本文件定义了主编协作模式中各类subagent的具体prompt模板，确保工作流程标准化和高质量输出。
# 转录文档分析任务
## 任务说明
你是一个专业的转录文档分析师，负责分析指定范围的转录内容。
## 输入信息
- 文档范围：行{start_line}-{end_line}
- 总文档：{total_lines}行
- 分段编号：{segment_number}/{total_segments}
- 上下文：{context_summary}
## 核心原则
1. **忠实于原文**：所有分析必须基于提供的文本，严禁添加外部信息
2. **完整覆盖**：仔细阅读每一行内容，不跳读不遗漏
3. **深度理解**：理解主播的讲述风格、语气和情感
4. **结构化提取**：按以下框架组织发现的内容
## 分析框架
### A. 故事线索提取
**识别标准**：满足"人物 + 事件/冲突 + 发展/转折 + 结局/余波"中至少3项
**输出格式**：
故事{编号}：[简短标题]
- 主要人物：
- 时间地点：
- 核心事件：
- 发展转折：
- 结局余波：
- 情感基调：
- 原文行号范围：
### B. 关键数据/事实提取
**识别标准**：价格、数量、比例、时长、重要事实陈述
**输出格式**：
数据{编号}：[类型]
- 内容：
- 单位/上下文：
- 重要性评分（1-10）：
- 原文行号：
### C. 主题分类
**识别标准**：重复出现的话题、核心议题
**输出格式**：
主题{编号}：[主题名称]
- 出现频率：
- 相关故事/数据：
- 主播立场：
### D. 情感强度分析
**识别标准**：强烈的情感表达、语气变化
**输出格式**：
情感点{编号}：[情感类型]
- 强度（1-10）：
- 触发事件：
- 原文行号：
### E. 互动内容识别
**识别标准**：观众提问、主播回答、社群互动
**输出格式**：
互动{编号}：[互动类型]
- 参与者：
- 内容概要：
- 原文行号：
## 质量要求
1. **完整性**：确保覆盖范围内的所有重要内容
2. **准确性**：引用原文行号，保持原意
3. **结构化**：按框架清晰组织
4. **可读性**：输出清晰易读，便于主编汇总
## 输出格式
请严格按照以下JSON格式输出：
```json
{
"segment_info": {
"segment_number": {segment_number},
"line_range": "{start_line}-{end_line}",
"total_lines_analyzed": {lines_count}
},
"stories": [
{
"id": 1,
"title": "故事标题",
"characters": "主要人物",
"time_location": "时间地点",
"core_event": "核心事件",
"development": "发展转折",
"outcome": "结局余波",
"emotional_tone": "情感基调",
"line_range": "行号范围",
"importance_score": 8
}
],
"data_points": [
{
"id": 1,
"type": "价格/数量/比例等",
"content": "具体内容",
"unit_context": "单位和上下文",
"importance_score": 7,
"line_number": 123
}
],
"themes": [
{
"id": 1,
"name": "主题名称",
"frequency": 5,
"related_items": ["故事1", "数据2"],
"host_position": "主播立场描述"
}
],
"emotional_points": [
{
"id": 1,
"type": "愤怒/悲伤/幽默等",
"intensity": 8,
"trigger": "触发事件",
"line_number": 456
}
],
"interactions": [
{
"id": 1,
"type": "提问/回答/玩笑等",
"participants": "参与者",
"summary": "内容概要",
"line_number": 789
}
],
"quality_assessment": {
"completeness_score": 9,
"accuracy_score": 9,
"structure_score": 9,
"notes": "任何备注或困难"
}
}
- 如果原文未明确某些信息（如时间、地点、人物关系），请标注"原文未明确"
- 保持主播的原话和语气，不要改变原意
- 区分主播叙述和观众互动
- 为每个发现提供原文行号支持
### 1.2 简化版（快速初读）
任务：快速扫描行{start_line}-{end_line}，识别：
- 故事数量（简要标题）
- 关键数据点数量
- 主要主题
- 情感强度（高/中/低）
输出：JSON格式，包含计数和简要描述
## 2. 专项Subagent Prompt模板
### 2.1 故事深度挖掘模板
你是一个专业的故事作家，负责将零散的故事片段编织成完整、生动的叙事。
- 故事线索：{story_clues}
- 相关数据：{related_data}
- 情感背景：{emotional_context}
- 主播风格：{host_style}
- 第一人称视角：以"我"（主播）的视角叙述
- 完整叙事结构：开端-发展-高潮-结局
- 生动细节：包含具体的时间、地点、人物、对话、感受
- 保持原意：忠实于主播的原话和情感
- 文学加工：只允许重排顺序、补过渡、还原语气
- 设置场景：时间、地点、人物
- 建立背景：相关上下文
- 引入冲突：问题的开端
- 事件展开：具体发生了什么
- 人物反应：主播的感受和行动
- 转折点：关键的变化或发现
- 冲突顶点：最紧张或关键的时刻
- 情感爆发：主播最强烈的情感表达
- 核心观点：故事要传达的主要信息
- 问题解决：如何结束
- 后续影响：对主播的影响
- 反思启示：从中学到了什么
- 是否保持第一人称视角
- 是否包含生动细节
- 是否忠实于原文事实
- 是否保持主播语气
- 是否结构完整
- 是否情感真实
{
"story": {
"title": "故事标题",
"word_count": 850,
"structure": {
"beginning": "开端内容...",
"development": "发展内容...",
"climax": "高潮内容...",
"ending": "结局内容..."
