feat: 优化docx pdf pptx xlsx 技能

skills/docx/SKILL.md

@@ -1,6 +1,6 @@
 ---
 name: docx
-description: "创建、读取、编辑、转换、批注、接受修订、校验和渲染本地或远程 HTTPS Microsoft Word 文档，并按需识别文档图片、截图和扫描页中的文字。用户提到 Word、文档、报告、备忘录、合同、信函、模板、目录、页眉页脚、页码、表格、图片、图片文字 OCR、批注或修订，或提供 HTTPS Word 地址、.docx、.dotx、.doc 文件时使用；支持安全下载、结构化创建、跨 Run 查找替换、本地 RapidOCR、安全 OOXML 解包/打包、旧格式转换、关系与 XML 校验及逐页视觉检查。若主要交付物是 PDF、电子表格、Google Docs 或普通代码，则不要使用。"
+description: "创建、读取、编辑、转换、批注、接受修订、校验和渲染本地或远程 HTTPS Microsoft Word 文档，并下载 Word 任务所需且不超过 25 MiB 的图片、音视频、压缩包和其他 HTTPS 附件，按需识别文档图片、截图和扫描页中的文字。用户提到 Word、文档、报告、备忘录、合同、信函、模板、目录、页眉页脚、页码、表格、图片、图片文字 OCR、批注或修订，或提供 HTTPS Word 地址、.docx、.dotx、.doc 文件时使用；支持源文档安全下载、结构化创建、跨 Run 查找替换、本地 RapidOCR、安全 OOXML 解包/打包、旧格式转换、关系与 XML 校验及逐页视觉检查。若主要交付物是 PDF、电子表格、Google Docs 或普通代码，则不要使用。"
 ---
 
 # Word 文档处理
@@ -14,7 +14,7 @@ description: "创建、读取、编辑、转换、批注、接受修订、校验
 - LibreOffice、Pandoc、Poppler 和 ZIP 操作只允许由固定 Python 脚本在内部调用。
 - 每次检查脚本返回 JSON；只有 `ok` 为 `true` 时才继续。`validate_document.py` 还必须返回 `status: valid`。
 - 只在需要读取图片、截图或扫描页中的文字时调用 `ocr_document.py`。只使用 `pages[]` 中 `usable_for_summary: true` 的 `text`；低置信度结果不得作为可靠正文。
-- 远程地址只交给 `download_document.py`；不要在回复、日志摘要或文件名中复述可能含敏感查询参数的完整 URL。
+- 远程 Word 源文档只交给 `download_document.py`；任务所需的远程图片、视频、音频、压缩包或其他附件只交给 `download_attachment.py`。不要在回复、日志摘要或文件名中复述可能含敏感查询参数的完整 URL。
 - 不覆盖用户提供的源文件。Word 最终文件一律写入 `/usr/local/src/word/`，下载缓存、中间文件和渲染结果一律写入 `/usr/local/src/word/tmp/<任务名>/`。始终传绝对路径；固定脚本会自动创建目录并拒绝该根目录之外的输出。
 - 环境已预置依赖，不安装软件包，也不提示用户安装依赖。
 
@@ -23,6 +23,7 @@ description: "创建、读取、编辑、转换、批注、接受修订、校验
 | 脚本 | 用途 | 底层能力 |
 | --- | --- | --- |
 | `scripts/download_document.py` | 下载并校验远程 HTTPS Word 文档 | Python `urllib`、安全 OOXML 解析、`python-docx` |
+| `scripts/download_attachment.py` | 下载图片、音视频、压缩包等通用 HTTPS 附件 | Python `urllib`、HEAD 大小探测、流式硬限制 |
 | `scripts/inspect_document.py` | 分段读取正文、表格、样式、批注和修订 | `python-docx`、安全 OOXML 解析 |
 | `scripts/ocr_document.py` | 按页识别图片、截图和扫描页中的文字 | RapidOCR、ONNX Runtime、LibreOffice、Poppler、`pdfplumber` |
 | `scripts/create_document.py` | 按受控 JSON 创建专业 DOCX | `python-docx`、Pillow |
@@ -61,13 +62,25 @@ description: "创建、读取、编辑、转换、批注、接受修订、校验
 可选参数：
 
