中文内容智能总结 China Summarizer

支持本地文件和网页内容的智能总结。 使用 OpenClaw 当前加载的模型进行总结，无需任何额外配置。

触发时机

• "帮我总结这篇文章：[URL]"
• "这篇公众号讲了什么：[URL]"
• "总结一下这个文件：/path/to/file.pdf"
• "提炼这份文档的核心内容：/path/to/file.docx"
• 用户粘贴一段文字，要求提炼要点

Step 1：识别内容源

包含 http:// 或 https:// → 网页/公众号 → [网页流程]
路径包含 .pdf            → 本地 PDF   → [PDF流程]
路径包含 .docx           → 本地 Word  → [Word流程]
路径包含 .txt / .md      → 本地文本   → [文本流程]
用户直接粘贴文字          → 直接进入   → [总结流程]

[网页/公众号流程]

网页抓取

使用浏览器工具抓取网页内容。

提取正文

从 HTML 提取纯文本，处理规则：

去除：\x3Cscript> \x3Cstyle> \x3Cnav> \x3Cheader> \x3Cfooter> \x3Caside> 及其内部内容
去除：HTML 注释、HTML 标签（保留标签内文字）
去除：连续空行（多个空行合并为一个）
保留：\x3Cp> \x3Ch1>~\x3Ch6> \x3Cli> \x3Carticle> \x3Cmain> \x3Csection> 中的文本

微信公众号特殊处理：
  正文集中在 \x3Cdiv id="js_content"> 内
  优先提取该区域内容

质量检查

提取文本 \x3C 200 字：
  → 页面为 JS 动态渲染，无法获取正文
  → 告知用户：该页面需要 JavaScript，无法直接抓取
  → 建议：将文章内容复制粘贴后再请求总结

提取文本 ≥ 200 字：
  → 进入 [总结流程]

支持情况说明

✅ 通常可以直接抓取：
  微信公众号（mp.weixin.qq.com）
  知乎专栏（zhuanlan.zhihu.com）
  博客园（cnblogs.com）
  CSDN 博客（blog.csdn.net）
  简书（jianshu.com）
  少数派（sspai.com）
  36氪、虎嗅、澎湃等新闻网站
  政府/机构官网静态页面

⚠️ 可能失败（JS渲染）：
  今日头条、微博、部分知乎回答
  → 遇到时引导用户手动复制文本

[本地 PDF 流程]

按顺序尝试，成功即停止：

1. pdftotext（最推荐）- 需要安装 poppler
2. Python pypdf - 需要安装 pypdf
3. Python pdfminer - 需要安装 pdfminer

全部失败时提示：

请安装 PDF 解析工具：
  macOS:   brew install poppler
  Ubuntu:  sudo apt install poppler-utils

提取结果为空或乱码时：

该 PDF 可能是扫描版（图片型），文本提取工具无法处理。
建议：使用 OCR 工具处理，或手动复制文字后粘贴总结。

[本地 Word 流程]

使用 Python python-docx 库读取 Word 文档。

失败时提示：

需要安装 python-docx 库（用户需手动安装）

[本地文本流程]

直接读取文件内容。

[总结流程]

获取到纯文本后，根据内容类型选择对应模板进行总结。

内容类型判断：

包含大量代码/命令/配置   → 技术文章模板
包含时间/地点/人名/事件  → 新闻简报模板
包含研究方法/数据/结论   → 学术报告模板
其他                     → 通用总结模板

输出格式（通用）：

📝 内容总结
━━━━━━━━━━━━━━━━━━━━
来源：[文件名 / URL]
提取字数：约 X 字

【核心观点】
（1-3句话，概括最重要的结论）

【主要内容】
• 要点1
• 要点2
• 要点3
（3-7条，视内容长度而定）

【关键信息】
（具体数字、时间、人名、结论等值得记录的细节）

【一句话总结】
（用一句话概括全文精髓）

内容过长（> 8000字）时：

1. 将内容分为若干段（每段约2000字）
2. 对每段先生成段落摘要
3. 再对所有段落摘要做最终汇总

总结质量要求

✅ 保留原文所有具体数字、时间、人名
✅ 忠实原文，不添加原文没有的内容
✅ 用中文输出（无论原文是何语言）
✅ 长文总结控制在 500 字以内
✅ 逻辑清晰，层次分明

❌ 不用"本文介绍了..."等废话开头
❌ 不泛泛而谈，要有实质信息
❌ 不遗漏核心数据和结论

Notes

• 使用 OpenClaw 当前模型进行总结
• 无需额外 API Key
• 支持中英文内容
• 网页抓取可能因 JS 渲染失败，引导用户手动复制