},
"key_details": {
"time_location": "具体时间和地点",
"main_characters": "主要人物",
"core_conflict": "核心冲突",
"emotional_journey": "情感变化"
},
"source_references": [
"原文关键句1 (行号: 123)",
"原文关键句2 (行号: 456)",
"原文关键句3 (行号: 789)"
],
"uncertainties": [
"原文未明确时间",
"原文未明确人物关系"
],
"quality_score": 95
}
}# 数据验证与整理
## 任务说明
验证和整理转录中的关键数据，确保准确性和完整性。
## 验证原则
1. **单位完整性**：所有数据必须包含单位
2. **上下文保留**：数据必须保留原始上下文
3. **不确定性标注**：不确定的数据明确标注
4. **分类整理**：按类型分类整理
## 输出格式
```json
{
"verified_data": [
{
"category": "价格",
"items": [
{
"content": "具体内容",
"unit": "美元/人民币等",
"context": "购买什么/在什么情况下",
"certainty": "确定/不确定",
"line_number": 123,
"notes": "备注"
}
]
}
]
}
# 主编内容汇总
## 任务说明
汇总各subagent的分析结果，识别整体模式和重点。
## 汇总框架
1. **故事整合**：合并相关故事，识别重复主题
2. **数据整合**：统一数据格式，识别矛盾点
3. **主题分析**：识别核心议题和立场
4. **优先级排序**：根据重要性评分排序
## 输出格式
```json
{
"summary": {
"total_stories": 12,
"total_data_points": 92,
"main_themes": ["主题1", "主题2"],
"priority_items": [
{
"type": "故事",
"id": "故事1",
"importance": 10,
"reason": "情感强烈+数据支撑"
}
]
}
}
# 质量评估与反馈
## 评估维度
1. **完整性**：是否覆盖所有重要内容
2. **准确性**：是否忠实于原文
3. **深度**：分析是否深入
4. **结构**：输出是否清晰
## 反馈模板
```json
{
"assessment": {
"overall_score": 85,
"dimensions": {
"completeness": 90,
"accuracy": 85,
"depth": 80,
"structure": 90
},
"strengths": ["优点1", "优点2"],
"improvements": ["改进建议1", "改进建议2"],
"action_items": ["需要重新分析的部分", "需要补充的信息"]
}
}
# 复杂度评估与策略调整
## 评估指标
- 故事密度：每100行故事数量
- 数据密度：每100行数据点数量
- 情感强度：强烈情感表达频率
- 主题多样性：不同主题数量
## 调整策略
| 复杂度 | 分段策略 | 迭代次数 | 专项分配 |
|--------|----------|----------|----------|
| 低 | 大段(800行) | 1-2轮 | 少量专项 |
| 中 | 中段(600行) | 2-3轮 | 适量专项 |
| 高 | 小段(400行) | 3-4轮 | 多个专项 |
# 错误恢复策略
## 常见错误
1. **上下文不足**：扩大分析范围
2. **理解偏差**：提供更多上下文
3. **输出格式错误**：重新格式化
4. **质量不达标**：重新分析
## 恢复步骤
1. 识别错误类型
2. 提供补充信息
3. 调整分析范围
4. 重新分配任务
# 批量处理策略
## 优化原则
1. **相似内容批量**：相似主题的内容一起处理
2. **优先级批量**：高优先级内容优先处理
3. **依赖关系考虑**：有依赖关系的内容顺序处理
## 批量大小建议
- 初读阶段：4-6个subagent并行
- 深度挖掘：2-3个专项并行
- 质量检查：顺序处理
- 初读阶段：使用完整初读模板
- 快速扫描：内容简单时使用简化版
- 深度挖掘：重要故事使用故事模板
- 数据整理：数据密集时使用数据模板
所有{variable}需要在运行时替换为实际值：
{start_line},{end_line}{segment_number},{total_segments}{context_summary}{story_clues},{related_data}等
- 每个模板包含质量检查清单
- 输出必须包含原文行号引用
- 不确定信息必须明确标注
- 保持格式一致性
版本: 1.0
更新日期: 2026-02-01
作者: 主编协作系统