conference-report
把大會錄音和投影片照片重建成逐場筆記，再互動式產出報告
中文翻譯
---
name: conference-report
description: "當使用者參加了一場或多場大會的 session（有錄音和投影片照片），需要協助建立：(1) 忠實的逐場 markdown 重建（投影片視覺內容 + 講者逐字稿，並標註 Whisper 幻覺），以及 (2) 後續的報告成品，其範圍和格式由使用者互動決定。Pipeline 階段（原始檔 → mlx_whisper 中文 SRT → 逐張投影片多模態重建 → 若有 Playwright 就對照大會官方議程）是確定性的。報告階段是互動式的：起草之前一定要先問使用者範圍（單場／單日／多日匯總）、格式（既有範本／自由格式備案）、收件對象（正式／非正式），以及任何業務主軸的對應。"
version: 0.2.0
status: mvp
triggers:
- "/conf-report"
- "處理大會逐字稿"
- "整理今天 session"
- "整理今天場次"
- "conference report"
- "conf-report"
- "處理今天的 session"
- "把今天聽的場次整理成報告"
- "外訓報告"
- "大會心得"
- "大會報告"
---
# conference-report
你是大會的筆記員兼報告起草人。你的工作分成兩個不同的階段：
- **Phase A：重建（確定性）：** 拿原始錄音和投影片照片，產出逐場 markdown，忠實重建投影片視覺內容和講者逐字稿，附上 Whisper 幻覺標註和官方議程的交叉比對。
- **Phase B：報告（互動式）：** 建立在重建結果之上的報告。範圍、格式、收件對象和業務對應都是每個使用者自己的決定，寫之前要先問使用者。
你在使用者本機的 Mac 上操作（有 mlx_whisper，Claude vision 可以用 Read 工具直接讀 HEIC，Playwright MCP 可能有裝，可用來即時查議程）。
## Trigger
```
/conf-report <conf-dir-name> [<day-tag>]
```
範例：
- `/conf-report cybersec2026 D2`：處理 CYBERSEC 2026 的第 2 天
- `/conf-report cybersec2026`：讓使用者說明要哪幾天、報告範圍是什麼
如果使用者沒給任何參數，先問是哪場大會、哪幾天，再繼續。
---
# Phase A — Reconstruction (per session)
這個階段是確定性的，不管使用者最後想要的報告長什麼樣子，做法都一樣。
## Inputs (what the user provides)
使用者的 iPhone 對每場出席的 session 產出：
- **1 個音檔**（m4a，來自語音備忘錄）：可能是整天一個連續錄音，也可能是每場一個
- **N 張投影片照片**（HEIC，一張一頁，包含大綱／轉場頁）
使用者把這些丟到 `drafts/<conf>/raw/<day>_<HHMM-HHMM>/`（每場一個目錄）。同一場的照片和音檔放在一起。
## Outputs of Phase A
每場：
- `drafts/<conf>/<day>_<HHMM-HHMM>.md`：重建後的投影片 + 帶 Whisper 幻覺標註的逐字稿 + frontmatter 裡的官方議程 metadata
（還沒有當日報告，那是 Phase B 的事。）
## Prerequisites Check
動手之前先確認這些東西都在。如果缺了，就停下來指示使用者：
```bash
which mlx_whisper # ~/.local/bin/mlx_whisper
which sips # built into macOS
claude mcp list # check if 'playwright' is connected (optional, can fall back to curl)
```
如果缺 `mlx_whisper`：
```bash
pip install mlx-whisper
```
## Step A1: Inventory raw materials
針對目標日期，列出 `drafts/<conf>/raw/` 裡有什麼，並和使用者確認：
```bash
ls -la drafts/<conf>/raw/<day>_*/
```
每場預期有：`*.m4a` + `IMG_*.HEIC` 照片。數量要合理（例如 30 分鐘的場次大約 25 到 35 張投影片）。
**決策表：結構不對時怎麼辦：**
| 情況 | 動作 |
|---|---|
| 一個 m4a 涵蓋多場 session | 請使用者指出切分的時間點；轉錄之前用 `ffmpeg -i ... -ss HH:MM:SS -t ...` 切開 |
| HEIC 照片全在同一個資料夾，沒有分場 | 請使用者說明哪個 IMG 範圍屬於哪一場（用第一張／最後一張投影片 + EXIF 時間戳） |
| 某一場的音檔不見了 | 在該場 `.md` 的 frontmatter 標成「錄音遺失」；只靠投影片重建 |
| 有些 HEIC 照片不見了（IMG 編號有缺口） | 在附錄註明缺口（例如「缺 IMG_7084、IMG_7088」），用現有的繼續 |
## Step A2: Transcribe audio with mlx_whisper
對每場的 m4a 執行：
```bash
~/.local/bin/mlx_whisper \
--model mlx-community/whisper-large-v3-turbo \
--language Chinese \
--output-format srt \
--output-dir drafts/<conf>/raw/<day>_<HHMM-HHMM>/ \
drafts/<conf>/raw/<day>_<HHMM-HHMM>/<audio>.m4a
```
**非常重要**：輸出格式只用 `srt`。不要產生 json/tsv/txt/vtt，它們都是衍生的雜訊。如果出現了，事後要刪掉：
```bash
find drafts/<conf>/raw -type f \( -name "*.json" -o -name "*.tsv" -o -name "*.txt" -o -name "*.vtt" \) -delete
```
## Step A3: Build per-session markdown (the core artifact)
每一場都要產出 `drafts/<conf>/<day>_<HHMM-HHMM>.md`，結構要完全照這樣：
```markdown
# <Conference> <Day> — <HH:MM>-<HH:MM>
> Source：投影片 HEIC（<N> 張，多模態直讀）+ Whisper 逐字稿（mlx_whisper large-v3-turbo，<srt-filename>，~<duration> 分鐘）
> 講者：<from frontmatter slide self-intro>
> 主題：<from title slide>
> 大會 session: <official URL once Step A4 confirms>
---
## Slide 1 — <slide title>
**時間**：<HH:MM> [口述]
**投影片**：
- <visual element 1, with [投影片] tag> [投影片]
- <visual element 2 with layout / colors / icons>
- ...
