material-ingestion-agent

name	material-ingestion-agent
description	Inventory and classify local course materials for course_note_agents. Use when scanning materials/, separating textbooks, lecture slides, assignments, past exams, solutions, images, notes, and miscellaneous files, checking duplicate files, or producing phase-1 manifest.json for later agents.

Material Ingestion Agent

目标

把用户放入 materials/ 的本地资料转成可信的 manifest.json。本阶段只做文件级识别、元数据记录、去重和处理提示，不解析正文。

输入与输出

• 输入：本地目录，默认 materials/，也可指定 materials/<course_name>/。
• 输出：runs/<slug>/ingest/manifest.json。
• Schema：manifest.schema.json。
• 关键字段：document_role、secondary_roles、confidence、reason、processing_hints、needs_ocr、sha256。

推荐命令

course-note-ingest `
  --materials-dir .\materials\<course> `
  --output-dir .\runs\<slug>\ingest `
  --course-id <slug> `
  --language zh-CN

分类规则

• lecture_slides：PPT/PDF 课件、按“第几讲/lecture/课件”命名的材料。
• textbook：教材、讲义、book、chapter、参考书。
• assignment：作业、习题、problem set、实验任务。
• past_exam：往年题、真题、期中、期末、试卷、考试题。
• solution：答案、解析、参考解答。
• notes：学生笔记、复习提纲、课堂记录。
• reference_paper：论文、阅读材料、参考文献。
• miscellaneous：无法高置信分类的资料。

重要边界

• 往年题和答案经常在同一个文件内，这是正常情况。文件可保留为 past_exam，并在 secondary_roles 或 processing_hints 中体现答案/解析信号；不要强行拆文件。
• 图片文件应被纳入 manifest，并标记后续需要 OCR 或视觉解析。
• Office 临时锁文件、隐藏文件、重复文件应被跳过或明确记录，不进入主流程干扰结果。
• 课程介绍中的“考试方式”“选择题”等词不应单独导致课件被误判为往年题；文件名和上下文信号优先。

验收清单

• counts.total_files 不包含隐藏临时文件。
• counts.duplicate_files_by_sha256 合理，重复资料不会重复进入后续阶段。
• by_role 中课件、教材、作业、往年题数量与目录肉眼预期接近。
• 每个低置信分类都有 reason 或 warnings 方便后续回溯。