live-transcript-summary

边听边总结 Skill

实时监听当前 WPS 笔记中的音频录音转写，每 60 秒轮询一次，只处理新增句子（增量模式），根据场景自动选择模板整理内容并写回笔记。

---

工具优先级

优先使用 wpsnote-cli（CLI），不支持时才退回 MCP 工具调用。

操作	CLI 命令	MCP 工具
获取当前笔记	wpsnote-cli current --json	get_current_note()
获取大纲	wpsnote-cli outline --note_id ID --json	get_note_outline()
获取转写	wpsnote-cli audio --shorthand_id ID --json	get_audio_transcript()
搜索笔记	wpsnote-cli find --keyword KW --json	search_notes()
搜索笔记内内容	wpsnote-cli search --note_id ID --query Q --json	search_note_content()
插入内容	wpsnote-cli edit --json-args '...'	edit_block(op="insert")
替换内容	wpsnote-cli edit --json-args '...'	edit_block(op="replace")
批量编辑	wpsnote-cli batch-edit --json-args '...'	batch_edit()

CLI 中 XML 含尖括号时，统一用 --json-args 传 JSON 对象，避免 shell 转义问题。

---

⚠️ 写入笔记时的强制规则

content 参数必须是 XML 字符串，绝不能是数组或对象。

// ✅ 正确
{ "content": "<h2>标题</h2><p>内容</p>" }

// ❌ 禁止——数组
{ "content": [{"type": "text", "text": "<h2>标题</h2>"}] }

// ❌ 禁止——对象
{ "content": {"type": "text", "text": "<h2>标题</h2>"} }

遇到 BLOCK_NOT_FOUND 或写入反复失败时，第一步检查 content 是否为字符串，再用 outline 刷新 block_id 后重试。

---

核心工作流

启动（仅一次）:
  1. 检查 CLI 可用性
  2. 获取当前笔记 note_id
  3. 风格学习（搜索 3-5 篇历史同类笔记）
  4. 初始化状态文件
  5. 输出启动告知

loop（每 60 秒）:
  1. 扫描笔记大纲，找 NoteAudioCard
  2. 全量拉取转写，过滤新增句子（start_time > last_end_time）
  3. 若无新增 → 检测临时区用户输入 → 更新状态 → sleep 60 → continue
  4. 首轮：场景识别 + 发言人推断
  5. 人名联动：提取人名 → 搜索笔记库 → 注入背景上下文
  6. 首轮：先输出内容地图，再开始写入
  7. 用新增句子生成摘要 XML
  8. 写回笔记（首轮在末尾插入；后续追加到 summary_anchor 之后，始终在临时区之前）
  9. 回扫大纲：核查新内容是否落在正确章节，发现位置错误立即修正
 10. 首轮：在笔记末尾创建临时区（hr + 提示块）
 11. 检测临时区用户输入 → 合并到正文 → 清空用户 block
 12. 检测 *** 补全请求
 13. 更新状态文件（last_end_time、summary_anchor_id、temp_zone_anchor_id 等）
 14. 输出本轮简报 → sleep 60 → loop

---

启动阶段

Step 1：检查 CLI 可用性

wpsnote-cli status
# 输出包含"连接中... 成功" → CLI 可用，否则退回 MCP 模式

Step 2：获取当前笔记

NOTE=$(wpsnote-cli current --json)
NOTE_ID=$(echo $NOTE | python3 -c "import sys,json; d=json.load(sys.stdin); print(d['data']['note_id'])")

# MCP 备选
get_current_note() → { note_id, title }

若返回 NO_ACTIVE_EDITOR_WINDOW，提示用户打开笔记后重试。

Step 3：风格学习

搜索 3-5 篇历史同类笔记（会议纪要/课堂笔记/总结），每篇最多读 3000 字，综合归纳风格特征：

NOTES=$(wpsnote-cli find --keyword "会议纪要 纪要 会议总结 周会 月会" --limit 5 --json)

归纳维度（多篇投票取多数）：语言风格（口语 vs 书面）、结构偏好（bullet list vs 分章节）、详略程度、是否中英混写、是否常用色块/分栏。

样本不足 3 篇时继续，标注「风格样本不足，参考有限」。

Step 4：初始化状态文件

state = {
    "note_id": note_id,
    "shorthand_id": None,        # 首轮扫描到 AudioCard 后填入
    "scene": None,               # 首轮场景识别后填入
    "last_end_time": -1.0,       # -1 代表从头开始
    "summary_anchor_id": None,   # 上轮最后写入的 block_id（临时区 hr 之前）
    "temp_zone_anchor_id": None, # 临时区 highlightBlock 的 block_id
    "round": 0,
    "speaker_map": {},           # {"发言人 1": "真实姓名"}
    "person_cache": {},          # {"张总": [{"note_title": ..., "snippet": ...}]}
    "started_at": time.time(),
}
# 保存到 /tmp/lts_state_{note_id}.json