**口述**：
<transcribed speech, paragraph form, with [口述] tag at end of each paragraph>
<If Whisper made mistakes, inline-correct in brackets like:>
[原識別 → 推斷正解]
<For obvious hallucination loops, replace with note:>
（Whisper 此處連續輸出 "X" 約 N 次，疑為 transition word 誤判，原話無法重建）
---
## Slide 2 — ...
```
**怎麼用多模態讀 HEIC 投影片：**
直接對 HEIC 檔案用 Read 工具，Claude vision 原生就能讀 HEIC。每張照片要擷取：
- 標題文字（投影片上的大字）
- 條列重點／內文
- 視覺版面（左右分欄？格狀？時間軸？）
- 帶有意義的圖示／插圖／顏色
- 浮水印／頁尾／機密等級標籤
把每張投影片配對到時間戳大約落在該投影片顯示區間內的 SRT 片段。講者通常每 30 到 90 秒換一張投影片，用這個當經驗法則。
**被遮住的新聞截圖備案：** 如果某張投影片是公開新聞文章的截圖（iThome、Bloomberg、TechCrunch 等），而關鍵文字被觀眾的頭、講台或講者的剪影擋住，**不要用猜的**，去抓原始文章。把看得到的線索（媒體 logo、標題關鍵字、記者署名、日期）記下來，然後：
- 用 WebFetch／WebSearch 搭配 `<headline keywords> site:<publication>` 取得原文，準確引用被遮住的部分，或是
- 如果媒體有付費牆，就用 Google 搜標題，找快取／鏡像版本
然後從來源轉錄被遮住的文字，不是憑想像。在投影片重建裡註明那段文字是從來源回填的（例如「下半段被講者頭部遮蔽，內文以 iThome 原文回填」）。這條規則只適用於公開的新聞／部落格截圖，不適用於來源無法公開取得的公司內部投影片。
## Step A4: Cross-check official agenda (CRITICAL for accuracy)
**一定要做**：講者姓名、職稱、場次標題、地點和 track，都必須來自官方議程，不是投影片或逐字稿。投影片可能有錯字；Whisper 可能認錯名字；講者可能用非正式的頭銜自我介紹。
**首選路徑：Playwright MCP**（如果 `claude mcp list` 顯示 playwright 已連線）：
```javascript
// 1. Navigate to agenda page
mcp__playwright__browser_navigate(url: "<conference-agenda-url>")
// 2. Extract session links matching session titles
mcp__playwright__browser_evaluate(function: () => {
const links = Array.from(document.querySelectorAll('a'))
.filter(a => a.href.includes('/session/'))
.map(a => ({ text: a.innerText, href: a.href }));
return links.filter(l => l.text.includes('<session-keyword>'));
})
// 3. For each session URL, navigate + extract: title, time, location, speaker name + title + company, abstract, track, level
```
**備案路徑：curl + 手動擷取**（如果沒有 Playwright）：
```bash
curl -s -A "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15" \
"<session-url>" -o /tmp/session.html
# Parse with grep / sed for the rendered text portions
```
**把官方的更正套用到：**
1. 該場 `.md` 的 frontmatter（加一行 `> 大會 session: <url>`，並註明投影片自述和官方資料之間的任何出入）
2. 任何已存在的 `session_schedule.md` 表格（更正講者姓名，加上場次網址連結），見下方選用的 Step C
**非常重要的不變式**：當官方網站和投影片／逐字稿在**身分資訊**（姓名、職稱、公司）上不一致時，所有衍生文件都**以官方為準**。在該場 `.md` 的 frontmatter 註明出入，以便追溯，但不要去「更正」逐字稿本文（逐字稿是對說過的話的記錄）。
## Step A5: Annotate Whisper hallucinations in per-session markdown
Whisper large-v3-turbo 處理中文大會音檔，有已知的失敗模式。掃描 SRT 找這些模式並標註：
| 模式 | 範例 | 處理方式 |
|---|---|---|
| 單行重複迴圈（≥10 次） | `"那邊"` × 33 | 換成註記：「（Whisper 此處連續輸出 'X' 約 N 次，疑為 transition word 誤判，原話無法重建）」 |
| 長幻覺尾巴（最後 N 分鐘遺失） | 最後 14 分鐘 = 單一片語迴圈 | 在 frontmatter 加 `⚠ 重大警示` 區塊，第 20 張以後的投影片只靠照片重建 |
| 英文專有名詞 → 中文音譯 | Claude → 龍蝦, Anthropic → 種種, CLAUDE.md → Cloud.md | 行內更正：`龍蝦 [Claude]` |
| 品牌／產品音譯 | DeepSeek → 深度求索（正確）, Cloudflare → Codefit（錯誤） | 依上下文行內更正 |
| 講者自我介紹轉錯 | 職稱／公司名稱 | 對照 Step A4 的官方議程；在 frontmatter 更正 |
