Menü
当需要整理法律 PDF 时使用：检测文字层，生成页面索引、整理草稿和下游交接文件，按内容拆分、合并或直接重命名 OCR 后双层扫描件并规范命名；可做旋转与倾斜校正，不做 OCR 或压缩。
Basierend auf der SOC-Berufsklassifikation
基于现有文章、专栏、课程讲稿、逐字稿、访谈、课件、会议纪要、案例材料、PDF 文本、Word 文档和笔记等内容资产，判断它们最适合转化为书、小册子、课程、系列文章、实务手册或知识库，并输出精简策划意见；用户提到“把现有内容整理成书”“判断素材适合做书还是课程”“把文章/直播稿/课程稿/笔记重组成知识产品”等场景时，应使用本技能。
使用本地 FunASR 服务将音频或视频文件转录为带时间戳的 Markdown 文件，支持 mp4、mov、mp3、wav、m4a 等常见格式。本技能应在用户需要语音转文字、会议记录、视频字幕、播客转录时使用。
Git 工作流安全助手。本技能应在需要执行分支管理、Monorepo 安全合并、PR 创建/审查/合并、冲突处理、cherry-pick、安全回退，以及 stale/已合并分支审计与清理（branch cleanup，含 squash/rebase merge 校验）时使用。不要用于：批量生成提交信息、项目任务分配、长期任务状态管理或本地多 Agent 会话编排。
本技能应在用户需要 OCR、扫描识别、图片文字识别、文档识别，或将 PDF、图片、Office 文档、URL 转换为 Markdown 时使用。检测到法律材料时可进行保守的法律术语与文书结构优化。不要用于法律事实判断、补写缺失内容、语义改写、印章深度识别或图表实体分析。
Skill 质量验收与格式审查工具，也可称 Skilllint。本技能应在用户需要审查 Claude Code Skill 的目录结构、Frontmatter、引用一致性、发布版本、业务流深度、可评估性和安全风险时使用。不要用于：创建新技能、代码审查、应用功能测试、通用编程任务。
转录稿纠错与轻度优化。本技能应在用户需要按用户词典纠正 ASR 转录稿同音字与英文专有名称漂移时使用。不要用于：重写为课程章节、报告、总结，或完全空白的素材创作。
| name | pdf-organizer |
| homepage | https://github.com/cat-xierluo/legal-skills |
| author | 杨卫薪律师（微信ywxlaw） |
| version | 0.5.0 |
| description | 当需要整理法律 PDF 时使用：检测文字层，生成页面索引、整理草稿和下游交接文件，按内容拆分、合并或直接重命名 OCR 后双层扫描件并规范命名；可做旋转与倾斜校正，不做 OCR 或压缩。 |
| license | MIT |
本技能处理“PDF 文件和法律文书逻辑不一致”的问题。它关注的不是普通文件拼接，而是按文书内容把 PDF 整理成律师实际会使用的文件。
核心职责：
handoff.json，供案件材料整理、合同审查、诉讼分析等 Skill 协同使用。本技能不做 OCR、不压缩 PDF，也不替代案件材料整体归类。若 PDF 还没有可检索文字层，先使用 OCR 工具；若需要复杂裁边、压缩、批量 OCR 或高质量图像预处理，优先使用 PDF Processor。
| 依赖 | 安装方式 |
|---|---|
python3 | macOS 通常已内置 |
ocrmypdf | 可选，仅 deskew 倾斜校正需要；macOS: brew install ocrmypdf |
| 包名 | 用途 | 安装命令 |
|---|---|---|
pypdf | 拆分、合并、复制、页面旋转 | python3 -m pip install -r scripts/requirements.txt |
只做清单规划时不需要安装依赖；执行拆分、合并或旋转时需要 pypdf。倾斜校正依赖 ocrmypdf 命令行工具，未安装时应提示用户改用 PDF Processor 或先安装。
第 1-2 页.pdf、第 3-4 页.pdf。archive/YYYYMMDD_HHMMSS_{来源名}/。archive 默认包含：
organize_manifest.input.json：本次输入清单副本。organize_manifest.resolved.json：实际输出路径、页码、状态和命名依据。organize_report.md：给人工复核的摘要报告。handoff.json：面向下游 Skill 的交接文件。run_meta.json：运行元数据。organize_manifest.json 草稿，再由 AI 根据页面证据和命名规则复核。deskew，但复杂图像问题优先交给 PDF Processor。拆分场景：
1/N 重新开始。合并场景：
重命名场景：
input_file 指定来源，用 suggested_filename 给出规范文件名。rotate 或 deskew。如果边界不确定，不要强行合并或拆开；在 manifest 中标记 needs_review: true，并在文件名中保留页码提示。
常见法律文书的细分识别规则见 references/recognition-rules.md。
默认文件名格式：
文书名称 关键主体 补充区分.pdf
规则：
YYYYMMDD；日期缺失或 OCR 可疑时省略。 1、 2，不覆盖已有文件。待确认 页码.pdf 或 疑似文书名称 页码.pdf。示例：
专项法律服务合同 北京青柏教育咨询有限公司.pdf
委托代理合同 张家宁与杭州叠影科技有限公司 著作权权属侵权纠纷.pdf
授权委托书 张家宁.pdf
律师事务所函 张家宁诉杭州叠影科技有限公司.pdf
民事起诉状 张家宁诉杭州叠影科技有限公司 普通版.pdf
民事起诉状 张家宁诉杭州叠影科技有限公司 要素式.pdf
执行前先生成 organize_manifest.json。字段说明见 references/organize-manifest-schema.md。
{
"source_pdf": "/path/to/ocr.pdf",
"output_dir": "/path/to/output",
"segments": [
{
"id": "D001",
"pages": "1-2",
"suggested_filename": "专项法律服务合同 北京青柏教育咨询有限公司.pdf",
"title": "专项法律服务合同",
