semantic-split

semantic-split

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。

📚 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

---

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：

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：

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：

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

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

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

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。