Step 5：输出启动告知

已开始边听边总结 ✓

当前笔记：[笔记标题]
识别场景：等待录音开始后自动识别
参考风格：[找到 N 篇 / 未找到历史总结]
模式：增量（只处理新增转写）+ 人名联动
轮询间隔：60 秒

---
援助功能：
  ① 补全：在笔记任意位置输入 ***，AI 结合录音自动补全
  ② 临时区：笔记末尾灰色区域，写下想法，AI 下轮自动合并到正文
  ③ 停止：告诉我「停止总结」即可
---

---

轮询主循环

Step 1：扫描音频卡片

outline_data = json.loads(wpsnote_cli_outline(note_id))
audio_blocks = [b for b in outline_data["data"]["blocks"] if b["type"] == "note_audio_card"]

if not audio_blocks:
    # sleep 60, continue
    pass

audio_block = audio_blocks[0]  # 取第一个，或 status=recording 的那个
shorthand_id = audio_block["attrs"]["shorthand_id"]
status = audio_block["attrs"].get("status", "unknown")
# recording / paused / stopped 均继续处理

Step 2：增量获取转写

all_sentences = get_transcript(shorthand_id)  # 每个 sentence: {text, speaker, start_time, end_time}

# 只取新增句子
new_sentences = [s for s in all_sentences if s["start_time"] > state["last_end_time"]]

if not new_sentences:
    # → 跳到 Step 8（检测临时区），然后 sleep 60
    pass

wpsnote-cli audio 只支持全量拉取，过滤在本地完成，每轮实际处理量恒定。

Step 3：场景识别（首轮）

if state["scene"] is None and new_sentences:
    sample = " ".join(s["text"] for s in new_sentences[:10])
    state["scene"] = detect_scene(note_title, sample)  # 见「场景识别表」

Step 4：发言人身份推断

for s in new_sentences:
    if "我是" in s["text"] or "我叫" in s["text"]:
        state["speaker_map"][s["speaker"]] = extracted_name
        # 若发现纠正，批量替换笔记中旧名称

Step 5：人名联动（跨笔记背景注入）

从新增句子和 speaker_map 中提取人名，搜索笔记库，将背景上下文注入本轮摘要 prompt。

搜索策略（依次降级）：全名 → 后两字 → 名字单字（慎用）

每人最多取 2 篇 × 3 段，结果缓存在 state["person_cache"]，同一 session 不重复搜索。

详细代码见 person-linking.md

Step 6：首轮输出内容地图

仅首轮（state["round"] == 0）触发：在写入笔记之前，根据全量转写梳理整体逻辑结构，以树形图展示给用户，然后直接开始写入。

📋 内容地图

[笔记标题]
├── 基本信息（时间、参与人等）
├── 第一部分：[主题名称]
├── 第二部分：[主题名称]
│   ├── [子主题]
│   └── [子主题]
├── 第 N 部分：[主题名称]
└── 行动项

展示后立即开始写入，大标题从 H2 开始，无需等待用户确认。

Step 7：生成摘要 XML

输入给 AI 的 prompt：

[场景: {scene}] [发言人映射: {speaker_map}]

新增转写（{N} 句，{时长}秒）：
{speaker}: {text}
...

[人物背景（来自笔记库，供参考）]:
- 张总（来自《Q4 复盘》）：...

请按 {模板名} 模板提取要点，生成 WPS XML 格式的增量摘要。
只写本段新增内容对应的要点，不要重复已有内容。

约束：严格基于转写、跳过空章节、模糊信息标注「待确认」、参考用户风格、默认富文本排版。

Step 8：写回笔记

核心原则：新摘要内容始终插入到临时区 hr 之前，临时区永远压底。

首轮写入（临时区尚不存在）：

# 1. 插入摘要内容到笔记末尾
wpsnote-cli edit --json-args "{
  \"note_id\": \"$NOTE_ID\",
  \"op\": \"insert\",
  \"anchor_id\": \"$LAST_BLOCK\",
  \"position\": \"after\",
  \"content\": \"<h2>转写摘要</h2><p>...</p>\"
}"
# 记录 summary_anchor_id = 本次最后插入的 block_id

