| name | zxf-classify |
| description | 为张雪峰直播转录文件（zxftrans/*.txt）打分类标签，产出 classification/index.json 供下游结构化流水线消费。当用户说"分类 N 份"、"全量分类"、"查分类进度"、"重分类 BVxxx"、或提及 zxftrans 分类、启发式筛选、内容类型判定时使用。支持增量运行，自动跳过已分类文件。即使用户不用"skill"字样，只要任务是对 zxftrans 目录做分类/筛选/索引，就用这个 skill。 |
zxf-classify：张雪峰转录分类器
脚本路径（重要）
所有脚本都在 skill 目录，用绝对路径调用，不要复制到项目里：
CLASSIFY=~/.claude/skills/zxf-classify/scripts/classify.py
PROGRESS=~/.claude/skills/zxf-classify/scripts/progress.py
项目目录 zxftrans_structured/scripts/ 里只放项目自有脚本（如 validate_json.py），不要把 skill 脚本拷过去——容易版本双份。
定位
扫 /Users/shuo/Documents/Claude/daxue/zxftrans/*.txt（1000+ 份），给每份打 4 维度标签写入索引，供下游 zxf-structure 按清单取样跑结构化。独立运行、增量去重。
不做：转录清洗、结构化本身、下游 RAG 接入。
触发识别
| 用户说 | 动作 |
|---|
| "分类 N 份" / "再分类 N 份" | 从未分类中取 N 份跑（N 解析为整数，默认 20） |
| "全量分类" / "把剩下的都分类了" | 跑完所有未分类 |
| "重分类 BVxxx" | 覆盖指定 BV 的分类记录 |
| "查分类进度" / "分类到哪了" | 只读索引汇报，不跑新任务 |
核心流程
Step 1：确定待跑清单
- 取清单：
python3 $PROGRESS --list-pending --limit N --strategy <sorted|random|keyword-first>
sorted：按文件名字典序（默认，稳定可复现）random：随机抽（适合探索整体分布）keyword-first：优先抽文件名含"家长/孩子/闺女/儿子/姑娘/女儿/分"的——冷启动强烈建议，能把对话类样本前置，避免前 N 份全独白
- 脚本内部逻辑：Glob
zxftrans/*.txt → 从文件名提取 BV id → 对比 index.json.items → 按 strategy 排序 → 取前 N
Step 2：跑分类脚本
对每份待分类文件运行：
python3 $CLASSIFY <txt_file_path>
脚本返回 JSON 对象（打分+4 维度标签）。脚本做的事：
- 读文件名打启发式分
- 读前 500 字打内容分
- 字数计算（决定 segment_type）
- 综合判定 content_type / segment_type / signal_hint
- 返回 JSON 写到 stdout
Step 3：写入索引
python3 $PROGRESS --update '<json_payload>' 把结果 merge 进 classification/index.json。
N > 50 时建议分批（每批 50，避免单次工作量过大）。
Step 4：汇报
调 python3 $PROGRESS --report 输出汇总。
建议：如果项目 structured/ 下已有历史成品（比如之前手工跑过几份），分类完成后再跑一次：
python3 ~/.claude/skills/zxf-structure/scripts/pipeline.py --reconcile
这会把本批新分类里命中历史成品的 BV 自动标为 processed=done，避免重复跑。用户看到：
- 本批分类数 / 分布（对话/独白/专题/其他）
- 篇幅分布（片段/整场）
- 对话类 signal 预判
- 累计总数 / 剩余未分类数
分类判定规则（脚本内部，参考）
详见 references/heuristic_v2.md。关键要点：
- content_type：启发式打分后映射到
对话 / 独白 / 专题 / 其他
- segment_type：字数 ≤8000=片段，>8000=整场
- signal_hint：仅 content_type=对话 时填，基于文件名具体程度
路径约定
| 路径 | 说明 |
|---|
/Users/shuo/Documents/Claude/daxue/zxftrans/*.txt | 转录源（只读） |
/Users/shuo/Documents/Claude/daxue/my-advisor-app/knowledge/zxftrans_structured/classification/index.json | 索引产物 |
索引初次不存在时自动创建。
边界
- 非
.txt 文件：跳过
- 空文件 / 无 BV id 的文件：跳过并记
skip_reason
- 重复 BV（同一 BV 多个文件）：保留最大字数的那份
重分类 场景：先删 items[BV] 再跑
不做的事
- 不做结构化（那是 zxf-structure 的事）
- 不给出切块建议（整场就打标搁置，等未来 zxf-segment skill）
- 不改启发式评分规则（规则更新需人工改
scripts/classify.py）
汇报模板
分类完成：{本批数}/{本批数} 份
分布：对话 {n} | 独白 {n} | 专题 {n} | 其他 {n}
篇幅：片段 {n} | 整场 {n}
对话类 signal 预判：high {n} | medium {n} | low {n}
累计索引：{classified} / {total_files} 份
未分类剩余：约 {pending} 份
