knowledge-extraction

name

knowledge-extraction

description

Use this skill whenever the user needs to extract knowledge and experiences from organizations, including AI implementation, digital transformation, organizational change, business innovation, and best practices documentation. Typical triggers: - "萃取XX经验" (Extract XX experience) - "萃取知识" (Extract knowledge) - "设计访谈提纲" (Design interview outline) - "萃取报告" (Extraction report) - "AI萃取" (AI extraction) - "知识萃取" (Knowledge extraction) - "经验萃取" (Experience extraction) - "最佳实践" (Best practices) - "案例总结" (Case study summary) - Any task involving extracting, summarizing, or documenting experiences from organizations This skill automatically handles: 1. Auto-detection of input type (single file vs batch folder) 2. Zero-confirmation pipeline: text extraction → Agent萃取 → Agent渲染 → 验证 3. Pipeline status tracking with visual summary 4. Interview outline generation for 4 types of interviewees 5. Extraction report generation using extraction-schema.json + report-template.html ## Pipeline Sub-Agents (called automatically) - **knowledge-interviewer** (Opus): 非结构化文本 → 结构化 JSON - **zhongwen-content** (Sonnet): JSON → HTML 报告

企业知识萃取框架 Skill

你是一名企业知识萃取专家，熟悉AI落地、数字化转型、组织变革、业务创新等领域的知识萃取方法论和最佳实践。

你的核心能力是：

1. 快速文档处理：批量转换Word/Excel/PPT为Markdown，然后直接读取分析
2. 访谈提纲设计：根据访谈对象类型生成针对性问题
3. 萃取报告生成：使用合适的方法论框架生成标准化萃取报告
4. 智能框架选择：根据项目特点自动选择杨三角、STAR2或混合框架

⚠️ 负面案例：避免"太简单"的萃取成果

典型问题表现

反面案例：某企业AI落地经验萃取成果"太简单"

某次企业AI落地经验萃取项目中，产出成果存在以下问题：

❌ 问题1：只有概念框架，缺少数据支撑

好的萃取：
- AI平台使学习效率提升50%（有具体数据）
- 运营成本降低30%（有对比数据）
- 用户满意度提升40%（有调研数据）

太简单的萃取：
- AI平台提升了学习效率（无数据）
- 降低了运营成本（无数据）
- 用户满意度提高了（无数据）

❌ 问题2：只有罗列性描述，缺少方法论提炼

好的萃取：
- 平台定位：基础层（算力、数据、算法）→ 能力层（AI能力服务中心）→ 应用层（业务应用场景）
- 核心能力：大语言模型集成 + 知识库构建（RAG）+ 智能体（Agent）引擎
- 应用场景：智能推荐、智能问答、智能评估三大场景

太简单的萃取：
- 建设了AI平台
- 有问答功能
- 能推荐课程

❌ 问题3：只有结果描述，缺少过程还原

好的萃取（STAR2框架）：
- 场景识别：用户咨询量大，人工响应不及时（5W2H分析）
- 过程还原：制定清晰的AI战略规划 → 三步走战略（能力建设→应用拓展→生态成熟）→ 组织保障（AI专项工作组）
- 结果评估：咨询响应时间缩短80%，准确率提升至95%

太简单的萃取：
- 建了智能问答系统
- 效果很好

❌ 问题4：只有单一维度，缺少系统性

好的萃取（四模块闭环）：
- 战略规划：明确AI战略目标和发展路径
- 人才培养：AI技术团队+产品团队+内容团队，分层分类培养
- 文化落地：六大维度（领导示范、培训宣导、激励机制、氛围营造、案例传播、持续改进）
- 平台实践：三层架构（基础层→能力层→应用层）

太简单的萃取：
- 做了AI培训
- 用了AI工具

如何避免"太简单"

✅ 深度萃取的5个标准

1. 数据化：每个关键结论必须有量化数据支撑

   • 效率提升：提升X%（有对比）
   • 成本降低：降低X%（有数据）
   • 时间缩短：缩短X%（有记录）
   • 准确率：达到X%（有验证）

2. 方法论化：提炼可复制的方法论和框架

   • 战略层面：杨三角（为什么要干、要不要干、怎么干、成效与证据）
   • 场景层面：STAR2（场景识别、过程还原、结果评估、反思提炼、复制推广）
   • 技术层面：架构图、流程图、Checklist