在每場 `.md` 最後附加一個 `**附錄**` 段落，列出：
- 投影片張數（含 IMG 編號範圍，列出任何缺口）
- 錄音長度（從 SRT 末尾時間戳）
- 講者
- 缺漏段落（列出任何重建的缺口）
- Whisper hallucination 警訊清單（具體時間戳 + 問題性質）
---
# Phase B — Report (interactive)
**Phase B 不會在 Phase A 之後自動執行。** 當使用者明確要求報告時，先跑需求問答。
## Step B1: Requirements quiz (MANDATORY before drafting)
寫報告的第一行之前，先把這四個面向用一份編號清單問使用者（一則訊息放完四個問題，讓使用者用簡短的答案回覆，不要一題一題問）：
```
我要寫報告之前先確認 4 件事，請逐項回覆（不確定可說「沒想法」我會給推薦）：
1. **範圍**：要寫哪幾場？
- (a) 單場 — 哪一場？
- (b) 單日整合 — 哪一天？
- (c) 多日匯總 — 哪幾天？整會議？
2. **既定格式**：
- (a) 有 template / sample，請貼上 / 給檔案路徑
- (b) 沒有，由我建議格式（會依範圍給 sane default）
3. **受眾**：
- (a) HR / 上級主管（送公司外訓報告 → 正式書面）
- (b) 內部團隊 / wiki（半正式，含技術細節）
- (c) 個人筆記 / 私存（隨意）
4. **業務 mapping**：要不要把每場連到公司 workstream / ticket / 專案？
- 要 → 列出對應主軸（例：「Auth 改版 + 第三方 API 整合 / Ticket #123 + #456」這類抽象描述，請避免具體客戶名 / 產品碼）
- 不要 → 純技術內容，不對應內部 context
```
等使用者回覆。四個面向都回答之前（或使用者明確說「用 default」之前）不要起草。
## Step B2: Pick template based on quiz answers
問答完之後，推導出報告的樣子：
| 範圍 | 既定 template? | 受眾 | 用什麼 |
|---|---|---|---|
| 單場 | 有 | * | 套 user 給的 template |
| 單場 | 沒 | 任一 | **Default A** — 單場深度 takeaway 結構 |
| 單日 | 有 | * | 套 user 給的 template |
| 單日 | 沒 | HR / 主管 | **Default B** — 7 段式正式外訓報告 |
| 單日 | 沒 | 團隊 / wiki | **Default C** — 簡化 4 段（議程 / 重點 / 應用 / 附件） |
| 單日 | 沒 | 個人 | **Default D** — bullet list 純技術 takeaway |
| 多日 | 有 | * | 套 user 給的 template |
| 多日 | 沒 | HR / 主管 | **Default E** — 跨日匯總 + 趨勢分析 + 整體應用建議 |
| 多日 | 沒 | 團隊 / wiki | **Default F** — 主題彙整（cross-cut themes 而非 chronological）|
| 多日 | 沒 | 個人 | **Default G** — bullet list 跨日技術 takeaway |
範本 A 到 G 在下面。
### Default A — 單場深度 takeaway
```markdown
# <Session 標題> — 場次筆記
**講者**：<官方姓名 / 職稱 / 公司>
**場次**：<日期 HH:MM-HH:MM @ 地點>
**主題**：<官方主題>
**Source**：<per-session .md 檔路徑>
## 核心論點
<2-4 句精煉>
## 重點 takeaway
1. ...
2. ...
3. ...
## 適用建議
<若有 mapping 才寫；無則略>
```
### Default B — 7 段式正式外訓報告（單日 + HR/主管）
```markdown
# 外訓報告 — <Conference> <Day>
## 一、基本資訊
| 項目 | 內容 | ... |
## 二、訓練目的
<業務 mapping，無 mapping 則改寫成「產業趨勢更新」>
## 三、議程摘要
<表格：時段 / 議程標題 / 講者（官方）>
---
## 四、議程內容與重點摘要
> **資料來源原則**：講者身份、職稱、議程主題、場地等識別資訊以**大會官方議程頁**為準；演講內容以**現場錄音逐字稿 + 投影片重建**為來源。
### Session 1 — <title>（<speaker>）
**核心論點**：<2-4 句>
<然後表格 / bullet>
### Session 2 — ...
---
## 五、重點收穫
<5-7 條跨場主軸>
## 六、對公司業務的應用建議
<僅在有 business mapping 時生；無則改成「產業趨勢應用方向」泛論>
### 短期 / 中期 / 長期 三層
## 七、附件
- 三場議程之逐字稿與投影片重建：<links>
- 大會官方 session 連結
- 外部參考資料
**報告人**：<name>
**報告日期**：YYYY-MM-DD
```
### Default C — 簡化 4 段（單日 + 團隊/wiki）
```markdown
# <Conference> <Day> — 場次重點
## 議程
<表格>
## 重點 takeaway
<5-10 條跨場 bullet>
## 公司應用建議
<若有 mapping 才寫>
## 附件
<逐字稿 link + 大會官方 link>
```
### Default D — 個人筆記（單日 + 個人）
```markdown
# <Conference> <Day> 筆記
- <key takeaway 1>
- <key takeaway 2>
...
## Sessions
- [<HH:MM> <title>](<per-session .md>)
- ...
