Book Analysis — 一键深度学习一本书

输入书名，自动并行采集六个维度的信息，交叉分析后输出深度学习笔记。

When to Use

当用户请求以下操作时触发：

• "分析《长安的荔枝》" / "学习《人类简史》"

• "帮我读《穷查理宝典》" / "读书笔记《三体》"

• "book analysis: Thinking, Fast and Slow"

• "XX这本书讲什么" / "XX值得读吗"

Phase 0: 解析输入

根据用户输入，识别以下信息：

书名

• 提取用户消息中的书名（去掉书名号《》或引号）

• 如果用户给了模糊描述，先执行下方「书籍定位流程」确认完整书名

书籍定位流程（必须执行，不可跳过）

第一步：豆瓣两步法（中文书首选，成功率最高）

Step 1: WebFetch https://m.douban.com/search/?query={书名}&type=book → 从返回页面中找 /book/subject/{数字ID}/ 格式的链接，提取 Subject ID

Step 2: WebFetch https://book.douban.com/subject/{Subject ID}/ → 从详情页获取：准确书名、作者、出版社、出版日期、ISBN、内容简介、书籍分类

成功后直接进入步骤3，不需要再做其他搜索。

第二步：当当网验证（豆瓣失败或需要交叉确认时使用）

WebFetch https://search.dangdang.com/?key={书名}&act=input → 获取 ISBN 和出版信息，与豆瓣数据交叉核对

第三步：模糊书名处理（书名不确定时使用）

• 用引号精确匹配核心词：WebSearch ""{书名中最独特的2-3字}" 豆瓣 图书 作者"

• 或搜索：WebSearch {书名} 书名 作者 出版社

• 确认书名后，再执行第一步豆瓣两步法

不推荐用于中文书籍：Google Books API、Open Library（对中文书收录极少，基本无效）

确定关键变量（后续所有 Agent 都需要用到）

• {book_name} : 完整书名

• {author} : 作者名

• {book_type} : 书籍类型

• {type_hint} : 类型适配提示（见下方）

• {date} : 当天日期，格式 YYYY-MM-DD

• {book_name_en} : 书名的英文或拼音形式（小写、连字符分隔），用于文件命名

类型适配提示（传给每个子代理）

• 小说/文学 → "这是文学作品，侧重分析叙事手法、人物塑造、主题隐喻，'解决方案'维度应聚焦主题启示与人生思考"

• 非虚构/经管 → "这是非虚构作品，侧重分析论点论据、方法论、可操作建议"

• 技术 → "这是技术书籍，侧重分析技术概念、实践方法、代码示例的适用场景"

• 历史 → "这是历史作品，侧重分析历史背景、因果链条、对当下的启示"

• 哲学 → "这是哲学作品，侧重分析核心命题、论证逻辑、思想流派关系"

• 科普 → "这是科普作品，侧重分析科学原理、研究方法、对大众认知的影响"

• 其他 → "请根据书籍内容自行判断分析侧重点"

如果无法确定书籍类型或作者，先用一次 WebSearch 快速查询，不要跳过这一步。

Phase 1: 并行数据采集 (6 个 Subagent)

关键要求: 以下 6 个 Task 必须放在同一条消息中发出，确保并行执行。

每个 Agent 使用 subagent_type: "general-purpose" 。

Agent 1: 章节结构与逻辑关系

description: "分析{book_name}章节结构"

prompt 模板:

你是书籍结构分析专家。请分析《{book_name}》（{author}）的章节结构和内在逻辑关系。

类型提示：{type_hint}

任务:

1. 使用 WebSearch 搜索以下关键词（至少搜 2 次不同关键词）:

   • "{book_name} 目录 章节"
   • "{book_name} 结构分析" 或 "{book_name} table of contents"

2. 使用 WebFetch 访问至少 1 个包含详细目录的页面，验证章节信息

3. 整理以下信息:

   章节概览:

   • 列出所有章节（或主要部分），每章附一句话概要
   • 如果章节过多（>20章），可按"部/篇"分组概括

   逻辑关系:

   • 章节之间的逻辑关系类型（递进、并列、因果、转折、总分）
   • 全书叙事/论证主线（一段话描述）
   • 关键转折点或高潮章节

输出要求:

• 章节列表用「章节号 | 标题 | 概要」格式
• 逻辑关系用文字描述，标明关系类型
• 控制在 600 字以内
• 全部使用中文输出
• 标注信息来源: 注明来源网站名称及原始链接

Agent 2: 背景与要点

description: "研究{book_name}背景与核心观点"

prompt 模板:

你是书籍研究专家。请研究《{book_name}》（{author}）的创作背景和核心要点。

类型提示：{type_hint}

任务:

1. 使用 WebSearch 搜索以下关键词（至少搜 2 次不同关键词）:

   • "{author} {book_name} 创作背景"
   • "{book_name} 核心观点" 或 "{book_name} 书评 要点"

