news-pdf-integration

name	news-pdf-integration
description	优先从 news/source-daily.md（若存在）或 news/source.md 读取多篇文章，逐篇原创整理为 MD 输出到 files/source/，保留核心内容、规避侵权。当用户更新 source-daily.md/source.md、需要批量处理多篇来源文章、或将外部文章整理进项目时使用。

从 source(-daily).md 多篇文章到 files/source 整理流程

优先从 news/source-daily.md（若存在）读取多篇聚合文章；若仅有 news/source.md，则从 source.md 读取。在 Plan 阶段 明确识别每篇边界与数量，对每一篇进行重新整理，生成原创 MD 写入 files/source/，只保留核心内容，避免侵权。不直接复制原文。

---

一、数据源与输出约定

项目	约定
输入	优先：news/source-daily.md；若不存在则使用 news/source.md（单文件内多篇文章聚合，可能来自公众号、转载等）
输出	每篇文章对应一个 MD：files/source/<主题简写>.md
原则	每篇重新整理、用自己的话归纳，保留核心内容即可，不逐段抄录

侵权规避：source.md 中内容可能涉及版权，因此必须对每一篇做原创化整理（提炼观点、术语、结论，改写表述），仅保留核心信息，不原文照搬。

---

二、Plan 阶段（必做）

在处理前必须先完成规划，避免漏篇或重复：

1. 读取 news/source-daily.md（若存在）或 news/source.md 全文。
2. 识别多篇文章边界：
   • 文章通常以主标题或明显分隔（如空行+新标题、END、下一篇文章标题）为界。
   • 常见模式：首行或前几行为第一篇标题；后续出现与上文无关的新标题、或「END」+ 大量空行/列表/“留言”等，多为下一篇开始。
3. 列出每篇文章：
   • 序号、标题/主题、建议文件名（英文或拼音，如 pku-wanghe-2025-embodied-roundup.md、leju-showroom-strategy-2026.md）。
4. 确认：共 N 篇，输出到 files/source/ 的 N 个 MD 与之一一对应。

只有在 Plan 中明确「篇数 + 每篇标题 + 输出文件名」后，再逐篇执行整理。

---

三、文章边界识别参考

• 第一篇：多为文件开头到第一个「结尾标志」或下一篇文章标题之前。
• 下一篇：新出现的独立标题（与上文无连贯关系）、或「END」/「写在最后」+ 空行/列表/“留言”之后的新标题。
• 噪音：企业名单、公众号引导、留言、精选推荐等可视为分隔或文末噪音，不纳入正文；若某段明显是下一篇开头，则从该处切开。

不确定时，宁可先按「标题 + 语义连贯性」切出候选篇，在整理时再微调边界。

---

四、单篇整理与输出规范

对 每一篇 独立执行：

1. 从 source.md 中截取该篇的完整正文（按 Plan 中划定的边界）。
2. 原创整理：
   • 提炼：核心观点、关键术语、重要结论、数据/结果（若有）。
   • 用自己的话重写，分节归纳（可加小标题），不逐段抄录。
3. 写出 MD 到 files/source/<主题简写>.md：
   • 必须包含：标题、整理说明（如「基于 [原文主题] 的整理，仅保留核心内容」）、正文（分节、列表均可）。
   • 可选：文末注明「—— 整理自 Xbotics 具身智能学习指南 | 供学习参考」。

单篇 MD 模板

# [文章主题标题]

*基于原文的整理，仅保留核心内容，供学习参考。*

---

## 1. [小节名]
[原创归纳内容……]

## 2. [小节名]
[原创归纳内容……]

---

*—— 整理自 Xbotics 具身智能学习指南 | 供学习参考*

文件名：files/source/ 下使用英文或拼音，如 pku-wanghe-2025-roundup.md、leju-showroom-2026.md、xiaomi-vla-open-source.md，避免中文与特殊字符。

图标与表情（必做）

• news/source-daily.md（或 news/source.md）：在编辑或生成日报/源文件时，在主标题、本期重点、各篇标题、小节标题（如「一句话记住」「为什么重要」「核心亮点」「配图建议」「资源」）及要点列表前使用适量图标与表情，使内容更生动、易扫读。可参考：📰 🎯 🤖 🧭 📐 🔄 💡 ❓ ✨ 🖼️ 🔗 📌 🏷️ 等，按主题选用。
• files/source/*.md 整理稿：写入每篇整理稿时，在文章标题、小节标题（如「背景与目标」「核心亮点」「实验结果与意义」）及要点条目前同样使用适量图标与表情，与 source-daily 风格一致，便于阅读。

