TDoc DOCX — Word 文档全能处理技能
概述
提供对 .docx / .doc 文件的完整生命周期管理：
| 能力 | 说明 | 脚本 |
|---|
| 创建 | 从零创建专业 Word 文档（含中文公文格式） | INLINECODE2 |
| 读取 |
提取文本、表格、图片、元数据 |
read_docx.py |
|
编辑 | JSON 规则批量编辑 / XML 层面精细操作 |
edit_docx.py +
office/ |
|
转换 | docx↔pdf、doc→docx、docx→markdown |
convert_docx.py |
|
差异 | 生成两版本间的 Unified Diff 报告 |
diff_docx.py |
|
评论 | 添加评论、回复、tracked changes |
comment.py |
|
分析 | 文档摘要、关键词提取、字数统计 |
word_count.py + AI |
自动触发场景
当用户请求以下任务时，自动使用此 skill：
- - 创建 Word 文档、公文、报告、总结、方案
- 读取/分析/提取 Word 文档内容
- 编辑/修改现有 Word 文档
- 将 Word 转换为 PDF 或其他格式
- 对比两个文档的差异
- 对文档添加评论或修订
- 统计文档字数、分析文档摘要
关键词识别：
- - "Word"、"文档"、"docx"、"doc"
- "公文"、"报告"、"总结"、"方案"、"材料"
- "转PDF"、"转换"、"格式转换"
- "编辑"、"修改"、"对比"、"差异"
- "评论"、"批注"、"修订"
- "字数"、"摘要"、"关键词"、"总结要点"
⚠️ 核心路由原则（必读）
路由决策树仅适用于「创建文档」这一个环节。 文档一旦创建完成（无论是通过路径 A 通用创建还是路径 B 垂类模板创建），后续所有操作一律使用 scripts/ 下的工具脚本，不再走模板流程。
CODEBLOCK0
💡 典型场景：用户先让你用红头模板创建了一份文件，然后又要求「把 A 改成 B」——此时应该用 edit_docx.py 编辑已有文件，而不是重新跑一遍创建脚本。
安装
⚠️ 首次使用本 skill 前必须先安装依赖，否则脚本会报 ModuleNotFoundError！
方式1：一键安装（推荐）
CODEBLOCK1
方式2：手动安装
CODEBLOCK2
核心 Python 依赖（必装）：
| 包名 | 最低版本 | 用途 |
|---|
| INLINECODE12 | 1.1.0 | 创建/读取/编辑 DOCX |
| INLINECODE13 |
4.0 | DOCX→PDF 基础转换 |
|
defusedxml | 0.7.0 | 安全 XML 解析 |
|
lxml | 5.0 | XSD 验证 |
系统级依赖（必装，install.sh 会自动安装）：
| 工具 | 用途 | 手动安装方式 |
|---|
| LibreOffice | 高保真 PDF 转换、DOC→DOCX、接受修订 | macOS: brew install --cask libreoffice<br>Linux: INLINECODE18 |
| pandoc |
高级文本提取 | macOS:
brew install pandocLinux:
sudo apt install pandoc |
| Poppler | DOCX→图片 (pdftoppm) | macOS:
brew install popplerLinux:
sudo apt install poppler-utils |
| antiword | .doc 文件读取 | macOS:
brew install antiwordLinux:
sudo apt install antiword |
💡 推荐使用 ./install.sh 一键安装，脚本会自动检测系统并安装以上所有依赖。
一、创建文档
⚡ 路由决策树（仅用于创建文档）
本决策树仅在「创建新文档」时使用。 对已有文档的编辑、转换、对比等操作请直接使用 scripts/ 工具脚本（参见上方「核心路由原则」）。
创建文档时，必须按以下决策树选择执行路径：
CODEBLOCK3
核心原则：除非用户明确上传了 Markdown 文件要求基于 MD 创建，否则一律使用 Python API 方式（直接调用 DocxCreator）创建文档。
路径 A：通用创建（非垂类文档）
适用于：一般报告、总结、方案、商务文档、学术论文等无特定行业格式规范的文档。
路径 A2：Python API 方式（⭐ 默认推荐）
这是默认的创建方式。 当用户没有上传 Markdown 文件时，直接编写 Python 脚本调用 DocxCreator 类创建文档。
CODEBLOCK4
DocxCreator 可用方法：
| 方法 | 说明 |
|---|
| INLINECODE29 | 居中大标题 |
| INLINECODE30 |
居中署名（支持