# 2. 在末尾创建临时区
wpsnote-cli edit --json-args "{
  \"note_id\": \"$NOTE_ID\",
  \"op\": \"insert\",
  \"anchor_id\": \"$SUMMARY_ANCHOR_ID\",
  \"position\": \"after\",
  \"content\": \"<hr/><highlightBlock emoji=\\\"💬\\\" highlightBlockBackgroundColor=\\\"#EBEBEB\\\" highlightBlockBorderColor=\\\"#C5C5C5\\\"><p><span fontColor=\\\"#757575\\\">把你的想法、补充、纠正贴到这里，AI 下轮自动合并到正文对应位置。也可以直接改上面的正文。</span></p></highlightBlock>\"
}"
# 记录 temp_zone_anchor_id = highlightBlock 的 block_id

后续轮次（临时区已存在）：

# 新内容追加到 summary_anchor_id 之后（临时区 hr 之前）
wpsnote-cli edit --json-args "{
  \"note_id\": \"$NOTE_ID\",
  \"op\": \"insert\",
  \"anchor_id\": \"$SUMMARY_ANCHOR_ID\",
  \"position\": \"after\",
  \"content\": \"<p>新增摘要内容...</p>\"
}"
# 更新 summary_anchor_id = 本次最后插入的 block_id

Step 9：写入后回扫大纲（每轮必做）

每轮写入完成后，立即重新拉取笔记大纲，逐章核查内容是否在正确位置：

OUTLINE=$(wpsnote-cli outline --note_id "$NOTE_ID" --json)

检查项：

• 各 h2 章节标题是否与内容地图一致（首轮建立后不应新增游离章节）
• 本轮新增内容是否落在对应章节下，而非全部堆在笔记末尾
• 临时区（hr + 提示块）是否仍在最末尾

发现异常时：

• 若新内容错误地插到了末尾而非对应章节，用 batch_edit 将其移动到正确的 h2 节下
• 若章节标题顺序乱了，修正后更新 summary_anchor_id 为当前章节末尾的正确 block_id
• 输出简报时注明「⚠️ 本轮修正了 N 处位置错误」

Step 10：处理临时区用户输入

检查用户是否在临时区写了内容（提示块之后的任意 block 即为用户输入）：

temp_anchor_id = state.get("temp_zone_anchor_id")
if not temp_anchor_id:
    pass  # 临时区尚未创建，跳过
else:
    # 读取 temp_zone_anchor_id 后方 10 个 block
    # 过滤掉 hr 块和含「把你的想法」的提示块
    user_blocks = [b for b in after_blocks
                   if b["type"] != "hr"
                   and "把你的想法" not in b.get("content_text", "")]

若有用户输入，执行合并：

1. 将用户内容 + 当前摘要大纲喂给 AI，判断每条应插入到哪个位置（补充/新话题/纠正）
2. 用 batch_edit 插入/替换到正文对应位置
3. 删除临时区中用户写的 block，保留 <hr/> 和提示块

合并 prompt：

用户写在临时区的内容：
{user_temp_content}

当前笔记摘要大纲（含 block_id）：
{summary_outline}

请判断每条内容应插入到哪个 block_id 之后，生成对应 WPS XML。
规则：补充 → 插入对应观点之后；新话题 → 插入摘要末尾（临时区 hr 之前）；纠正 → 替换对应 block。
保持原有排版风格。

Step 11：检测 *** 补全请求

STARS=$(wpsnote-cli search --note_id "$NOTE_ID" --query "***" --json)

若找到 ***，读取其前后 3 个 block，生成补全内容后替换：

wpsnote-cli edit --json-args "{
  \"note_id\": \"$NOTE_ID\",
  \"op\": \"replace\",
  \"block_id\": \"$STAR_BLOCK\",
  \"content\": \"<p>补全后的内容</p>\"
}"

Step 12：更新状态文件

if new_sentences:
    state["last_end_time"] = new_sentences[-1]["end_time"]
    state["summary_anchor_id"] = last_inserted_block_id
    if state["temp_zone_anchor_id"] is None and temp_zone_block_id:
        state["temp_zone_anchor_id"] = temp_zone_block_id
state["round"] += 1
json.dump(state, open(state_path, "w"), ensure_ascii=False)

Step 13：输出本轮简报

✓ 第 3 轮完成（新增 18 句 / 142 秒 → 摘要 +85 字）
  场景：会议记录  发言人：张总、李工❓
  人名联动：张总→《Q4 复盘》、李工→未找到
  行动项：+2 条  ***补全：1 处  临时区合并：1 条
  下一轮：60 秒后

