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. 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.hastextframe:
print(shape.text)

工作流

1. 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