"confidence": "high",
"needs_review": false,
"evidence": "第 1 页标题为专项法律服务合同，页脚显示第1页共2页。"
}
]
}
{
"output_dir": "/path/to/output",
"segments": [
{
"id": "D001",
"source_items": [
{"file": "/path/to/起诉状 第1-2页.pdf"},
{"file": "/path/to/起诉状 第3-4页.pdf"}
],
"suggested_filename": "民事起诉状 张家宁诉杭州叠影科技有限公司 普通版.pdf",
"title": "民事起诉状",
"confidence": "high",
"needs_review": false,
"evidence": "两份 PDF 标题一致且页码连续，第二份为同一份起诉状续页。"
}
]
}
{
"output_dir": "/path/to/output",
"segments": [
{
"id": "D001",
"input_file": "/path/to/横向扫描.pdf",
"rotate": 90,
"suggested_filename": "授权委托书 张家宁.pdf",
"confidence": "medium",
"needs_review": true
}
]
}
不需要拆分或合并，只根据内容识别结果规范命名：
{
"output_dir": "/path/to/output",
"segments": [
{
"id": "D001",
"input_file": "/path/to/scan_20260531_001.pdf",
"suggested_filename": "民事起诉状 张家宁诉杭州叠影科技有限公司 普通版.pdf",
"title": "民事起诉状",
"document_type": "民事起诉状",
"confidence": "high",
"needs_review": false,
"evidence": "首页标题为民事起诉状，正文提及张家宁与杭州叠影科技有限公司著作权权属侵权纠纷。"
},
{
"id": "D002",
"input_file": "/path/to/scan_20260531_002.pdf",
"suggested_filename": "授权委托书 张家宁.pdf",
"title": "授权委托书",
"document_type": "授权委托书",
"confidence": "high",
"needs_review": false,
"evidence": "首页标题为授权委托书，委托人张家宁。"
}
]
}
首次执行拆分、合并或旋转时，先安装依赖：
python3 -m pip install -r scripts/requirements.txt
预览计划：
python3 scripts/pdf_organizer.py --manifest organize_manifest.json --dry-run
只检测 PDF 是否有可检索文字层：
python3 scripts/pdf_organizer.py --check-text-layer "/path/to/file.pdf"
生成页面检查索引：
python3 scripts/pdf_organizer.py \
--inspect "/path/to/ocr.pdf" \
--inspect-output "/path/to/page_inspection.json"
生成 manifest 草稿：
python3 scripts/pdf_organizer.py \
--suggest-manifest "/path/to/ocr.pdf" \
--output-dir "/path/to/organized" \
--manifest-output "/path/to/organize_manifest.json"
将一个或多个 PDF 的每页标准化为 A4 尺寸，横向页面→A4 横版，竖向页面→A4 竖版：
# 原地覆盖
python3 scripts/pdf_organizer.py --normalize-a4 file1.pdf file2.pdf
# 输出到指定目录
python3 scripts/pdf_organizer.py --normalize-a4 file1.pdf file2.pdf --normalize-output-dir /path/to/output
草稿只作为复核起点。脚本会保守使用 待确认，不要跳过人工/AI 复核直接执行。
确认后执行：
python3 scripts/pdf_organizer.py --manifest organize_manifest.json
常用覆盖参数：
python3 scripts/pdf_organizer.py \
--manifest organize_manifest.json \
--source "/path/to/ocr.pdf" \
--output-dir "/path/to/organized" \
--archive-root "/path/to/archive-root"
脚本默认以 strict 模式检测来源 PDF 的文字层；检测不到可检索文字层时会停止执行。只有在纯旋转、复制等不依赖内容判断的场景，才可在 manifest 中设置 "text_check": "off" 或命令行使用 --text-check off。
脚本只向输出目录写入最终 PDF，不修改源 PDF；manifest、resolved JSON、报告、handoff.json 和元数据写入 archive。
每次正式执行都会在 archive 中生成 handoff.json。下游 Skill 优先读取该文件，而不是重新猜测文件名和文书类型。
suggested_downstream 按文书类别给出路由标签，不绑定具体 Skill 名称：
合同审查。诉讼分析。材料整理。材料整理。具体由哪个 Skill 消费，由下游根据当前可用的 Skill 和案件上下文自行决定。
完成后检查：
pages 对应；合并文件页数等于来源 PDF 页数之和。organize_report.md 没有 low 且 needs_review: true 的未处理项；如果有，明确提示用户人工复核。