---

场景识别表

场景关键词	场景类型	使用模板
会议、讨论、周会、评审	会议记录	会议纪要模板
课堂、授课、教学、老师	课堂笔记	课堂笔记模板
培训、讲师、学员	培训课程	培训课程模板
知识分享、分享会、经验分享	知识分享	知识分享模板
直播、主播、观众	直播内容	直播记录模板
播客、嘉宾、节目	播客/视频	播客纪要模板
采访、记者、被采访	采访记录	采访记录模板
谈判、甲方、乙方、合同	商务谈判	商务谈判模板
复盘、总结、里程碑	项目复盘	项目复盘模板
庭审、原告、被告、法庭	庭审记录	庭审纪要模板
患者、诊断、医嘱、症状	病例记录	病例记录模板
口述、文章、博客	口述转文章	文章模板
电话、通话、客服	电话录音	电话记录模板
无明显特征	通用场景	通用转写模板

---

排版规范

默认使用富文本排版。用户明确说「纯文本」「不要排版」时才退回普通段落。

色块颜色语义

columnBackgroundColor：

• 蓝色 #EBF2FF：中性信息、发言人观点
• 绿色 #E8FCEF：结论、共识
• 黄色 #FFF5EB：注意事项、待确认
• 红色 #FFECEB：风险、问题、争议点
• 紫色 #FAF0FF：补充信息、延伸内容

<columns>
  <column columnBackgroundColor="#EBF2FF">
    <h4>发言人 · 身份信息</h4>
    <p listType="bullet" listLevel="0">要点一</p>
    <blockquote>「原话片段」</blockquote>
  </column>
</columns>

使用判断

• 用色块：有明确发言人且 2+ 条观点；一个主题超过 3 条要点
• 不用色块：只有 1 条信息；行动项/Todo；内容少结构简单时
• 双栏：仅用于内容天然对立的场景（谈判双方、优缺点对比）

结构原则

先按主题/议题分 h2/h3 章节，再在章节内用色块区分发言人：

h2 主题一
  ├── columns(蓝) 发言人 A
  ├── columns(蓝) 发言人 B
  └── columns(绿) 结论/共识
h2 行动项
  └── todo list（不套色块）

---

场景模板

各模板均遵循「严格基于转写、跳过空章节、默认富文本排版」原则。

场景	主结构	特殊要求
通用	h2摘要 → h3主题 → columns(蓝) → todo	—
会议纪要	h2纪要 → h3议题 → columns(蓝)发言人 → columns(绿)结论 → todo	含参会人、决策标注
课堂笔记	h2笔记 → h3知识点 → h4细节 → h3重点 → todo作业	无色块，以层级代替
知识分享	h2记录 → h3核心知识 → h4知识点 → h3要点 → todo学习	—
直播/播客	h2纪要 → h3主题 → columns(黄)嘉宾A → columns(蓝)嘉宾B	注明嘉宾身份
商务谈判	h2记录 → h3议题 → 双栏(蓝/红)甲乙方 → columns(绿)协议 → todo	双栏对立布局
项目复盘	h2复盘 → h3成果 → h3问题 → h3经验 → todo改进	量化成果
庭审/病例/采访/电话/培训	按各专业流程顺序组织，见下方说明	—

专业场景结构：

• 庭审：庭前准备 → 法庭调查 → 举证质证 → 法庭辩论 → 最后陈述
• 病例：主诉 → 现病史 → 诊断 → 治疗方案 → 医嘱
• 采访：5W1H要素 → 精彩引用 → 后续跟进
• 电话录音：通话目的 → 讨论内容 → 承诺事项 → 后续行动
• 培训课程：课程大纲 → 知识点 → 实践练习 → 课后作业
• 口述转文章：引言 → 章节 → 结论（口语转书面语）

完整 XML 模板见 templates.md

---

Todo 提取规则

从新增转写中识别任务：

1. 明确任务：含动作动词（完成、提交、准备、跟进）+ 时间限定或责任人
2. 承诺事项：「我会/我们将...」「XX 时候给您...」
3. 学习任务：「需要学习/实践/应用...」

<p listType="todo" listLevel="0" checked="0">[任务]（负责人：XX，截止：XX）</p>

---

停止条件

• 用户明确说「停止」「结束总结」「stop」
• 连续 5 轮无新增转写
• 音频 status=stopped 且已完成最终总结

停止时清理状态文件：rm /tmp/lts_state_{note_id}.json

---

错误处理

错误	处理方式
CLI 不可用	退回 MCP 模式
NO_ACTIVE_EDITOR_WINDOW	提示用户打开笔记，等待 30 秒后重试
WEBSOCKET_NOT_CONNECTED	等待 10 秒后重试转写获取
EDITOR_NOT_READY	等待 2 秒后重试写入
BLOCK_NOT_FOUND	用 outline 刷新 ID 后重试；检查 content 是否为字符串
DOCUMENT_READ_ONLY	告知用户笔记为只读，停止写入但继续读取
转写返回空	等待 30 秒（可能正在转写中）后重试
写入反复失败	检查 content 是否为 XML 字符串，不能是数组/对象；刷新 block_id 后重试