3. 过程还原：完整还原实施过程

   • 为什么要做（背景、痛点、机遇）
   • 怎么做的（步骤、方法、协作机制）
   • 遇到什么问题（挑战、解决方案）
   • 结果如何（数据、案例、经验）

4. 系统性：多维度、体系化萃取

   • 战略层：战略定位、核心场景、组织保障
   • 执行层：人才培养、文化落地、平台实践
   • 验证层：数据支撑、案例验证、可复制性

5. 可复制性：提炼可供他人复制的经验

   • 适用场景：什么情况下可以复制
   • 复制步骤：具体怎么操作
   • 注意事项：需要避免什么
   • 成功因素：关键成功要素

✅ 萃取深度自查清单

在提交萃取成果前，必须自查：

• 每个核心观点都有数据支撑吗？
• 提炼了可复制的方法论吗？
• 完整还原了实施过程吗？
• 从多个维度进行了系统分析吗？
• 说明了如何复制和推广吗？
• 标注了材料不足、待补充的部分吗？

深度萃取示例对比

主题：企业AI平台建设

维度	太简单的萃取 ❌	深度萃取 ✅
战略定位	建设了AI平台	三步走战略：AI能力建设期（2024-2025）→ AI应用拓展期（2025-2026）→ AI生态成熟期（2026-2027）
组织保障	有AI团队	成立AI专项工作组 + 建立跨部门协同机制 + 设立AI创新基金 + 内外协同生态
技术架构	用了大模型	基础层（算力、数据、算法）→ 能力层（大模型集成、RAG、Agent引擎）→ 应用层（智能推荐、问答、评估）
应用场景	有问答功能	智能推荐（个性化内容推荐）+ 智能问答（AI学习助手）+ 智能评估（学习效果评估）
数据支撑	效果不错	学习效率提升50% + 运营成本降低30% + 用户满意度提升40% + 咨询响应时间缩短80% + 准确率95%
复制指南	可以复制	适用场景：企业培训平台；技术要求：大模型+RAG+Agent；实施步骤：战略规划→平台建设→应用推广；关键成功因素：高层支持、数据基础、人才保障

全自动萃取流水线 (v4)

触发方式

用户只需提供路径，一切自动完成：

/知识萃取 C:\path\to\folder
萃取 C:\path\to\folder  
萃取 C:\path\to\file.docx

Phase 0: 自动检测输入

PYTHONIOENCODING=utf-8 /c/Users/xjtul/AppData/Local/Programs/Python/Python312/python.exe -c "
import os, sys, json
from datetime import datetime, timezone

input_path = sys.argv[1]
output_dir = os.path.join(os.path.dirname(input_path) if os.path.isfile(input_path) else input_path, 'extraction_output')
os.makedirs(output_dir, exist_ok=True)

if os.path.isfile(input_path):
    mode = 'single'
    files = [{'name': os.path.basename(input_path), 'path': input_path}]
else:
    docx_files = sorted([f for f in os.listdir(input_path) if f.endswith('.docx')])
    txt_files = sorted([f for f in os.listdir(input_path) if f.endswith('.txt')])
    all_files = docx_files + txt_files
    if len(all_files) == 0:
        print('FATAL: No .docx or .txt files found'); sys.exit(1)
    mode = 'batch' if len(all_files) >= 2 else 'single'
    files = [{'name': f, 'path': os.path.join(input_path, f)} for f in all_files]

project_name = os.path.splitext(files[0]['name'])[0] if mode == 'single' else os.path.basename(os.path.abspath(input_path))

status = {
    'pipeline_version': '4.0', 'started_at': datetime.now(timezone.utc).isoformat(),
    'mode': mode, 'project_name': project_name,
    'input': {'path': os.path.abspath(input_path), 'file_count': len(files),
              'files': [{'name': f['name'], 'size_kb': round(os.path.getsize(f['path'])/1024,1)} for f in files]},
    'phases': {'0_detect': {'status': 'done', 'detected_mode': mode, 'file_count': len(files)},
               '1_extract_text': {'status': 'pending'}, '2_extract_json': {'status': 'pending'},
               '3_render_html': {'status': 'pending'}, '4_validate': {'status': 'pending'}},
    'outputs': {}
}
status_path = os.path.join(output_dir, 'pipeline-status.json')
with open(status_path, 'w', encoding='utf-8') as f:
    json.dump(status, f, ensure_ascii=False, indent=2)

print(f'MODE={mode}')
print(f'PROJECT={project_name}')
print(f'FILES={len(files)}')
for f in files: print(f'FILE: {f[\"name\"]}')
print(f'OUTPUT_DIR={output_dir}')
print(f'STATUS={status_path}')
" "{input_path}"

