yoooclaw-recording-entity-extraction

name	yoooclaw-recording-entity-extraction
description	从文本文件或录音转写中提取特定实体（人名、联系方式、机构、术语等）。支持自定义提取需求或通用提取，输出 sidecar JSON 文件。当用户要求"提取信息""找联系方式""有哪些人名""关键信息""从文件提取"时激活。基于录音时用 yoooclaw CLI 定位文件；yoooclaw 是 openclaw 手机录音插件的独立 CLI 形态，数据在 ~/.yoooclaw 下。

yoooclaw 实体提取（Agent-Native）

命令名 yoooclaw，短别名 yc 完全等价。所有命令支持 --format json|pretty|table|ndjson，本 Skill 取结构化对象用 --format json。 录音数据在 ~/.yoooclaw 下，查询纯读磁盘、不需要 daemon 在跑；定位/读写文件用你自己的文件工具，不要假设目录。

1. 初始化与定位

若用户请求中包含明确文件路径：

• 直接记录该路径，跳至 Step 3。

若未提供文件路径：

不要假设录音目录。调用以下命令获取存储路径：

yoooclaw recording storage-path --format json
# → {"ok":true,"path":"/abs/path/to/profiles/<profile>/recordings"}

后续所有文件操作以返回的 path 为根目录：

• 转写文件：来自 recording status 的 transcriptFile，即 <path>/<transcriptFile>。
• 实体输出：<path>/entity/<date>_<brief_summary>_entities.json

2. 意图解析与列表定位

若已在 Step 1 获得明确文件路径，跳过本节，直接进入 Step 3。

2.1 确定范围与实体类型

从用户请求中识别以下信息：

目标录音范围：

• 具体 ID/名称 -> 精确匹配。
• "刚才"、"最新" -> 取最近 1 条（可直接用 yoooclaw recording +latest --format json）。
• "最近 N 条" -> 取最近 N 条。
• "全部" -> 全量处理。
• 若未提及：执行 2.2 展示列表。

实体类型：

• 用户指定（如"手机号"、"品牌"）-> 仅提取指定类型。
• 若未指定：执行通用提取（人名、联系方式、机构/公司、产品/品牌、日期时间、专业术语）。

2.2 获取列表与交互选择

yoooclaw recording list --status transcribed --format json

过滤与排序：

• 只保留 status = "transcribed" 且 has_transcript = true 的录音。
• 按 created_at 倒序。

交互选择： 若范围不明确，按序号展示过滤后的列表： 1. [名称] ([时间], [时长]) 等待用户输入序号（支持 1,3 或 1-3 或 all）。

若用户表示找不到某条录音，说明该录音可能仍在转录中，告知用户稍后再试。 用户追问「到底卡在哪一步」时，用 yoooclaw recording events --since 24h --format json（或 --id <recording_id>）看状态事件流：synced 及之前是音频还在传，transcribing 才是正在转写，transcribe_failed 为转写失败。

3. 读取文件内容

来自录音系统（recording list 流程）：根据选定的 recording_id 获取具体路径：

yoooclaw recording status <recording_id> --format json

读取返回 recording.transcriptFile 对应的 <path>/<transcriptFile>。

若文件不存在或读取失败，告知用户：「转写文件尚未生成，对应的音频可能正在转写中，请稍后再试。」

• 单条录音：终止处理。
• 批量处理：跳过该条，继续处理其余录音。

来自用户指定路径：直接读取该文件。若文件不存在，告知用户该文件未找到，对应的音频可能仍在转写中，请稍后再试。

保留所有文本内容及时间戳标记。

4. 实体提取流程 (LLM)

使用 LLM 从转写文本中提取实体。

提取规则：

1. 语义推断：根据用户需求调整提取侧重点。
2. 去重：同一实体多次出现仅保留一条，context 记录最典型的语境。
3. 语言一致性：输出值应与转写文本语言一致。
4. 语境要求：每个实体需配有 ≤30 字的出现背景。

5. 写入与反馈

5.1 写入 Sidecar 文件

用你自己的文件写入工具直接写出：

来自录音系统：写入 <path>/entity/<date>_<brief_summary>_entities.json

来自用户指定文件：同时写入以下两个位置：

1. 源文件同目录：/path/to/<basename>_entities.json
2. 转录系统 entity 目录：用 yoooclaw recording storage-path --format json 获取存储根路径，写入 <storage_path>/entity/<basename>_entities.json
   • 若该命令失败或返回路径无效，则跳过此步骤，仅保留源文件同目录的副本，无需报错。
   • 两份文件内容完全相同。

包含字段：source_file, extracted_at, user_request, entity_types_extracted, entities。

5.2 任务汇报

告知用户处理完成，并列出所有实际写入的文件完整路径（来自用户指定文件时可能为 1 或 2 个），供用户直接查阅。若处理了多条录音，逐条列出。

边界处理

• 无已转写录音：提示用户并终止（仅适用于走 recording list 流程时）。
• 存储路径无效：若用户未指定文件路径，告知录音功能不可用；若已指定路径则不受影响。
• 需求不明确：默认进行全品类通用提取。
• 文件冲突：若 sidecar 已存在，直接覆盖并在汇报中注明。