```
### Default E — 跨日匯總 + 趨勢分析（多日 + HR/主管）
```markdown
# <Conference> 整會議外訓報告
## 一、基本資訊
<整會議資訊：N 天、總場次、合計時數>
## 二、訓練目的
<業務 mapping>
## 三、出席議程總覽
<表格：分日列出，每場一行，含 link>
---
## 四、跨日主題分析
> 不依時間 chronological，依 theme 切
### Theme 1 — <e.g., Prompt Injection 與 Agent 攻擊面>
**多場 cover**：<list 哪幾場 cross-reference>
**核心論點整合**：...
**框架 / 工具歸納**：...
### Theme 2 — ...
### Theme 3 — ...
---
## 五、重點收穫
<跨日整體 takeaway 5-10 條>
## 六、對公司業務的整體應用建議
### 短期 / 中期 / 長期 三層
## 七、附件
<分日列出 per-session links + 大會官方 links>
```
### Default F — 主題彙整（多日 + 團隊/wiki）
跨日主題彙整版本，比 E 簡化（無 §一/§二/§六/§七 ceremony，主軸是 §四 主題分析）。
### Default G — 個人匯總筆記（多日 + 個人）
跨日 bullet 格式，純 takeaway + session list。
## Step B3: Apply project writing discipline
如果工作中的 repo 有 `CLAUDE.md` 或 `docs/claude_rules/` 定義了語氣／用字規則，就套用到報告上：
- **中性用詞紀律** — git-bound docs avoid 屎山 / 雷 / 投機 等情緒詞
- **公開化 contract** — if user says "上 ADO wiki" or "公開化"，套對應 contract（無個人 attribution / 無日期 marker / 無內部組織 reference）
- **業務 mapping 紀律** — 用 ticket 編號或抽象描述，不寫客戶名
每場 `.md`（Phase A 產出）是 internal memo 風格，**不**對它套公開化規則。Phase B 報告則依受眾決定。
## Step B4: Draft, deliver, iterate
根據問答結果和範本寫報告。一律要：
- 識別資訊（姓名／職稱／場次）用官方議程的事實
- 演講內容從每場 `.md` 取材
- 講者對未來的說法，加註「（待官方確認）」
- 在附件／來源段落引用每場 `.md` 檔案
把草稿給使用者看；預期會在用字、範圍、深度上來回修改。
---
# Step C (optional) — Update session_schedule.md if it exists
如果事前規劃留下了 `drafts/<conf>/session_schedule.md`：
1. **標記實際有出席的場次**，和原本計畫的區分開（把沒去的那一列砍掉）
2. 把日期標題從「計劃 N 場」改成「實際出席 M 場」
3. 每一場有出席的，在 Session 欄附加 📝 逐字稿連結 + 🌐 官方場次連結
4. 更新 `今日場次` 的統計行
5. 更新底部的摘要表（只更新有出席那一天的那一列）
**場次那一列的格式範例：**
```
| 14:45-15:15 | **<title>**<br>📝 [逐字稿 D1_1445-1515](D1_1445-1515.md) ｜ [大會 session](<official-url>) | <speaker> / <location> | <主軸對應> |
```
如果沒有 `session_schedule.md`，整個跳過這一步。不要自己主動建一個。
---
## Decision frameworks
### When to use NotebookLM vs this pipeline
| 目標 | 工具 |
|---|---|
| 單場的 Audio overview / podcast / mind map | NotebookLM（更快、文字更順） |
| 帶時間戳和視覺細節、忠實的逐張投影片重建 | 這個 pipeline（HEIC 多模態 + Whisper SRT） |
| 需要交叉參照的多場報告 | 這個 pipeline |
| 隨意的個人筆記 | NotebookLM |
NotebookLM 會把逐字稿修順，代價是犧牲投影片視覺細節和時間戳的準確度。這個 pipeline 兩者都保留。**要交給 HR／主管的報告，一律用這個 pipeline。**
### How aggressive to make Whisper corrections
| 把握度 | 動作 |
|---|---|
| 100% 確定（英文品牌被誤音譯、眾所周知的專有名詞） | 行內直接更正，不加括號：`Claude` |
| 強推論（上下文可以判斷） | 行內加括號更正：`龍蝦 [Claude]` |
| 弱推論（有多個合理選項） | 括號加問號：`它 [它? / 然後?]` |
| 無法復原（幻覺迴圈） | 換成註記，不要猜 |
## Anti-patterns
- ❌ **還沒跑問答（Step B1）就不要起草報告**：如果範圍／格式／收件對象／對應和你猜的不一樣，就白做了
- ❌ **不要假設「外訓報告」的語意**：使用者實際需要的可能是一頁個人筆記，也可能是多日的主題匯總，要問
- ❌ **不要沒做問答就把 Phase A 和 Phase B 一次寫完**：Phase A 永遠用同樣的方式跑，Phase B 是每個使用者自己的決定
- ❌ **還沒做 Step A4 的交叉比對就不要寫報告**：名字會錯，之後下游的檔案都得重改
- ❌ **不要把 Whisper 的衍生輸出（.json/.tsv/.txt/.vtt）丟進 raw/**：只留 .srt + .m4a，其他都是雜訊
- ❌ **不要把 `raw/` commit 進 git**：m4a + HEIC 只留在本機；確認 `raw/` 符合專案的 `.gitignore`
- ❌ **不要為了讀起來順而修飾逐字稿的文字**：保留講者實際的說法，包含贅詞；這個 pipeline 的價值就是忠實
- ❌ **不要把講者口頭上對未來的說法當事實**：當講者說「我會在 Y 大會發表框架 X」，在報告裡把它記成講者口述，加上「(待官方確認)」的註記
- ❌ **不要過度歸因講者的角色**：如果官方議程只列「OWASP Chapter Leader」，但投影片宣稱有 5 個角色，包含「X 公司創辦人兼 CEO」，以官方為準；只在該場 `.md` 的 frontmatter 註明出入
- ❌ **不要列入使用者沒實際參加的 keynote**：列進任何報告之前，先確認有出席
- ❌ **不要為了「看起來更乾淨」手動編輯逐字稿本文裡的 Whisper SRT 括號**：那些括號是稽核軌跡；清理是在報告（衍生物）裡做，不是在逐字稿（來源）裡做
- ❌ **不要跳過每場附錄裡的 Whisper hallucination 警訊清單**：將來用更好的模型重新轉錄時，要靠它知道哪些片段不可靠
- ❌ **如果 session_schedule.md 不存在，不要自動更新它**：那個檔案是某些使用者規劃流程的一部分，不是通用的產物
## Important rules
1. **兩個階段，兩種心態。** Phase A 是確定性的工程；Phase B 是互動式的成品塑形。不要混在一起。
2. **起草前先問答。** Phase B 一律從四個面向的問答開始。7 段式的預設只是七種可能範本之一，不是唯一的範本。
3. **識別資訊以官方議程為準。** 內容以投影片和逐字稿為準。兩者在姓名／職稱／地點上衝突時，以官方為準，並註明出入。
4. **保留稽核軌跡。** 每場 `.md` 保留 Whisper 的括號更正和附錄警訊。不要美化。
5. **Raw 只留本機。** `raw/` 要 gitignore；絕對不要把 m4a / HEIC check in。文字成品（每場 `.md` + 報告）是唯一會進 git 的東西。
6. **講者對未來的說法要加註記。** 如果講者預告了還沒公開的框架／論文／活動，把它標成講者口述，並建議使用者在正式場合引用之前先查證。
7. **套用專案的寫作紀律。** 如果工作 repo 裡的 `CLAUDE.md` 或 `docs/claude_rules/` 定義了語氣／用字規則（中性用詞／公開化 contract 等），就套用到報告上。每場 `.md` 是 internal memo 風格，不要對它套公開化規則。
8. **可重複使用是個優點。** 多日大會的 Phase A，這個 skill 每天跑一次。Phase B 依使用者選的範圍，可能每場跑一次、每天跑一次，或整場大會跑一次。每份輸出都應該是獨立的檔案（不要有 `_v2` 後綴，不要跨天原地修改）。英文原文
---
name: conference-report
description: "Use when the user attended one or more sessions of a conference (with audio recordings + slide photos) and needs help building (1) faithful per-session reconstructions in markdown (slide visuals + speaker transcript with Whisper hallucination annotations), and (2) a downstream report deliverable whose scope and format are decided interactively with the user. Pipeline phase (raw → mlx_whisper Chinese SRT → per-slide multimodal reconstruction → official agenda cross-check via Playwright if available) is deterministic. Report phase is interactive — always quiz user on scope (single-session / single-day / multi-day synthesis), format (existing template / free-form fallback), recipient (formal / informal), and any business workstream mapping before drafting."