 - `--timeout <1-600>`：连接和读取超时秒数，默认 `60`。
-- `--max-bytes <字节数>`：默认 `104857600`（100 MiB），最高 `536870912`（512 MiB）。
+- `--max-bytes <字节数>`：默认且最高 `26214400`（25 MiB），只允许设置更小的限制。
 - `--overwrite`：只在目标是本次任务生成的旧缓存时使用。
 
 `output` 扩展名必须是 `.docx`、`.dotx` 或 `.doc`。脚本阻止 HTTPS 重定向降级到 HTTP，流式限制大小，先写同目录临时文件，再原子发布；DOCX/DOTX 会检查 ZIP 路径、成员大小、必要部件和内容类型，并用 `python-docx` 打开。实际 OOXML 格式与 `output` 扩展名不一致时，根据错误中的实际格式更正缓存扩展名，再调用同一脚本。
 
 成功结果包含 `path`、`size_bytes`、`format` 和 `validation`；OOXML 还包含段落、表格和章节数量。后续脚本只使用返回的本地 `path`，不再访问原 URL。
 
+## 下载通用附件
+
+需要下载作为 Word 任务素材的图片、视频、音频、压缩包或其他文件时，调用 `scripts/download_attachment.py`：
+
+```text
+--url 'https://example.com/asset.bin?signature=...' --output '/usr/local/src/word/tmp/<任务名>/asset.bin'
+```
+
+只接受 HTTPS 地址，`output` 可使用任意附件扩展名。可选参数只有 `--timeout <1-600>`（默认 `60`）和 `--overwrite`。附件上限固定为 25 MiB（26214400 字节），不可调高：脚本先用 HEAD 探测远端声明大小，再检查 GET 响应声明，并在流式接收时持续兜底计数；任一阶段发现超限都会返回 `ok: false` 和明确的“已拒绝下载”错误，且不会发布部分文件。
+
+成功结果包含 `path`、实际 `size_bytes`、`declared_size_bytes`、`size_limit_bytes`、`size_probe` 和 `content_type`。本脚本不校验文件业务格式；远程 Word 源文档仍使用 `download_document.py`。
+
 ## 检查文档
 