2. 使用 WebFetch 访问至少 1 条高质量书评或访谈原文，验证内容

3. 整理以下信息:

   作者与创作背景:

   • 作者简介（生平、代表作、专业领域）
   • 写作动机与创作契机
   • 时代/社会背景（出版年代的相关背景）

   核心要点:

   • 提炼 3-5 个核心要点/论点
   • 每个要点附 1-2 句展开说明
   • 标注该要点主要体现在哪些章节

输出要求:

• 作者简介控制在 100 字以内
• 核心要点用编号列表
• 控制在 600 字以内
• 全部使用中文输出
• 标注信息来源: 注明来源网站名称及原始链接

Agent 3: 问题与影响

description: "分析{book_name}提出的问题与影响"

prompt 模板:

你是文化评论专家。请分析《{book_name}》（{author}）提出或揭示的关键问题及其影响。

类型提示：{type_hint}

任务:

1. 使用 WebSearch 搜索以下关键词（至少搜 2 次不同关键词）:

   • "{book_name} 问题 思考"
   • "{book_name} 影响 意义" 或 "{book_name} 书评 评价"

2. 使用 WebFetch 访问至少 1 条深度书评或学术评论，验证观点

3. 整理以下信息:

   关键问题:

   • 书中提出或揭示的 3-5 个核心问题
   • 每个问题的影响范围（个人/行业/社会）
   • 这些问题在当下是否仍然有现实意义

   社会反响与影响:

   • 出版后的社会讨论和反响
   • 获奖情况、销量、翻译语种等影响力指标
   • 争议观点（如有）

输出要求:

• 问题按重要性排序
• 影响分析要具体，避免空泛
• 控制在 600 字以内
• 全部使用中文输出
• 标注信息来源: 注明来源网站名称及原始链接

Agent 4: 解决方案与实施建议

description: "提取{book_name}的启示与实践建议"

prompt 模板:

你是知识应用专家。请提取《{book_name}》（{author}）中的解决方案、启示和可实践的建议。

类型提示：{type_hint}

任务:

1. 使用 WebSearch 搜索以下关键词（至少搜 2 次不同关键词）:

   • "{book_name} 启示 收获"
   • "{book_name} 读后感 实践" 或 "{book_name} takeaways"

2. 使用 WebFetch 访问至少 1 篇高质量读后感或实践分享，验证内容

3. 整理以下信息:

   书中的思路/方案:

   • 书中针对核心问题提出的思路或方案
   • 如果是文学作品，提取主题层面的启示和人生思考
   • 方法论或思维框架（如有）

   读者行动建议:

   • 3-5 条具体可操作的实践建议
   • 每条建议注明适用场景和局限性
   • 按难易程度排序（从易到难）

输出要求:

• 方案和建议要具体可操作，避免泛泛而谈
• 文学作品侧重思想启示，非虚构侧重方法论
• 控制在 600 字以内
• 全部使用中文输出
• 标注信息来源: 注明来源网站名称及原始链接

Agent 5: 术语与索引

description: "整理{book_name}关键术语索引"

prompt 模板:

你是知识整理专家。请整理《{book_name}》（{author}）中的关键术语和重要概念索引。

类型提示：{type_hint}

任务:

1. 使用 WebSearch 搜索以下关键词（至少搜 2 次不同关键词）:

   • "{book_name} 关键概念 术语"
   • "{book_name} 名词解释" 或 "{book_name} glossary key concepts"

2. 使用 WebFetch 访问至少 1 个包含术语解释的页面，验证定义准确性

3. 整理以下信息:

   术语索引表:

   • 列出书中 10-20 个关键术语/概念/人名/地名
   • 每个条目包含: 术语名称、简要定义（1-2句）、所在章节
   • 按首次出现的章节顺序排列

   核心概念关联:

   • 标注哪些术语之间存在关联（如: A是B的前提，C是D的应用）

输出要求:

• 术语表格式: 「术语 | 定义 | 出现章节」
• 定义简洁精确
• 控制在 600 字以内
• 全部使用中文输出
• 标注信息来源: 注明来源网站名称及原始链接

Agent 6: 延伸阅读

description: "推荐{book_name}相关阅读"

prompt 模板:

你是阅读顾问。请为《{book_name}》（{author}）推荐延伸阅读书目。

类型提示：{type_hint}

任务:

1. 使用 WebSearch 搜索以下关键词（至少搜 2 次不同关键词）:

   • "{book_name} 类似书籍 推荐"
   • "{author} 其他作品" 或 "{book_name} similar books recommended"

2. 使用 WebFetch 访问至少 1 个书单推荐页面，验证推荐理由

3. 整理以下信息:

   同作者作品:

   • 列出作者的其他代表作（2-3本），附一句话说明与本书的关联

   同主题推荐:

   • 5-6 本主题相关的书籍
   • 每本包含: 书名、作者、一句话关联说明（为什么推荐、与本书的关系）
   • 涵盖不同难度和视角

输出要求:

