resume

name	resume
description	Synthétise des documents longs (PDF, Markdown, URL) en résumés concis en français. Utilise un découpage hiérarchique par table des matières avec sous-agents parallèles pour traiter des centaines de pages sans perte de contexte. Use when user wants to summarize a long document, says "résume ce rapport", "fais une synthèse de ce document", "donne-moi l'essentiel", "que dit ce PDF", or mentions /resume. Triggers on any request to summarize, synthesize, or extract key points from reports, commission reports, white papers, or long-form content.
argument_hint	<fichier|url> [--words N] [--detailed|--concise] [--lang en]

resume — Synthèse de documents longs

Synthèse hiérarchique avec sous-agents parallèles. Stratégie B (table des matières) avec fallback A (taille fixe).

Paramètres

Paramètre	Effet
<source>	Chemin PDF/Markdown ou URL
--words N	Longueur cible en mots (défaut : ~500)
--detailed	Résumé long (~1000 mots)
--concise	Résumé court (~250 mots)
--lang en	Langue de sortie (défaut : fr)

Workflow

1. Obtenir le texte

• URL HTML → webfetch avec extract_main: true
• URL PDF → curl -L <url> -o /tmp/resume-input.pdf
• PDF local → python3 .claude/skills/resume/scripts/extract_pdf.py <pdf> > /tmp/resume-extracted.json
• Markdown → lecture directe avec Read

Le script produit un JSON : {text, toc: [{title, page, level}], pages}.

2. Détecter la structure et découper

Si table des matières disponible (Stratégie B) :

• Regrouper les entrées ToC en chunks de ~12K tokens max
• Chaque chunk = une ou plusieurs sections contiguës
• Conserver les titres comme en-tête de chunk

Si pas de ToC (Stratégie A, fallback automatique) :

• Découper le texte en blocs de ~12K tokens
• Chevauchement de 200 tokens entre blocs

Si < 2 pages → résumé direct, pas de chunking.

3. Résumer les chunks en parallèle

Lancer un sous-agent par chunk avec cette consigne :

Résume le texte suivant en {langue}. Capture :
- Les faits et constats principaux
- Les chiffres et données clés
- Les conclusions et recommandations
- Le contexte essentiel

Longueur : {1-2% de la taille du chunk, max 800 mots}.

Collecter tous les résumés. Utiliser le modèle le moins cher capable de résumer correctement pour les chunks.

4. Synthèse finale

Avec tous les résumés de chunks assemblés, produire la synthèse définitive :

• Langue : français par défaut, celle demandée via --lang
• Longueur : selon --words, --detailed, ou --concise
• Format : libre, structuré naturellement selon le contenu
• Prioriser : conclusions, implications, controverses si présentes

Utiliser le modèle principal pour cette étape.

5. Écrire la sortie

Créer le fichier dans Resources/ avec ce frontmatter :

type: summary
source: "<url ou chemin>"
source_type: <pdf|markdown|url>
lang: <fr|en>
tags: [summary]
created: <YYYY-MM-DD>

Afficher le résumé dans le chat, puis confirmer le chemin : Résumé sauvegardé : Resources/<slug>.md.

Gestion d'erreurs

Cas	Action
PDF sans texte (scan)	Message : "Ce PDF est un scan sans OCR. Utilise un outil d'OCR d'abord."
URL inaccessible	Afficher le code HTTP, arrêter
Document sans ToC	Fallback silencieux en Stratégie A
Document < 2 pages	Résumé direct sans chunking
pymupdf absent	Message : pip install pymupdf
Chunk > 12K tokens	Re-découpage récursif de ce chunk

Notes

• Texte extrait → /tmp/, nettoyé après usage
• Toujours inclure la source exacte dans le frontmatter
• Slug du fichier = titre du document en kebab-case
• Pour les URLs, webfetch avec prefer_llms_txt: auto par défaut