Huanyu-Hibiki sy-decompose · 拆解书籍（节级精读目录）
把"整本书"切成"对我最有价值的几节"。
知识库根目录
<知识库根>：① 本次会话用户显式指定 → ② 当前 Agent 打开的项目路径下有知识库标志（阅读笔记/log.md或阅读笔记/_system/用户阅读报告.md）→ ③~/.shendu-yuedu/config.json的 kb_root（问用户是否沿用）→ ④ 默认当前 Agent 打开的项目路径。权威定义见01-init/SKILL.md「知识库根目录解析协议」。
前置（必做）
- 读
<知识库根>/阅读笔记/_system/用户阅读报告.md，取身份/目标/已有储备/应用场景。- 冷启动分支（报告不存在）：不阻塞——现场问用户 3-4 个最小问题（身份 / 这本书的核心目标 / 该领域已有储备 / 应用场景），据此拆解，并在拆解文件顶部标注「档案待补：建议先跑 sy-init 建档」。
- 校验书名是否在 Hub 的"在读书目索引"里：
- 在 → 继续，复用该书的核心目标
- 不在 → 先问用户"这本书的核心目标是什么"（避免读完才发现偏离），把书加入 Hub 索引后再继续
- 问/确认书的元信息：书名、作者、出版社（可选）、类别。
推理框架（Tree-of-Thoughts + Chain-of-Verification）
Step 1 知识检索与结构推断
- 确认知道该书 → 列真实章节结构（到节级 X.X）
- 不确定 → 基于元信息推断最可能架构，明确标
[推断] - 完全推断不出 → 明说，基于类别给典型结构作参考
置信度门控（防节级编造）：Step 1 完成后先自评置信度。
- 高（你确信真实章节结构）→ 直接进 Step 2 打分。
- 中/低（多数节要靠 [推断]）→ 先自助取真实目录，取不到再问用户（2026-08-18 实战跑通）：
- Playwright MCP 浏览器 → cn.bing.com 精确短语搜索（书名必须加英文双引号，如
"价值心法"；不加引号会被分词成单字，返回百科/词典泛结果）→ 认出weread.qq.com/web/reader/链接 → 打开 → 点「目录」按钮 → evaluate 抽取章节文本。详细配方见references/catalog-self-retrieval.md；百科/豆瓣摘要可交叉验证出版社/出版年/页数/ISBN。- 自助取失败（登录墙/人机验证/查无此书/Playwright MCP 或浏览器不可用）→ 停下请用户从微信读书/豆瓣/实体书目录页贴一下真实目录，再基于真目录打分。这比让 AI 猜节名靠谱 10 倍，也避免后续预读/精读都建在编造的节名上。用户不愿贴就用推断版，但目录文件顶部必须醒目标注"结构为推断，建议核对"，且 🔴 推断版落盘前必须向用户展示结构来源与置信度评估，用户确认接受才写入。
- ✅ 微信读书网页版目录可抽到节级：
readerCatalog_list_item元素带level_1/2/3（章/小节），必须全量提取、禁止内容过滤正则（v1 事故正因过滤正则把小节全滤掉，2026-08-18 用户拆穿后返工）。完整代码与完整性自检见references/catalog-self-retrieval.md。
Step 2 多路径价值评估（每节打分 1-5）
- 目标匹配度（直接支持用户核心目标的程度）
- 实践转化率（能直接变成行动的程度）
- 知识缺口填补（补用户当前盲区的重要性）
- 前置依赖（是否需先读他节）
Step 3 优先级排序
- P0 必读：目标匹配≥4 且 实践转化≥4，无未满足依赖
- P1 重点：目标匹配≥3 且 实践转化≥3，或重要但有依赖
- P2 选读：扩展视野，与目标间接相关
- P3 跳过：与目标无关 或 用户已掌握
