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：<script> <style> <nav> <header> <footer> <aside> 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：<p> <h1>~<h6> <li> <article> <main> <section> 中的文本
微信公众号特殊处理：
正文集中在 <div id="js_content"> 内
优先提取该区域内容
质量检查
提取文本 < 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：
- pdftotext（最推荐）- 需要安装 poppler
- Python pypdf - 需要安装 pypdf
- 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