| name | km-content-extraction |
| description | Content extraction routing for KM - local documents (HWP/HWPX/PDF/DOCX/XLSX), web, and vault sources. Use when input is a local file or when km-workflow reaches Phase 2 with a non-URL input. |
KM Content Extraction (Codex)
km-workflow Phase 2 ์ ์ถ์ถ ๋ผ์ฐํฐ. ์
๋ ฅ ํ์์ ๋จผ์ ํ์ ํ๊ณ , ์๋ ํ์ ๋๊ตฌ๋ฅผ ์ค์ ๋ก ํธ์ถํ๋ค โ ๋๊ตฌ ํธ์ถ ์์ด ์ฝํ
์ธ ๋ฅผ ์ถ์ธกยท์์ฝํ๋ ๊ฒ์ ๊ธ์ง.
์ ๋ฌธ(์ด๋ฏธ์ง ํ์ดํ๋ผ์ธยท๋ณ๋ ฌ ์ฒ๋ฆฌยทํฌ๋งท๋ณ ์์ธ)์ ํ๋ฌ๊ทธ์ธ skills/km-content-extraction.md (1,087์ค) ์ฐธ์กฐ.
์์ค๋ณ ์ถ์ถ ๋ผ์ฐํ
(ํ์ ๋๊ตฌ ํธ์ถ)
| ์์ค ์ ํ | ๐จ ํ์ ๋๊ตฌ ํธ์ถ |
|---|
| ํ๊ธ (HWP/HWP3/HWPX/HWPML) | kordoc: npx kordoc <files> -d <outdir> โ ๋ณํ md ๋ฅผ Read โ anydoc ์ HWP ๋ฏธ์ง์, ํ๊ธ ๋ฌธ์๋ ์ฒ์๋ถํฐ kordoc |
| PDF | 1์์ Read โ 2์์ opendataloader-pdf โ 3์์ marker_single โ ๐ด anydoc ์ผ๋ก ๋ณด๋ด์ง ์๋๋ค(๋ค๋จ ๋ ์ด์์ ์์ ๋ถ๊ดด) |
| Word (DOCX) | 1์์ npx -y @firecrawl/anydoc "[ํ์ผ]" โ 2์์ Read โ ํ๊ฐ ๋ณต์กํด ๊นจ์ง๋ฉด kordoc |
| Excel (XLSX) | 1์์ npx -y @firecrawl/anydoc "[ํ์ผ]" (์์ ์๋ ํ ํ์ ) โ ์์ยท๋ถ์ยทํธ์ง์ xlsx ๊ณ์ด ๋๊ตฌ |
| CSV | Read (anydoc ํธ์
๋ณด๋ฅ โ ํค๋ ๋ฐ๋ฆผ) |
| PowerPoint | Read (anydoc ๋ฏธํธ์
โ ์ฌ๋ผ์ด๋ ๊ฒฝ๊ณ ์์ค) |
| TXT/MD | Read |
| ์ด๋ฏธ์ง | Read (Vision) |
| ์ผ๋ฐ ์น/์์
| โ $km:km-browser-abstraction / $km:km-social-media |
| Vault ์ข
ํฉ | โ $km:km-search |
ํ๊ตญ์ด ๋ก์ปฌ ๋ฌธ์ fallback = kordoc
์
๋ ฅ์ด ๋ก์ปฌ ๋ฌธ์์ธ๋ฐ ๊ธฐ๋ณธ ๊ฒฝ๋ก(Readยทanydoc)๋ก ์ถฉ์คํ ๋ชป ์ฝ๋ ํ์ โ HWPยทHWPX, ํ๊ฐ ๋ณต์กํ XLSX/DOCX, ํ๊ตญ์ด PDF โ ์ kordoc ์ผ๋ก ๋งํฌ๋ค์ด ๋ณํ ํ ์งํํ๋ค:
npx kordoc <files> -d <outdir>
<files> ๋ณต์ ์ผ๊ด ์ง์. ์ฐ์ถ = <outdir>/<ํ์ผ๋ช
>.md.
- ๋ณํ md ๋ ์๋ฌธ ๋ณด์กด ๊ฒ์ฆ(ํ ํ์ยท์์น ํ๋ณธ ๋์กฐ) ํ ์ฌ์ฉํ๋ค.
- PDF ์
๋ ฅ์
pdfjs-dist@4 peer ์์กด ํ์(v6 ๋นํธํ).
anydoc โ kordoc ์ญํ ๋ถ๋ฆฌ
| anydoc | kordoc |
|---|
| ๊ณ ์ ์์ญ | epub ยท rtf ยท odt/ods/odp | HWP3/HWP/HWPX/HWPML (anydoc ๋ฏธ์ง์) |
| ๊ฒน์น๋ ์์ญ | DOCX ยท XLS/XLSX ยท PDF | DOCX ยท XLS/XLSX ยท PDF |
| ์ฑ๊ฒฉ | ์์ Rust ยท 1ํ ํธ์ถ = 1๋ฌธ์ | Node ยท ํ๊ตญ์ด ํนํ ยท ๋ณต์ ์ผ๊ด |
- DOCXยทXLSX ๊ธฐ๋ณธ = anydoc. ๊นจ์ง๊ฑฐ๋ ํ๊ธ(HWP) ๊ณ์ด์ด๋ฉด kordoc.
- ๐ด PDF ๋ anydoc ๊ธ์ง(์์ ๋ถ๊ดด) โ ์ ํ์ ๋ค๋จ ๊ฒฝ๋ก ์ ์ง.
Phase 2 ์๋ฃ ๊ฒ์ฆ (ํ์)
โก ํด๋น ์์ค ์ ํ์ ๋๊ตฌ๋ฅผ ์ค์ ๋ก ํธ์ถํ๋๊ฐ?
โก ๋๊ตฌ ์๋ต์์ ์ถ์ถ๋ ์ค์ ํ
์คํธ๋ฅผ ํ์ธํ๋๊ฐ (์ถ์ธก ์๋)?
โก ๋ณํ ๋ฌธ์๋ ์๋ฌธ ๋ณด์กด ๊ฒ์ฆ(ํ ํ์ยท์์น ํ๋ณธ)์ ํ๋๊ฐ?
โ ๏ธ ๋ฏธ์๋ฃ ์ Phase 3(๋ถ์) ์งํ ๊ธ์ง.