核心用法
PBE Extractor 是一款基于原则驱动蒸馏（Principle-Based Distillation, PBD）的智能分析工具，专注于从任意文本中提取"不变原则"——即那些能够经受重述测试、在不同表达中保持核心含义的思想。
典型使用场景包括：
- 从长篇文档、方法论或哲学论述中提取可复用的核心原则
- 对代码注释、技术文档进行语义压缩，保留精髓
- 识别内容中的重复模式与结构性洞察
- 将复杂知识蒸馏为可验证、可引用的原则陈述
操作流程：用户输入50词以上的文本（推荐200-3000词），系统执行三步提取：Bootstrap（无评判阅读）→ Learn（识别模式并测试不变性）→ Enforce（通过重述验证）。最终输出结构化JSON，包含原则陈述、置信度分级（高/中/低）、来源证据、语义标记及压缩率等元数据。
---
显著优点
1. 方法论严谨
- 明确区分"原则"（不变真理）与"观察"（单源发现），要求N≥2验证才能确认为有效原则
- 强制重述测试确保提取内容真正反映语义而非表面关键词
2. 透明度与可验证性
- 每项原则标注置信度、来源证据、语义标记，支持学术引用与溯源
- 压缩率量化（50-85%为优质区间），用户可直观评估信息损失
3. 结构化输出
- JSON Schema标准化输出，便于集成到知识管理系统、文档工具链或进一步分析
- 提供明确的"下一步"建议（如使用principle-comparator进行跨源验证）
4. 诚实的不确定性表达
- 明确承认"提取的是模式，非绝对真理"，避免过度自信
- 低置信度原则使用谨慎措辞（"这可能暗示..."）
---
潜在缺点与局限性
1. 验证瓶颈
- 单源提取的原则仅为N=1观察，需人工或额外工具进行跨源验证（N≥2）才能提升可靠性
- 系统本身无法验证原则的正确性，仅能确认其"不变性"
2. 压缩与 nuance 的权衡
- 高压缩率（>85%）可能丢失重要细节，需用户主动复核
- 对诗歌、高度隐喻性文本效果有限（更适合结构化、论述性内容）
3. 输入门槛
- 50词为硬性下限，200词以下效果受限
- 极度依赖上下文窗口，超长文本需分段处理
4. 无动态交互
- 相比essence-distiller等对话式替代方案，PBE Extractor更偏向批量处理，缺乏实时澄清机制
---
适合人群
- 技术写作者与文档工程师：需要将长篇技术文档提炼为核心原则
- 研究者与分析师：从方法论论文、哲学文本中提取可验证的理论框架
- 知识管理从业者：构建可溯源、可复用的原则库
- 产品经理与咨询师：快速压缩客户提供的冗长材料，识别核心诉求
不适合：追求绝对真理验证的场景（需配合外部事实核查）、创意写作中的风格保留、或极短文本的深度分析。
---
常规风险
| 风险类型 | 具体表现 | 缓解建议 |
|---------|---------|---------|
| **过度依赖风险** | 用户可能将N=1提取直接作为决策依据 | 始终标注"需验证"，强制提醒跨源比对 |
| **确认偏误放大** | 系统可能提取与用户预期相符的"模式" | 明确声明"识别结构，非正确性" |
| **信息损失盲区** | 高压缩下丢失的nuance难以自动检测 | 提供覆盖率检查与人工复核建议 |
| **术语误用** | "原则"一词被用于非不变性内容 | 严格的术语规则表与自动校验 |
总体评估：PBE Extractor 是一款方法论透明、输出结构化的知识蒸馏工具，其价值在于将隐性的文本结构显性化，而非替代人类判断。适合作为知识工作流中的"第一道工序"，但必须搭配验证环节使用。