- 输出预算：P0/P1 逐节全列；P2/P3 只给章级汇总行（一行一章+一句理由），不逐节展开——防 40+ 节大书输出超长
Step 4 验证（CoV 四重）
- 存在性：每节是否可能真实存在？不确定标
[待确认] - 逻辑：阅读顺序是否尊重前置依赖？有无"先读B才懂A"却A排前
- 冗余：多节覆盖同一知识？只留最精炼的
- 完整性：有没遗漏对核心目标至关重要的领域
输出：<知识库根>/阅读笔记/YYYY-MM/<书名>/00-拆解目录.md
---
type: 拆解目录
title: <书名>·节级精读目录
description: 一句话（核心目标+建议阅读量）
tags: [深度阅读, <书名>]
timestamp: YYYY-MM-DD
resource: 可选，书源与版次（微信读书/豆瓣/纸书）
---
## 📚 书籍概览
书名/作者/结构来源（已知真实/[推断]/类别参考）/置信度（高中低）
## 🎯 阅读策略总览
- 核心目标（概括）
- 建议总阅读量（X节，约占全书Y%）
- 预计精读时间（按用户节奏估算）
## 📋 精读目录（按推荐顺序）
### 🔴 P0 必读
| 原书章节 | 节标题 | 推荐理由（扣紧用户目标） | 预计时间 | 依赖前置 |
### 🟠 P1 重点（同结构）/ 🟡 P2 选读 / ⚪ P3 跳过（P2/P3 按输出预算只给章级汇总行，跳过列写"跳过理由"）
## ⚠️ 不确定性与建议
- 结构置信度说明
- [待确认] 章节清单
- 补充建议（搭配阅读/若书中无X节怎么办）
真实目录与同作者相近书名 Pitfalls（2026-07-29 用户纠错）
- 用户提供目录截图/PDF 目录后，立刻以用户目录为准更新拆解文件：不要继续保留“待核对译名”；应把公开英文目录降级为交叉核对来源。
- 没有微信读书不等于没有书：用户可能用 PDF/实体书目录。路径仍按 Obsidian 阅读笔记基准落盘。
- 同作者相近标题要区分：Oliver Burkeman 的《四千周》(Four Thousand Weeks) 是时间哲学主书；《四周》(Meditations for Mortals / Four Weeks) 是 28 天实践手册。前者负责“想明白”，后者负责“练起来”，不要混为同一本。
- 章节级拆解可先做，但必须标明结构来源：若只有公开目录则写“公开英文目录”；若用户给截图则写“用户提供 PDF 目录截图”。
约束
- 绝对禁止编造：不确定就标
[推断]/[待确认]，绝不假装确定 - 推荐理由必须个性化：扣紧用户目标，禁用"这节很重要"这种空话
- 节级精度：到 X.X，不到章。无法确定就说明并给章级方向
- 阅读顺序逻辑自洽：考虑前置依赖
- 版本对齐（2026-08-18 教训）：目录以用户实际阅读载体为准（微信读书/纸书/PDF 存在差异，实测第一章小节数 7↔9、用字"制定↔制订"）；用户贴目录来对照时逐条 diff 并把差异写进拆解文件备注——AI 抓到的电子版不天然权威，不默认自己更准
沉淀动作
- 写到
<知识库根>/阅读笔记/YYYY-MM/<书名>/00-拆解目录.md（目录不存在则创建），文件头带 OKF frontmatter（见输出模板）。 - 回写 Hub"在读书目索引"：加该书一行，进度=已拆解；链接写法遵循 Hub 报告「知识库工具链」的链接规范。
- 追加
阅读笔记/log.md一条：## [YYYY-MM-DD] decompose | <书名>·一句话（结构来源与置信度）。
人 × AI 分工
- 人：确认元信息、给该书核心目标、审目录是否靠谱
- AI：检索/推断结构、打分排序、四重验证、写目录
下一步
强烈推荐运行 sy-preread（预读）——把 P0/P1 目录转成问题清单+实践钩子，带着问题去读。