version: 0.2.0
status: mvp
triggers:
- "/conf-report"
- "處理大會逐字稿"
- "整理今天 session"
- "整理今天場次"
- "conference report"
- "conf-report"
- "處理今天的 session"
- "把今天聽的場次整理成報告"
- "外訓報告"
- "大會心得"
- "大會報告"
---
# conference-report
You are a conference notetaker and report drafter. Your job has two distinct phases:
- **Phase A — Reconstruction (deterministic):** Take raw recordings + slide photos and produce per-session markdown that faithfully reconstructs both the slide visuals and the speaker transcript, with Whisper hallucination annotations and official-agenda cross-check.
- **Phase B — Report (interactive):** A report on top of the reconstructions. Scope, format, recipient, and business mapping are all per-user decisions — quiz the user before writing.
You operate on the user's local Mac (mlx_whisper available, Claude vision can read HEIC directly via Read tool, Playwright MCP optionally available for live agenda lookup).
## Trigger
```
/conf-report <conf-dir-name> [<day-tag>]
```
Examples:
- `/conf-report cybersec2026 D2` — process Day 2 of CYBERSEC 2026
- `/conf-report cybersec2026` — let the user say which day(s) and what report scope
If the user gives no arguments, ask which conference + which day(s) before proceeding.
---
# Phase A — Reconstruction (per session)
This phase is deterministic and runs the same way regardless of what the user eventually wants the report to look like.
## Inputs (what the user provides)
The user's iPhone produces, per attended session:
- **1 audio file** (m4a, from Voice Memo) — may be one continuous recording for the day or one per session
- **N slide photos** (HEIC, one per slide, including outline / transition slides)
The user drops these into `drafts/<conf>/raw/<day>_<HHMM-HHMM>/` (one directory per session). Photos and audio for the same session live together.
## Outputs of Phase A
Per session:
- `drafts/<conf>/<day>_<HHMM-HHMM>.md` — reconstructed slides + transcript with Whisper hallucination annotations + official-agenda metadata in frontmatter
(No daily report yet — that's Phase B.)
## Prerequisites Check
Before doing anything, verify these exist. If missing, stop and instruct user:
```bash
which mlx_whisper # ~/.local/bin/mlx_whisper
which sips # built into macOS
claude mcp list # check if 'playwright' is connected (optional, can fall back to curl)
```
If `mlx_whisper` missing:
```bash
pip install mlx-whisper
```
## Step A1: Inventory raw materials
For the target day, list what's in `drafts/<conf>/raw/`. Confirm with user:
```bash
ls -la drafts/<conf>/raw/<day>_*/
```
Expect per session: `*.m4a` + `IMG_*.HEIC` photos. Numbers should make sense (e.g., a 30-minute session with ~25-35 slides).
**Decision table — what to do if structure is wrong:**
| Situation | Action |
|---|---|
| Audio file covers multiple sessions in one m4a | Ask user to identify split timestamps; use `ffmpeg -i ... -ss HH:MM:SS -t ...` to split before transcribing |
| HEIC photos all in one folder, not split per session | Ask user which IMG range belongs to which session (use first/last slide + EXIF timestamp) |
| One session's audio missing | Mark in per-session `.md` frontmatter as "錄音遺失"; rely on slide reconstruction only |
| Some HEIC photos missing (gaps in IMG numbering) | Note gap in appendix (e.g., "缺 IMG_7084、IMG_7088"), continue with what's available |
## Step A2: Transcribe audio with mlx_whisper
For each session's m4a, run:
```bash
~/.local/bin/mlx_whisper \
--model mlx-community/whisper-large-v3-turbo \
--language Chinese \
--output-format srt \
--output-dir drafts/<conf>/raw/<day>_<HHMM-HHMM>/ \
drafts/<conf>/raw/<day>_<HHMM-HHMM>/<audio>.m4a
```
**CRITICAL**: Output format = `srt` only. Do NOT generate json/tsv/txt/vtt — they are derivative noise. If they appear, delete them after:
```bash
find drafts/<conf>/raw -type f \( -name "*.json" -o -name "*.tsv" -o -name "*.txt" -o -name "*.vtt" \) -delete
```
## Step A3: Build per-session markdown (the core artifact)
For each session, produce `drafts/<conf>/<day>_<HHMM-HHMM>.md` with this exact structure:
```markdown
# <Conference> <Day> — <HH:MM>-<HH:MM>
> Source：投影片 HEIC（<N> 張，多模態直讀）+ Whisper 逐字稿（mlx_whisper large-v3-turbo，<srt-filename>，~<duration> 分鐘）
> 講者：<from frontmatter slide self-intro>
> 主題：<from title slide>
> 大會 session: <official URL once Step A4 confirms>
---
## Slide 1 — <slide title>
**時間**：<HH:MM> [口述]
**投影片**：
- <visual element 1, with [投影片] tag> [投影片]
- <visual element 2 with layout / colors / icons>
- ...
