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。
| # | 功能 | 说明 |
|---|---|---|
| 1 | Pipeline B 结构分析 | 纯正则（5W2H/主语/约束/分块/注意力锚定），零外部依赖 |
| 2 | Pipeline A 语义匹配 | 正则→bge-small(embedding)→bge-reranker(CrossEncoder) |
| 3 | Pipeline C 智能体推理 | 结构分析 + 模板参考 喂给智能体 → 增强思考 → 生成步骤 |
| 4 | 覆盖率阈值路由 | 正则层覆盖率≥80% 直接通过，<80% 升级到 bge 语义层 |
| 5 | 自增强闭环 | 执行 → 通用化 → 保存为 JSON 模板 → 下次命中 → 0 LLM |
| 6 | 模板库扫描 | 每次请求自动扫描 capabilities/ 库，命中≥0.6 则作为 few-shot 参考或直接复用 |
| 7 | 10 道门禁钩子 | input_valid → b_pipeline_done → a_scan_done → decision_made → llm_generated → focus_reasoning → divergent_reasoning → integration_reasoning → template_saved → wp_done |
| 8 | json 管理工具 | json_manager.py CLI 统一管理能力级/规则级 json |
> 📚 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
| 文件名 | 分类 | 包含内容 | 审计关联 |
|---|---|---|---|
references/LICENSE.md |
许可协议 | 开源许可证声明（MIT） | R-26 |
references/changelog.md |
版本管理 | 版本更新日志 | R-24 |
references/attribution.md |
版权声明 | 第三方组件与模型版权归属说明 | 无 |
references/json_schema.md |
参考 | 能力级/规则级 JSON 格式定义 | 无 |
references/loading_decision_tree.md |
参考 | 渐进加载决策流程（含自增强闭环） | 无 |
references/planning_rules.md |
规则 | 双视角推理与规划生成规则 | 无 |
references/split_rules.md |
规则 | 语义拆分规则 | 无 |
references/constraint_annotation.md |
规范 | 约束标注规则与注意力锚定 | 无 |
references/examples.md |
示例 | 各功能输出格式示例 | R-25 C-17 |
references/faq.md |
FAQ | 常见问题与排错 | R-19 |
references/permissions.md |
权限 | 权限扫描与风险评估 | R-15 |
references/task_type_defaults.md |
参考 | 5W2H 任务类型默认值映射 | 无 |
references/antipatterns.md |
规范指南 | skill 编写中的常见反模式 | R-18 |
references/automation_tasks.md |
参考 | 自动任务配置列表 | 无 |
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
| 管线 | 方法 | 模型 | 产出 |
|---|---|---|---|
| B 结构分析 | 纯正则 | 无 | 5W2H七维 / 主语 / 约束等级 / 分块 / 注意力锚定 |
| A 语义匹配 | 正则 → embedding → rerank | bge-small + bge-reranker ✅ | 模板库扫描 / 相似度匹配 / 约束分类 |
| C 智能体推理 | 智能体原生推理 | — | 步骤列表 / WP 分解 / 模板沉淀 |
> 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
| 模型 | 管线 | 大小 | 协议 |
|---|---|---|---|
| BAAI/bge-small-zh-v1.5 | Pipeline A 嵌入层 | 92MB | MIT |
| BAAI/bge-reranker-base | Pipeline A 重排序层 | 1.1GB | MIT |
| 合计 | ~1.2GB | 全部商业友好 |
> 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。
