PBE Extractor

核心用法

PBE Extractor 采用基于原则的蒸馏（Principle-Based Distillation, PBD）方法论，从任意文本中提取"不变性原则"——即那些能够经受重述考验的核心思想。用户只需提供文本内容（建议200-3000词），可选补充领域上下文和目标压缩级别，系统将自动执行三步流程：Bootstrap（无偏见阅读）、Learn（识别模式并测试不变性）、Enforce（通过重述验证）。

关键操作是重述测试：一个原则必须能用完全不同的语言表达而不改变含义。通过此测试的原则会被分配高/中/低三个置信等级，并生成标准化形式（如"I always tell the truth"→"Values truthfulness over comfort"），最终输出结构化的JSON结果，包含压缩率、原则清单及后续验证建议。

显著优点

1. 方法论严谨性：区别于简单摘要，PBD要求原则能通过"重述再生"验证，确保提取的是结构性认知而非关键词堆砌
2. 置信透明机制：显式标注证据强度（高/中/低），诚实承认不确定性，避免过度承诺
3. 知识管理友好：标准化归一形式支持跨文档比较，N≥2验证机制鼓励持续迭代
4. 完全本地处理：无外部API调用，数据仅在用户代理的模型信任边界内处理
5. 输出可审计：保留原始语句、来源证据、语义标记，支持回溯验证

潜在局限

• N=1起点限制：单源提取的原则仅为"观察"，未经交叉验证，不能视为确认真理
• 压缩损失风险：目标压缩率>85%时需人工复核，高抽象可能牺牲领域特异性
• 内容密度依赖：50词以下输入效果极差，结构化较差的内容（如纯叙事）提取率低
• 归一化边界：上下文绑定原则（如"周五不发布"）和数值阈值无法标准化，需人工判断
• 无真伪判断：系统只识别"模式"而非"正确性"，提取的谬误会被忠实地结构化呈现

适合人群

• 知识工作者：需要从技术文档、方法论材料中提炼可复用原则
• 研究者/分析师：处理多源文本时需结构化比较框架
• 开发者/技术写作者：维护代码注释、架构决策记录（ADRs）或最佳实践文档
• 学习者：希望通过"压缩即理解"深化对复杂材料的掌握

不适合：寻求客观真理验证、期望完全自动化决策、或处理高度敏感需绝对保密内容的场景。

常规风险

1. 认知锚定风险：系统化的JSON输出可能让用户过度信任低置信度推断
2. 语义漂移：归一化过程中可能丢失文化语境或情感色彩（如"honesty"vs"truthfulness"的细微差别）
3. 单点故障依赖：若底层LLM产生幻觉，提取的原则将继承其偏见
4. 验证惰性：明确建议"需N≥2验证"，但用户可能忽略next_steps中的比较建议直接应用结果
5. 领域误用：将适用于技术文档的方法套用于法律/医疗等强合规领域时，可能因"模式≠真理"的免责声明不足而触雷

核心用法

PBE Extractor 是一款基于"原则蒸馏（Principle-Based Distillation, PBD）"方法论的智能文本分析工具。其核心用法围绕三步流程展开：Bootstrap（无评判阅读）→ Learn（识别模式）→ Enforce（重述验证）。用户只需提供50字以上的文本内容（推荐200-3000字），即可启动原则提取流程。

具体操作上，用户可通过自然语言指令激活该技能，例如"提取这段内容的核心原则""压缩这段文档同时保留含义"或"找出其中的模式"。技能会自动分析文本的领域背景、结构特征和概念密度，识别候选原则并通过"重述测试"验证其不变性——即原则能否用完全不同的词汇表达而含义保持一致。最终输出包含结构化JSON结果，涵盖原则陈述、归一化形式、置信度等级、来源证据及压缩比率等元数据。

显著优点

方法论严谨性：该技能并非简单的摘要生成，而是建立在认知科学基础上的"压缩即理解"框架。通过强制要求原则" survive rephrasing"，确保提取的是真正可迁移、可复用的知识结构，而非表面的关键词堆砌。

置信度分级机制：创新性地引入三级置信体系（high/medium/low），明确标注每项原则的推断强度，帮助用户区分"原文明确陈述"与"模式隐含推断"，避免将推测当作定论。

零外部依赖的安全设计：纯Markdown实现，不调用任何外部API，所有分析依赖用户Agent已配置的LLM模型。这种架构消除了第三方数据泄露风险，特别适合处理敏感或专有文档。

可验证的知识演进路径：技能明确标记所有提取原则初始状态为N=1（单源观察），并主动建议用户通过配套技能（principle-comparator、principle-synthesizer）进行跨源验证，形成N≥2甚至N≥3的"黄金主原则"，构建可审计的知识可信度链条。

潜在缺点与局限性

N=1的固有不确定性：技能诚实地承认自身提取的是"模式"而非"真理"。单源提取的原则可能存在选择性偏差、作者盲spot或上下文依赖问题，必须经过外部验证才能提升可信度。

压缩-保真权衡困境：高压缩比（>85%）场景下存在本质信息损失风险。对于高度语境化、依赖特定数值阈值或复杂流程序列的内容，归一化处理可能产生语义漂移（semantic drift）。

输入质量敏感：低于200字的短文本难以产生多原则提取；高度文学化、隐喻密集或结构松散的内容可能导致识别失败。技能明确提示"NO_PRINCIPLES"错误场景，体现方法论的诚实性。

人工复核必要性：尽管输出结构化数据，技能仍强制要求"always review"——高压缩场景下丢失的微妙差别、低置信度推断的误判风险，均需用户主动介入判断，无法完全自动化。

适合的目标群体

• 知识管理者与方法论研究者：需要从大量文档、手册、方法论材料中提取可复用框架，构建个人或组织的知识库体系。
• 内容创作者与教育者：将复杂材料蒸馏为核心教学原则，设计课程大纲或编写高效学习指南。
• 产品经理与分析师：从用户反馈、竞品文档、行业报告中提取 invariant 需求模式，支撑决策而不被噪声干扰。
• 研究者与学术写作者：文献综述阶段快速提取各派核心主张，构建比较分析框架。
• 追求"真正的理解"而非"快速答案"的认知工作者：愿意投入额外验证成本，换取可迁移、可检验的知识结构。

使用风险

性能风险：原则提取涉及多轮LLM推理（内容分析→候选识别→归一化→重述测试→置信度评估），对于超长文本（接近上下文窗口上限）可能产生显著token消耗和延迟。

模型幻觉传导：尽管技能本身不生成内容，但其依赖的底层LLM可能在"重述测试"环节产生虚假通过——即表面词汇变化但实质含义已漂移，而系统未能识别。用户需保持对"normalized_form"的批判性审视。

过度归一化风险：强制归一化规则（Actor-agnostic、Imperative结构）可能削平文化特异性表达或个体风格差异，在特定人文、艺术、哲学文本处理中造成"扁平化"损失。

依赖项风险：极低——零第三方依赖，主要风险集中于用户Agent配置模型的可用性与版本一致性。

认知偏差固化：技能的高效可能诱使用户将N=1提取结果直接采纳，忽视"需要validation（N≥2）"的系统提示，形成"提取即真理"的错误认知习惯。建议建立"提取-标注-验证"的强制工作流。

---

综上，PBE Extractor 是一款方法论先进、设计诚实的知识提取工具，其价值不在于替代人类判断，而在于提供结构化的"第一遍理解"框架。适合追求认知深度而非信息吞吐量的用户，在正确的使用姿势（主动验证、接受不确定性）下，可成为个人知识管理系统的核心组件。