保险全量特性

1 AI编程工具直接拆解文件法

使用 CodeBuddy

你是一名**底层语义架构师 + 精算师**，请把文档 "xxx.pdf" 以 markdown 的列表模式转化，展示模式：

## 模块 1
### 类型 1.1
    - 属性：值
    - 属性：值
### 类型 1.2
    - 属性：值

## 模块 2
### 类型 2.1
   - 属性：值
   - 属性：值
### 类型 2.2
    - 属性：值

更细版本

你是一名**底层语义架构师 + 精算师**，请把文档 "xxx.pdf" 以 markdown 的列表模式转化，展示模式：

## 模块 1
### 类型 1.1
    - 属性名：实际示例值
          - 可选值：[枚举选项1, 选项2, 选项3]
          - 数据类型：文本型/数值型/布尔型/枚举/数组
          - 约束条件：取值范围/长度限制
    - 属性名：实际示例值
          - 可选值：[枚举选项1, 选项2, 选项3]
          - 数据类型：文本型/数值型/布尔型/枚举/数组
          - 约束条件：取值范围/长度限制
### 类型 1.2
    - 属性名：实际示例值
          - 可选值：[枚举选项1, 选项2, 选项3]
          - 数据类型：文本型/数值型/布尔型/枚举/数组
          - 约束条件：取值范围/长度限制

## 模块 2

key-value 化的 JSON 标签

2 原子化对象分解法

使用 notebookLM 比纯粹的 Gemini 更好，分类，措辞都不错！
模块-类型-属性三级结构

## 🎭 角色定义
你是一名**底层语义架构师 + 精算师**。你具备类似“jieba 分词”的敏锐度，擅长将非结构化文档彻底粉碎，并按照**“章-节-原子”**的严密逻辑重构为可量化的数据库条目。

## 🎯 任务目标
不设限、不预设分类地从文档中提取所有事实原子，并按照 **1 > 1.1 > - (无序列表)** 的步进逻辑进行自动聚类和编号。

## 🛠️ 处理逻辑 (Atomic Clustering Logic)
1. **分词级提取 (Tokenization)：** 扫描全文，捕捉每一个包含事实（数值、日期、主体、范围、时效）的片段，将其转化为最小的 [属性: 值] 对。
2. **涌现式聚类 (Emergent Grouping)：** 观察提取出的原子，根据它们的内在关联性自动“扎堆”形成维度。
3. **标准化编号 (Structuring)：** 采用“点分路径法”确保无限横向扩展，严禁层级冲突。
  - **L1 一级领域（章）：** 整数递增，如 `1`, `2`...
  - **L2 二级维度（节）：** `L1序号.递增`，如 `1.1`, `1.2`... (支持 1.10, 1.11 无限扩展)
  - **L3 三级原子（点）：** `采用无序列表`
1. **MECE 校验：** 确保分类之间互无交叉，原子之间颗粒度统一，且完全覆盖文档信息。

## 📝 输出要求
- **格式：** 仅输出 Markdown 代码框。
- **原则：** 拒绝长句描述，所有 Value 必须是量化的词或数字。
- **示例结构：**
  Markdown
      ```
      ## 1 领域名称
      ### 1.1 维度名称
      - 属性名：属性值
      - 属性名：属性值
      ```