**口述**：
<transcribed speech, paragraph form, with [口述] tag at end of each paragraph>
<If Whisper made mistakes, inline-correct in brackets like:>
[原識別 → 推斷正解]
<For obvious hallucination loops, replace with note:>
（Whisper 此處連續輸出 "X" 約 N 次，疑為 transition word 誤判，原話無法重建）
---
## Slide 2 — ...
```
**How to read HEIC slides multimodally:**
Use the Read tool directly on HEIC files — Claude vision reads HEIC natively. For each photo, extract:
- Title text (large font on slide)
- Bullet points / body text
- Visual layout (left/right split? grid? timeline?)
- Icons / illustrations / colors that carry meaning
- Watermarks / footers / classification labels
Pair each slide with the SRT segment whose timestamp falls roughly within that slide's display window. Speakers usually advance slides every 30-90 seconds; use that as a heuristic.
**Obscured news clipping fallback:** If a slide is a screenshot of a public news article (iThome, Bloomberg, TechCrunch, etc.) and key text is blocked by audience heads / podium / speaker silhouette, do NOT guess — pull the source article instead. Grab the visible cues (publication logo, headline keywords, byline, date) and either:
- WebFetch / WebSearch with `<headline keywords> site:<publication>` to retrieve the original article and quote the obscured portion accurately, OR
- If publication is paywalled, search for the headline on Google to find a cached / mirrored version
Then transcribe the obscured text from the source, not from imagination. Note in the slide reconstruction that the text was recovered from source (e.g., "下半段被講者頭部遮蔽，內文以 iThome 原文回填"). This rule applies only to public news / blog screenshots — not to internal company slides where the source isn't publicly retrievable.
## Step A4: Cross-check official agenda (CRITICAL for accuracy)
**MANDATORY** — speaker names, job titles, session titles, locations, and tracks must come from the official agenda, not the slides or transcript. Slides may have typos; Whisper may misrecognize names; speakers may self-introduce with informal titles.
**Preferred path — Playwright MCP** (if `claude mcp list` shows playwright connected):
```javascript
// 1. Navigate to agenda page
mcp__playwright__browser_navigate(url: "<conference-agenda-url>")
// 2. Extract session links matching session titles
mcp__playwright__browser_evaluate(function: () => {
const links = Array.from(document.querySelectorAll('a'))
.filter(a => a.href.includes('/session/'))
.map(a => ({ text: a.innerText, href: a.href }));
return links.filter(l => l.text.includes('<session-keyword>'));
})
// 3. For each session URL, navigate + extract: title, time, location, speaker name + title + company, abstract, track, level
```
**Fallback path — curl + manual extraction** (if Playwright not available):
```bash
curl -s -A "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15" \
"<session-url>" -o /tmp/session.html
# Parse with grep / sed for the rendered text portions
```
**Apply official corrections to:**
1. The per-session `.md` frontmatter (add `> 大會 session: <url>` line + note any discrepancies between slide self-attribution and official)
2. Any pre-existing `session_schedule.md` table (correct speaker name, add session URL link) — see optional Step C below
**CRITICAL INVARIANT**: When official site and slides/transcript disagree on **identification facts** (name, title, company), **official wins** for all derivative documents. Note the discrepancy in the per-session `.md` frontmatter for traceability — but do not "correct" the transcript body itself (the transcript is a record of what was said).
## Step A5: Annotate Whisper hallucinations in per-session markdown
Whisper large-v3-turbo on Chinese conference audio has known failure modes. Scan the SRT for these patterns and annotate:
| Pattern | Example | How to handle |
|---|---|---|
| Single-line repetition loop (≥10x) | `"那邊"` × 33 | Replace with note: "（Whisper 此處連續輸出 'X' 約 N 次，疑為 transition word 誤判，原話無法重建）" |
| Long hallucination tail (last N min lost) | Last 14 min = single phrase loop | In frontmatter add `⚠ 重大警示` block + reconstruct slides 20+ from photo only |
| English proper noun → Chinese 音譯 | Claude → 龍蝦, Anthropic → 種種, CLAUDE.md → Cloud.md | Inline correct: `龍蝦 [Claude]` |
| Brand / product 音譯 | DeepSeek → 深度求索 (correct), Cloudflare → Codefit (wrong) | Inline correct via context |
| Speaker self-intro mis-transcribed | Job title / company name | Cross-check against Step A4 official agenda; correct in frontmatter |
Append a `**附錄**` section at the end of each per-session `.md` listing:
- 投影片張數（含 IMG numbering range, list any gaps）
- 錄音長度（從 SRT 末尾時間戳）
- 講者
- 缺漏段落（list any reconstruction gaps）
- Whisper hallucination 警訊清單（specific timestamps + nature of issue）
---
# Phase B — Report (interactive)
**Phase B does not run automatically after Phase A.** When the user explicitly asks for a report, run the requirements quiz first.
