信息提取与精简工具

当你需要从大量文字或PPT文件中提取关键信息并生成桌面文本文档时，使用此技能。

工作流程

1. 接收文件

• 文本内容：直接分析用户提供的文字
• PPT文件（.pptx）：使用 extract-ppt.ps1 提取文字内容
• PPT文件（.ppt 旧格式）：使用 COM 方式或提示用户转换格式
• 超大文本：参见下方"超长文档处理"策略

2. 提取关键信息

分析内容时提取以下要素：

• 核心主题：文档/PPT 主要讲什么
• 关键要点：3-10 个最重要的观点或数据
• 行动项（如适用）：需要执行的事项
• 结论/总结：一句话总结

3. 精简原则

• 保留所有关键事实和数据
• 删除冗余描述和修饰性语言
• 使用结构化格式（标题、列表）
• 保留原文中的核心数字、日期、人名

4. 生成桌面文件

文件保存到用户桌面，命名规则：摘要_<原文件名或主题>_<日期>.txt

Windows 桌面路径：$env:USERPROFILEDesktop

PPT 内容提取

使用捆绑的 extract-ppt.ps1 脚本提取PPT文字内容：

基本提取（纯文字）

.extract-ppt.ps1 -PptPath "C:pathtofile.pptx" -NoCom

深度提取（含表格和备注）

.extract-ppt.ps1 -PptPath "C:pathtofile.pptx" -Deep -NoCom

• -NoCom：解压XML方式，无需安装PowerPoint，仅支持 .pptx
• -Deep：深度提取模式，额外提取备注、表格内容
• 不加任何开关：使用COM方式（需安装PowerPoint），支持 .ppt 和 .pptx
• 同时使用 -Deep 不加 -NoCom：使用COM深度提取，支持备注+表格

超长文档处理

对于非常大的文本，使用分块处理策略，防止遗漏关键信息：

分块规则

• 按段落或逻辑分隔符将文档分成多个块
• 每块约 3000-5000 字（中文）或 6000-10000 字符
• 保留重叠边界（每块包含上一块末尾的约100字）确保上下文连贯

处理流程

1. 读取全文，统计总字数
2. 若总字数超过阈值（约 5000 字），进入分块模式
3. 逐块提取关键信息
4. 合并所有块的关键信息，去重并生成最终摘要

叠加上下文示例

块1: [文档开头 ... 至 第5000字]
块2: [第4900字 ... 至 第10000字]
块3: [第9900字 ... 至 第15000字]

输出文件格式

================================
【摘要】<标题>
生成日期：<日期>
================================

核心主题
<一句话总结>

关键要点
1. ...
2. ...
3. ...

行动项
- [ ] ...

原文来源
<文件路径>
===============================
如需完整内容，请阅原文件。

资源

scripts/

• extract-ppt.ps1 — PowerShell 脚本用于提取 PPT/PPTX 文字内容，支持深度提取（备注、表格）