核心功能
large-document-reader 是一款专为解决AI上下文窗口限制而设计的长文档智能处理工具。该技能通过三阶段工作流，将学术论文、技术报告或书籍等超长文档转化为结构化、可检索的知识库：
1. 智能分章（Phase 1）
自动识别文档的标题层级结构（如 #、##、1.、1.1），按章节边界拆分为独立文本文件，采用 {序号}_{章节名}.md 命名规范，统一存放于 ./chapters/ 目录。
2. 结构化摘要生成（Phase 2）
为每章生成机器可读的JSON格式摘要，包含章节ID、标题、200-300字核心摘要、关键词、关键论点及相关章节引用，存储于 ./summaries/ 目录。
3. 全局索引构建（Phase 3）
聚合所有章节摘要数据，生成 MASTER_INDEX.md 作为"鸟瞰视图"，支持快速导航和跨章节问答。
---
显著优势
- 突破上下文瓶颈：通过"摘要层+原文层"双层架构，彻底解决大模型token限制问题
- 高效检索：全局查询仅需加载索引文件，特定问题可精准调取单章全文
- 可复用知识库：生成的文件结构可直接作为持久化知识管理系统
- 机器友好：JSON结构化输出便于后续自动化处理和API集成
局限性与风险
- 分章准确性依赖：自动识别可能误判非标准格式的文档结构
- 摘要信息损耗：200-300字摘要可能遗漏章节内的细节论据
- 用户操作门槛：需理解"全局索引vs单章原文"的双层查询策略
- 文件管理成本：大量章节会产生较多文件，需配套文件系统管理
适用人群
- 研究人员处理长篇学术论文、综述文献
- 知识管理者构建可检索的企业文档库
- 开发者需将书籍/手册集成至RAG系统的场景
- 任何需要AI"读完一整本书"的用户
安全评估
该技能仅涉及文档结构转换与摘要生成，无外部网络调用、无代码执行、无敏感数据泄露风险，属于纯文本处理类工具。