Skip to content

README.md

Latest commit

 

History

History
35 lines (25 loc) · 1.96 KB

README.md

File metadata and controls

35 lines (25 loc) · 1.96 KB
Raw

單字資料抽取

單字 JSON（src/data/vocab-lesson-N.json）由 vision 抽取流程產生，取代了舊的純文字解析。 核心理念：把「看圖判斷」外包給 agent —— agent(prompt, {schema}) 就是一個吃 prompt、吐結構化結果的函式，workflow 用 parallel 把每頁併發處理。

新增一課

  1. 把 N単語.pdf 放到專案根目錄。

  2. 在 .claude/workflows/vocab-extract.js 頂端編輯 TARGET（pdfPath + lesson 兩行），請 Claude Code 跑它：

    Workflow({ scriptPath: '<repo>/.claude/workflows/vocab-extract.js' })

    （新 session 也可用 Workflow({ name: 'vocab-extract' }) —— 具名註冊表在 session 啟動時掃描； 注意目前 runtime 的 args 通道不可靠，所以用頂端的 TARGET 區塊傳參，而非 args。）

    它會：

    • Prep：用 gen_anchors.py（pdfplumber）算出每頁的「字元錨集」。
    • Extract：每頁派一個 Sonnet 子代理「看圖」抽出結構化詞條（嚴格 schema）。
    • Merge：合併、配 lN-NNN id，並用錨集對 word/reading/meaning 做字元交叉校對，把可疑行（含子代理自報 uncertain）flag 出來。

  3. 人工複檢：Claude 對照 PDF 核對 flag 清單與可疑處（字元校對抓不到的「字在頁上但抄錯」要靠這關），必要時修正。

  4. 寫入 src/data/vocab-lesson-N.json（schema 見 docs/prd.md；accent 為陣列、section 數字用全形）。

  5. 跑 python scripts/test_vocab_data.py 驗證資料完整性（記得把新課加進 LESSONS）。

檔案

檔案 作用
../.claude/workflows/vocab-extract.js 具名 workflow（可重用、參數化）
gen_anchors.py 產生每頁字元錨集（pdfplumber，供交叉校對）
test_vocab_data.py 資料完整性測試（schema / golden / 字數 / section）

設計與決策紀錄：docs/superpowers/specs/2026-06-06-vision-vocab-extraction-design.md