用途
Conversation-to-Content Pipeline 用于将 AI 对话、聊天记录和会话日志转化为可发布的内容，包括博客文章、文档、教程和知识库条目。它解决的核心问题是：对话本身包含有价值的信息，但以零散、口语化、带有过程痕迹的形式存在，无法直接发布。该技能通过一系列处理步骤，把原始对话提炼为结构清晰、语气一致的成稿。
主要能力
内容类型分类：根据对话中的信号识别内容类型，例如逐步解决问题对应教程/操作指南，评估选项与选择方案对应决策记录（ADR 或技术笔记），解释代码与审查变更对应文档，新颖观察对应博客文章或随笔，重复问答对应 FAQ 或知识库，故障排查对应事件报告。
关键节点识别：通过预设的信号词识别对话中的重要时刻，包括洞察（如"I realized""The key insight is"）、决策（如"Let's go with""The best approach"）、学习（如"TIL""Turns out"）、警告（如"Watch out for""Common mistake"）、总结（如"In summary""Key points"）。技能中提供了 identify_key_moments 函数作为实现示例。
重构：将对话的线性结构重新组织为文章结构。例如把"用户询问断路器 → 代理解释概念 → 用户问实现 → 代理提供代码 → 用户问测试 → 代理解释测试策略 → 用户确认理解"的对话，重构为引言、概念说明、实现、测试策略、关键要点等章节。
代码提取与注释：从对话中提取围栏代码块（支持识别语言标记），并保留代码块前的上下文文本。技能中提供了 extract_code_blocks 函数作为实现示例。
润色与语气规范化：对话中混合了闲聊与技术内容，需统一为一致的编辑语气。文档给出了对照示例，例如"So basically what happens is..."改为"The process works as follows:"，移除过程性表述（如"Let me try another approach"），保留修正结果但移除错误过程。
内容质量检查清单：包括代码示例经过测试且可用、移除对话中的填充内容和岔路、语气一致、技术准确性已验证、补全缺失的上下文假设、添加链接和引用、引言提供动机、结论总结要点。
输出格式化：提供博客文章模板（含 title、date、tags、source_session 元数据，正文分引言、章节、结论）和知识库条目模板（含最后更新日期、来源会话、快速答案、详细解释、示例、另见）。
批量处理：提供 process_session_archive 异步函数示例，遍历会话目录中的 jsonl 文件，识别关键节点，跳过无可提取内容的会话，进行分类、重构、润色并输出 Markdown 文件。
使用方式
技能本身定义了管道流程（原始对话 → 提取 → 重构 → 润色 → 格式化 → 发布）以及各阶段的实现函数与模板。文档中给出的代码示例（KEY_MOMENT_SIGNALS、identify_key_moments、extract_code_blocks、process_session_archive）展示了参考实现方式。具体的安装命令、调用命令与集成方式在提供的资料中暂未说明。
适用场景
- 将 AI 助手会话中的技术讨论整理为博客文章
- 从聊天记录中提炼 FAQ 或知识库条目
- 将逐步排障过程整理为事件报告
- 将代码讲解与评审讨论整理为文档
- 批量处理会话归档，筛选出有发布价值的内容
限制与注意事项
文档明确列出了反模式：不要发布原始对话记录，必须重构和润色；不要丢失叙事线索，对话有隐含结构需显式化；不要保留错误未经修正，只保留最终正确版本；不要缺少归属说明，始终注明内容源自 AI 对话；不要忽略上下文，对话预设共享背景需为读者显式说明；不要一对一映射，一次对话可能产出多篇文章，或多篇对话合并为一篇。此外，具体支持的平台、价格、集成方式在资料中暂未提供。