document-pro

name	document-pro
version	1.0.0
description	文档处理技能 - 让 AI 能够读取、解析、提取 PDF、DOCX、PPT 等文档的关键信息。当用户要求分析文档、提取内容、总结报告时触发此技能。
triggers	["文档处理","document","PDF DOCX"]

Document Pro - 文档处理技能

Skill Graph： 领域 → [[_index-meta|系统元技能领域]]

概述

赋予 AI 强大的文档处理能力：

• PDF 读取与提取
• Word 文档解析
• PowerPoint 提取
• Excel 数据提取
• 文档格式转换

触发场景

1. 用户发送文档并要求"分析"、"总结"
2. 用户要求"提取文档内容"
3. 用户要求"转换成 PDF"
4. 用户询问文档中的具体信息
5. 用户要求"从报告/论文中提取要点"

支持的格式

格式	读取	写入	工具
PDF	✅	✅	pdfplumber, PyPDF2
DOCX	✅	✅	python-docx
PPTX	✅	❌	python-pptx
XLSX	✅	✅	openpyxl
TXT	✅	✅	内置
Markdown	✅	✅	内置

工具使用

PDF 处理

# 提取文本
import pdfplumber

with pdfplumber.open("document.pdf") as pdf:
    for page in pdf.pages:
        text = page.extract_text()
        print(text)

# 提取表格
with pdfplumber.open("document.pdf") as pdf:
    table = pdf.pages[0].extract_tables()

Word 文档

读取：

from docx import Document

doc = Document("document.docx")
for para in doc.paragraphs:
    print(para.text)

# 提取表格
for table in doc.tables:
    for row in table.rows:
        print([cell.text for cell in row.cells])

生成：

from docx import Document
from docx.shared import Pt, Cm
from docx.enum.text import WD_ALIGN_PARAGRAPH

doc = Document()

# 标题
doc.add_heading('报告标题', level=0)
doc.add_heading('第一节', level=1)

# 段落
p = doc.add_paragraph('正文内容...')
p.alignment = WD_ALIGN_PARAGRAPH.LEFT

# 表格
table = doc.add_table(rows=3, cols=3, style='Light Grid Accent 1')
table.cell(0, 0).text = '列1'
table.cell(0, 1).text = '列2'
table.cell(0, 2).text = '列3'

# 保存
doc.save('output.docx')

完整的 .docx 生成指南见 word-docx 技能，包含中文文档、开发信模板、报告模板等最佳实践。

PowerPoint

from pptx import Presentation

prs = Presentation("presentation.pptx")
for slide in prs.slides:
    for shape in slide.shapes:
        if shape.has_text_frame:
            print(shape.text)

工作流

1. 识别文档类型 → 选择正确的工具
2. 读取内容 → 提取文本、表格、图片
3. 分析信息 → 理解结构、提取要点
4. 总结呈现 → 用中文总结给用户

进阶功能

文档摘要

• 提取文档主要观点
• 生成简短摘要
• 列出关键要点

表格处理

• 识别表格结构
• 提取表格数据
• 转换为 CSV/Excel

关键词提取

• 找出重要名词/术语
• 识别主题
• 提取关键信息

输出格式

向用户呈现文档时：

• 文档类型和页数
• 主要内容摘要
• 关键要点（3-5条）
• 建议的后续操作

限制

• 扫描版 PDF 需要 OCR
• 复杂格式可能丢失
• 图片/图表无法完全理解