semantic-split

语义拆分与智能规划。将自然语言拆分为结构化需求块，三管线协同调度（正则结构分析→bge 语义匹配→bge-reranker 重排序），5W2H提取与约束标注增强语义理解，双视角推理整合为单一执行步骤，自增强闭环自动沉淀能力级 JSON 模板，10门禁钩子系统管控流程。

语义拆分与智能规划。三管线递进调度 + 自增强闭环沉淀。

触发条件

正向触发：

• [需求拆分] "帮我把这个需求拆开" / "拆分一下这个任务"
• [语义规划] "帮我规划一下怎么做" / "整理一下思路"
• [5W2H分析] "帮我分析这个需求" / "5W2H分析一下"
• [JSON 管理] "管理 json 文件" / "json_manager"
• [渐进匹配] "加载规则" / "匹配 json"

否定条件（不触发）：

• 简单问答、闲聊、问候
• 单步任务

核心能力

📚 渐进式加载：本技能采用渐进式 MD 体系，SKILL.md 为入口（≤230行），详细内容拆分到 references/*.md 按需加载。

#	功能	说明
1	Pipeline B 结构分析	纯正则（5W2H/主语/约束/分块/注意力锚定），零外部依赖
2	Pipeline A 语义匹配	正则→bge-small(embedding)→bge-reranker(CrossEncoder)
3	Pipeline C 智能体推理	结构分析 + 模板参考 喂给智能体 → 增强思考 → 生成步骤
4	覆盖率阈值路由	正则层覆盖率≥80% 直接通过，<80% 升级到 bge 语义层
5	自增强闭环	执行 → 通用化 → 保存为 JSON 模板 → 下次命中 → 0 LLM
6	模板库扫描	每次请求自动扫描 capabilities/ 库，命中≥0.6 则作为 few-shot 参考或直接复用
7	10 道门禁钩子	input_valid → b_pipeline_done → a_scan_done → decision_made → llm_generated → focus_reasoning → divergent_reasoning → integration_reasoning → template_saved → wp_done
8	json 管理工具	json_manager.py CLI 统一管理能力级/规则级 json

📚 渐进式体系：SKILL.md 为入口，详细内容按需加载见下方索引。

渐进式文件索引

文件名	分类	包含内容	审计关联
references/LICENSE.md	许可协议	开源许可证声明（MIT）	R-26
references/changelog.md	版本管理	版本更新日志	R-24
references/attribution.md	版权声明	第三方组件与模型版权归属说明	无
references/json_schema.md	参考	能力级/规则级 JSON 格式定义	无
references/loading_decision_tree.md	参考	渐进加载决策流程（含自增强闭环）	无
references/planning_rules.md	规则	双视角推理与规划生成规则	无
references/split_rules.md	规则	语义拆分规则	无
references/constraint_annotation.md	规范	约束标注规则与注意力锚定	无
references/examples.md	示例	各功能输出格式示例	R-25 C-17
references/faq.md	FAQ	常见问题与排错	R-19
references/permissions.md	权限	权限扫描与风险评估	R-15
references/task_type_defaults.md	参考	5W2H 任务类型默认值映射	无
references/antipatterns.md	规范指南	skill 编写中的常见反模式	R-18
references/automation_tasks.md	参考	自动任务配置列表	无

---

快速开始

场景：语义拆分 用户需求：帮我用公司模板做一份PPT，下周五前交给客户 系统执行：

bash

python scripts/semantic_pipeline.py --text "帮我用公司模板做一份PPT，下周五前交给客户" --hooks

• 输出: 10道门禁全部通过，输出步骤列表+WP分解

场景：模板扫描 用户需求：查找已有PPT相关模板 系统执行：

bash

python scripts/json_manager.py scan --keywords 制作 PPT 产品

• 输出: 匹配结果列表+相似度分数

场景：归类 用户需求：按频次归类任务模板 系统执行：

bash

python scripts/json_manager.py categorize --threshold 5

• 输出: 模板被分组为高频/中频/低频三类

工作流程

json

输入文本
    │
    ▼
[钩子1] input_valid → 输入校验
    │
    ▼
[钩子2] b_pipeline_done → Pipeline B：正则层
    │  5W2H 提取 / 主语识别 / 约束标注 / 分块
    │  （零模型，纯 regex）
    │
    ▼
[钩子3] a_scan_done → Pipeline A：模板库扫描
    │  bge-small: embedding 编码 → 余弦相似度匹配
    │  bge-reranker: CrossEncoder 重排序
    │  （仅模板匹配，不参与结构分析）
    │  ┌─ 命中 ≥0.6 → 模板作为 few-shot 参考
    │  └─ 未命中   → 空
    │
    ▼
[钩子4] decision_made → 渐进决策
    │  ┌─ 模板命中 ≥0.6 → 直接复用（0 智能体调用）
    │  └─ 未命中       → 传递 结构分析结果 + 模板参考 给智能体
    │
    ▼
[钩子5] llm_generated → Pipeline C：智能体推理
    │  拿到: 5W2H + 约束 + 结构分析 + 模板参考(few-shot)
    │
    ▼
[钩子6] focus_reasoning → 聚焦推理（保守方案）
    │  智能体必须执行: 生成安全可靠的执行方案
    │
    ▼
[钩子7] divergent_reasoning → 发散推理（创新方案）
    │  智能体必须执行: 生成创新大胆的执行方案
    │
    ▼
[钩子8] integration_reasoning → 整合推理
    │  智能体必须执行: 聚焦方案(骨架) + 发散方案(创新点) → 最终方案
    │  输出: 步骤列表
    │
    ▼
[钩子9] template_saved → 自动保存为能力级 JSON
    │  步骤通用化 → 写入 capabilities/{task}_v1.json
    │
    ▼
[钩子10] wp_done → WP 分解完成
    │
    ▼
输出 JSON

---

输入输出

• 输入：≤2000 字纯文本（任务描述）
• 输出：JSON 结构化需求块（含步骤列表、WP 分解、钩子门禁状态）
• 依赖：sentence-transformers（embedding + rerank）

三管线职责

管线	方法	模型	产出
B 结构分析	纯正则	无	5W2H七维 / 主语 / 约束等级 / 分块 / 注意力锚定
A 语义匹配	正则 → embedding → rerank	bge-small + bge-reranker ✅	模板库扫描 / 相似度匹配 / 约束分类
C 智能体推理	智能体原生推理	—	步骤列表 / WP 分解 / 模板沉淀

Pipeline B 的 5W2H / 主语 / 约束提取不需要模型，纯正则完成。 正则词表覆盖常见动词/主语/时间/地点/数量词，边界 case 由 Pipeline C（LLM）推理补全。 bge-small / bge-reranker 不参与结构分析，只做模板库语义匹配。

模型清单

模型	管线	大小	协议
BAAI/bge-small-zh-v1.5	Pipeline A 嵌入层	92MB	MIT
BAAI/bge-reranker-base	Pipeline A 重排序层	1.1GB	MIT
合计		~1.2GB	全部商业友好

Pipeline B 为纯正则实现，零模型依赖。

能力边界: 单次输入 ≤2000 字，输出 JSON。单任务，建议 ≤10 并发。模型加载约 30 秒。 能力边界：单次输入 ≤2000 字，输出 JSON 结构步骤。单任务处理，建议不超过 10 个并发。Pipeline A 模型加载完毕约需 30 秒（1.2GB）。 无外部 API 调用，无 LLM 配置需求。Pipeline C 由智能体原生推理。