☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
✅ 必须从readme.md或docs/overview.md中搜索must、required等关键词定位隐式检查点，跳过示例性描述，按动词主语逆向推导并合并同类条件，用中文口语化表达生成分组检查清单，最后提交至git。
要从gemini开源项目介绍中准确提取并输出结构化检查清单，必须绕过模型对“介绍性文本”的泛化理解，直接锚定文档中隐含的验证维度与交付标准。
定位项目介绍中的隐式检查点
打开项目根目录下的 README.md 或 docs/overview.md，用 Ctrl+F 搜索关键词：must、required、ensure、verify、check、validation、prerequisite、compatibility、supported。这些词出现的位置，大概率对应待提取的检查项源头。
跳过所有以“例如”“比如”“如图所示”开头的句子——这类描述性内容不构成可执行检查项，强行纳入会导致清单虚化。
提取并标准化检查条目
方法一：逐句逆向推导动词主语
找到含 must 的句子（如：“The model must be quantized before deployment”），把主语“model”替换为检查对象，“quantized before deployment”压缩为动宾短语“已量化（部署前）”，形成条目：“✅ 模型已量化（部署前）”。
方法二：合并同类依赖条件
若文档中分散出现：“Python ≥ 3.10”“CUDA 12.1+”“PyTorch 2.3.0”三条要求，合并为单一条目：“✅ 运行环境：Python ≥ 3.10 + CUDA 12.1+ + PyTorch 2.3.0”，避免碎片化。
【注意：不要保留原文中的版本范围符号如“>=”或“~”】，统一改为中文口语化表达（如“不低于3.10”“12.1及以上”），否则后续自动化脚本解析会失败。
生成可执行的检查清单文档
第一步：新建空文件 CHECKLIST.md，写入一级标题 # Gemini 项目交付检查清单。
第二步：按逻辑分组插入二级标题，例如：## 环境依赖、## 模型加载、## 推理验证、## 日志与监控。分组依据是原始文档中段落标题或小节编号，不是主观归类。
第三步：在每个二级标题下，将上一步整理出的条目逐条写成带 ✅ 符号的无序列表，每条独占一行，不加编号、不加括号说明。例如：- ✅ 模型已量化（部署前）。
第四步：保存文件后，在终端执行 git add CHECKLIST.md && git commit -m "add verification checklist"。这一步必须做，否则后续 CI 流程无法识别新增检查项。
