--- name: skill-00 description: 《史记》知识库全流程概览,从原始文本到知识应用的完整管线。当需要了解项目整体架构、工序流程、数据流转时使用。适用于新人onboarding、技术选型、流程设计等场景。 --- # SKILL 00: 管线总览 — 从原始文本到知识应用 > 本文件是总控文档，只描述管线工序顺序和依赖关系，具体方法见各阶段SKILL。 📊 **全局大图**：[pipeline.svg](pipeline.svg)（包含 14 元技能 + 全部管线 SKILL，含跨阶段依赖箭头） --- ## 一、管线架构 ### 1.1 九大技术阶段（01-09） ``` 原始底本 (corpus/archive/chapter/) ←── 影印本分支: OCR句读排版 (SKILL_01i) │ ← 不可变，校对基准 │ ▼ 01 校勘 & 标注 │ ├─ 句读与标点 (SKILL_01f) → 建立文本骨架（最前置） │ ├─ 多版本互校 (SKILL_01b) → 生成校对报告 │ ├─ 表格校勘 (SKILL_01c) → 年表结构校正 │ ├─ 繁简体处理 (SKILL_01e) → 异体字统一 │ ├─ 正音与拼音标注 (SKILL_01d) → 特殊读音标注 │ ├─ 符号规范 (SKILL_01g) → 标点/标注/Markdown符号分离 │ ├─ 白话翻译 (SKILL_01h) → 依赖 02a PN 编号，按段翻译 │ └─ 同步更新派生文件系统: │ ├─ corpus/archive/chapter_improved/ (保留空行) │ ├─ corpus/archive/chapter_numbered/ (保留段落编号) │ └─ chapter_md/*.tagged.md (标注文本) │ 标注文本 (chapter_md/*.tagged.md) │ ├─ 完整性维护 (SKILL_01a) ← 确保与底本一致 │ └─ 工作定本 (docs/original_text/) ← 供其他工序/读者查看 │ ▼ 02 结构分析 结构化文本 (段落编号 + 区块 + 注释层) │ ▼ 03 实体构建 标注文本 + 实体索引 (chapter_md/*.tagged.md) │ ├──▼ 04 事件构建 │ 事件索引 + 公元纪年 (kg/events/) │ ├──▼ 05 关系构建 │ 关系网络 + SPO三元组 + 原子事实 (kg/relations/, kg/facts/) │ ├──▼ 06 本体构造和知识库管理 │ OWL/RDF 分类本体 + 知识库数据管理 (kg/taxonomy/) │ ▼ 07 逻辑推理 推断知识 (矛盾检测 / 生卒年推断 / 姓氏推理) │ ▼ 08 知识库管驭 知识单元 (粒度 / 覆盖度 / 成本 / 质量) │ ▼ 09 应用构造 用户产品 (时间线 / 问答 / 阅读器) ``` ### 1.2 项目管理模块（10） **横向支撑所有技术阶段**： ``` ┌─────────────────────────────────────────────┐ │ 10 项目管理（横向支撑） │ │ ├─ Issue管理（7类分类） │ │ ├─ TODO管理（任务跟踪） │ │ ├─ 日志管理（进度记录+价值澄清） │ │ ├─ Git规范（提交/分支/CHANGELOG） │ │ ├─ 文件组织（目录结构/决策树） │ │ └─ Skill工程化（质量检查/脚本关联） │ └─────────────────────────────────────────────┘ ▼ 贯穿所有工序 ┌────────────────────────────────────────────────┐ │ 01校勘 → 02结构 → 03实体 → ... → 09应用 │ │ 每个阶段都产生Issue/TODO/日志 │ └────────────────────────────────────────────────┘ ``` **作用**： - Issue跟踪需求和问题 - TODO分解和执行任务 - 日志记录进展和价值 - Git规范确保版本管理质量 - 文件组织保持项目结构清晰 - Skill工程化提升方法论质量 ### 1.3 跨阶段依赖（编号与依赖不一致处） SKILL 编号沿用历史命名，部分工序编号所在阶段与实际依赖不完全一致。