transcript-fixlisted

# transcript-fix — 醫學逐字稿校稿與語意重建 Skill v4 ## 用途與定位 處理「語音轉文字後辨識錯誤密集」的醫學演講/會議稿。這類稿件的問題不是錯字，而是**語意層次破損**：藥名、生物標記、試驗名稱、數據被聽錯，甚至整段被誤判成英文。本 skill 把「邊修邊保守、絕不捏造」的校稿流程固定下來。 **核心心法：不要在壞掉的副本上硬加工，先回上游拿更好的輸入。** --- ## 第一步：開場就索取兩個高槓桿輸入 在動手改稿前，**主動詢問**使用者是否能提供以下兩者（不要埋頭改單一壞稿）： 1. **一份以上的額外獨立逐字稿**（不同 ASR 引擎，如 NotebookLM 或 Whisper；**越多越好，2–4 份交叉效果最佳**）→ 用於多稿 diff。多稿一致＝高信心；分歧＝鎖定真正疑點。這是讓品質跳級的最大槓桿。稿數越多，可用「多數決」收斂的疑點越多。 2. **講者的投影片 / 參考文獻頁**（PDF 或圖）→ 試驗名稱、數據、圖表、架構幾乎都在 deck 上，一頁可解掉大半「待確認」。 > 若兩者皆無，仍可進行單稿重建，但須明白告知：準確度上限有限，且「試驗名稱、病例數字」這類幾乎無法靠文字端還原。 --- ## 第二步：載入術語詞庫（Notion Glossary 資料庫） 詞庫的**唯一即時來源**是使用者在自己 Notion 建立的 **Glossary 資料庫**（欄位規格與建法見 `docs/notion-setup.md`）。**本步驟為可選，需要 Notion 連接器（MCP）**；若該對話未啟用，先詢問使用者是否開啟。**若使用者不開啟、環境沒有 Notion、或查詢失敗，跳過本步驟，以空詞庫繼續後續流程（不要卡在這裡反覆要求）**，並在產出的「校稿說明」註明：本場未載入詞庫，術語還原僅靠多稿比對與上下文。 > ⚠️ 機敏資訊分離：Glossary 資料庫的 data source ID 與頁面 URL 屬個人 Notion workspace，已抽至**同目錄的 `config.local.json`**（被 `.gitignore` 排除，不上傳 GitHub）。本檔不得再寫死任何 ID。 > 啟動本 skill 時，先讀取 `config.local.json`，取得： > - `glossaryDataSource` → Glossary 資料庫（`collection://...`） > - `glossaryPage` → Glossary 頁面 URL > > 若 `config.local.json` 不存在，提示使用者：「請複製 `config.example.json` 為 `config.local.json` 並填入你的 Notion Glossary ID」，並停止後續查庫動作。**但流程不中斷**——比照上面「無 Notion」的處理：跳過本步驟、以空詞庫繼續，並在校稿說明中註明。 接著： 1. 判斷本場逐字稿屬於哪個主題（主題 slug 由使用者在詞庫「主題」欄自訂，例如 airway／cardio／icu…）。 2. 用 Notion 查該資料庫、以「主題」欄過濾，取該主題的列當對照基準（欄位：正確術語／誤判片段／類別／備註）；**不需載入全部主題**。 3. 若沒有相符主題，先沿用最接近者，並在校稿後依「詞庫維護」於資料庫新增該主題的列（主題欄填新 slug，如 icu、cardio）。 - 詞庫是會複利的**即時資產**，不再放