\\n 换行） |
|
add_heading1(text) | 一级标题 |
|
add_heading2(text) | 二级标题 |
|
add_paragraph(text, bold_prefix=None) | 正文段落（可选加粗前缀） |
|
add_table(headers, rows, col_widths=None) | 表格 |
|
add_image(path, width=None, caption=None) | 图片 |
|
add_empty_line() | 空行 |
|
add_page_break() | 分页符 |
|
save(filepath) | 保存文档 |
支持的通用风格 (style)：
| 风格 | 说明 | 适用场景 |
|---|
| INLINECODE41 | 默认现代风格（微软雅黑/Arial） | 通用文档 |
| INLINECODE42 |
商务风格（简洁、专业） | 商业方案、合同 |
|
academic | 学术论文格式（宋体/Times New Roman） | 论文、学术报告 |
⚠️ 注意：gov 风格仍然保留在 DocxCreator 中，但当识别到公文类意图时，应走路径 B 垂类模板流程，按 rules.md 规范用 Python 精确创建，而非简单调用 style='gov'。
路径 A1：从 Markdown 创建（CLI 方式）
仅当用户明确上传了 Markdown 文件（如 .md 文件）时才使用此路径。
CODEBLOCK5
Markdown 格式规范：
CODEBLOCK6
路径 B：垂类模板创建（专业文档）
当意图识别到用户需要创建符合特定行业/领域格式规范的文档时，必须走此路径。
垂类意图识别关键词
| 垂类模板 | 触发关键词 | 模板路径 |
|---|
| 公文 | 公文、通知、请示、批复、报告、函、纪要、意见、决定、命令、公报、议案 | INLINECODE47 |
| 红头文件 |
红头、红头文件、红头文档、红头模板 |
{baseDir}/templates/red_head/rules.md |
|
(扩展) |
(未来可添加更多垂类模板) |
{baseDir}/templates/<模板名>/rules.md |
垂类创建流程（三步法）
第一步：读取规范
CODEBLOCK7
该文件包含该垂类文档的完整格式规范：字体、字号、行距、页边距、层级编号、标点规则等。
第二步：按规范用 Python 创建
根据 rules.md 中的详细规范（含页面设置、字体对照表、段落格式、代码片段等），直接使用 python-docx API 编写 Python 脚本创建文档。
⚠️ 不使用 create_docx.py 的内置 style，因为垂类规范比内置 style 更严格精确。所有字体、字号、行距、页边距等参数均以对应 rules.md 为准。
第三步：格式检查
按 rules.md 末尾的格式检查清单逐项确认。
已有垂类模板
| 模板 | 目录 | 规范文件 | 说明 |
|---|
| 党政机关公文 | INLINECODE52 | INLINECODE53 | 依据 GB/T 9704-2012，涵盖通知、请示、批复、报告、函等全部公文类型 |
| 红头文件 |
templates/red_head/ |
rules.md +
src/red_head_document.py | 红头文件模板，含发文机关标志、红色分隔线、版记区域等完整红头要素，基于模板 py 文件 + 搜索素材生成 |
💡 扩展方式：新增垂类模板只需在 templates/ 下创建新目录，添加 rules.md 规范文件，并在上方的意图识别表中注册即可。
附：XML 层面创建（docx-js，高级用法）
如需使用 Node.js docx 库创建高度定制化文档（如复杂嵌套表格、精确页面布局），可安装： INLINECODE60
注意：本 skill 推荐优先使用 Python API，docx-js 仅在需要极端定制时作为备选。
docx-js 关键规则：
- - 设置页面大小：A4 (11906×16838 DXA)、US Letter (12240×15840 DXA)
- 永不使用
\n，用 Paragraph 分段 - 永不使用 unicode bullets，用 INLINECODE62
- 表格必须同时设置
columnWidths 和 cell INLINECODE64 - ImageRun 必须指定 INLINECODE65
- 使用
ShadingType.CLEAR（非 SOLID）
二、读取文档
CODEBLOCK8
输出格式说明：
| 格式 | 特点 | 适用场景 |
|---|
| INLINECODE67 | 纯文本，段落分隔 | 快速预览 |
| INLINECODE68 |
结构化数据 | 程序处理 |
|
markdown | Markdown 格式 | 文档转换 |
三、编辑文档
