和 Synapse 分开	连在一起无法匹配各自单词
Power	Power Trait	Power太泛，会大量污染原文

输出格式

[
  {"term": "Terra", "translation": "泰拉"},
  {"term": "ancestries", "translation": "种族", "variants": ["Ancestry", "Ancestries", "ancestry"]},
  {"term": "The End", "translation": "终末", "note": "Pluto 称号", "case_sensitive": true}
]

• note 仅在术语有歧义、是常用词的特殊含义、或需要额外上下文时填写。
• variants: 可选数组。用于列出需要映射到同一译名的英文变体，替换时会与 term 一起生效，并共用同一条目的 translation、note、case_sensitive。
• variants 主要用于 \bterm\b 无法自然覆盖的不规则形式，例如复数、连字符差异、常见别写法。不要把它当成随意堆同义短语的字段。
• 优先遵守“最短有效词根”原则。若主词根已能自然匹配多数场景，就不要额外塞 variants；只有确实匹配不到时才补。
• case_sensitive: 默认不开启（术语替换时不区分大小写）。设为 true 时该条目强制区分大小写。以下情况必须设为 true：
  • 术语本身是常用英文短语，极易污染普通文本（如 "The End"、"Charge"、"Broken"）
  • 术语是 3 字母及以下的短词且译文与字面含义差异大
  • 术语在原文中是大写才有专名含义

输出路径

写入 {用户提供的项目路径}/glossary/_glossary.json。

报告

提取完成后报告：

• 提取了多少条术语
• 哪些多词术语因粒度原则被合并/精简
• 如果有基于经验的重要译名建议，列出来供用户确认