---

五、检查（必做）

每篇整理并写出 MD 后，必须做以下两项检查；不合格则修正再继续。

5.1 内容一致性检查（总结与原文是否一致）

• 对照原文：用 source.md 中该篇的原文段落，逐条核对整理稿是否覆盖了核心信息（主要观点、关键术语、重要结论、数据/结果）。
• 通过标准：无实质性遗漏（如漏掉原文明确的核心论点、关键数字、方法名/论文名）；无实质性偏差（如把“A 优于 B”写成“B 优于 A”）；允许概括与改写，但语义不得与原文矛盾。
• 若不一致：在整理稿中补全遗漏、修正偏差，必要时调整小节结构，使总结与原文核心一致。

5.2 放置位置检查（放的位置是否合适）

• 主输出位置：所有整理稿的主产出一律放在 files/source/<主题简写>.md，无需再检查“是否该放 source”。
• 可选集成时的位置：若做了「在 files/papers/、files/interviews/、files/foundations/ 写摘要或索引，并在 docs 中加链接」，则需检查：
  • 类型是否匹配：论文/技术 → files/papers/ 及 docs/5-sota、4-classical、1.3 等；访谈/产业 → files/interviews/ 及 docs/8-people、9-landscape、1.3 产业视角；基础/教程 → files/foundations/ 及 docs/3-foundations、2-roadmaps。
  • 链接是否到位：摘要/索引中指向 ../source/xxx.md 的链接正确；docs 内链接到的是最相关的小节，而非随便挂到某章末尾。
• 通过标准：主产出均在 files/source/；若做了可选集成，则类型与目录对应正确、链接有效且挂到合适小节。
• 若不合适：移动或重命名摘要/索引文件到正确目录，或调整 docs 中的链接目标到更贴切的小节。

检查清单（可逐篇勾选）：

• 内容一致性：核心信息无遗漏、无语义偏差
• 放置位置：主产出在 files/source/；若做了集成，类型与链接位置合适

---

六、实施步骤总览

步骤	说明
Step 0 Plan	优先读 news/source-daily.md（若存在，否则读 news/source.md）→ 识别多篇文章边界 → 列出每篇标题与 files/source/<名>.md
Step 1 逐篇整理	对每篇：截取正文 → 原创归纳（保留核心）→ 写入 files/source/<主题简写>.md
Step 2 检查	每篇：内容与原文一致性检查 + 放置位置检查；不合格则修正
Step 3 可选	若需接入项目文档：在 files/papers/、files/interviews/、files/foundations/ 做摘要或索引，并在 docs 相应小节增加链接（见下节）

---

七、可选：与 docs 的集成

整理结果以 files/source/*.md 为主产出。若需在项目知识库中引用：

• 论文/技术类：可在 files/papers/ 增加简短笔记或索引，链到 ../source/xxx.md；在 docs/1-embodied-overview、5-sota、4-classical、2-roadmaps 相关小节末加「延伸」链接。
• 访谈/产业类：可在 files/interviews/ 做摘要，链到 ../source/xxx.md；在 docs/8-people、9-landscape、1.3 产业视角加链接。
• 基础/教程类：可在 files/foundations/ 做索引，链到 ../source/xxx.md；在 docs/3-foundations、2-roadmaps 加链接。

链接格式示例：[主题](../source/主题简写.md)（从 files/papers/、files/interviews/、files/foundations/ 出发）。

---

八、集成位置速查

docs/
├── 1-embodied-overview/   # 术语、世界模型、产业视角
├── 2-roadmaps/            # 学习路线与延伸
├── 3-foundations/         # 基础与教程
├── 4-classical/  5-sota/  # 经典与 SOTA
├── 8-people/  9-landscape/ # 人物与公司
└── …
files/
├── source/                # 本流程主输出：每篇整理 MD
├── papers/  interviews/  foundations/  # 可选摘要与链接
└── …

---

九、若仍有 PDF 需求（可选保留）

若项目中同时存在需要从 PDF 提取并整理的内容（例如 news/ 下个别 PDF）：

• 可继续使用现有 news/extract_pdf.py、news/ocr_pdf.py 提取文字；
• 提取后的文本建议先汇总或粘贴到 news/source.md 的独立“文章块”中，再按本流程统一「Plan → 逐篇整理 → 输出到 files/source/」；
• 或对单份 PDF 单独执行：提取/OCR → 原创整理 → 输出 files/source/<主题>.md。

本 skill 的主流程以 news/source.md 多篇文章 → files/source/*.md 为准；PDF 仅作为可选输入来源之一。