菜单
从教材 Markdown 逐课抽取精华摘要式、逻辑完全扁平的 CardData JSON。当目标目录含 markdown/，文件名为 textbookId_unitId_lessonId.md，且需要把任务标题、导语、知识块、图片与知识点转换为 output/cardData/{lessonId}.json 时使用。要求完整执行结构提升与四级知识点扫描，忠于原文术语、定义、分类、步骤、数值和因果关系，禁止 subFeatures 等嵌套结构。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
从教材 markdown 提炼核心知识点（KP）清单。当用户在一个含 markdown/ 文件夹的目标目录里，需要把教材内容（文件名形如 textbookId_unitId_lessonId.md）从「如何教、如何考」的角度提炼成结构化 KP 清单时使用。逐个 lesson 输出 output/KP/{lessonId}.md，每个 KP 含标题/教学目标/核心概念/提问方向四部分。红线：忠于原文知识，不篡改、不臆造。
教材处理技能库的总导航（调度台）。当用户想处理某个含 markdown/ 教材目录、但不确定用哪个子技能，或想一次对同一批教材连续跑多个处理（知识图谱、核心知识点、卡片数据、课程思政等）时使用。它动态发现库内业务子技能，按用户意图或显式指定路由，全程编排代跑，跑完一个再引导是否继续跑其它。
Understand and customize the local Trellis architecture inside a user project. Use when modifying .trellis plus platform hooks, settings, agents, skills, commands, prompts, workflows, the channel runtime (trellis channel), bundled runtime agents under .trellis/agents/, selectable workflow templates, registry-backed spec refresh, cross-session memory (trellis mem) generated by trellis init, or AI-facing bundled skills (trellis-channel, trellis-session-insight, trellis-spec-bootstrap) and bundled-skill auto-dispatch flow.
从教材 markdown 抽取知识图谱。当用户在一个包含 markdown/ 文件夹的目标目录里，需要把教材内容（文件名形如 textbookId_unitId_lessonId.md）抽取成知识图谱 JSON、并生成可视化预览页时使用。逐个 lesson 输出 output/knowledgegraph/{lessonId}.json 与自包含 HTML 预览页。核心红线：data-hash 与正文零丢失、零篡改。
基于职业教育教材 Markdown 逐课生成课程思政实施方案。当目标目录含 markdown/，文件名为 textbookId_unitId_lessonId.md，且需要依托每课原文知识点设计思政主题、融入路径、课堂活动、启发性问题和可观察育人目标时使用。逐课输出 output/recommendIdeoContent/{lessonId}.md，保留教材原文引文及 data-hash，禁止表格，严禁跨课混用、篡改或虚构教材事实。
| name | extract-card-data |
| description | 从教材 Markdown 逐课抽取精华摘要式、逻辑完全扁平的 CardData JSON。当目标目录含 markdown/，文件名为 textbookId_unitId_lessonId.md，且需要把任务标题、导语、知识块、图片与知识点转换为 output/cardData/{lessonId}.json 时使用。要求完整执行结构提升与四级知识点扫描，忠于原文术语、定义、分类、步骤、数值和因果关系，禁止 subFeatures 等嵌套结构。 |
逐课理解教材，把知识主体转换为扁平 drones 与 features，输出可直接供卡片页面使用的 JSON。
subFeatures 或其他嵌套知识结构，所有 drone 必须位于同一数组。imageUrl 必须逐字复制原文图片 src。python3 <技能目录>/scripts/prepare_batch.py <目标目录>
先修复文件名与 frontmatter ID 不一致的问题。已有输出默认跳过。
识别任务主标题、任务描述或任务学习导语、知识主体、知识块边界、编号列表与图片。教学目标、 任务检验、练习题和纯图片说明不生成知识卡片。
可运行确定性初稿生成器，再逐课做语义复核：
python3 <技能目录>/scripts/build_card_data.py <目标目录>
需要覆盖时加 --overwrite。生成器只做抽取式压缩，不补写教材知识。
处理任何知识块前，预扫描块内父子列表。若一个父级知识点下紧跟独立的更深编号子项：
drone，title 使用父级标题；drone.features；drone。提升后仍保持单层 drones 数组。
对每个主干块和提升块严格按顺序扫描：
##### 数字．标题；（数字）标题：正文；**加粗短语**：正文 或 **加粗短语：**正文；全部命中项都创建独立 {label, text}。详细字段与边界见
references/output-schema.md。
逐个 drone 和 feature 回到原文核对：
python3 <技能目录>/scripts/validate_output.py <目标目录>
必须达到输入/输出一一对应且失败数为 0。校验器不能证明语义正确，第 6 步不可省略。
output/cardData/
{lessonId}.json
每个文件只能包含一个合法 JSON 对象，不含代码围栏、说明文字或空可选字段。
scripts/prepare_batch.py：清点输入、核对三段 ID、报告已有输出。scripts/build_card_data.py：生成可复核的抽取式 CardData 初稿。scripts/validate_output.py：校验输出集合、schema、扁平结构与图片来源。references/output-schema.md：完整输出契约和解析规则。