需求

从一大段文中解析出 markdown 文本所需的 Front Matter 元数据。

Front Matter 解析逻辑

依赖 <think> 标签或特定起始位置的逻辑是非常脆弱的，因为有些大模型输出的数据没有 think 标签。因而采用更健壮的 “Seek and Extract”（搜寻与提取） 策略。

新逻辑详解

  1. 清洗预处理 (Pre-clean):

    • 将所有换行符统一规范化为 \n。
    • 检查并移除外层的 Markdown 代码块包裹 (如 markdown ... )，只保留内部内容。

  2. 定位起始符 (Scan Start):

    • 逐行扫描文本，寻找第一个严格等于 --- (忽略尾部空格) 的行。
    • 关键点: 这意味着 LLM 输出的任何前置废话（如 “Thinking Process…”, “Here is the file:”, <think>...</think>）都会被自动跳过并视为噪点。

  3. 定位结束符 (Scan End):

    • 从起始符的下一行开始，继续寻找下一个 --- 行。
    • 如果找不到成对的结束符，则判定为解析失败（避免错误截取）。

  4. 精准提取 (Extract):

    • YAML: 截取两个 --- 之间的所有行。
    • Body: 截取结束符之后的所有行，并去除首部多余空行。
    • Noise: 起始符之前的所有内容被丢弃。

  5. 校验 (Validate):

    • 尝试解析提取出的 YAML。如果解析失败（非有效 YAML 对象），则回退，避免因偶然出现的 --- 导致程序崩溃。

优势

  • 零依赖: 无需引入 gray-matter，保持代码轻量。
  • 抗干扰: 完美免疫 LLM 的思维链输出、开场白、Markdown 格式包裹等常见噪点。
  • 兼容性: 只要输出中包含标准的 Front Matter 块，无论它藏在哪里，都能被精准挖出来。