defense-recorder

name	defense-recorder
description	将完整学术答辩会录音、转写文本或字幕文件整理为按答辩人组织的结构化答辩记录，包含陈述概述、评委问答、术语修正和低置信度说明。适用于用户要求整理答辩录音、生成答辩记录、提取评委问答、使用答辩秘书技能、处理答辩录音、论文答辩音频或评委问答记录的场景。
metadata	{"argument-hint":"[音频文件或转写文本]","version":"0.1.0","user-invocable":true}
allowed-tools	Read, Write, Edit, Bash

答辩秘书

使用本技能将完整学术答辩会整理为可供秘书审核的 Markdown 草稿。默认假设为：

一份录音 = 一场包含多位答辩人的完整答辩会

除非用户明确说明，否则不要把整份录音当作单个答辩人的答辩。

核心规则

• 将会议切分为 答辩会 -> 答辩人场次 -> 陈述片段 + 问答片段。
• 默认生成 defense_records.md；如果不适合写文件，则直接用 Markdown 回复。
• 保持每位答辩人的内容相互隔离：不要混用相邻场次的问题、回答或术语。
• 不要编造答辩人姓名、论文题目、评委问题、回答、时间戳或结论。
• 如果无法识别姓名，使用 未知答辩人 1、未知答辩人 2 等。
• 如果无法识别论文题目，写 论文题目：未识别。
• 不要生成官方答辩决议、通过/不通过判断或主观评价。
• 对不确定内容，应放入低置信度说明，不要强行确定。
• 不要把某个全局 SPEAKER_ID 直接绑定为 答辩人；说话人角色必须在每位答辩人的场次内推断。
• 概括回答时删除口头填充词和寒暄，但保留含义、局限和承诺后续补充的内容。
• 答： 和 回应： 后直接写内容，不要加 答辩人说明、答辩人表示、答辩人解释说、答辩人认为、该同学表示 等转述主语或引导语。
• 不要评价答辩人回答是否充分、是否正面或是否完整；只客观记录问题、回答和建议。
• 最终输出中，时间范围只出现在每位答辩人章节开头的基本信息处；评委问答 和 评委建议 中不要逐条输出 时间范围：...。需要核查逐条来源时，使用 qa_chunks/ 中的逐人原始文件。
• 不要把评委建议强行转成问答。如果评委只提出格式、写作、实验或修改建议，而答辩人只是确认收到，应记录在 评委建议 下，不要写成 问/答。

工作流程

1. 如果用户提供音频或视频，先按照 prompts/00_env_setup.md 检查 XFYUN_APP_ID / XFYUN_SECRET_KEY 或 defense-recorder/.env 中是否有可用的讯飞凭据。如果凭据缺失，转写前停止，并要求用户参考讯飞 RAASR API 文档 https://www.xfyun.cn/doc/asr/ifasr_new/API.html，然后运行 scripts/setup_xfyun_env.py 或设置环境变量。
2. 使用 prompts/00_intake.md 梳理输入材料。
3. 如果用户提供音频或视频，仅在可以执行命令且 XFYUN_APP_ID / XFYUN_SECRET_KEY 可用时，使用讯飞 API 封装脚本 scripts/transcribe_audio.py 转写。命令参数参考 references/transcription_tools.md。使用 --role-type 1 请求角色分离；如果说话人分离不可用，则继续使用带时间戳的转写文本，并标注说话人不确定。
4. 按以下优先级使用辅助材料：