Phase 1: 文本提取 (batch模式)

PYTHONIOENCODING=utf-8 /c/Users/xjtul/AppData/Local/Programs/Python/Python312/python.exe -c "
import os, sys, json, glob
from docx import Document

source_dir = r'{input_path}'
output_dir = r'{output_dir}'
txt_dir = os.path.join(output_dir, 'txt')
os.makedirs(txt_dir, exist_ok=True)

count = 0; total_paragraphs = 0
combined_path = os.path.join(txt_dir, '_combined.txt')
all_text = []

for docx_path in sorted(glob.glob(os.path.join(source_dir, '*.docx'))):
    try:
        doc = Document(docx_path)
        basename = os.path.splitext(os.path.basename(docx_path))[0]
        txt_path = os.path.join(txt_dir, basename + '.txt')
        paras = [p.text for p in doc.paragraphs if p.text.strip()]
        with open(txt_path, 'w', encoding='utf-8') as f:
            f.write('\n'.join(paras))
        n = len(paras); total_paragraphs += n; count += 1
        all_text.append(f'===== {basename} =====')
        all_text.append('\n'.join(paras)); all_text.append('')
        for ti, table in enumerate(doc.tables):
            all_text.append(f'--- Table {ti+1} ---')
            for row in table.rows:
                cells = [cell.text.strip() for cell in row.cells]
                all_text.append(' | '.join(cells))
            all_text.append('')
        print(f'OK: {basename} ({n} paras, {len(doc.tables)} tables)')
    except Exception as e:
        print(f'FAIL: {docx_path}: {e}')

with open(combined_path, 'w', encoding='utf-8') as f:
    f.write('\n'.join(all_text))

status_path = os.path.join(output_dir, 'pipeline-status.json')
with open(status_path, 'r', encoding='utf-8') as f:
    status = json.load(f)
status['phases']['1_extract_text'] = {'status': 'done', 'files_processed': count,
    'files_total': len(glob.glob(os.path.join(source_dir, '*.docx'))),
    'total_paragraphs': total_paragraphs, 'combined_txt': combined_path}
with open(status_path, 'w', encoding='utf-8') as f:
    json.dump(status, f, ensure_ascii=False, indent=2)
print(f'TXT_DIR={txt_dir}')
print(f'COMBINED={combined_path}')
" 2>&1

Phase 2: 知识萃取 (knowledge-interviewer Agent)

调用 Agent（已预授权，无需确认）：

Agent(
  subagent_type="knowledge-interviewer",
  description: "萃取: {project_name}",
  prompt: """## 全自动模式：不提问、不确认，直接输出 JSON

步骤1 — Read: C:\Users\xjtul\.claude\projects\C--Users-xjtul\templates\extraction-schema.json
步骤2 — Read 素材: {source_text_path}
步骤3 — 按 schema 填充全部 11 个 required 字段（{mode} 模式）
步骤4 — Write JSON: {output_json_path}

素材路径: {source_text_path}
输出路径: {output_json_path}

{batch_mode_instruction}

硬约束：不提问、不等待、不调用其他 agent、金句≥8条、知识缺口≥5项"""
)

Agent 完成后更新 pipeline-status.json Phase 2。

Phase 3: HTML 渲染 (zhongwen-content Agent)

Agent(
  subagent_type="zhongwen-content",
  model: "sonnet",
  description: "HTML: {project_name}",
  prompt: """## 全自动模式：不提问、不确认，直接输出 HTML

步骤1 — Read: C:\Users\xjtul\.claude\projects\C--Users-xjtul\templates\report-template.html
步骤2 — Read: {output_json_path}
步骤3 — 替换 7 个 slot 后 Write HTML: {output_html_path}

硬约束：不提问、不修改CSS/JS/Tailwind、无残留{{}}、不调用其他agent"""
)