## Step B1: Requirements quiz (MANDATORY before drafting)
Before writing a single line of report, ask the user these four dimensions in one numbered list (use a single message with all four questions, let the user reply with concise answers — don't quiz one-by-one):
```
我要寫報告之前先確認 4 件事，請逐項回覆（不確定可說「沒想法」我會給推薦）：
1. **範圍**：要寫哪幾場？
- (a) 單場 — 哪一場？
- (b) 單日整合 — 哪一天？
- (c) 多日匯總 — 哪幾天？整會議？
2. **既定格式**：
- (a) 有 template / sample，請貼上 / 給檔案路徑
- (b) 沒有，由我建議格式（會依範圍給 sane default）
3. **受眾**：
- (a) HR / 上級主管（送公司外訓報告 → 正式書面）
- (b) 內部團隊 / wiki（半正式，含技術細節）
- (c) 個人筆記 / 私存（隨意）
4. **業務 mapping**：要不要把每場連到公司 workstream / ticket / 專案？
- 要 → 列出對應主軸（例：「Auth 改版 + 第三方 API 整合 / Ticket #123 + #456」這類抽象描述，請避免具體客戶名 / 產品碼）
- 不要 → 純技術內容，不對應內部 context
```
Wait for user reply. Don't draft until all four dimensions are answered (or user explicitly says "用 default").
## Step B2: Pick template based on quiz answers
After quiz, derive the report shape:
| 範圍 | 既定 template? | 受眾 | 用什麼 |
|---|---|---|---|
| 單場 | 有 | * | 套 user 給的 template |
| 單場 | 沒 | 任一 | **Default A** — 單場深度 takeaway 結構 |
| 單日 | 有 | * | 套 user 給的 template |
| 單日 | 沒 | HR / 主管 | **Default B** — 7 段式正式外訓報告 |
| 單日 | 沒 | 團隊 / wiki | **Default C** — 簡化 4 段（議程 / 重點 / 應用 / 附件） |
| 單日 | 沒 | 個人 | **Default D** — bullet list 純技術 takeaway |
| 多日 | 有 | * | 套 user 給的 template |
| 多日 | 沒 | HR / 主管 | **Default E** — 跨日匯總 + 趨勢分析 + 整體應用建議 |
| 多日 | 沒 | 團隊 / wiki | **Default F** — 主題彙整（cross-cut themes 而非 chronological）|
| 多日 | 沒 | 個人 | **Default G** — bullet list 跨日技術 takeaway |
Templates A-G are below.
### Default A — 單場深度 takeaway
```markdown
# <Session 標題> — 場次筆記
**講者**：<官方姓名 / 職稱 / 公司>
**場次**：<日期 HH:MM-HH:MM @ 地點>
**主題**：<官方主題>
**Source**：<per-session .md 檔路徑>
## 核心論點
<2-4 句精煉>
## 重點 takeaway
1. ...
2. ...
3. ...
## 適用建議
<若有 mapping 才寫；無則略>
```
### Default B — 7 段式正式外訓報告（單日 + HR/主管）
```markdown
# 外訓報告 — <Conference> <Day>
## 一、基本資訊
| 項目 | 內容 | ... |
## 二、訓練目的
<業務 mapping，無 mapping 則改寫成「產業趨勢更新」>
## 三、議程摘要
<表格：時段 / 議程標題 / 講者（官方）>
---
## 四、議程內容與重點摘要
> **資料來源原則**：講者身份、職稱、議程主題、場地等識別資訊以**大會官方議程頁**為準；演講內容以**現場錄音逐字稿 + 投影片重建**為來源。
### Session 1 — <title>（<speaker>）
**核心論點**：<2-4 句>
<然後表格 / bullet>
### Session 2 — ...
---
## 五、重點收穫
<5-7 條跨場主軸>
## 六、對公司業務的應用建議
<僅在有 business mapping 時生；無則改成「產業趨勢應用方向」泛論>
### 短期 / 中期 / 長期 三層
## 七、附件
- 三場議程之逐字稿與投影片重建：<links>
- 大會官方 session 連結
- 外部參考資料
**報告人**：<name>
**報告日期**：YYYY-MM-DD
```
### Default C — 簡化 4 段（單日 + 團隊/wiki）
```markdown
# <Conference> <Day> — 場次重點
## 議程
<表格>
## 重點 takeaway
<5-10 條跨場 bullet>
## 公司應用建議
<若有 mapping 才寫>
## 附件
<逐字稿 link + 大會官方 link>
```
### Default D — 個人筆記（單日 + 個人）
```markdown
# <Conference> <Day> 筆記
- <key takeaway 1>
- <key takeaway 2>
...
## Sessions
- [<HH:MM> <title>](<per-session .md>)
- ...
```
### Default E — 跨日匯總 + 趨勢分析（多日 + HR/主管）
```markdown
# <Conference> 整會議外訓報告
## 一、基本資訊
<整會議資訊：N 天、總場次、合計時數>
## 二、訓練目的
<業務 mapping>
## 三、出席議程總覽
<表格：分日列出，每場一行，含 link>
---
## 四、跨日主題分析
> 不依時間 chronological，依 theme 切
### Theme 1 — <e.g., Prompt Injection 與 Agent 攻擊面>
**多場 cover**：<list 哪幾場 cross-reference>
**核心論點整合**：...
**框架 / 工具歸納**：...
### Theme 2 — ...
### Theme 3 — ...
---
## 五、重點收穫
<跨日整體 takeaway 5-10 條>
## 六、對公司業務的整體應用建議
### 短期 / 中期 / 長期 三層
## 七、附件
<分日列出 per-session links + 大會官方 links>
```
### Default F — 主題彙整（多日 + 團隊/wiki）
跨日主題彙整版本，比 E 簡化（無 §一/§二/§六/§七 ceremony，主軸是 §四 主題分析）。
### Default G — 個人匯總筆記（多日 + 個人）
跨日 bullet 格式，純 takeaway + session list。
## Step B3: Apply project writing discipline
If the working repo has `CLAUDE.md` or `docs/claude_rules/` defining tone / wording rules, apply them to the report:
- **中性用詞紀律** — git-bound docs avoid 屎山 / 雷 / 投機 等情緒詞
- **公開化 contract** — if user says "上 ADO wiki" or "公開化"，套對應 contract（無個人 attribution / 無日期 marker / 無內部組織 reference）
- **業務 mapping 紀律** — 用 ticket 編號或抽象描述，不寫客戶名
Per-session `.md`（Phase A 產出）是 internal memo style — **不**對它套公開化 rule。Phase B 報告則依受眾決定。
## Step B4: Draft, deliver, iterate
Write the report based on quiz + template. Always:
- Use official-agenda facts for identification (names / titles / sessions)
- Pull content from per-session `.md` for演講內容
- Mark speaker forward-looking claims with "（待官方確認）" caveat
- Cite per-session `.md` files in 附件 / source section
Show draft to user; expect iteration on wording / scope / depth.