答辩顺序表 / 官方名单
> 答辩人 PPT / 论文 / 摘要
> 答辩人陈述内容
> 评委问答内容
> 通用领域知识

5. 使用 prompts/02_meeting_segmentation.md 将整场会议切分为答辩人场次。
6. 使用 prompts/03_candidate_session_split.md 将每位答辩人的场次拆分为陈述、问答和过渡片段。
7. 在问答抽取前，先将每位答辩人的 qa 片段原文写入 qa_chunks/ 文件夹，作为核查用中间文件。每位答辩人必须单独一个 Markdown 文件，例如 qa_chunks/12_闫涛.md；文件内保持 transcript_output/transcript.md 的原始行格式，例如 [00:10:36.000 - 00:10:41.200] 段落-3: ...，不要改写成最终记录格式。可额外生成 qa_chunks/index.md 汇总文件名、答辩人、时间范围和片段行数，但不要只生成一个长 qa_chunk.md。
8. 使用 prompts/04_qa_extraction.md 按答辩人抽取问答记录。长录音或多答辩人场景下，必须一次只读取一个 qa_chunks/<序号>_<姓名>.md 文件，并将该答辩人的抽取结果写入 qa_extracts/<序号>_<姓名>.md；不同答辩人的抽取可以并行交给多个 agent，但每个 agent 只能处理自己负责的单个答辩人文件。生成前检查每个评委发起点是否都对应 问： 或 建议：；不要从整场全文直接压缩生成问答。
9. 按照 prompts/05_term_correction.md，仅使用 global_terms + 当前答辩人术语 修正明确的 ASR 术语错误。
10. 使用 prompts/06_final_minutes.md 和 templates/defense_minutes_template.md 生成最终 Markdown。最终汇总必须读取逐人 qa_extracts/ 文件，不得从完整转写或单个长 QA 文件重新压缩；不得因篇幅压缩省略某位答辩人问答片段开头、中段或结尾的独立问题/建议。
11. 用户后续提出修正时，使用 prompts/07_correction_handler.md 只更新受影响的部分。

音频转写工具

当输入为音频或视频文件时，先使用讯飞录音文件转写 API 封装脚本：

python3 scripts/setup_xfyun_env.py

默认会把凭据写入 defense-recorder/.env。

或使用：

export XFYUN_APP_ID="你的讯飞 APPID"
export XFYUN_SECRET_KEY="你的讯飞录音文件转写 RAASR SecretKey"

XFYUN_SECRET_KEY 必须是讯飞录音文件转写 / RAASR 服务的 SecretKey，而不是应用级 APISecret 或 APIKey。

python3 scripts/transcribe_audio.py AUDIO_OR_VIDEO_FILE \
  --output-dir transcript_output \
  --language cn \
  --role-type 1 \
  --role-num 0 \
  --pd edu

使用生成的 transcript_output/transcript.json 作为主要中间转写文件。脚本会将媒体文件上传到讯飞、轮询订单结果，并把讯飞输出规范化为 JSON/Markdown/SRT 转写文件。如果缺少凭据、额度不可用或命令无法运行，使用 prompts/01_audio_transcription.md 中的兜底提示，并要求用户提供转写文本或字幕输入。

本技能的音频转写路径仅使用 API。如果 API 转写无法运行，要求用户提供有效的讯飞凭据/额度，或已有转写文本/字幕文件。

必需输出结构

每位答辩人的章节应包含：

• 答辩顺序和姓名
• 时间范围，仅出现在答辩人章节开头的基本信息处
• 论文题目，如可识别
• 置信度
• 陈述概述
• 评委问答记录
• 评委建议，用于记录不是实际问题的建议

每条问答记录必须使用：

问：...
答：...

其中 答： 后必须直接写回答概括，禁止写成 答：答辩人说明...、答：答辩人表示...、答：答辩人认为...。

仅建议记录应使用：

建议：...
回应：好的/感谢老师提醒/已记录

其中 回应： 后必须直接写回应内容，禁止写成 回应：答辩人表示...。

最终 评委问答 与 评委建议 部分不得出现逐条 时间范围：hh:mm:ss - hh:mm:ss；需要核查逐条来源时，使用 qa_chunks/ 中保留的逐人原始时间戳。

边界信号

优先使用明确流程语言：

• 下面请第一位同学进行汇报
• 请张三同学开始答辩
• 我的论文题目是...
• 下面进入专家提问环节
• 请各位老师提问
• 张三同学答辩到此结束
• 下面请下一位同学

如果缺少这些信号，则根据“较长陈述 -> 评委问答 -> 下一段较长陈述”的模式推断边界。推断得到或存在歧义的边界应标记为低置信度。

低置信度说明

对音频不清、说话人不确定、答辩人身份不明确、场次边界模糊、问答配对有歧义、可能串到相邻答辩人、术语修正不确定或论文题目缺失等情况添加说明。

隐私与合规

答辩录音可能包含个人信息。只纳入与答辩记录相关的信息。不要暴露无关隐私细节，也不要推断材料中没有明确支持的身份、关系或结果。