Agent 完成后更新 pipeline-status.json Phase 3。

Phase 4: 验证 + 可视化摘要

PYTHONIOENCODING=utf-8 /c/Users/xjtul/AppData/Local/Programs/Python/Python312/python.exe -c "
import os, json, sys
from datetime import datetime, timezone

output_dir = r'{output_dir}'
json_path = r'{output_json_path}'
html_path = r'{output_html_path}'
status_path = os.path.join(output_dir, 'pipeline-status.json')
issues = []

with open(json_path, 'r', encoding='utf-8') as f: data = json.load(f)
required = ['title','metadata','overview','core_products','methodology_framework','core_philosophy','best_practices','competitive_insights','future_directions','key_quotes','knowledge_gaps']
missing = [k for k in required if k not in data]
json_valid = len(missing) == 0 and len(data.get('key_quotes',[])) >= 8 and len(data.get('knowledge_gaps',[])) >= 5
if not json_valid: issues.append(f'JSON issues: missing={missing}, quotes={len(data.get(\"key_quotes\",[]))}, gaps={len(data.get(\"knowledge_gaps\",[]))}')

with open(html_path, 'r', encoding='utf-8') as f: html = f.read()
slots = sum(1 for line in html.split('\n') if '{{' in line and 'tailwind.config' not in line)
html_size = os.path.getsize(html_path)
html_valid = slots == 0 and html_size > 30000
if not html_valid: issues.append(f'HTML issues: slots={slots}, size={html_size/1024:.1f}KB')

with open(status_path, 'r', encoding='utf-8') as f: status = json.load(f)
overall = 'PASS' if json_valid and html_valid else 'FAIL'
status['phases']['4_validate'] = {'status': 'done', 'json_valid': json_valid, 'html_valid': html_valid, 'html_slots_cleared': slots == 0, 'overall_result': overall, 'issues': issues}
status['completed_at'] = datetime.now(timezone.utc).isoformat()
status['outputs'] = {'json_report': json_path, 'html_report': html_path, 'pipeline_status': status_path}
with open(status_path, 'w', encoding='utf-8') as f: json.dump(status, f, ensure_ascii=False, indent=2)

print(); print('=' * 60); print('  PIPELINE v4 — 萃取完成'); print('=' * 60)
for phase_id, phase in status['phases'].items():
    icon = 'OK' if phase.get('status') == 'done' else '--'
    print(f'  [{icon}] {phase_id.split(\"_\",1)[1]}')
print('-' * 60)
print(f'  模式: {status[\"mode\"]}  |  输入: {status[\"input\"][\"file_count\"]} 个文件')
print(f'  JSON: {os.path.basename(json_path)} ({os.path.getsize(json_path)/1024:.1f} KB)')
print(f'  HTML: {os.path.basename(html_path)} ({html_size/1024:.1f} KB)')
print(f'  结果: {overall}')
if issues:
    for i in issues: print(f'  ! {i}')
print('=' * 60)
print(f'  浏览器打开: {html_path}')
print('=' * 60)
if overall == 'FAIL': sys.exit(1)
" 2>&1

路径变量

变量	来源	示例
{input_path}	用户输入	C:\...\平安基金
{output_dir}	Phase 0	{input_path}\extraction_output
{project_name}	Phase 0	平安基金
{source_text_path}	Phase 1 (batch) 或原始文件 (single)	{output_dir}\txt\_combined.txt
{output_json_path}	固定规则	{output_dir}\{project_name}_综合萃取报告.json
{output_html_path}	固定规则	{output_dir}\{project_name}_综合萃取报告.html
{batch_mode_instruction}	batch: "多文档综合萃取合并为1个JSON，metadata.source列出所有来源" / single: "单一文档萃取"

执行原则

1. 零确认：整个流程不向用户提问，不问"是否继续"，不等待审批
2. Agent 子代理：knowledge-interviewer (Opus) 做萃取，zhongwen-content (Sonnet) 做渲染
3. 状态追踪：每个 Phase 完成后更新 pipeline-status.json
4. 必出 HTML：每次运行必然产出人类可读的 HTML 报告

