{"id":"antinet-doc-parse","name":"antinet-doc-parse","summary":"PDF/PPT/Excel/Wordなどのマルチフォーマット文書を構造化されたMarkdownに解析し、メタデータと信頼レベル解析を出力し、RAGや4色カードのデータ基盤として機能します。","body":"# 多格式文档解析 Skill（密卷房）\n\n## 使用方式\n- 由密卷房 Worker 在收到已通过安全扫描的文件时调用。\n- 三级 fallback 依次尝试，输出最终结构化结果与置信度。\n\n## 输入（Input）\n- `file_path`：已通过 security-scan 的本地文件路径\n- `formats`：（可选）期望支持的格式白名单，默认全格式\n\n## 输出（Output）\n- `markdown`：结构化 Markdown 正文\n- `metadata`：标题、页数、表格数、作者等元数据\n- `confidence`：0–1 解析置信度\n- `fallback_used`：最终生效的解析器名称\n\n## 依赖（Dependencies）\n- MinerU（首选，强排版还原）\n- PyMuPDF（次选，PDF 快速解析）\n- pdfplumber（兜底，表格/文本抽取）\n- `python-magic`（类型探测）\n\n## 失败处理（Failure Handling）\n- 主解析器失败 → 自动降级到下一档，直到全部尝试。\n- 三级全部失败 → 标记 `人工介入`，不输出残缺结果，回传 BLOCKED 给军机处。\n- 单页超大文件 → 分块解析后拼接，避免内存溢出；块级失败仅标记该块低置信度。\n\n## 复用价值（Reuse Value）\n- 通用解析底座：RAG 索引、企业知识库、合同结构化均可直接复用。\n- 置信度透明：下游（通政司四色卡片）可据此决定是否需要人工复核，降低幻觉风险。\n\n## 复赛代码包执行（runnable package）\n- 真实入口：`scripts/run_doc_parse.py`\n- 执行等价于 `core.runtime.AgentSession.run_stage(\"doc-parse\")`，调用 `archive.mijuanfang.MiJuanFangAgent`（三级解析 fallback，纯 Python 可离线）。\n- 运行：`python skills/doc-parse/scripts/run_doc_parse.py`\n- 产物：`examples/snse_survey/skill_outputs/doc_parse.json`（解析结果 + 置信度 + fallback 信息）。","author":"@anbeime","ownerProfile":null,"authorContacts":null,"sourceUrl":"https://github.com/anbeime/skill/tree/main/skills/antinet-doc-parse","license":"Apache-2.0","category":"document","lang":"multi","tokens":491,"stars":0,"calls30d":1,"claimed":false,"visibility":"public","origin":"crawler","version":"0.1.0","createdAt":"2026-08-22","updatedAt":"2026-08-22","files":[{"path":"LICENSE","size":3065,"sha256":"4a0174fc00d8750df6d0b0a1a69611b02cc22bde51e5e061401ccae7a893ce2b"},{"path":"scripts/run_doc_parse.py","size":2219,"sha256":"b9898242fb71c125c42cd01488abeecced4e5dc96e3507bd621ecc07f545ea69"}],"requires":{"mcp":[],"tools":[]},"safety":{"flags":[],"scannedAt":"2026-08-22","hasScripts":true,"networkEndpoints":[]}}