DEMO-AGENT/docs/详细设计/skill/章节点识别Skill.md

章节点识别Skill 设计

1. Skill 定位

章节点识别Skill 负责对已登记文档进行章节点和资料角色的初步识别，为目录汇总和后续法规完整性核查提供结构化字段。

本 Skill 使用规则优先，不依赖 LLM。后续可以在人工复核或复杂标题解析中引入模型辅助，但不作为 V1 必需能力。

英文实现标识建议使用 ChapterClassificationSkill，用于 Python 类名和 Tool Registry 注册处理器。

2. 输入

@dataclass
class ChapterClassificationInput:
    document_id: int
    original_filename: str
    relative_path: str
    file_type: str
    title_text: str | None = None
    manual_hint: dict = field(default_factory=dict)

3. 输出

@dataclass
class ChapterClassificationResult:
    document_id: int
    chapter_code: str | None
    chapter_name: str | None
    document_role: str | None
    declared_document_name: str | None
    confidence: str
    status: str
    evidence: list[dict]

4. 识别规则

4.1 章节点编码识别

从文件名和相对路径中识别：

1. CH1.2
2. CH1.4
3. CH1.5
4. CH1.9
5. CH1.11.1
6. CH1.11.5
7. CH1.11.6

正则示例：

r"CH\s*(\d+(?:\.\d+)*)"

4.2 章节名称识别

从相对路径中识别：

1. 第1章 监管信息
2. 第2章 综述资料
3. 第3章 非临床资料
4. 第4章 临床评价资料
5. 第5章 产品说明书和标签样稿
6. 第6章 质量管理体系文件

4.3 文档角色识别

关键词	document_role
监管信息目录	regulatory_information_catalog
申请表	application_form
产品列表	product_list
符合标准的清单	standard_compliance_list
真实性声明	authenticity_statement
符合性声明	conformity_statement
沟通的说明	pre_submission_communication
说明书	product_instruction

5. 核心方法

5.1 run(input) -> ChapterClassificationResult

主入口方法。

执行顺序：

1. 从相对路径识别章名称。
2. 从文件名识别章节点编码。
3. 从文件名识别文档角色。
4. 如有标题文本，则用标题补充识别。
5. 计算置信度。
6. 返回识别结果。

5.2 extract_chapter_code(text) -> str | None

从路径或文件名提取 CHx.x。

5.3 extract_chapter_name(relative_path) -> str | None

从目录层级识别章节名称。

5.4 detect_document_role(text) -> str | None

基于关键词和规则表识别文档角色。

5.5 calculate_confidence(matches) -> str

置信度规则：

1. 路径、文件名和标题一致：high
2. 文件名命中但路径缺失：medium
3. 只有关键词命中：low
4. 无法识别：manual_review_required

6. 技术实现

使用技术：

1. re
2. YAML 规则表
3. 可选 python-docx 首页标题抽取
4. Django 管理后台人工修正

建议规则文件：

configs/registration/chapter_classification.yaml

7. 落库字段

建议写入 RegistrationDocument：

1. chapter_code
2. chapter_name
3. document_role
4. declared_document_name
5. classification_confidence
6. classification_status
7. needs_manual_review

8. 异常处理

1. 文件名无章节点：尝试路径识别。
2. 路径与文件名冲突：标记待人工复核。
3. 识别为法规资料但批次为业务资料：标记潜在混入风险。
4. 同一文件命中多个角色：保留最高优先级角色，记录警告。

9. 测试要点

1. CH1.4 申请表.docx 识别为 CH1.4 和 application_form。
2. 第1章 监管信息/CH1.2 监管信息目录.docx 识别章节和目录角色。
3. 无章节点文件标记待人工复核。
4. 路径与文件名冲突时输出警告。