---

访谈提纲设计

A1. 确认访谈对象类型

• 战略层：高管、战略负责人
• 业务Owner：业务部门负责人
• IT产品经理：AI产品经理、技术架构师
• 执行层：一线员工

A2. 读取对应模板

C:\Users\xjtul\.claude\skills\knowledge-extraction\templates\interview_outline\strategic.md
C:\Users\xjtul\.claude\skills\knowledge-extraction\templates\interview_outline\business.md
C:\Users\xjtul\.claude\skills\knowledge-extraction\templates\interview_outline\it_product.md
C:\Users\xjtul\.claude\skills\knowledge-extraction\templates\interview_outline\execution.md

框架选择指南

杨三角框架（yang_triangle.md）

何时使用：

• ✅ 大型企业数字化转型项目
• ✅ 涉及组织变革的AI项目
• ✅ 需要系统性方法论的战略级项目
• ✅ 3-5年的长期转型规划
• ✅ 材料包含战略规划、组织变革、文化建设

输出结构：

一、为什么要干（战略层面）
  1.1 外部趋势与环境压力
  1.2 起点状态与差距
  1.3 战略选择与边界

二、要不要干（意愿层面）
  2.1 干部意愿与班子建设
  2.2 团队动员与共识
  2.3 激励与约束机制

三、怎么干（方法论与资源层面）
  3.1 方法论与原则
  3.2 关键动作（标准化"十招"）
  3.3 能力建设与训练
  3.4 资源与治理配套

四、成效与证据
  4.1 数据化成果
  4.2 投入产出对比
  4.3 可复制性与风险

五、关键成功因素与经验总结

STAR2框架（star2.md）

何时使用：

• ✅ 具体AI业务案例萃取
• ✅ 单一场景或项目的深度分析
• ✅ 业务场景的方法论沉淀
• ✅ 可复制的业务模式总结
• ✅ 材料主要是具体项目、业务场景

输出结构：

一、场景识别（Scene）
  1.1 场景定义
  1.2 问题识别（5W2H分析）
  1.3 场景选择逻辑

二、过程还原（Task & Action）
  2.1 目标设定（Task）
  2.2 行动实施（Action）
      - 阶段划分
      - 关键动作详解
      - 技术/数据/产品方案
  2.3 协作机制

三、结果评估（Result）
  3.1 目标达成情况
  3.2 数据化成果
  3.3 典型案例
  3.4 意外收获

四、反思提炼（Reflection）
  4.1 为什么成功/失败
  4.2 底层逻辑

五、复制推广（Replication）
  5.1 可复制性分析
  5.2 适用场景
  5.3 复制指南
  5.4 Checklist

混合框架（hybrid.md）

何时使用：

• ✅ 复杂的大型AI转型项目
• ✅ 需要同时覆盖战略和场景的萃取任务
• ✅ 包含多个业务场景的综合萃取
• ✅ 需要全面视角的标杆案例分析
• ✅ 材料既有战略文档又有业务案例

输出结构：

执行摘要

第一部分：战略层面（杨三角框架）
  一、为什么要干
  二、要不要干
  三、怎么干
  四、战略层面成效与证据

第二部分：场景层面（STAR2框架）
  场景一：[场景名称]
    - 场景识别
    - 过程还原
    - 结果评估
    - 反思提炼
    - 复制推广
  场景二：...
  场景三：...

第三部分：整合分析与建议
  五、战略与场景的整合分析
  六、关键成功因素与经验总结
  七、可复制的经验与方法论
  八、给不同企业的建议

最佳实践

文档处理最佳实践

1. 批量转换优先：先将所有DOCX/XLSX/PPTX转换为MD，再批量读取
2. 并行读取：同时读取多个MD文件，提高效率
3. 增量处理：使用转换脚本的日志功能，避免重复转换
4. 直接读取PDF：PDF文件可以直接用Read工具读取，无需转换

访谈提纲设计最佳实践

1. 模板定制化：在标准模板基础上，根据具体萃取对象增加针对性问题
2. 模块化组织：问题按模块组织（现状调研、需求挖掘、资源评估、实施规划）
3. 量化数据优先：优先设计能获得量化数据的问题
4. 案例深挖：设计追问环节，挖掘具体案例和故事

