pzhang_zywl
fec4c09ee0
CI / test (push) Successful in 8s
doc_parser_skill: - New: verify_flowchart.py (flowchart validation) - Updated: LLM.py (multi-provider: DeepSeek + DashScope) - Updated: image_parser.py (logic tree support, external prompts) - Updated: SKILL.md, prompts/image_prompt.md conflict_detection_skill: - Updated: LLM.py (multi-provider sync) - Updated: detect_conflicts.py (logic tree text conversion) ir_generation_skill: - Replaced old scripts/LLM.py + ir_generator.py with standalone project - New: main.py, config.py, step1-3_*.py, ensemble_merge.py - New: prompts/, tests/ subdirectories tests: - New: acceptance/ test suite with schema validation - Fixed: conftest no longer globally skips non-acceptance tests - Updated: test_sample.py for new ir_generation structure Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
39 lines
1.9 KiB
Markdown
39 lines
1.9 KiB
Markdown
---
|
||
name: 文档解析技能
|
||
description: 解析文档（.docx, .pdf）以提取图像和文本结构，并使用视觉大语言模型分析每个图像的类型和描述。
|
||
---
|
||
|
||
# 文档解析技能
|
||
|
||
## 概述
|
||
|
||
此技能从文档（.docx, .pdf）中提取内容并准备进行进一步分析。它提取文本内容和嵌入图像，并对图像执行初始分析以了解其类型和内容。
|
||
|
||
## 功能
|
||
|
||
该技能：
|
||
- 从文档中提取文本结构（段落、表格、标题）
|
||
- 识别并提取嵌入的图像
|
||
- 使用视觉大语言模型分析每个图像并确定其类型和内容描述
|
||
- 生成结构化输出，将图像映射到其在文档中的位置
|
||
- 创建文档的初始解析表示，供后续处理阶段使用
|
||
|
||
## 输入要求
|
||
|
||
- 文档文件路径（必需，支持.docx和.pdf格式）
|
||
- 可选输出目录（默认为'output/'）
|
||
- 可选试运行标志，在不调用API的情况下预览大语言模型提示
|
||
|
||
## 输出
|
||
|
||
该技能生成一个结构化JSON文件，文件名为输入文档的基本名称后跟'_parsed.json'，包含：
|
||
- `sections`：按标题分组的文档文本结构
|
||
- `image_sources`：从图像标识符到其在文档中位置的映射
|
||
- `image_analysis`：由视觉大语言模型确定的每个图像的类型、内容描述和（如适用）结构化逻辑树
|
||
- `type`: 图片类型（flowchart/architecture/state/sequence/activity/other）
|
||
- `description`: 图片的文字描述
|
||
- `logic_tree`（可选，仅图表类型）：结构化逻辑树JSON，包含 `root`（根节点描述）和 `nodes` 数组。节点类型：`decision`（判断）、`action`（动作）、`state`（状态）、`start`（开始）、`end`（结束）。decision 节点包含 `condition` 和 `branches` 字段，其他节点包含 `description` 字段。
|
||
|
||
## 集成点
|
||
|
||
此技能作为文档分析管道中的初始处理步骤。其输出被冲突检测技能消费以识别文本和视觉内容之间的差异。 |