quantum-reading

name	quantum-reading
trigger	- User asks to read/analyze/summarize PDF, DOCX, TXT, MD files - File sizes > 50KB or line counts > 500
description	量子阅读 Quantum Reading - AI Agent 智能速读技能，通过人眼式扫描策略平均节省 ~40% Token
category	document-processing

目标

1. 最小化 token - 策略性阅读,非全文阅读
2. 保护主 context - 在 subagent 运行
3. 支持深入 - 维护位置索引供按需查询

---

阅读策略

Phase 0: 问题分析 (如用户提问)

提取关键词 → 直接定位相关内容 → 跳过无关部分

# 问题: "隐私保护措施有哪些?"
# 策略: grep "隐私|privacy|保护|措施" → 读匹配段落 ± 上下文

Phase 1: 智能扫描 (总是先做)

1. 三段论

• 开头 50 行 (主旨/背景)
• 结尾 50-100 行 (总结/结论)
• 中间采样 (>1000 行时,读中间 50 行)

2. 寻找总结标记

# 中文
grep -n "总结|概述|结论|因此|综上|关键|核心" file

# 英文  
grep -in "summary|conclusion|abstract|therefore|key point" file

# 结构
grep -n "^# \|^## \|^\* \|^[0-9]\+\." file  # 标题/列表

3. 格式利用

格式	优先级	查找方法
一级标题 #	P0	grep "^# "
粗体 **text**	P1	grep "\*\*.*\*\*"
列表项 * -	P1	grep "^[\*\-] "
引用 >	P2	grep "^> "

4. 关键词定位

grep -in "keyword" file           # 忽略大小写
grep -C 5 "keyword" file          # 含上下文
grep -E "word1|word2|word3" file  # 多词

5. 段落首尾句优先

• 学术写作: 首句 = 主题, 尾句 = 总结
• 仅读每段首尾句,跳过中间 (除非问及细节)

6. 高价值内容

# 列表/数字
grep -n "^[0-9]\+[\.\)、]\|^第[一二三四五]\+[章节]" file

# 数据
grep -E "[0-9]+%|[0-9]+\.[0-9]+" file

# 因果/转折 (关键逻辑)
grep -iE "因为|导致|然而|但是|because|however|although" file

# 例证
grep -in "例如|比如|for example|such as" file

---

Phase 2: 创建索引

📑 INDEX
═══════════════════════════════════

META: [行数] | [类型] | [语言]

SECTIONS (位置)
├─ Intro (lines 1-200)
├─ Method (lines 201-500)
└─ Conclusion (lines 900-1000)

TOPICS (内容)
├─ Privacy → lines [45, 230, 678]
├─ Security → lines [89, 450]

HIGH-VALUE ZONES
├─ Abstract: lines 10-50
├─ Summary: lines 950-1000
└─ Lists: lines [120, 340, 560]

HINTS
├─ Quick read: lines [10-50, 950-1000]
├─ For details on X: lines [Y-Z]

---

Phase 3: 回答问题 (带着问题找答案)

问题分类 + 策略

类型	策略	工具
主旨	读首尾段	head -50 + tail -50
细节	关键词定位	grep "keyword"
推断	读相关段,综合	索引 → 读多段
词义	读该句 ± 3 行	grep -C 3
态度	找形容词/评价词	grep -E "形容词pattern"

搜索层级

1. 精确: grep "exact phrase"
2. 模糊: grep -i "keyword"
3. 扩展: grep -E "word1|synonym1|synonym2"
4. 同义: "benefit" → "advantage|strength|positive"

读取范围

• ✅ 先查索引 → 定位行号
• ✅ 仅读该段 ± 10 行上下文
• ✅ 不够再扩展到邻近段
• ❌ 不要一次读大段

---

文件类型处理

类型	策略
PDF	Read(pages="1-2") + 尾页,>10 页时采样
DOCX	pandoc file.docx -t plain 后按 TXT 处理
TXT/MD	wc -l 检查长度,>1000 行时分段读

---

输出格式

📄 DOC ANALYSIS

File: [name] | Size: [pages/lines] | Type: [type]

Summary (2-3 句): 
[执行摘要]

Structure:
• Section 1 (loc)
• Section 2 (loc)

Topics: [主题列表]

✓ Index created. Ask about any section for details.

💰 Token saved: Read X lines of Y total (Z% reduction)

---

核心规则

• ❌ 禁止全文逐行读 (除非明确要求)
• ✅ 总是先扫描后深入
• ✅ 保存索引供后续查询
• ✅ 首次扫描 <500 行
• ✅ 告知策略: "我先扫描建索引..."
• ✅ 提及节省: "读了 120/200 句 (40% 节省)"

---

速读检查清单

读前:

• 看标题/目录?
• 识别文档类型?
• 提取问题关键词?
• 规划阅读路径?

读中:

• 找总结词?
• 读段首尾?
• 跳过已知信息?
• 记录位置?

读后:

• 能 2-3 句概括?
• 知道细节在哪?
• 能回答问题?

---

避免陷阱

1. 线性阅读 → ✅ 跳跃阅读
2. 过度完美 → ✅ 抓大放小
3. 忽略结构 → ✅ 利用格式
4. 被动阅读 → ✅ 带问题读
5. 一次读完 → ✅ 分层读取

---

记住: 你在 SUBAGENT 中 - 保护主 agent 的 context 是首要任务。