 调用 `scripts/inspect_document.py`：

skills/docx/scripts/download_attachment.py

@@ -0,0 +1,256 @@
+#!/usr/bin/env python3
+
+from __future__ import annotations
+
+import argparse
+import os
+import socket
+import sys
+import tempfile
+import urllib.error
+import urllib.parse
+import urllib.request
+from pathlib import Path
+from typing import Any, NoReturn, Optional
+
+from _docx_common import emit, failure_message, output_file, publish_file
+
+
+DEFAULT_TIMEOUT_SECONDS = 60
+MAX_ATTACHMENT_BYTES = 25 * 1024 * 1024
+CHUNK_SIZE = 1024 * 1024
+USER_AGENT = "wechat-robot-docx-attachment-downloader/1.0"
+
+
+class SkillArgumentParser(argparse.ArgumentParser):
+    def error(self, message: str) -> NoReturn:
+        raise ValueError(f"参数错误：{message}")
+
+
+def _validate_https_url(value: str) -> str:
+    url = value.strip()
+    if not url:
+        raise ValueError("附件 URL 不能为空")
+    if any(character.isspace() or ord(character) < 32 for character in url):
+        raise ValueError("附件 URL 不能包含空白字符或控制字符")
+
+    parsed = urllib.parse.urlsplit(url)
+    if parsed.scheme.lower() != "https" or not parsed.hostname:
+        raise ValueError("附件 URL 必须是有效的 HTTPS 地址")
+    if parsed.username is not None or parsed.password is not None:
+        raise ValueError("附件 URL 不允许包含用户名或密码")
+    try:
+        parsed.port
+    except ValueError as exc:
+        raise ValueError("附件 URL 端口格式不正确") from exc
+    return url
+
+
+class HTTPSOnlyRedirectHandler(urllib.request.HTTPRedirectHandler):
+    def redirect_request(self, req, fp, code, msg, headers, newurl):
+        return super().redirect_request(
+            req,
+            fp,
+            code,
+            msg,
+            headers,
+            _validate_https_url(newurl),
+        )
+
+
+def _parse_args(argv: list[str]) -> argparse.Namespace:
+    parser = SkillArgumentParser(
+        description="下载不超过 25 MiB 的远程 HTTPS 通用附件"
+    )
+    parser.add_argument(
+        "--url",
+        "--attachment-url",
+        "--attachment_url",
+        dest="url",
+        required=True,
+        help="远程 HTTPS 附件地址",
+    )
+    parser.add_argument(
+        "--output",
+        required=True,
+        help="附件本地输出路径；允许图片、音视频、压缩包及其他文件类型",
+    )
+    parser.add_argument(
+        "--timeout",
+        type=int,
+        default=DEFAULT_TIMEOUT_SECONDS,
+        help=f"连接和读取超时秒数，默认 {DEFAULT_TIMEOUT_SECONDS}",
+    )
+    parser.add_argument(
+        "--overwrite",
+        action="store_true",
+        help="允许覆盖本次任务已存在的缓存文件",
+    )
+    args = parser.parse_args(argv)
+
+    args.url = _validate_https_url(args.url)
+    if args.timeout < 1 or args.timeout > 600:
+        raise ValueError("timeout 必须在 1 到 600 秒之间")
+    args.output = output_file(args.output, overwrite=args.overwrite)
+    return args
+
+
+def _content_length(headers: Any) -> Optional[int]:
+    raw_value = headers.get("Content-Length")
+    if raw_value is None:
+        return None
+    try:
+        size = int(raw_value)
+    except (TypeError, ValueError):
+        return None
+    return size if size >= 0 else None
+
+
+def _reject_if_too_large(size_bytes: int, *, source: str) -> None:
+    if size_bytes <= MAX_ATTACHMENT_BYTES:
+        return
+    raise ValueError(
+        "附件超过 25 MiB（26214400 字节）限制，已拒绝下载；"
+        f"{source}大小为 {size_bytes} 字节"
+    )
+
+
+def _probe_size(
+    opener: urllib.request.OpenerDirector,
+    url: str,
+    timeout: int,
+) -> Optional[int]:
+    request = urllib.request.Request(
+        url,
+        headers={
+            "Accept": "*/*",
+            "Accept-Encoding": "identity",
+            "User-Agent": USER_AGENT,
+        },
+        method="HEAD",
+    )
+    try:
+        with opener.open(request, timeout=timeout) as response:
+            _validate_https_url(response.geturl())
+            size = _content_length(response.headers)
+    except (
+        urllib.error.HTTPError,
+        urllib.error.URLError,
+        TimeoutError,
+        socket.timeout,
+    ):
+        return None
+
+    if size is not None:
+        _reject_if_too_large(size, source="远端声明")
+    return size
+
+
+def _content_type(headers: Any) -> Optional[str]:
+    raw_value = headers.get("Content-Type")
+    if not raw_value:
+        return None
+    media_type = raw_value.split(";", 1)[0].strip().lower()
+    return media_type or None
+
+
+def _download(args: argparse.Namespace) -> dict[str, Any]:
+    output: Path = args.output
+    opener = urllib.request.build_opener(HTTPSOnlyRedirectHandler())
+    probed_size = _probe_size(opener, args.url, args.timeout)
+    request = urllib.request.Request(
+        args.url,
+        headers={
+            "Accept": "*/*",
+            "Accept-Encoding": "identity",
+            "User-Agent": USER_AGENT,
+        },
+        method="GET",
+    )
+
+    temp_path: Optional[Path] = None
+    downloaded_bytes = 0
+    response_size: Optional[int] = None
+    response_type: Optional[str] = None
+    try:
+        with tempfile.NamedTemporaryFile(
+            mode="wb",
+            prefix=f".{output.stem}.",
+            suffix=f".part{output.suffix}",
+            dir=str(output.parent),
+            delete=False,
+        ) as temp_file:
+            temp_path = Path(temp_file.name)
+            with opener.open(request, timeout=args.timeout) as response:
+                _validate_https_url(response.geturl())
+                response_size = _content_length(response.headers)
+                response_type = _content_type(response.headers)
+                if response_size is not None:
+                    _reject_if_too_large(response_size, source="下载响应声明")
+
+                while True:
+                    chunk = response.read(CHUNK_SIZE)
+                    if not chunk:
+                        break
+                    downloaded_bytes += len(chunk)
+                    _reject_if_too_large(downloaded_bytes, source="已接收")
+                    temp_file.write(chunk)
+
+            temp_file.flush()
+            os.fsync(temp_file.fileno())
+
+        if downloaded_bytes == 0:
+            raise ValueError("远程服务器返回了空附件")
+
+        publish_file(temp_path, output, overwrite=args.overwrite)
+        temp_path = None
+        declared_size = (
+            response_size if response_size is not None else probed_size
+        )
+        if response_size is not None:
+            size_probe = "get-content-length"
+        elif probed_size is not None:
+            size_probe = "head-content-length"
+        else:
+            size_probe = "stream"
+        return {
+            "path": str(output),
+            "size_bytes": downloaded_bytes,
+            "declared_size_bytes": declared_size,
+            "size_limit_bytes": MAX_ATTACHMENT_BYTES,
+            "size_probe": size_probe,
+            "content_type": response_type,
+        }
+    finally:
+        if temp_path is not None:
+            try:
+                temp_path.unlink(missing_ok=True)
+            except OSError:
+                pass
+
+
+def _failure_message(exc: Exception) -> str:
+    if isinstance(exc, urllib.error.HTTPError):
+        return f"附件下载失败：远程服务器返回 HTTP {exc.code}"
+    if isinstance(exc, (TimeoutError, socket.timeout)):
+        return "附件下载失败：连接或读取超时"
+    if isinstance(exc, urllib.error.URLError):
+        if isinstance(exc.reason, (TimeoutError, socket.timeout)):
+            return "附件下载失败：连接或读取超时"
+        return "附件下载失败：无法访问远程服务器"
+    return failure_message(exc)
+
+
+def main(argv: Optional[list[str]] = None) -> int:
+    try:
+        args = _parse_args(sys.argv[1:] if argv is None else argv)
+        result = _download(args)
+    except Exception as exc:
+        emit({"ok": False, "error": _failure_message(exc)})
+        return 1
+    emit({"ok": True, **result})
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

