document-pro

# Document Pro - 文档处理技能 ## 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 ```python # 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 ```python 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]) ``` ### PowerPoint ```python 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