用途
Content Refiner（The Fixer）是一个后置门禁工具（POST-GATE TOOL），用于将未通过 Gate 4 的内容转化为可通过的内容。它聚焦于削减冗长表达和修复连续性。
触发条件：Gate 4（Acceptance Auditor）返回 [FAIL]。 目标：修复字数或连续性问题（或两者）。 关键：在应用修复之前，先诊断失败原因。
关键：修复前诊断
不要盲目应用修复。Gate 4 失败的原因不同，需要不同策略。
步骤 0：识别失败原因（强制）
询问用户或检查 Gate 4 失败消息：
| 失败类型 | 问题 | 操作 |
|---|---|---|
| 字数 | 课程是否超过目标（通常 1500 词）？ | 计算需要削减的确切百分比 |
| 连续性 | 开头是否引用了上一课？ | 仅重写开头 |
| 两者 | 字数和连续性都出问题？ | 两阶段方法 |
诊断示例：
示例 1：仅字数 内容：1950 词，目标：1500 超出：450 词 削减百分比：(450 / 1950) × 100 = 23% → 精确削减 23%，而非笼统的 15-20%
示例 2：仅连续性 开头："Let's explore this new topic..." 问题：未引用 Lesson N-1 → 仅重写开头；不要削减字数
示例 3：两者 字数：1950（超出 23%） 开头：通用，缺少上一课引用 → 阶段 1：重写开头（从 Lesson N-1 中识别锚点） → 阶段 2：削减 23% 字数（上下文感知）
步骤 1：评估内容层级（上下文感知削减）
阅读课程的 frontmatter 以确定层级：
| 层级 | 削减策略 |
|---|---|
| L1（手动） | 保留基础解释；削减展开论述 |
| L2（AI 协作） | 保留 Try With AI 部分（核心）；削减叙述性填充 |
| L3（智能） | 保留模式洞察；削减解释性脚手架 |
| L4（规范驱动） | 保留规范细节；削减概念性脚手架 |
精炼流程（层级感知）
阶段 1：连接构建器（连续性修复）
如果开头通用，先做这一步。
公式：
In [Previous Lesson], you [SPECIFIC OUTCOME from Lesson N-1]. Now, we will [CONNECT outcome to new goal] by [STRATEGY].
验证：
- 开头按名称引用 Lesson N-1
- 具体成果（不是笼统的 "learned about..."）
- 清晰连接，说明本课为何重要（建立在 N-1 之上）
修复后：如果字数也不达标，继续进入冗余削减器。
阶段 2：冗余削减器（字数修复）
按以下顺序应用层级特定削减：
适用于所有层级：
- 删除冗余的 "Why This Matters" 部分
- 仅当揭示非显而易见洞察时保留
- 如果同一观点在正文和 "Why This Matters" 中都出现 → 删除 WTM
- 合并重复示例
- 查找重复解释
- 保留第一个，删除第二个
- 收紧段落间过渡
- 将 "As we discussed earlier, X..." 替换为直接引用
仅适用于 L1-L2（学生仍在打基础）： 4. 将 "Try With AI" 部分缩减为恰好 2 个提示
- 保留基础 + 一个进阶
- 删除探索性额外内容
- 保留教育脚手架（解释、示例）
仅适用于 L3-L4（学生已准备好进阶模式）： 4. 削减叙述性脚手架
- 保留模式洞察和规则
- 删除 "why this matters philosophically"
- 移除初学者级解释
- 假设学生已理解基础
适用于所有层级： 6. 单一类比规则：为概念保留最佳类比；删除冗余类比 7. 合并表格/文本：使用一种格式（表格或散文），绝不两者都用 8. 减少示例：保留 2-3 个最佳；删除 "also consider..." 9. 收紧列表：将 5 项列表转换为 3 个核心项
验证：
- 削减后字数：[目标 ± 5%]
- 未从 L1 课程中削减 L1 内容
- 未从 L3-L4 课程中丢失模式洞察
- Try With AI：L1-L2 为 2 个提示，L3-L4 保留全部
阶段 3：精炼后验证（关键）
应用修复后，验证内容现在通过 Gate 4：
✓ 字数检查： 当前：[X] 词 目标：[target_from_spec] 状态：[如果 ≤目标 ± 5% 则 PASS，超出则 FAIL]
✓ 连续性检查： 开头引用 Lesson [N-1]？[YES/NO] 提及具体成果？[YES/NO] 与新课程的连接清晰？[YES/NO]
✓ 层级适当性： 未从 L1-L2 削减基础内容？[YES/NO] 未从 L3-L4 丢失模式洞察？[YES/NO]
✓ 内容完整性： 删除的示例仍在其他地方解释？[YES/NO] 削减的部分非必要？[YES/NO]
下一步建议：
"Refined content is ready.
Word count: [after] (target: ≤[target]) Continuity: Now references Lesson [N-1]
Recommend re-submitting to acceptance-auditor for Gate 4 re-validation. Command: [provide re-validation instruction]"
输出格式
Refinement Report: [Lesson Name]
Diagnosis
Issue Found: [Word count | Continuity | Both] Layer: [L1/L2/L3/L4]
Metrics
| Metric | Before | After | Target | Status |
|---|---|---|---|---|
| Word Count | 1950 | 1485 | ≤1500 | ✅ PASS |
| Continuity | Generic opening | References Lesson 2 | Specific reference | ✅ PASS |
Fixes Applied
- Phase 1: Rewrote opening to reference "booking-agent implementation" from Lesson 2
- Phase 2: Deleted 240 words using layer-aware cuts:
- Removed redundant "Why This Matters" section (line 45, 120 words)
- Merged duplicate example (lines 67-89, 85 words)
- Cut 1 extra "Try With AI" prompt (35 words)
- Phase 3: Validated word count and continuity
Ready for Re-validation
✅ Word count: 1485 (≤1500) ✅ Continuity: Opening references Lesson 2 ✅ Layer integrity: All L2 AI examples preserved
Next: Re-submit to acceptance-auditor for Gate 4 validation
Refined Content
[Full refined lesson content]
适用场景
- 课程内容未通过 Gate 4 验收审计，需要修复字数或连续性问题
- 需要按内容层级（L1-L4）进行上下文感知的精简
- 需要修复课程开头与上一课的连接
限制
- 仅用于修复 Gate 4 失败，不适用于其他用途
- 必须先诊断失败原因，不能盲目应用修复
- 具体目标字数、层级定义等依赖外部规范（spec），工具本身未提供默认值
- 官方文本暂未提供