skills/docx/scripts/download_document.py

@@ -26,8 +26,8 @@ from _docx_common import (
 
 
 DEFAULT_TIMEOUT_SECONDS = 60
-DEFAULT_MAX_BYTES = 100 * 1024 * 1024
+MAX_ALLOWED_BYTES = 25 * 1024 * 1024
-MAX_ALLOWED_BYTES = 512 * 1024 * 1024
+DEFAULT_MAX_BYTES = MAX_ALLOWED_BYTES
 CHUNK_SIZE = 1024 * 1024
 USER_AGENT = "wechat-robot-docx-skill/1.0"
 OLE_COMPOUND_MAGIC = bytes.fromhex("D0CF11E0A1B11AE1")
@@ -244,7 +244,7 @@ def _download(args: argparse.Namespace) -> dict[str, Any]:
                         expected_bytes = 0
                     if expected_bytes > args.max_bytes:
                         raise ValueError(
-                            "远程文件超过大小限制："
+                            "远程文件超过大小限制，已拒绝下载："
                             f"最多允许 {args.max_bytes} 字节"
                         )
 
@@ -256,7 +256,7 @@ def _download(args: argparse.Namespace) -> dict[str, Any]:
                     downloaded_bytes += len(chunk)
                     if downloaded_bytes > args.max_bytes:
                         raise ValueError(
-                            "远程文件超过大小限制："
+                            "远程文件超过大小限制，已拒绝下载："
                             f"最多允许 {args.max_bytes} 字节"
                         )
                     temp_file.write(chunk)

skills/pdf/SKILL.md

@@ -1,6 +1,6 @@
 ---
 name: pdf
-description: "处理本地 PDF 文件或远程 HTTPS PDF 链接，包括安全下载、元数据与页面检查、多引擎分段文本提取和质量检测、扫描页本地 OCR、表格提取、按需页面 PNG 渲染、从文本创建 PDF、合并、拆分、旋转及最终质量校验。当用户提供 .pdf 文件或 HTTPS PDF 地址，或要求总结、读取、识别扫描件、生成、编辑、转换或审阅 PDF 时使用。"
+description: "处理本地 PDF 文件或远程 HTTPS PDF 链接，并下载 PDF 任务所需且不超过 25 MiB 的图片、音视频、压缩包和其他 HTTPS 附件；包括源 PDF 安全下载、元数据与页面检查、多引擎分段文本提取和质量检测、扫描页本地 OCR、表格提取、按需页面 PNG 渲染、从文本创建 PDF、合并、拆分、旋转及最终质量校验。当用户提供 .pdf 文件或 HTTPS PDF 地址，或要求总结、读取、识别扫描件、生成、编辑、转换或审阅 PDF 时使用。"
 ---
 
