任务描述
在过去的三年中，除了重要节假日以外，连享会 基本能确保每天发布一篇新推文。这些推文的选题基本上都是我确定的。
我每周会花一天的时间，阅读大量的文献和各种网站，收集和整理选题。这些选题会被我统一记录在一个 Markdown 文档中，形如 Topics-2025-07.md。经过修改后，这些选题会发布在 备选推文主题 页面，由助教们认领。
我每周大概公布 10 个选题。其中最让我头疼的工作就是将这个 Markdown 文档切割成多个小文档 (由 图 1 转成 图 2)：我需要 新建一个 .md 文档 → 重命名 → 贴入内容。这个工作没什么难度，但很耗神，也容易出错。
图 1：Topics-2025-07.md 文档中的选题笔记
图 2：github 仓库中选题发布页面
处理思路
我此前尝试过用 Stata 写代码来处理这个任务，但效果不佳，可能是因为我对文档读写不太熟悉。
前段时间我尝试用 AI 编写 Python 代码来完成这个任务。AI 给出的代码基本上没有 bugs。我运行代码后，便有了新的需求，比如：
- 自动覆盖旧文件；
- 可以指定从 .md 文档中选择一部分文本进行切割；
- 指定存放输出结果的文件夹
- 确定屏幕打印结果
需要声明的是：在此过程中，我只能大概读懂 AI 编写的 Python 代码，我基本上无法自行编写 Python 代码。我的主要工作就是优化提示词 (本质上是弄清楚我自己到底想要什么样的结果)。因此，我从不修改 AI 编写的 Python 代码，我只修改提示词。
下面是我经过 5-6 轮修改后形成的提示词。这些提示词的编排格式是我自己设计的，虽然花了一些时间，但我发现这个习惯在应对较为复杂的任务时至关重要。否则，如果你的提示词是大段的文字，逻辑不清晰，AI 帮你编写的代码也会很容易出错。
### input-output
- Folder：当前路径
- filename-input：包含关键词 'Topics-' 且后缀为 '.md' 的文件
- range-转换范围:
- begin: # B860
- end: # B851
- Folder-output：'.\topics'
### 任务：
- Input: 读取 {filename-input} 文件。
- Actions：
- 在 {filename-input} 文档中，以 `^# B\d{3,.}：title` 开头的行为分割线，将该行及以下到下一个 `^# B\d{3,.}：title` 之间的文本写入一个新的 **.md** 文件中
- 仅读取 {begin} 到 {end} 范围内的选题
- Output:
- 存入：{Folder-output} 文件夹
- 预先清空该文件夹
- 文件名为 `B\d{3,.}：title`
- 首字母为 'B'
- 文件后缀为 '.md'，而不是 '.md.md'
- 屏幕打印：
- 文件总数
- 文件名称列表
下面是 AI 编写的 Python 代码：
import os
import re
import shutil
# ================= 用户参数 =================
input_folder = r"."
output_folder = r".\topics"
begin_tag = "# B860"
end_tag = "# B851"
# ================= 辅助函数 =================
def get_input_filename(folder):
for fname in os.listdir(folder):
if "Topics-" in fname and fname.endswith('.md'):
return os.path.join(folder, fname)
raise FileNotFoundError("未找到包含 'Topics-' 且后缀为 '.md' 的文件")
def read_file(filepath):
with open(filepath, encoding="utf-8") as f:
return f.read()
def split_by_title(text):
# 正则匹配 '# Bxxx：title'
blocks = list(re.finditer(r'^# B\d{3,}：.*$', text, flags=re.MULTILINE))
result = []
for idx, match in enumerate(blocks):
start = match.start()
end = blocks[idx + 1].start() if idx + 1 < len(blocks) else len(text)
title_line = text[match.start():match.end()]
block_text = text[start:end].strip()
result.append((title_line, block_text))
return result
def find_range(blocks, begin_tag, end_tag):
begin_idx, end_idx = None, None
for i, (title, _) in enumerate(blocks):
if title.strip().startswith(begin_tag):
begin_idx = i
if title.strip().startswith(end_tag):
end_idx = i
if begin_idx is not None and end_idx is not None and begin_idx <= end_idx:
return blocks[begin_idx:end_idx+1]
else:
raise ValueError("未能定位 begin 或 end 位置，或顺序错误")
def clean_folder(folder):
if os.path.exists(folder):
shutil.rmtree(folder)
os.makedirs(folder)
def save_blocks_to_folder(blocks, folder):
filenames = []
for title, content in blocks:
# 文件名采用 '# Bxxx：title' 的形式
file_base = re.match(r'^# (B\d{3,}：.*)$', title.strip())
if not file_base:
continue
filename = file_base.group(1) + ".md"
# 替换非法字符
filename = re.sub(r'[\\/:*?"<>|]', '_', filename)
filepath = os.path.join(folder, filename)
with open(filepath, "w", encoding="utf-8") as f:
f.write(content.strip() + "\n")
filenames.append(filename)
return filenames
# ================= 主程序 =================
if __name__ == "__main__":
# 1. 获取输入文件
input_path = get_input_filename(input_folder)
# 2. 读取内容
text = read_file(input_path)
# 3. 按分割线分割
blocks = split_by_title(text)
# 4. 提取 begin 到 end 范围
blocks_in_range = find_range(blocks, begin_tag, end_tag)
# 5. 预清空输出文件夹
clean_folder(output_folder)
# 6. 写入输出
filelist = save_blocks_to_folder(blocks_in_range, output_folder)
# 7. 打印信息
print(f"文件总数：{len(filelist)}")
print("文件名称列表：")
for fn in filelist:
print(fn)
文件总数：9
文件名称列表：
B860：Stata 可视化：heatplot-热力图.md
B859：cdist-如何估计反事实的分布特征？.md
B858：数据量大时，啥啥都显著.md
B857：介绍 Local-DID 模型.md
B856：Stata 可视化：robbox-强大的的箱型图命令 - 快速呈现离群值.md
B855：介绍 I4R 机构和网站.md
B854：知乎热议：为什么国内博士毕业的 paper 普遍比国外博士多？.md
B852：mmqreg_ quantile regressions via Method of Moments.md
B851：翻译：异方差稳健性标准误：实操建议.md
有了这段代码，我每次只需 1 秒即可完成任务。
你可以在 B860：Stata 可视化：heatplot-热力图 查看选题 B860 的具体要求。再过 1 月左右，你就可以在 lianxh.cn 上看到这篇推文了。