数据密集型报告解说稿生成策略
这是一个专为中短篇专业报告、公司财报、券商研报、行业白皮书等数据密集型材料设计的视频文稿生成技能。它将繁杂的数据和表格转化为普通人听得懂、觉得有用的硬核解说视频。
本 Skill 是一个薄入口，负责把报告处理拆成几个可单独维护的模块：
- reading-and-extraction.md：高精度文本/表格抽取（结合本地提取/外部预处理）、数据对照表初始化与窗口化阅读。
- writing-standard.md：研报解说稿的开头、逻辑推导、数据口语化标准和最终 JSON 输出契约。
- revision-workflow.md：v1初稿、v2数据核对稿、Final终稿以及修改审计差分流程。
正文长度配置
这是本 Skill 中正文成稿长度的唯一真相来源。其他 Reference 不得重复写具体字数，只能引用本节。
draft_min_chars: 1000
final_target_chars: 1200
_draft_v1.txt保存前必须达到draft_min_chars。- 后续所有正文稿原则上不得低于
draft_min_chars。 - 最终 raw JSON 的
content目标长度按final_target_chars执行，total_length写实际content字符数。
主流程
不要一轮直接输出。按以下步骤执行，以保证数据真实性与文稿传播力：
- 提取与阅读：先读 reading-and-extraction.md。使用本地提取工具（如 PyMuPDF/fitz）解析 PDF 或直接读取已预先转换好的 Markdown 报告，划分 Bash 阅读窗口并 100% 读入。建立数据对照表以备后查。
- 确定逻辑切入点：静默提取报告核心问题（如行业危机、公司增长瓶颈、宏观异动），提取报告核心解释框架，并绑定一个跟受众高度相关的利益切入点（e.g. 这个数据对普通人意味着什么）。
- 撰写初稿：读 writing-standard.md，撰写达到
draft_min_chars的_draft_v1.txt，重点在于将冰冷的数据“翻译”为口语和逻辑因果。 - 结构与数据校验修订：读 revision-workflow.md。第二稿
_draft_v2_structure.txt确定后，直接保存为初步的_draft_final.txt。提取其中所有数据生成台账_data_check_ledger.json（初始为unchecked）。之后对照原文校验，直接在_draft_final.txt上进行局部订正/删改（更新状态为verified/abandon/corrected）。所有数据校验完成（无unchecked）后，定稿_draft_final.txt并记录_revision_audit.json差分审计。 - 打包输出 JSON：依据 writing-standard.md 的最终 JSON 输出契约生成最终 JSON。
自检要求
提交最终 JSON 前，静默确认：
- 数据对照表已完整建立，文稿中出现的每一个百分比、金额、比率等数字都在对照表中有精确出处。
- 数据检验台账
_data_check_ledger.json中所有条目的status均已更新（无unchecked），完成数据闭环。 - 开头在 100 字内给出了尖锐的问题或核心冲突，以及观众关心的利益承诺。
- 每约 250 字有一次逻辑推进，文笔口语化，删除了“本书提到”、“从上图可以看出”等 AI 总结词。
- 修订流程完备，每一轮的修改都在
_revision_audit.json中有清晰的 before/after。