方式1：JSON 规则编辑（简单场景）
CODEBLOCK9
编辑规则格式 (edits.json)：
CODEBLOCK10
支持的样式：
| 样式 | 效果 |
|---|
| INLINECODE70 | 直接替换 |
| INLINECODE71 |
黄色高亮 |
|
delete | 删除线+高亮 |
|
bold | 加粗 |
|
underline | 下划线 |
方式2：XML 层面精细编辑（高级场景）
适用于需要 tracked changes、精确格式保留的场景。
步骤 1：解包
CODEBLOCK11
步骤 2：编辑 XML
直接编辑 unpacked/word/document.xml。使用 Edit 工具进行字符串替换，不要写 Python 脚本。
Tracked Changes 语法：
CODEBLOCK12
添加评论：
CODEBLOCK13
步骤 3：打包
CODEBLOCK14
接受所有修订
CODEBLOCK15
四、格式转换
CODEBLOCK16
转换支持矩阵：
| 源格式 | 目标格式 | 工具 | 说明 |
|---|
| .docx | .pdf | LibreOffice | ⭐ 高保真，保留表格/字体/排版 |
| .docx |
.pdf | reportlab | 基础转换，仅适合纯文本文档 |
| .docx | .md | python-docx | 结构化提取 |
| .doc | .docx | LibreOffice | 需要 soffice |
| .docx | images | LibreOffice+Poppler | 逐页转图片 |
💡 推荐：DOCX→PDF 优先使用 LibreOffice 命令： INLINECODE76
五、差异对比
CODEBLOCK17
六、文件获取
CODEBLOCK18
七、文档分析
文档摘要
对文档内容进行智能分析，提取核心信息：
- - 提取文档主要观点 — 识别文档中的核心论述和结论
- 生成简短摘要 — 将长文档浓缩为 2-3 句话的概要描述
- 列出关键要点 — 从文档中提炼 3-5 条最重要的信息点
关键词提取
自动识别文档中的关键信息：
- - 找出重要名词/术语 — 提取文档中的专业术语、人名、机构名等
- 识别主题 — 判断文档所属领域和讨论的核心主题
- 提取关键信息 — 发现文档中的关键数据、日期、金额等结构化信息
字数统计
CODEBLOCK19
统计指标：
| 指标 | 说明 |
|---|
| 总字符数（含空格） | 文档全部字符计数 |
| 总字符数（不含空格） |
去除空格后的字符计数 |
| 中文字数 | 仅中文汉字数量 |
| 英文单词数 | 英文单词计数 |
| 数字串数 | 数字（连续数字算一个） |
| 标点符号数 | 中英文标点计数 |
| 段落数 | 文档段落总数 |
| 预估页数 | 按 A4 纸估算页数 |
输出格式
向用户呈现文档分析结果时，应包含以下信息：
- - 文档类型和页数 — 如"docx 文档，约 4 页"
- 主要内容摘要 — 2-3 句话概述文档核心内容
- 关键要点（3-5 条） — 文档中最重要的信息点
- 建议的后续操作 — 如"可进一步编辑第三条款"、"建议添加签名栏"等
💡 使用方式：先用 word_count.py 获取字数统计和文本内容，再结合 AI 能力生成摘要和关键词。
XML 编辑参考
Schema 合规
- -
<w:pPr> 元素顺序: <w:pStyle>, <w:numPr>, <w:spacing>, <w:ind>, <w:jc>, <w:rPr> 最后 - 空白保留: 有前/后空格的
<w:t> 必须设置 INLINECODE86 - RSIDs: 8 位十六进制（如
00AB1234） - 在
<w:del> 内: 用 <w:delText> 替代 INLINECODE90
智能引号
CODEBLOCK20
| 实体 | 字符 |
|---|
| INLINECODE91 | ' 左单引号 |
| INLINECODE92 |
' 右单引号/撇号 |
|
“ | " 左双引号 |
|
” | " 右双引号 |
评论标记
CODEBLOCK21
常见陷阱
- - 替换整个
<w:r> 元素: tracked changes 替换整个 run，不在 run 内部注入标签 - 保留
<w:rPr> 格式: 复制原 run 的格式到新 run - 删除整段时: 必须在
<w:pPr><w:rPr> 中添加 INLINECODE98 - 图片: 添加到
word/media/，注册 relationship 和 content type
依赖
| 依赖 | 用途 | 必需 |
|---|
| INLINECODE100 | 创建/读取/编辑 DOCX | ✅ |
| INLINECODE101 |
DOCX→PDF 基础转换 | ✅ |
|
defusedxml | 安全 XML 解析 | ✅ |
|
lxml | XSD 验证 | ✅ |