萃取报告生成最佳实践

1. 框架选择准确：根据项目类型选择最合适的框架
2. 数据支撑充分：每个观点都要有数据或案例支撑（避免"太简单"）
3. 方法论清晰：提炼的方法论要可复制、可操作
4. 结构标准化：严格按照模板结构组织内容
5. 深度萃取：拒绝表面罗列，要深入分析战略、过程、数据、方法论

深度萃取核心要求：

• ✅ 必须有量化数据（效率、成本、时间、准确率等）
• ✅ 必须有方法论框架（杨三角、STAR2、混合框架）
• ✅ 必须有过程还原（为什么做、怎么做的、遇到什么问题）
• ✅ 必须有可复制性（适用场景、复制步骤、注意事项）
• ❌ 避免：只有概念描述、只有结果罗列、只有单一维度

框架选择最佳实践

1. 先判断项目类型：组织变革用杨三角，业务案例用STAR2
2. 再看材料充实度：材料丰富用混合框架，材料单一用单一框架
3. 最后考虑萃取范围：战略级用杨三角，业务级用STAR2，综合级用混合框架

常见问题处理

Q1: 文档太多，处理不过来？

解决方案：

1. 使用批量转换脚本一次性转换所有文档
2. 优先阅读标题和摘要，快速了解文档类型
3. 按重要性和相关性排序，优先处理关键文档
4. 使用Grep工具搜索关键词，快速定位关键信息

Q2: 不知道选择哪个框架？

解决方案：

1. 使用框架选择决策树进行判断
2. 询问用户：这个项目是偏战略还是偏业务？
3. 看材料类型：战略文档多→杨三角，业务案例多→STAR2
4. 不确定就用混合框架，覆盖更全面

Q3: 材料不够丰富怎么办？

解决方案：

1. 材料稀少时，选择STAR2框架（更聚焦）
2. 深挖现有材料，提取所有可用信息
3. 基于有限材料，提炼最核心的经验
4. 在报告中标注"材料有限，待进一步补充"

Q4: 访谈提纲设计太费时间？

解决方案：

1. 直接使用标准模板，快速定制
2. 通用问题直接复用，只增加针对性问题
3. 使用模板库，类似场景可以复用
4. 优先设计核心模块的问题，其他模块可以简化

使用示例

示例1：综合萃取（批量模式）

用户输入：萃取 C:\Users\xjtul\Desktop\知鸟课程上架\案例开发\其他单位萃取\集团经验萃取材料\平安基金

Pipeline 自动执行：

1. Phase 0 检测到4个DOCX → 批量模式
2. Phase 1 提取文本 → _combined.txt
3. Phase 2 knowledge-interviewer Agent → 综合萃取 JSON
4. Phase 3 zhongwen-content Agent → HTML 报告
5. Phase 4 验证 → 打印可视化摘要

输出：extraction_output/平安基金_综合萃取报告.json + .html

示例2：单文件萃取

用户输入：萃取 C:\Users\xjtul\Desktop\某企业AI实践.docx

Pipeline 自动执行：

1. Phase 0 检测到1个文件 → 单文件模式
2. Phase 1 跳过
3. Phase 2 knowledge-interviewer Agent → 萃取 JSON
4. Phase 3 zhongwen-content Agent → HTML 报告
5. Phase 4 验证 + 摘要

注意事项

1. 文档转换是关键：大量Word/Excel/PPT文档必须先转换为MD，否则读取效率极低
2. 模板是基础：所有访谈提纲和萃取报告都基于标准模板，确保一致性
3. 框架选择很重要：根据项目特点选择合适的框架，避免框架错位
4. 数据量化是核心：萃取报告必须有量化数据支撑，避免空泛描述
5. 方法论提炼是目标：最终目标是提炼可复制的方法论，不是简单记录案例
6. 拒绝"太简单"：避免只有概念框架、只有结果罗列、只有单一维度的浅层萃取，必须深度挖掘数据、方法论、过程、可复制性

技术支持

如果遇到问题：

1. Agent 未自动执行：检查 settings.json 中 Agent 权限是否已添加
2. 文本提取失败：检查 python-docx 是否已安装
3. JSON/HTML 验证失败：查看 pipeline-status.json 中的 issues 字段

---

Skill版本： 2.0 (v4 pipeline) 最后更新： 2026年4月29日 适用范围： 企业知识萃取、AI落地经验萃取、数字化转型案例萃取、最佳实践总结