seaworld008/summarize

Summarize

用于信息过载场景下的快速理解与要点抽取。Summarize 技能通过强大的语义提取算法，能够将冗长的文档、复杂的网页或散乱的邮件链条一键浓缩为结构化、可阅读性极强的摘要报告。它不仅是阅读助手，更是辅助决策的知识过滤器。

安装

npx clawhub@latest install summarize

支持内容

• 网页与长文本：支持通过 URL 抓取正文并去除广告噪音。
• Office / PDF 文档：支持 .docx, .xlsx, .pptx 以及各种排版的 PDF 文件。
• 邮件内容：支持多轮往返邮件的逻辑梳理。
• 音视频字幕：可结合 OCR（光学字符识别）或 transcribe 技能进行二次提炼。
• 代码库文档：快速从 README.md 或源码注释中提取核心架构信息。

触发条件 / When to Use

• 快速预读 (Pre-reading)：面对几十页的行业研报，先花 30 秒看一眼摘要决定是否精读。
• 会议要点归纳 (Meeting Minutes)：基于转录的原始录音文字，自动生成待办事项（Action Items）。
• 竞争情报追踪：每天抓取竞争对手的官宣稿件，快速汇总其产品迭代动向。
• 邮件回复辅助：在长达 20 封的回复链条中，快速理清目前的最终共识是什么。
• 社交媒体情报提取：从 Twitter、Reddit 或知乎的长贴中提取核心论点和用户情绪趋势。
• 法律/技术协议解读：从枯燥的 EULA 或 API 说明中提取关键约束条件和资费变动。

核心能力 / Core Capabilities

1. 多层级分段摘要 (Multi-level Summarization)

• 操作步骤：
  1. 调用 read 或 web_fetch 获取原文。
  2. 使用“分治法”（Map-Reduce）处理超长文本：先分段摘要，再进行全局融合。
  3. 提供 TL;DR (一句话简介)、Key Points (3-5 个核心点) 以及 Deep Dive (逻辑脉络梳理)。
• 最佳实践：为不同身份的用户（如高管 vs 研发）定制不同视角的摘要模板。

2. 结构化实体提取 (Entity Extraction)

• 操作步骤：
  1. 在摘要过程中，自动识别：人物 (Person)、机构 (Organization)、日期 (Date)、金额 (Money) 以及 技术术语 (Tech Stack)。
  2. 将这些实体以 JSON 或表格形式单独列出，方便导入数据库或 Notion。
• 最佳实践：结合 memory_search 检查提取的实体是否已经在历史知识库中。

3. 意图与情感分析 (Sentiment & Intent)

• 操作步骤：
  1. 判断文本的主观性倾向（褒义/贬义/中性）。
  2. 提取隐藏在文字背后的显式要求（如“请在周五前回信”）。
• 最佳实践：在摘要头部用图标标出文档的“紧急程度”和“风险等级”。

4. 跨语言翻译与润色 (Cross-lingual Refining)

• 操作步骤：
  1. 将外文资料直接翻译为目标语言（如中英互转）。
  2. 调整摘要的语气（正式/幽默/学术）。

常用命令/模板 / Common Patterns

行业研报摘要模板 (Report Summary Template)

### 📄 文档概览
- **标题**: [输入标题]
- **来源**: [URL/文件名]
- **核心结论**: [一句话总结全文最具价值的洞察]

### 💡 核心要点 (Key Insights)
- **[要点 1]**: 描述详细的事实背景及数据支持。
- **[要点 2]**: 描述详细的事实背景及数据支持。
- **[要点 3]**: 描述详细的事实背景及数据支持。

### 📊 关键数据 (Metrics)
- **增长率**: [XX%]
- **市场规模**: [$XXX]
- **竞争对手**: [A, B, C]

### ✅ 待办建议 (Next Steps)
- [ ] 建议行动 A
- [ ] 建议行动 B

### 🚩 风险提示
- [潜在风险点 1]

快速摘要命令示例

// 示例：对当前打开的网页进行深度摘要
mcp_call({
  name: 'summarize_content',
  arguments: {
    source_url: "https://techcrunch.com/article/123",
    detail_level: "advanced",
    focus: "technical_innovations"
  }
});

进阶应用场景 / Advanced Use Cases

1. 自动化每日情报墙

• 结合 tavily-search 技能，Agent 每天抓取 20 个相关网页。Summarize 技能将这 20 个网页融合成一张“情报大盘”，展示在用户的 Dashboard 上。

2. 播客/视频“跳着听”

• 从 Youtube 获取字幕，Summarize 技能自动标注视频的“高光时刻”时间戳，让用户只需观看关键的 3 分钟。

边界与限制 / Boundaries

• 幻觉风险 (Hallucination)：对于高度专业化的文档（如前沿数学论文），Agent 可能理解错误导致摘要失准。
• 输入长度限制：虽然支持长文本，但一次性向大模型发送超过 128k Token 的内容可能导致严重的性能下降或上下文截断。
• 格式解析失败：加密的 PDF、纯图片的扫描件（未 OCR）或复杂的嵌套表格可能导致解析不完整。
• 隐私合规：处理包含敏感个人信息（PII）的文档时，应先进行脱敏处理。
• 版权尊重：摘要内容应遵循 Fair Use 原则，不应直接复制原文大段文字以规避侵权。

最佳实践总结

1. 先看目录：对于大文档，先摘要其目录，由用户指定感兴趣的章节再进行深入摘要。
2. 事实核查：在摘要中遇到具体数字时，Agent 应主动通过 see_image 或 fact-checker 技能进行二次验证。
3. 记忆化存储：所有的摘要记录应存入 MEMORY.md，实现“读过即拥有”。
4. 视觉辅助：利用 mermaid-tools 技能，将摘要中的逻辑关系转化为流程图。
5. 增量摘要：对于每日更新的文档（如项目日志），只摘要相比昨天的“新增变动”。