 # PDF 处理
@@ -16,6 +16,7 @@ description: "处理本地 PDF 文件或远程 HTTPS PDF 链接，包括安全
 - 每次检查脚本返回的 JSON；只有 `ok` 为 `true` 时才继续。
 - 收到 `ok: false` 时，依据 `error` 调整合法参数或向用户说明失败原因，不要把参数改传给其他脚本碰运气。
 - 阅读或总结时只使用 `pages[]` 中 `usable_for_summary: true` 的文本。`needs_ocr: false` 时不得为了“常规检查”继续 OCR、渲染或调用图片识别。
+- 远程 PDF 源文件只交给 `download_pdf.py`；任务所需的远程图片、视频、音频、压缩包或其他附件只交给 `download_attachment.py`。不要在回复、日志摘要或文件名中复述可能含敏感查询参数的完整 URL。
 - PDF 最终文件一律写入 `/usr/local/src/pdf/`，下载缓存、中间文件和渲染结果一律写入 `/usr/local/src/pdf/tmp/<任务名>/`。始终传绝对路径；固定脚本会自动创建目录并拒绝该根目录之外的输出。
 - 不把 PDF 密码作为脚本参数；工具调用参数可能进入运行日志。
 
@@ -24,6 +25,7 @@ description: "处理本地 PDF 文件或远程 HTTPS PDF 链接，包括安全
 | 脚本 | 用途 | 底层能力 |
 | --- | --- | --- |
 | `scripts/download_pdf.py` | 下载并校验远程 HTTPS PDF | `urllib`、`pypdf` |
+| `scripts/download_attachment.py` | 下载图片、音视频、压缩包等通用 HTTPS 附件 | `urllib`、HEAD 大小探测、流式硬限制 |
 | `scripts/inspect_pdf.py` | 检查页数、加密、元数据、页面尺寸和表单数量 | `pypdf` |
 | `scripts/extract_text.py` | 多引擎提取、质量检测并分段返回正文 | Poppler `pdftotext`、`pdfplumber`；`pypdf` 校验 |
 | `scripts/ocr_text.py` | 对指定扫描页执行离线 OCR 并返回可靠文字 | RapidOCR、ONNX Runtime、Poppler `pdftoppm` |
@@ -60,11 +62,23 @@ description: "处理本地 PDF 文件或远程 HTTPS PDF 链接，包括安全
 可选参数：
 
 - `--timeout <秒>`：默认 `60`。
-- `--max-bytes <字节数>`：默认 `104857600`（100 MiB）。
+- `--max-bytes <字节数>`：默认且最高 `26214400`（25 MiB），只允许设置更小的限制。
 - `--overwrite`：仅在目标是本次任务生成的缓存时使用。
 
 脚本会创建父目录、流式下载、阻止 HTTPS 重定向降级到 HTTP，并验证 PDF。成功结果包含 `path`、`size_bytes`、`page_count` 和 `encrypted`。
 
+## 下载通用附件
+
+需要下载作为 PDF 任务素材的图片、视频、音频、压缩包或其他文件时，调用 `scripts/download_attachment.py`：
+
+```text
+--url 'https://example.com/asset.bin?signature=...' --output '/usr/local/src/pdf/tmp/<任务名>/asset.bin'
+```
+
+只接受 HTTPS 地址，`output` 可使用任意附件扩展名。可选参数只有 `--timeout <1-600>`（默认 `60`）和 `--overwrite`。附件上限固定为 25 MiB（26214400 字节），不可调高：脚本先用 HEAD 探测远端声明大小，再检查 GET 响应声明，并在流式接收时持续兜底计数；任一阶段发现超限都会返回 `ok: false` 和明确的“已拒绝下载”错误，且不会发布部分文件。
+
+成功结果包含 `path`、实际 `size_bytes`、`declared_size_bytes`、`size_limit_bytes`、`size_probe` 和 `content_type`。本脚本不校验文件业务格式；远程 PDF 源文件仍使用 `download_pdf.py`。
+
 ## 检查 PDF
 