|
LibreOffice | 高保真 PDF 转换、DOC↔DOCX、接受修订 | ✅ |
|
pandoc | 高级文本提取 | ✅ |
|
Poppler | DOCX→图片 (pdftoppm) | ✅ |
|
antiword | .doc 文件读取 | ✅ |
所有依赖均通过 ./install.sh 一键安装。
故障排除
"ModuleNotFoundError: python-docx"
CODEBLOCK22
"No replacements made"（编辑时）
文本不完全匹配。先用
read_docx.py 预览准确文本。
中文字体乱码（PDF 转换）
确保系统安装中文字体：
- - macOS: 系统自带 PingFang
- Linux: INLINECODE110
- Windows: 微软雅黑已预装
LibreOffice 相关
DOC→DOCX 和接受修订功能需要 LibreOffice：
- - macOS: INLINECODE111
- Linux: INLINECODE112
TDoc DOCX — Word 文档全能处理技能
概述
提供对 .docx / .doc 文件的完整生命周期管理：
| 能力 | 说明 | 脚本 |
|---|
| 创建 | 从零创建专业 Word 文档（含中文公文格式） | createdocx.py |
| 读取 |
提取文本、表格、图片、元数据 | readdocx.py |
|
编辑 | JSON 规则批量编辑 / XML 层面精细操作 | edit_docx.py + office/ |
|
转换 | docx↔pdf、doc→docx、docx→markdown | convert_docx.py |
|
差异 | 生成两版本间的 Unified Diff 报告 | diff_docx.py |
|
评论 | 添加评论、回复、tracked changes | comment.py |
|
分析 | 文档摘要、关键词提取、字数统计 | word_count.py + AI |
自动触发场景
当用户请求以下任务时，自动使用此 skill：
- - 创建 Word 文档、公文、报告、总结、方案
- 读取/分析/提取 Word 文档内容
- 编辑/修改现有 Word 文档
- 将 Word 转换为 PDF 或其他格式
- 对比两个文档的差异
- 对文档添加评论或修订
- 统计文档字数、分析文档摘要
关键词识别：
- - Word、文档、docx、doc
- 公文、报告、总结、方案、材料
- 转PDF、转换、格式转换
- 编辑、修改、对比、差异
- 评论、批注、修订
- 字数、摘要、关键词、总结要点
⚠️ 核心路由原则（必读）
路由决策树仅适用于「创建文档」这一个环节。 文档一旦创建完成（无论是通过路径 A 通用创建还是路径 B 垂类模板创建），后续所有操作一律使用 scripts/ 下的工具脚本，不再走模板流程。
用户请求
│
├─ 「创建」新文档 → 走路由决策树（路径 A 通用 / 路径 B 垂类模板）
│
└─ 对「已有」文档进行操作 → 直接使用 scripts/ 工具脚本
├─ 编辑/修改 → edit_docx.py（JSON 规则）或 XML 编辑（office/unpack → 修改 → pack）
├─ 读取/提取 → read_docx.py
├─ 格式转换 → convert_docx.py
├─ 差异对比 → diff_docx.py
├─ 评论/修订 → comment.py + XML 编辑
└─ 字数/分析 → word_count.py + AI
💡 典型场景：用户先让你用红头模板创建了一份文件，然后又要求「把 A 改成 B」——此时应该用 edit_docx.py 编辑已有文件，而不是重新跑一遍创建脚本。
安装
⚠️ 首次使用本 skill 前必须先安装依赖，否则脚本会报 ModuleNotFoundError！
方式1：一键安装（推荐）
bash
cd {baseDir}
./install.sh
方式2：手动安装
bash
使用 pip
pip3 install -r {baseDir}/requirements.txt
或使用 uv（更快）
uv pip install -r {baseDir}/requirements.txt
核心 Python 依赖（必装）：
| 包名 | 最低版本 | 用途 |
|---|
| python-docx | 1.1.0 | 创建/读取/编辑 DOCX |
| reportlab |
4.0 | DOCX→PDF 基础转换 |
| defusedxml | 0.7.0 | 安全 XML 解析 |
| lxml | 5.0 | XSD 验证 |
系统级依赖（必装，install.sh 会自动安装）：
| 工具 | 用途 | 手动安装方式 |
|---|
