核心用法
Transcript Triage 是一种工作流自动化技能，用于将外部AI对话（如Claude、ChatGPT等）的转录文本转化为结构化的可执行任务。用户通过触发词（"triage transcript"、"parse conversation"等）启动流程，AI自动解析Markdown格式的对话记录，提取话题、决策点和行动项，并按紧急×重要矩阵分类为四档：
| 分类 | 定义 | 去向 |
|------|------|------|
| **NOW** | 当前迭代需立即处理 | 写入 epic-notes/ |
| **LATER** | 未来迭代规划 | 建议至 ROADMAP |
| **BACKLOG** | 创意/灵感池 | 待激活 |
| **DECISIONS** | 已达成共识的记录 | 归档至 memory/ |
显著优点
1. 桥接断点：解决"外部AI聊了很多，内部Jira一片空白"的协作断层
2. 自动化分类：减少人工筛选的认知负荷，按预设规则直接路由
3. 上下文保全：DECISIONS分类确保讨论结论不随对话结束而丢失
4. 低摩擦集成：输出格式兼容标准Markdown，可直接写入Git-based知识库
潜在局限
- 依赖输入质量：非结构化/口语化严重的转录会漏检关键决策
- 分类规则刚性：NOW/LATER的边界需人工复核，自动化可能误判业务优先级
- 无原生加密：转录内容可能含敏感信息，需配合外部保密流程
- 版本早期：v0.1.0 draft状态，API稳定性与错误处理机制待验证
适合人群
- 技术负责人/产品经理：需快速同步外部AI咨询结论至团队看板
- 个人知识管理用户：高频使用多AI工具，需要统一收件箱
- 开源项目维护者：MIT许可证允许fork定制，适合集成至自有workflow工具链
常规风险
| 风险点 | 缓解建议 |
|--------|----------|
| 敏感数据泄露 | 转录上传前脱敏，或使用本地LLM执行triage |
| 分类错误导致优先级混乱 | 保留"Groom"人工校验环节，勿完全自动化 |
| 决策日志堆积失效 | 配套定期review机制，避免memory/沦为黑洞 |