FDS-12 · B3 口水稿精修

1. 业务说明

把原始文字稿(口水稿)洗干净:去口语赘语、按话题分段、把"谁说的"归到人,长会分块处理不丢中段。它是"垃圾进垃圾出"的拦截点——抽取(B5)的质量先取决于这一步。

2. 用户操作与界面

一般无需操作(自动跑)。
可查看"精修后文本"(分段、标了说话人),与原稿对照;发现明显错误可标记触发重跑该步。

3. 数据与接口

输入:meeting_files(kind=transcript) 文本(B2 或人工上传)。
输出:meeting_files(kind=refined) 结构化文本 + segments(每段:序号、说话人、起止位置/时间、文本);并记 content_hash(供事实库版本失效用,见 FDS-17)。
不直接写事实库;输出供 B4/B5 使用。

4. 技术实现(分步)

分块:长稿按长度+话题边界切块(留重叠上下文防割裂),避免一次喂太长导致模型丢中段。
逐块精修(技能):去口语/重复/跑题;不臆造原文没有的内容;保留关键原话用于后续出处。
说话人归一:同一人不同称呼("张总/张三/老张")归一到同一标识(优先用参会人名单做锚)。
合并:按时间/顺序拼回,产出分段结构;记录每段在原稿中的位置(为 B6 出处校验/B14 抽取带位置打基础)。
失败/置信低的段落标记,交后续(B5 抽取时低置信→B7 确认)。

5. 技能 or 代码

技能:精修规则本身(怎么分段、归说话人、去哪些口水、禁止臆造)——业务人可读可改、版本化(见 FDS-04)。
代码:分块/合并/位置记录/调度——确定性,代码做。

边界:模型只做"语言层精修",不允许在此步下结论或丢信息;它只是把脏文本变干净并保留可定位结构。

6. 二开归类

🟡 基于 deer-flow:精修做成技能挂技能目录,跑在引擎上;🔴 分块/合并/位置记录在 acdm-backend 流水线节点(代码)。当前没有精修步骤。

7. 与人机协同模型关系

任务流里的一个内层节点(AI 管"怎么做")。产出落流水线状态,人可在卡片层查看精修结果、否决重跑——符合"任务流可审阅/可回滚"。

8. 验收(可证伪)

可用:长会(>1h)精修后中段内容不丢;说话人归一在清晰稿上基本正确;不臆造(精修文本不出现原稿没有的事实)。
好用:分段结构能被 B5 直接按段抽取;每段可定位回原稿位置。

9. 现状

没有。现状是把原始稿直接塞给一个大提示词一次抽全部(又慢又乱)。本章把"先精修"这步补上,为后续分类型抽取铺路。

10. 风险与取舍

风险:精修过度→丢信息;精修不足→噪声进抽取。取舍:技能规则明确"宁可保留也不臆造删改";低置信段不丢、转下游确认。
风险:分块割裂语义。取舍:块间留重叠上下文;说话人/话题边界优先于固定长度切分。
风险:业务人改精修规则改坏。取舍:技能必带 eval 样例 + 改动走评审(FDS-04 三红线)。