| LibreOffice | 高保真 PDF 转换、DOC→DOCX、接受修订 | macOS: brew install --cask libreoffice<br>Linux: sudo apt install libreoffice |
| pandoc |
高级文本提取 | macOS: brew install pandoc
Linux: sudo apt install pandoc |
| Poppler | DOCX→图片 (pdftoppm) | macOS: brew install poppler
Linux: sudo apt install poppler-utils |
| antiword | .doc 文件读取 | macOS: brew install antiword
Linux: sudo apt install antiword |
💡 推荐使用 ./install.sh 一键安装，脚本会自动检测系统并安装以上所有依赖。
一、创建文档
⚡ 路由决策树（仅用于创建文档）
本决策树仅在「创建新文档」时使用。 对已有文档的编辑、转换、对比等操作请直接使用 scripts/ 工具脚本（参见上方「核心路由原则」）。
创建文档时，必须按以下决策树选择执行路径：
用户请求创建文档
│
├─ Step 1: 意图识别 — 是否匹配垂类模板？
│ │
│ ├─ ✅ 匹配垂类模板（公文、合同等专业文档）
│ │ └─ → 路径 B：垂类模板创建流程
│ │ ① 读取 {baseDir}/templates/<模板名>/rules.md
│ │ ② 按 rules.md 规范，用 Python 脚本创建文档
│ │ ③ 不使用 create_docx.py 的内置 style
│ │
│ └─ ❌ 不匹配垂类模板（通用文档）
│ └─ → 路径 A：通用创建流程
│ │
│ ├─ Step 2: 用户是否上传/提供了 Markdown 文件？
│ │ │
│ │ ├─ ✅ 有 Markdown → 路径 A1：CLI 方式（--from-markdown）
│ │ └─ ❌ 无 Markdown → 路径 A2：Python API 方式（⭐ 默认推荐）
│ │
│ └─ 选择风格: default / business / academic
│
└─ 输出文档
核心原则：除非用户明确上传了 Markdown 文件要求基于 MD 创建，否则一律使用 Python API 方式（直接调用 DocxCreator）创建文档。
路径 A：通用创建（非垂类文档）
适用于：一般报告、总结、方案、商务文档、学术论文等无特定行业格式规范的文档。
路径 A2：Python API 方式（⭐ 默认推荐）
这是默认的创建方式。 当用户没有上传 Markdown 文件时，直接编写 Python 脚本调用 DocxCreator 类创建文档。
python
import sys
sys.path.insert(0, {baseDir}/scripts)
from create_docx import DocxCreator
creator = DocxCreator(style=default) # 可选: default/business/academic
creator.add_title(文档标题)
creator.add_heading1(一、第一章)
creator.add_paragraph(正文内容)
creator.addparagraph(详细说明..., boldprefix=（一）小标题。)
creator.add_table([列1, 列2], [[A, B], [C, D]])
creator.add_image(chart.png, width=400, caption=图1)
creator.addemptyline()
creator.addpagebreak()
creator.save(output.docx)
DocxCreator 可用方法：
| 方法 | 说明 |
|---|
| addtitle(text) | 居中大标题 |
| addauthor(text) |
居中署名（支持 \\n 换行） |
| add_heading1(text) | 一级标题 |
| add_heading2(text) | 二级标题 |
| add
paragraph(text, boldprefix=None) | 正文段落（可选加粗前缀） |
| add
table(headers, rows, colwidths=None) | 表格 |
| add_image(path, width=None, caption=None) | 图片 |
| add
emptyline() | 空行 |
| add
pagebreak() | 分页符 |
| save(filepath) | 保存文档 |
支持的通用风格 (style)：
| 风格 | 说明 | 适用场景 |
|---|
| default | 默认现代风格（微软雅黑/Arial） | 通用文档 |
| business |
商务风格（