• 推荐理由要说明与本书的具体关联，不能泛泛说"也很好"
• 优先推荐经典作品和高评分作品
• 控制在 500 字以内
• 全部使用中文输出
• 标注信息来源: 注明来源网站名称及原始链接

Phase 2: 综合分析 (主线程)

等待 6 个 Agent 全部返回后，在主线程中完成以下分析。

Step 1: 信息汇总

将 6 个 Agent 的结果整合，识别：

• 各维度之间的 一致性信号（如: 多个来源提到同一核心观点 = 高置信度）

• 各维度之间的 补充关系（如: Agent 2 提到的核心要点可以与 Agent 1 的章节结构对应）

• 各维度之间的 矛盾信号（如: 不同来源对某观点的评价截然不同 = 需要标注争议）

• 同时整理各 Agent 返回的所有来源 URL，汇总到来源列表，用于报告末尾「参考来源」区块

Step 2: 交叉关联

在 6 个维度之间建立关联：

• 要点 <-> 章节映射: 将核心要点（Agent 2）标注到对应章节（Agent 1）

• 问题 <-> 方案对应: 将问题（Agent 3）与解决方案（Agent 4）一一对应

• 术语 <-> 内容锚定: 验证术语索引（Agent 5）的章节标注与实际章节结构（Agent 1）一致

• 延伸阅读关联: 将推荐书目（Agent 6）与本书核心主题关联

Step 3: 核心结论提炼

基于以上分析，撰写 3-5 句话的核心结论：

• 这本书最核心的价值是什么

• 最值得关注的 1-2 个观点

• 最适合什么样的读者

Phase 3: 输出报告

按以下 Markdown 格式输出最终报告：

《{book_name}》深度学习笔记

作者：{author} | 类型：{book_type} | 分析日期：{date}

核心结论

{3-5 句话总结这本书最值得了解的内容，包含核心价值、关键观点和适合的读者}

一、章节结构与逻辑关系

章节概览

逻辑主线

{描述全书的叙事/论证脉络，标明章节间的逻辑关系类型（递进、因果、并列、转折等）}

二、背景与要点

作者与创作背景

{作者简介、写作动机、时代/社会背景}

核心要点

1. {要点一}：{展开说明}（见第X章）
2. {要点二}：{展开说明}（见第X章）
3. {要点三}：{展开说明}（见第X章） ...

三、问题与影响

关键问题

1. {问题一}：{问题描述} → 影响范围：{个人/行业/社会}
2. {问题二}：{问题描述} → 影响范围：{个人/行业/社会}
3. ...

社会反响

{出版后的讨论、获奖、争议等}

四、解决方案与实施建议

书中的思路/启示

{书中针对核心问题的思路、方法论或主题启示}

读者行动建议

1. {建议一}（难度：⭐）：{具体描述} — 适用场景：{场景}
2. {建议二}（难度：⭐⭐）：{具体描述} — 适用场景：{场景}
3. {建议三}（难度：⭐⭐⭐）：{具体描述} — 适用场景：{场景} ...

五、术语与索引

六、延伸阅读

参考来源

• 章节结构: {来源标题}, ...
• 背景要点: {来源标题}, ...
• 问题影响: {来源标题}, ...
• 方案建议: {来源标题}, ...
• 术语索引: {来源标题}, ...
• 延伸阅读: {来源标题}, ...

本笔记由 AI 自动生成，建议结合原书阅读。

Markdown 填写规则:

• 将模板中的占位符替换为实际数据

• 核心要点标注对应章节，方便回查原书

• 术语表按首次出现顺序排列

• 读者行动建议按难度从易到难排列

• 「参考来源」区块必填：将 6 个 Agent 返回的所有来源链接按维度分组填入；不得省略、不得使用占位符 URL

将报告保存为文件: ./{book_name_en}-book-analysis-{date}.md ，保存在当前工作目录。

文件名规则: {book_name_en} 使用书名的英文或拼音形式（小写、连字符分隔），例如：

• 《长安的荔枝》→ changan-lychee

• 《人类简史》→ sapiens

• 《三体》→ three-body

• Thinking, Fast and Slow → thinking-fast-and-slow

Error Handling

• Agent 超时或失败: 如果某个 Agent 未返回结果，在报告中标注该维度为"数据不足，建议读者自行查阅"，其余维度照常分析

• 书名无法识别: 提示用户确认书名，可给出模糊匹配建议

• 小众/新书信息不足: 如果搜索结果极少，合并相关维度，减少重复的"信息不足"提示

• 多版本/多译本: 如遇同一本书有多个版本或译本，优先分析最知名/最新版本，并注明版本信息

Notes

• 每个 Agent 的输出严格限制字数，防止主线程上下文溢出

• 综合分析阶段重在 交叉关联，而非简单拼接 6 个维度的结果

• 术语索引的章节标注需与 Agent 1 的章节结构一致

• 核心结论应帮助读者判断"这本书是否值得我花时间读"

• 全部输出使用中文