以下跨阶段依赖在 [pipeline.svg](pipeline.svg) 中以蓝色虚线箭头标示： | 依赖关系 | 说明 | |---------|------| | 01h 白话翻译 ← 02a PN 编号 | 按 PN 段翻译，必须先完成章节切分 | | 02i 指代消解 ← 03a 实体 | 依赖实体边界判定"美人→虞姬"等 | | 02j 修辞标注 ← 03a 实体 | 三层标注互斥（〖〗/〘〙/⟦⟧），需先知道实体边界 | | 02k 成语识别 ← 03a 实体 | 同 02j，避开实体/动词标注处 | | 04f 动词标注 ← 03a 实体 | 动词 NER 本属 23 类实体，编号在 04 是历史原因 | | 04c 年代推断 ← 03g 时间消歧 | 时间实体归一后才能做纪年推断 | | 06a 实体到本体 ← 03h/i/j/k 二级分类 | 先有分类树再升格为 OWL 类 | | 07c 反常推理 ← 05d 事实 | 反常点检测基于 SPO 原子事实 | | 09a 语法高亮 ← 03d 渲染发布 | 产出→应用的接续 | | 09d 语义搜索 ← 06 本体 + 05 关系 | 需要图谱完整才能做语义探索 | --- ## 二、核心原则 1. **校勘先行** — 底本文字有误，后续一切工作建立在错误基础上 2. **先结构后标注** — 段落编号完成后再做实体标注，避免频繁返工 3. **保持原貌** — 校勘/切分/标注都不改变原文字符（异体字、标点层级等） 4. **LLM + 规则混合** — 实体标注和事件提取用LLM，关系发现和纪年标注用自动规则+LLM 5. **迭代验证** — 每个工序都有对应的lint/validate工具，形成闭环 6. **拼音标注铁律** — 特殊读音词表禁止使用常见字单字词条，必须使用固定词组或正则表达式（例外：仅限姓氏专有名词）。单字词条会导致大规模误标（误标率可达95%以上）。详见 [SKILL_01d 正音与拼音标注](SKILL_01d_正音与拼音标注.md#特殊读音词表设计原则v30铁律) --- ## 三、元技能（Meta-Skills） **元技能**是对所有工序通用的抽象方法论，与具体数据类型无关，指导工序设计与执行。 ### 3.0 元元技能（所有元技能的根源） | 编号 | 文件 | 内容 | | ------ | ----------------------------- | --------------------------------------------- | | 00-M00 | 00-META-00_好东西都是总结出来的.md | **元技能的元技能**，OTF+JIT+Bootstrap方法论，贯穿所有工序 | ### 3.1 核心方法论（01-06） | 编号 | 文件 | 内容 | | ------ | ----------------------------- | --------------------------------------------- | | 00-M01 | 00-META-01_反思.md | Agent驱动的质量审查通用方法论（按章/按类型/多轮收敛） | | 00-M02 | 00-META-02_迭代工作流.md | MVP→生产的系统化迭代（2-5轮迭代方法论） | | 00-M03 | 00-META-03_冷启动.md | 新工序启动方法（手工样本→MVP规则→试点→扩展） | | 00-M04 | 00-META-04_柳叶刀方法.md | 精细分解与混合解决方案（LLM+规则+代码分工） | | 00-M05 | 00-META-05_知识作为上下文压缩.md | KG价值论证（10x-10000x压缩比，成本线性收益平方）| | 00-M06 | 00-META-06_SKILL优化与演化.md | SKILL从日志总结、持续抽象、版本迭代、渐进载入 | ### 3.2 工序相关（07-13，按知识抽象层级） | 编号 | 文件 | 内容 | | ------ | ----------------------------- | --------------------------------------------- | | 00-M07 | 00-META-07_可读性.md | 人类优先的数据格式设计（Token/Markdown/Git友好）| | 00-M08 | 00-META-08_标注体系设计.md | Token标注体系设计原则（v1.0→v2.5演化/18类实体）| | 00-M09 | 00-META-09_Agent提示词工程.md | SKILL文档驱动的提示词设计（五层金字塔结构） | | 00-M10 | 00-META-10_质量控制.md | Lint/Validate工具链设计（五层质检体系） | | 00-M11 | 00-META-11_数据体感培养.md | 直接观察数据的十层体系（统计无法替代观察） | | 00-M12 | 00-META-12_数据融合.md | 多源数据对齐/消歧/去重（字符串→实体→事件→SKU）| | 00-M13 | 00-META-13_技能迁移.md | SKILL跨项目迁移方法论（史记→汉书→通鉴，试点反思）| --- ## 四、SKILL 文件索引 > 包含一级 SKILL（总览）+ 二级 SKILL（专项）+ 三级 SKILL（`references/` 支撑文档，缩进显示于所属二级 SKILL 下方）。 | 阶段 | 编号 | 文件 | 内容 | | ------------ | ------ | --------------------------- | --------------------------------------------- | | 总览 | 00 | SKILL_00_管线总览.md | 本文件 | | **校勘** | 01 | SKILL_01_古籍校勘.md | 底本校正，生成定本 | | | 01a | SKILL_01a_标注完整性维护.md | 标注后完整性校验，确保未篡改原文 | | | 01a1 | references/SKILL_01a1_标注格式规范.md | Markdown 和 HTML 格式完整规范 | | | 01b | SKILL_01b_多版本互校底本.md | 多版本对照校勘方法论，同步更新派生文件系统 | | | 01c | SKILL_01c_表格校勘规范.md | 年表/世家类章节的表格校勘规范 | | | 01d | SKILL_01d_正音与拼音标注.md | 古音标注与拼音处理 | | | 01d1 | references/SKILL_01d1_词表设计原则详解.md | 特殊读音词表设计原则、版本演化、典型案例 | | | 01d2 | references/SKILL_01d2_史记正义提取方法.md | 从《史记正义》提取特殊读音的方法论 | | | 01d3 | references/SKILL_01d3_技术实现细节.md | 前端 Ruby 标注技术、性能优化、故障排除 | | | 01d4 | references/SKILL_01d4_拼音标注质量规范v3.0.md | 拼音标注质量规范与评估指标 v3.0 | | | 01d5 | references/SKILL_01d5_多音字处理分析.md | 多音字处理方案、基础统计与策略 | | | 01d6 | references/SKILL_01d6_拼音注释功能规范.md | HTML5 `` 拼音注释功能完整规范 | | | 01e | SKILL_01e_繁简体处理.md | 繁简转换与异体字统一（归入校勘工序） | | | 01e-r | references/SKILL-01e-rules-繁简词表构造规则.md | 繁简词表完整构造规则 | | | 01f | SKILL_01f_句读和标点校勘.md | 句读断句、标点符号规范、质量控制（最前置工序） | | | 01f-b | references/SKILL_01f_background.md | 句读与标点背景、换行配置、技术方案对比、FAQ | | | 01f-c | references/SKILL_01f_code_examples.md | gj.cool API / 本地模型断句 / 标点规范化代码 | | | 01g | SKILL_01g_标注符号集合原则.md | 标点/标注/Markdown符号完全分离原则 | | | 01h | SKILL_01h_白话翻译.md | 史记章节按PN段落进行文言文到白话文的翻译规范（依赖 02a PN 编号） | | | 01i | SKILL_01i_OCR影印古籍句读排版.md | 影印古籍 OCR→句读→排版（影印本分支前置，首例《读史记十表》） | | **结构分析** | 02 | SKILL_02_结构分析.md | 阶段总览 | | | 02a | SKILL_02a_章节切分与编号.md | 段落编号 + 小节划分 + 对话拆分 | | | 02a1 | references/SKILL_02a1_Purple_Numbers编号详细规范.md | PN 三级编号格式、父子关系、连续性规则 | | | 02a2 | references/SKILL_02a2_回车规则.md | 标注文件段落内换行与合并规则 | | | 02b | SKILL_02b_区块与韵文处理.md | 太史公曰/赞/策论 + 韵文检测 | | | 02b1 | references/SKILL_02b1_韵文识别规则.md | 赞/诗歌/赋自动识别与标题提取规则 | | | 02b2 | references/SKILL_02b2_散文识别规则.md | 诏令/奏疏/书信/檄文/策论/议论识别 + manifest | | | 02b2z | references/SKILL_02b2_赞文排版质量控制.md | 赞文四言韵文排版规范、格式检查与自动修复 | | | 02c | SKILL_02c_三家注标注.md | 裴骃/司马贞/张守节 注释层 | | | 02d | SKILL_02d_结构语义分析.md | 句间/段间/章间语义关系 + 注释对齐 + 排版映射 | | | 02e | SKILL_02e_词法分析.md | 字级词性标注、遗漏实体发现 | | | 02e1 | references/SKILL_02e1_动词标注规范.md | 动词标注完整语法规范、分类体系（v3.3） | | | 02f | SKILL_02f_文本统计.md | 字数/句长/词频/实体密度/五体对比 | | | 02g | SKILL_02g_表格结构语义分析.md | 史记十表维度定义、关系挖掘 | | | 02h | SKILL_02h_词表构建.md | 19类专项词表识别与结构化 | | | 02i | SKILL_02i_指代消解.md | 人称代词、身份指代语义消解（美人→虞姬、上→帝王）📋 计划第四轮反思实施 | | | 02j | SKILL_02j_修辞标注.md | 〘※〙 符号规范、消歧格式、HTML 