 调用 `scripts/inspect_pdf.py`：

skills/pdf/scripts/download_attachment.py

@@ -0,0 +1,266 @@
+#!/usr/bin/env python3
+
+from __future__ import annotations
+
+import argparse
+import os
+import socket
+import sys
+import tempfile
+import urllib.error
+import urllib.parse
+import urllib.request
+from pathlib import Path
+from typing import Any, NoReturn, Optional
+
+from _pdf_common import emit, ensure_output_path, failure_message, publish_temp_file
+
+
+DEFAULT_TIMEOUT_SECONDS = 60
+MAX_ATTACHMENT_BYTES = 25 * 1024 * 1024
+CHUNK_SIZE = 1024 * 1024
+USER_AGENT = "wechat-robot-pdf-attachment-downloader/1.0"
+
+
+class SkillArgumentParser(argparse.ArgumentParser):
+    def error(self, message: str) -> NoReturn:
+        raise ValueError(f"参数错误：{message}")
+
+
+def _validate_https_url(value: str) -> str:
+    url = value.strip()
+    if not url:
+        raise ValueError("附件 URL 不能为空")
+    if any(character.isspace() or ord(character) < 32 for character in url):
+        raise ValueError("附件 URL 不能包含空白字符或控制字符")
+
+    parsed = urllib.parse.urlsplit(url)
+    if parsed.scheme.lower() != "https" or not parsed.hostname:
+        raise ValueError("附件 URL 必须是有效的 HTTPS 地址")
+    if parsed.username is not None or parsed.password is not None:
+        raise ValueError("附件 URL 不允许包含用户名或密码")
+    try:
+        parsed.port
+    except ValueError as exc:
+        raise ValueError("附件 URL 端口格式不正确") from exc
+    return url
+
+
+class HTTPSOnlyRedirectHandler(urllib.request.HTTPRedirectHandler):
+    def redirect_request(self, req, fp, code, msg, headers, newurl):
+        return super().redirect_request(
+            req,
+            fp,
+            code,
+            msg,
+            headers,
+            _validate_https_url(newurl),
+        )
+
+
+def _output_file(value: str, *, overwrite: bool) -> Path:
+    path = ensure_output_path(Path(value))
+    if path.exists() and not path.is_file():
+        raise ValueError(f"目标路径不是文件：{path}")
+    if path.exists() and not overwrite:
+        raise FileExistsError(f"目标文件已存在：{path}")
+    path.parent.mkdir(parents=True, exist_ok=True)
+    return path
+
+
+def _parse_args(argv: list[str]) -> argparse.Namespace:
+    parser = SkillArgumentParser(
+        description="下载不超过 25 MiB 的远程 HTTPS 通用附件"
+    )
+    parser.add_argument(
+        "--url",
+        "--attachment-url",
+        "--attachment_url",
+        dest="url",
+        required=True,
+        help="远程 HTTPS 附件地址",
+    )
+    parser.add_argument(
+        "--output",
+        required=True,
+        help="附件本地输出路径；允许图片、音视频、压缩包及其他文件类型",
+    )
+    parser.add_argument(
+        "--timeout",
+        type=int,
+        default=DEFAULT_TIMEOUT_SECONDS,
+        help=f"连接和读取超时秒数，默认 {DEFAULT_TIMEOUT_SECONDS}",
+    )
+    parser.add_argument(
+        "--overwrite",
+        action="store_true",
+        help="允许覆盖本次任务已存在的缓存文件",
+    )
+    args = parser.parse_args(argv)
+
+    args.url = _validate_https_url(args.url)
+    if args.timeout < 1 or args.timeout > 600:
+        raise ValueError("timeout 必须在 1 到 600 秒之间")
+    args.output = _output_file(args.output, overwrite=args.overwrite)
+    return args
+
+
+def _content_length(headers: Any) -> Optional[int]:
+    raw_value = headers.get("Content-Length")
+    if raw_value is None:
+        return None
+    try:
+        size = int(raw_value)
+    except (TypeError, ValueError):
+        return None
+    return size if size >= 0 else None
+
+
+def _reject_if_too_large(size_bytes: int, *, source: str) -> None:
+    if size_bytes <= MAX_ATTACHMENT_BYTES:
+        return
+    raise ValueError(
+        "附件超过 25 MiB（26214400 字节）限制，已拒绝下载；"
+        f"{source}大小为 {size_bytes} 字节"
+    )
+
+
+def _probe_size(
+    opener: urllib.request.OpenerDirector,
+    url: str,
+    timeout: int,
+) -> Optional[int]:
+    request = urllib.request.Request(
+        url,
+        headers={
+            "Accept": "*/*",
+            "Accept-Encoding": "identity",
+            "User-Agent": USER_AGENT,
+        },
+        method="HEAD",
+    )
+    try:
+        with opener.open(request, timeout=timeout) as response:
+            _validate_https_url(response.geturl())