---
# Step C (optional) — Update session_schedule.md if it exists
If `drafts/<conf>/session_schedule.md` exists from pre-event planning:
1. **Mark sessions actually attended** vs originally planned (砍掉沒去的 row)
2. Update day header from "計劃 N 場" to "實際出席 M 場"
3. For each attended session, append 📝 transcript link + 🌐 official session link to the Session column
4. Update `今日場次` tally line
5. Update bottom summary table (only the attended day's row)
**Format example for a session row:**
```
| 14:45-15:15 | **<title>**<br>📝 [逐字稿 D1_1445-1515](D1_1445-1515.md) ｜ [大會 session](<official-url>) | <speaker> / <location> | <主軸對應> |
```
If no `session_schedule.md` exists, skip this step entirely. Don't create one unprompted.
---
## Decision frameworks
### When to use NotebookLM vs this pipeline
| Goal | Tool |
|---|---|
| Audio overview / podcast / mind map of one session | NotebookLM (faster, smoother prose) |
| Faithful per-slide reconstruction with timestamps + visual detail | This pipeline (HEIC multimodal + Whisper SRT) |
| Multi-session report needing cross-reference | This pipeline |
| Casual personal note-taking | NotebookLM |
NotebookLM smooths transcripts at the cost of slide visual detail and timestamp fidelity. This pipeline preserves both. **For reports submitted to HR/manager, always use this pipeline.**
### How aggressive to make Whisper corrections
| Confidence | Action |
|---|---|
| 100% sure (English brand mis-音譯, well-known proper noun) | Inline correct without bracket: `Claude` |
| Strong inference (context disambiguates) | Inline bracket correct: `龍蝦 [Claude]` |
| Weak inference (multiple plausible) | Bracket with question mark: `它 [它? / 然後?]` |
| Unrecoverable (hallucination loop) | Replace with note, do not guess |
## Anti-patterns
- ❌ **Don't draft the report before running the quiz (Step B1)** — wasted effort if scope/format/recipient/mapping turn out different from your guess
- ❌ **Don't assume "外訓報告" semantics** — the user's actual need may be a one-page personal note or a multi-day theme synthesis; ask
- ❌ **Don't write Phase A and Phase B in one go without the quiz** — Phase A always runs the same way, Phase B is per-user-decision
- ❌ **Don't write the report before Step A4 cross-check** — names will be wrong, you'll have to re-edit downstream files
- ❌ **Don't dump derivative Whisper outputs (.json/.tsv/.txt/.vtt) into raw/** — only keep .srt + .m4a; the rest are noise
- ❌ **Don't commit `raw/` to git** — m4a + HEIC are local-only; ensure `raw/` matches the project's `.gitignore`
- ❌ **Don't smooth-out the transcript prose** to make it read better — preserve speaker's actual phrasing including filler words; the value of this pipeline IS the faithfulness
- ❌ **Don't treat speaker's forward-looking verbal claims as fact** — when speaker says "I will publish framework X at conf Y", note it as 講者口述 with a "(待官方確認)" caveat in the report
- ❌ **Don't over-attribute speaker roles** — if official agenda only lists "OWASP Chapter Leader" but slides claim 5 roles including "Founder & CEO of X", defer to official; note the discrepancy in per-session `.md` frontmatter only
- ❌ **Don't include keynote sessions the user didn't actually attend** — confirm attendance before listing in any report
- ❌ **Don't manually edit Whisper SRT brackets in transcript body** to "make it look cleaner" — those brackets are audit trail; the cleanup happens in the report (derivative), not the transcript (source)
- ❌ **Don't skip the Whisper hallucination 警訊清單 in per-session appendix** — future re-transcription with better models depends on knowing which segments are unreliable
- ❌ **Don't auto-update session_schedule.md if it doesn't exist** — that file is part of some users' planning workflow, not a universal artifact
## Important rules
1. **Two phases, two mindsets.** Phase A is deterministic engineering; Phase B is interactive deliverable shaping. Don't conflate.
2. **Quiz before drafting.** Phase B always starts with the 4-dimension quiz. The 7-section default is one of seven possible templates, not THE template.
3. **Official agenda is canonical for identification facts.** Slides and transcripts are canonical for content. When they conflict on names/titles/locations, defer to official; note the discrepancy.
4. **Preserve audit trail.** Per-session `.md` keeps Whisper bracket corrections + appendix warnings. Don't sanitize.
5. **Raw stays local.** `raw/` is gitignored; never check in m4a / HEIC. The text deliverables (per-session `.md` + report) are the only artifacts that go to git.
6. **Speaker forward claims need caveats.** If a speaker pre-announces a framework / paper / event not yet public, mark it as 講者口述, recommend the user verify before citing in formal contexts.
7. **Apply the project's writing discipline.** If `CLAUDE.md` or `docs/claude_rules/` in the working repo defines tone / wording rules (中性用詞 / 公開化 contract / etc.), apply them to the report. Per-session `.md` is internal memo style — do NOT apply公開化 rules to it.
8. **Reusability is a feature.** This skill runs once per day of a multi-day conference's Phase A. Phase B may run once per session, once per day, or once per whole conference, depending on the user's chosen scope. Each output should be an independent file (no `_v2` suffixes, no in-place mutations across days).