155 lines
4.1 KiB
Plaintext
155 lines
4.1 KiB
Plaintext
单篇资料格式化指导
|
|
|
|
用途：
|
|
|
|
用于统一整理本素材库中的单篇文章、网页、案例、协议、提案材料、媒体报道等文本资料，使其适合后续检索、切片、标注与模型训练。
|
|
|
|
适用范围：
|
|
|
|
1. `01-共享底座素材`
|
|
2. `11-资本战略总顾问模型`
|
|
3. `12-企业经营战略总顾问模型`
|
|
4. `13-品牌营销战略总顾问模型`
|
|
5. `14-FDE总顾问战略模型`
|
|
6. `90-待分拣素材` 中待格式化文件
|
|
|
|
|
|
一、总原则
|
|
|
|
1. 一篇资料一个文件
|
|
- 不做多文综述混排
|
|
- 一个文件只承载一篇原始资料
|
|
|
|
2. 以格式化为主，不以改写为主
|
|
- 重点是清洗噪音、补齐结构、统一字段
|
|
- 不随意改写作者观点，不重写原文逻辑
|
|
|
|
3. 保留原文信息密度
|
|
- 保留术语、条款名称、流程名称、专有名词
|
|
- 不无端把原文改成统一口吻
|
|
|
|
4. 原文层与分析层分离
|
|
- 原文文件只承载资料本身
|
|
- AI 分析、人工解读、迁移判断应另起文件
|
|
|
|
|
|
二、推荐文件结构
|
|
|
|
每篇资料建议统一为以下结构：
|
|
|
|
标题：xxx
|
|
来源：xxx
|
|
作者：xxx
|
|
发布时间：xxxx-xx-xx
|
|
原始链接：xxx
|
|
资料类型：行业文章 / 法律解读 / 实务指南 / 提案材料 / 协议模板 / 案例复盘 / 媒体报道 / 内部文档
|
|
适用模型：共享 / 资本战略总顾问模型 / 企业经营战略总顾问模型 / 品牌营销战略总顾问模型 / FDE总顾问战略模型
|
|
角色视角：创业者 / 企业家 / 顾问机构 / 投资人 / 律师 / 媒体 / 客户方 / 综合
|
|
能力标签：边界定义 / 战略分析 / 资本路径 / 经营诊断 / 品牌定位 / 营销策略 / 顶层设计 / 提案表达 / 交付流程 / 风险处理 / 顾问问答
|
|
语言：中文 / 英文
|
|
质量等级：A / B / C
|
|
|
|
摘要：
|
|
（优先保留原文导语；若原文没有导语，可以留空，不强行生成 AI 摘要）
|
|
|
|
正文：
|
|
# 一级标题
|
|
## 二级标题
|
|
### 三级标题
|
|
正文段落……
|
|
|
|
附注：
|
|
- 已清理页面导航、广告、相关推荐、评论区等噪音信息
|
|
- 保留原文核心表达，未改写作者观点
|
|
|
|
|
|
三、必须清理的噪音
|
|
|
|
原则上应删除：
|
|
|
|
1. 页面导航
|
|
2. 广告和下载提示
|
|
3. VIP、积分、登录提示
|
|
4. 相关推荐、评论区、转发按钮
|
|
5. 阅读量、字体切换、返回顶部等页面噪音
|
|
|
|
|
|
四、必须保留的信息
|
|
|
|
原则上尽量保留：
|
|
|
|
1. 标题
|
|
2. 来源
|
|
3. 作者
|
|
4. 发布时间
|
|
5. 原始链接
|
|
6. 原文导语
|
|
7. 正文中的标题层级
|
|
8. 条款、步骤、清单、数字、周期、案例
|
|
9. 专有名词和英文术语
|
|
|
|
|
|
五、正文格式化规则
|
|
|
|
1. 标题层级统一为 `# / ## / ###`
|
|
2. 段落拆分清晰，一个自然段单独成段
|
|
3. 风险点、步骤、清单尽量整理为标准列表
|
|
4. 协议和法律条款保留原编号体系
|
|
5. 专有名词不替换
|
|
6. 金额、费率、时间、百分比不模糊化
|
|
|
|
|
|
六、训练场景下不建议做的事
|
|
|
|
1. 不要给每篇强行写 AI 总结
|
|
2. 不要把个人解读混进正文
|
|
3. 不要统一改写成同一种文风
|
|
4. 不要随意删掉原文中的细节、案例和措辞
|
|
|
|
|
|
七、推荐的双文件策略
|
|
|
|
如条件允许，建议每篇资料保存两份：
|
|
|
|
1. 原始抓取版
|
|
- 文件名示例：`文章标题.raw.tx`
|
|
|
|
2. 格式化训练版
|
|
- 文件名示例：`文章标题.tx`
|
|
|
|
这样便于追溯、回滚和后续批量优化。
|
|
|
|
|
|
八、命名规则
|
|
|
|
建议文件名尽量直接使用文章标题，并做最小清洗：
|
|
|
|
1. 保留标题核心语义
|
|
2. 删除平台噪音词
|
|
3. 避免无意义前后缀
|
|
4. 中英文混合标题可保留，但空格和符号要规整
|
|
|
|
|
|
九、推荐处理流程
|
|
|
|
1. 抓取原文
|
|
2. 保存 raw 版本
|
|
3. 清理噪音信息
|
|
4. 补齐元信息头
|
|
5. 统一标题层级
|
|
6. 拆分段落与列表
|
|
7. 保存格式化版本
|
|
8. 抽查开头、标题、列表、结尾是否完整
|
|
|
|
|
|
十、验收标准
|
|
|
|
一篇格式化完成的资料，至少应满足：
|
|
|
|
1. 能看出标题、来源、时间、链接
|
|
2. 正文结构清晰，标题层级明确
|
|
3. 没有明显广告和页面噪音
|
|
4. 原文观点和论证顺序未被篡改
|
|
5. 条款、步骤、数字、案例没有被误删
|
|
6. 可以直接进入后续切片、分类和训练候选流程
|