渲染 | | | 02k | SKILL_02k_成语识别.md | 成语识别工作流：四轮反思、双轨架构、验证四分类 | | **实体构建** | 03 | SKILL_03_实体构建.md | 阶段总览 | | | 03a | SKILL_03a_实体标注.md | 23类实体NER标注（19类名词+4类动词） | | | 03a1 | references/SKILL_03a1_标注符号迁移.md | 标注符号系统级迁移实战方法论 | | | 03b | SKILL_03b_人名消歧.md | 同名异人/异名同人消歧 | | | 03c | SKILL_03c_按章反思.md | 按章反思审查，系统性误标修正 | | | 03c1 | references/SKILL_03c1-v2-rules.md | 按章反思规律库 v2（134 条，压缩版） | | | 03d | SKILL_03d_渲染与发布.md | HTML渲染与发布（衔接SKILL 09a） | | | 03e | SKILL_03e_按类型反思.md | 按类型反思总入口（路由到 03e1/03e2） | | | 03e1 | references/SKILL_03e1_跨类型迁移.md | 跨类型迁移：源头标错类的整体迁移（三阶段法） | | | 03e2 | references/SKILL_03e2_按类型反思纠错.md | 按类型反思纠错：L1-L5 分层 + R1-R7 多轮反思 | | | 03f | SKILL_03f_实体边界错误综合反思.md | 实体边界错误专项反思 | | | 03g | SKILL_03g_时间实体消歧.md | 相对年份→公元年（76.8%覆盖率，6648条） | | | 03h | SKILL_03h_地名地段分类.md | place 实体"地段"二级分类（水域/山脉/郡/县/城邑…，14类） | | | 03i | SKILL_03i_官职分类.md | official 实体"职类"二级分类（三公/九卿/军职/爵位/王号…，21类） | | | 03j | SKILL_03j_人名分类.md | person 实体"身份类"二级分类（帝王/将相/谋臣/学者…，16类）+ alias 合并 | | | 03k | SKILL_03k_邦国分类.md | state 实体"邦国类"二级分类（11类，首轮 100% 落地） | | **事件构建** | 04 | SKILL_04_事件构建.md | 阶段总览 | | | 04a | SKILL_04a_事件识别.md | 事件定义/Schema/类型/提取 | | | 04b | SKILL_04b_十表事件处理.md | 十表（013-022）专用补充 | | | 04c | SKILL_04c_事件年代推断.md | 分层纪年解析 | | | 04d | SKILL_04d_事件年代审查.md | Agent反思审查工作流 | | | 04e | SKILL_04e_年份消歧.md | 年号/纪年消歧 | | | 04f | SKILL_04f_动词标注.md | 动词标注方法论（谓词提取） | | | 04f1 | references/SKILL_04f1-rules.md | 动词标注规律库 V.1-V.8 + E 系列格式残留扫描 | | **关系构建** | 05 | SKILL_05_关系构建.md | 阶段总览（7,637条关系，9种类型） | | | 05a | SKILL_05a_事件关系发现.md | 9种关系类型/自动+LLM发现 | | | 05b | SKILL_05b_实体关系构建.md | 地点/制度/事物关系（非人物实体关系）+ SPO三元组 | | | 05c | SKILL_05c_人物关系构建.md | 人物共现→家族推理→政治社会关系（三层递进） | | | 05d | SKILL_05d_事实发现.md | 原子事实三元组（~10万，SPO全汉字，含ctx上下文）| | | 05d1 | references/SKILL_05d1_rules.md | 事实抽取四大核心原则（v1.0） | | | 05e | SKILL_05e_战争事件识别.md | 战争事件专项提取（736个） | | **本体构造和知识库管理** | 06 | SKILL_06_本体构造和知识库管理.md | 阶段总览 | | | 06a | SKILL_06a_实体到本体.md | 实体词表 → 分类树 → OWL/RDF | | | 06b | SKILL_06b_属性关系约束构建.md(规划) | 属性/关系/约束定义,OWL properties和constraints | | | 06c | SKILL_06c_规则构建.md(规划) | 领域规则/推理规则/验证规则 | | | 06d | SKILL_06d_推理机构建.md(规划) | 本体/规则推理,约束检查,冲突检测 | | | 06e | SKILL_06e_概念分类树构建.md | Bottom-Up 分类树构建、实例→归纳→TTL→MD、颗粒度动态调整 | | **逻辑推理** | 07 | SKILL_07_逻辑推理.md | 矛盾检测 + 洞见挖掘 + 本体/时间/关系推理 | | | 07a | SKILL_07a_人物生卒年推断.md | 人物生卒年区间推断（年龄/在位年/亲属约束） | | | 07b | SKILL_07b_姓氏推理.md | 先秦人物姓/氏区分，多轮迭代推理（R1–R7） | | | 07c | SKILL_07c_反常推理.md | 单条事实违反常识/制度/规律的异常点检测 | | | 07d | SKILL_07d_溯源推理.md | 历史事件的溯源推理方法论 | | | 07e | SKILL_07e_真实性推理.md | 历史记载真实性推理方法论 | | | 07f | SKILL_07f_历史专著方法提炼.md | 从历史学专著中提炼研究方法论 | | **知识库管驭** | 08 | SKILL_08_知识库管驭.md | 知识库工程化管理(粒度/覆盖度/成本/质量) | | | 08a | SKILL_08a_知识颗粒度管理.md(规划) | SKU标准知识单元设计(Factual/Procedural/Relational) | | | 08b | SKILL_08b_知识覆盖度评估.md(规划) | 覆盖度评估,测试样本构建,缺口识别 | | | 08b1 | references/SKILL_08b1_标注完成情况统计.md | 字级/实体级/章节级/专题级四类标注统计方法 | | | 08c | SKILL_08c_成本管控和Token节约.md(规划) | LLM成本优化,Token节约策略 | | | 08d | SKILL_08d_正确性评估.md(规划) | 质量评估方法,正确性指标体系 | | | 08e | SKILL_08e_表格数据反思迭代提取方法.md | 表格数据反思迭代提取方法 | | | 08f | SKILL_08f_置信度函数设计.md | 通用置信度函数设计：反思归纳→分层信号→阈值标定 | | **应用构造** | 09 | SKILL_09_应用构造.md | 阶段总览 | | | 09a | SKILL_09a_语法高亮辅助阅读.md | 语法高亮渲染 + 实体配色 + 段落锚点 + 发布 | | | 09b | SKILL_09b_知识库游戏化.md | 知识库→游戏：SKU→技能卡、事件→剧情、实体→角色 | | | 09c | SKILL_09c_个性化阅读支持.md | 语法高亮/繁简/拼音/Purple Numbers个性化阅读 | | | 09d | SKILL_09d_语义搜索和探索.md(规划) | 基于知识图谱的语义搜索和知识探索 | | | 09e | SKILL_09e_故事创作.md(规划) | 公众号文章/博客/剧本/小说创作 | | | 09f | SKILL_09f_音频创作.md(规划) | AI朗读/播客/有声书/音频课程 | | | 09g | SKILL_09g_视频创作.md(规划) | 短视频/中长视频/纪录片/电影 | | | 09h | SKILL_09h_图片与漫画创作.md(规划) | 插图/头像/四格漫画/长篇漫画/表情包 | | | 09i | SKILL_09i_信息图与可视化.md(规划) | 信息图/交互图表/时间线/关系网络/地理可视化 | | | 09j | SKILL_09j_历史地图.md(规划) | 静态/交互/时空/3D地图,专题地图 | | | 09k | SKILL_09k_专业文献写作.md(规划) | 学术论文/研究报告/专著章节/百科条目 | | | 09l | SKILL_09l_考古辅助.md(规划) | 出土文本校勘/考古报告对照/文物推理/断代 | | | 09m | SKILL_09m_排版和电子书构造.md(规划) | 古籍专业排版、PDF/EPUB生成、紫色编号锚点、LuaTeX竖排 | | **项目管理** | 10 | SKILL_10_项目管理.md | 阶段总览（Issue/TODO/日志/Git/CHANGELOG） | | | 10a | SKILL_10a_TODO和Issue管理.md | 7类Issue分类、TODO任务对应、批量管理脚本 | | | 10b | SKILL_10b_每日工作日志维护.md | 工作日划分（7:00分界）、微信通知、太史公曰、改动意义分析 | | | 10c | SKILL_10c_Git代码版本管理规范.md | Git提交消息格式、原子提交、Pre-commit Hook处理、分支策略 | | | 10c1 | references/SKILL_10c1_禁止命令清单.md | `.claude/settings.json` deny 列表分析与建议 | | | 10d | SKILL_10d_CHANGELOG编写规范.md | CHANGELOG格式、详略原则、Commit/Issue链接、分类体系 | | | 10e | SKILL_10e_文件组织与目录结构.md | 项目目录结构规范、文件分类决策树、流转路径 | | | 10f | SKILL_10f_Skill的提炼与转化.md | Skill工程化规范、质量检查、脚本关联 | | | 10f1 | references/SKILL_10f1_模板库.md | Skill 标准结构模板库 | | | 10f2 | references/SKILL_10f2_精简拆分案例库.md | Skill 超过 500 行的精简与拆分案例 | | | 10f3 | references/SKILL_10f3_更新维护指南.md | Skill 更新触发条件、标准流程、验证方法 | | | 10f4 | references/SKILL_10f4_脚本分解示例.md | 大型脚本拆分为可复用小脚本的方法与案例 | | | 10g | SKILL_10g_项目成本与时间统计.md | Token成本统计、用户时间投入统计、工作效率分析、定期报告生成 | --- ## 四、四层语义模型 本项目的研究方法建立在四层语义递进模型上，每一层在前一层的基础上构建更高级的语义理解： ``` ┌─────────────────────────────────────────────┐ 4层 │ 应用语义 — 历史研究具体领域的语义 │ 09 应用构造 │ 考据推理、矛盾发现、规律归纳、历史叙事重构 │ ├─────────────────────────────────────────────┤ 3层 │ 知识语义 — 本体、过程、方法逻辑层面的语义 │ 06 本体 07 推理 08 知识库管驭 │ 分类体系、推理规则、知识单元 │ ├─────────────────────────────────────────────┤ 2层 │ 图谱语义 — 实体、关系、事实层面的语义 │ 03 实体 04 事件 05 关系 │ 人物/地点/事件识别、消歧、关系发现、原子事实 │ ├─────────────────────────────────────────────┤ 1层 │ 结构语义 — 篇章、段落、句子层面的语义结构 │ 01 校勘 02 结构分析 │ 切分、编号、因果/并列/递进、注释对齐 │ └─────────────────────────────────────────────┘ ``` | 层次 | 关注对象 | 核心问题 | 对应工序 | | ------------ | ---------------- | -------------------------------------------- | ----------------------------- | | **结构语义** | 篇章、段落、句子 | 文本怎么组织的？句子间什么关系？ | 01校勘、02结构分析（02a-02d） | | **图谱语义** | 实体、事件、关系、事实 | 谁做了什么？在哪里？什么时候？原子事实是什么？ | 03实体、04事件、05关系 | | **知识语义** | 本体、规则、方法 | 这些实体怎么分类？事件遵循什么规律？ | 06本体、07推理、08知识库管驭 | | **应用语义** | 考据、叙事、发现 | 历史真相是什么？有哪些矛盾？能发现什么规律？ | 09应用构造 | 每一层都是下一层的前提：没有结构语义就无法准确提取图谱语义，没有图谱语义就无法构建知识语义，没有知识语义就无法支撑应用语义。 --- ## 五、方法论 ### 人机协作分工 | 角色 | 职责 | | ---------------- | -------------------------------------------------------- | | **人（决策者）** | 定义愿景、设计标注体系、审美判断、纠正语义错误、质量把控 | | **AI（执行者）** | 大规模NER、代码开发、批量文件操作、渲染管线、文档生成 | ### 关键设计决策 1. **用大模型做NER** — 古文多义词极多，关键词匹配无法处理 2. **内容与样式分离** — Token标记系统让原文可读，渲染交给CSS 3. **先做完再做好** — 先快速覆盖全部章节，再迭代提升质量 --- ## 六、项目成本与扩展 ### 6.1 史记项目Token消耗 截至2026-04-05，史记知识库项目实际消耗： | 项目 | 字数 | 篇章数 | 实际消耗Token | 说明 | | -------- | ------ | -------- | ------------- | ---- | | 史记 | 57万 | 130 | ~55亿 | 包含多轮标注、反思、推理等全流程 | **详细成本统计**：参见 [SKILL_10g 项目成本与时间统计](SKILL_10g_项目成本与时间统计.md) ### 6.2 扩展到其他古籍 本管线可直接应用于二十四史及其他大规模古籍，需适配：实体类型、体裁分类、提示词、别名规则、年份体系。 | 古籍 | 字数 | 篇章数 | 预估Token消耗 | | -------- | ------ | -------- | ------------- | | 汉书 | 74万 | 120 | ~40亿 | | 资治通鉴 | 300万 | 294 | ~160亿 | **预估依据**：基于史记项目实际消耗（55亿/57万字 ≈ 9649 token/字），考虑文本复杂度差异。