by 运行时依赖
安装命令
点击复制技能文档
语义拆分与智能规划技能 (Semantic Split v2.0) 概述 将用户自然语言输入拆分为结构化的需求块，并基于规则级/能力级 json 渐进加载机制生成串并行规划步骤，实现「一次使用 → 沉淀 json → 下次复用」的自增强闭环。 核心逻辑：识别主语划分块 → 提取目的/行为/动机 → 结构化输出 → 用户确认 → 渐进加载 json → 生成规划 → 询问执行 → [可选] 生成能力级 json
第一部分：语义拆分规则 一、划分块（Block） 识别主语，划分语义块： 主语类型 识别方式 块标记 用户（"我"） 说话者本人 块1：用户 AI助手（"你"） 执行者、帮助者 块2：执行者 第三方（"他/她/它"） 提及的其他角色 块3：第三方-N 块内元素提取： 元素 定义 示例 目的 (Purpose) 最终要达成的目标 "明天要介绍产品" 行为/诉求 (Request) 需要执行的具体操作或交付物 "做一个PPT"、"写一份报告" 动机 (Motivation) 为什么会产生这个需求 "PPT太难做了"、"时间紧迫"
二、诉求聚合（Request Aggregation） 将同一目的下的所有诉求点聚合，包括： 核心诉求（主要交付物） 支撑信息（背景、条件、约束） 附加细节（特征、规格、要求）
三、常见主语映射表 文本中的词 映射为 备注 我、咱们、俺 用户 说话者本人 你、您 执行者 AI助手 我们 用户（含其团队） 视为用户群体 他/她/它 + [名称] 第三方 需标注具体身份 [公司/产品名] 第三方 实体对象
四、边界情况处理 情况 处理方式 单用户无明确主语 默认主语为"用户"，生成1个块 多个并列诉求 在同一块内以编号列表呈现 隐含目的（没说"为了X"） 根据上下文推断，在动机中标注"[推断]" 情绪/语气词 归入动机，标注"[情绪]" 时间约束 归入目的或诉求中的约束条件 预算/资源限制 归入诉求中的约束条件 json 库为空 跳过①②，直接进入③模型思考 json 部分匹配 取最佳匹配，渐进加载补充
第二部分：完整执行流程 步骤 1：接收输入 用户输入 → 保留原文，记录原始输入 步骤 2：识别主语 & 划分块 扫描文本，识别所有主语代词和指代： 第一人称：我、咱们、俺 第二人称：你、您、咱们 第三人称：他、她、它、以及具体名称 每个独立主语 = 一个块 步骤 3：提取块内元素 对每个块，逐句分析： 对于 [主语] 说的每句话： → 目的：这句话要达成什么？（找"为了"、"要"、"想"等关键词） → 行为：需要做什么具体操作？（找动词） → 动机：为什么会这么说？（找原因、背景、情绪） 步骤 4：结构化输出 ┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓ ┃ 语义拆分结果 ┃ ┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛ 【原始输入】 [用户原话完整引用] ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 【拆分结果】
块 N：[主语名称]
角色：[用户/执行者/第三方] 目的：[该主语要达成的核心目标] 诉求：- [诉求点1 - 核心交付物]
- [诉求点2 - 支撑信息/细节]
步骤 5：用户确认 如有遗漏 → 用户补充 → 更新结构 如全部正确 → 进入步骤 6 步骤 6：渐进加载与规划生成 本步骤需要加载参考文档。执行前读取以下文件： references/loading_decision_tree.md — 渐进加载决策树（必须加载） references/planning_rules.md — 规划规则详情（模型思考时加载） references/json_schema.md — json 结构规范（生成 json 时加载） 按决策树执行： 扫描规则级 json 库 → 命中则加载并展示规划 不命中则扫描能力级 json 库 → 命中则加载并展示规划 均不命中则模型思考生成规划（需加载 references/planning_rules.md） 展示规划 → 询问用户是否执行（含调整/新建 json 选项） 步骤 7：执行与 json 生成 用户确认执行 → 执行任务 仅分支③（不命中 + 确认执行）→ 执行完成后生成通用化能力级 json（需加载 references/json_schema.md） 其他分支 → 不生成新 json（除非用户主动要求更新/新建）
第三部分：触发条件 当用户出现以下意图时，必须触发本技能： 提出任务请求（"帮我做..."、"请你..."） 表达需求（"我需要..."、"我想..."） 委托工作（"交给你了..."、"你去..."） 描述问题寻求帮助（"有个问题...帮我..."） 用户未明确说但有明显需求意图时 注意：简单问答（"今天天气怎么样"）、闲聊（"你好"）无需拆分。
脚本工具 json_manager.py — 统一管理能力级/规则级 json 的 CLI 工具，位于 scripts/json_manager.py。零外部依赖。 子命令 功能 典型用法 scan 按关键词扫描匹配 json 库 scan --keywords ppt 制作 --top 5 categorize 按 tags 归类统计，判断是否达到规则级阈值 categorize --threshold 5 generalize 字段替换通用化（params模式）/ 自动检测占位符（auto模式） generalize --input xxx.json --params "钛合金=[产品名称]" rule-gen 从多个能力级 json 生成规则级 json 框架 rule-gen --tag ppt 或 rule-gen --files a.json b.json list 列出所有 json 文件（支持类型/标签过滤） list --type capability --verbose create 创建新 json 骨架文件 create --type capability --name make_report_v1 validate 验证 json 格式正确性 validate --file xxx.json info 显示 json 文件详情 info --file xxx.json 脚本路径：~/.workbuddy/skills/semantic-split/scripts/json_manager.py
参考文档（渐进加载） 文件 内容 加载时机 references/loading_decision_tree.md 渐进加载决策树 + json 生成条件总结 进入步骤 6 时必须加载 references/planning_rules.md 串并行规划规则详情（原子拆解/并行/热度/milestone/输出格式） 模型思考生成步骤时加载 references/json_schema.md 能力级/规则级 json 结构 + 通用化规则 生成或更新 json 时加载 references/automation_tasks.md 轻量级/重量级定时任务 + json 存储结构 用户要求定时任务时加载
拆分示例 示例输入 "这个PPT太难搞了，我想让你为我做个PPT，明天要介绍产品的，就一个钛合金马扎，我们研发了200多天，开了200次产品会就为了精益求精，他主要成分就是钛合金，和常见的马扎功能一样，但是防水、耐磨、不易损坏，承担了这些优势的情况下还很轻，你为我做PPT把。" 拆分结果 ┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓ ┃ 语义拆分结果 ┃ ┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛ 【原始输入】 这个PPT太难搞了，我想让你为我做个PPT，明天要介绍产品的，就一个钛