+            size = _content_length(response.headers)
+    except (
+        urllib.error.HTTPError,
+        urllib.error.URLError,
+        TimeoutError,
+        socket.timeout,
+    ):
+        return None
+
+    if size is not None:
+        _reject_if_too_large(size, source="远端声明")
+    return size
+
+
+def _content_type(headers: Any) -> Optional[str]:
+    raw_value = headers.get("Content-Type")
+    if not raw_value:
+        return None
+    media_type = raw_value.split(";", 1)[0].strip().lower()
+    return media_type or None
+
+
+def _download(args: argparse.Namespace) -> dict[str, Any]:
+    output: Path = args.output
+    opener = urllib.request.build_opener(HTTPSOnlyRedirectHandler())
+    probed_size = _probe_size(opener, args.url, args.timeout)
+    request = urllib.request.Request(
+        args.url,
+        headers={
+            "Accept": "*/*",
+            "Accept-Encoding": "identity",
+            "User-Agent": USER_AGENT,
+        },
+        method="GET",
+    )
+
+    temp_path: Optional[Path] = None
+    downloaded_bytes = 0
+    response_size: Optional[int] = None
+    response_type: Optional[str] = None
+    try:
+        with tempfile.NamedTemporaryFile(
+            mode="wb",
+            prefix=f".{output.stem}.",
+            suffix=f".part{output.suffix}",
+            dir=str(output.parent),
+            delete=False,
+        ) as temp_file:
+            temp_path = Path(temp_file.name)
+            with opener.open(request, timeout=args.timeout) as response:
+                _validate_https_url(response.geturl())
+                response_size = _content_length(response.headers)
+                response_type = _content_type(response.headers)
+                if response_size is not None:
+                    _reject_if_too_large(response_size, source="下载响应声明")
+
+                while True:
+                    chunk = response.read(CHUNK_SIZE)
+                    if not chunk:
+                        break
+                    downloaded_bytes += len(chunk)
+                    _reject_if_too_large(downloaded_bytes, source="已接收")
+                    temp_file.write(chunk)
+
+            temp_file.flush()
+            os.fsync(temp_file.fileno())
+
+        if downloaded_bytes == 0:
+            raise ValueError("远程服务器返回了空附件")
+
+        publish_temp_file(temp_path, output, args.overwrite)
+        temp_path = None
+        declared_size = (
+            response_size if response_size is not None else probed_size
+        )
+        if response_size is not None:
+            size_probe = "get-content-length"
+        elif probed_size is not None:
+            size_probe = "head-content-length"
+        else:
+            size_probe = "stream"
+        return {
+            "path": str(output),
+            "size_bytes": downloaded_bytes,
+            "declared_size_bytes": declared_size,
+            "size_limit_bytes": MAX_ATTACHMENT_BYTES,
+            "size_probe": size_probe,
+            "content_type": response_type,
+        }
+    finally:
+        if temp_path is not None:
+            try:
+                temp_path.unlink(missing_ok=True)
+            except OSError:
+                pass
+
+
+def _failure_message(exc: Exception) -> str:
+    if isinstance(exc, urllib.error.HTTPError):
+        return f"附件下载失败：远程服务器返回 HTTP {exc.code}"
+    if isinstance(exc, (TimeoutError, socket.timeout)):
+        return "附件下载失败：连接或读取超时"
+    if isinstance(exc, urllib.error.URLError):
+        if isinstance(exc.reason, (TimeoutError, socket.timeout)):
+            return "附件下载失败：连接或读取超时"
+        return "附件下载失败：无法访问远程服务器"
+    return failure_message(exc)
+
+
+def main(argv: Optional[list[str]] = None) -> int:
+    try:
+        args = _parse_args(sys.argv[1:] if argv is None else argv)
+        result = _download(args)
+    except Exception as exc:
+        emit({"ok": False, "error": _failure_message(exc)})
+        return 1
+    emit({"ok": True, **result})
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

skills/pdf/scripts/download_pdf.py

@@ -18,7 +18,8 @@ from typing import NoReturn, Optional
 from _pdf_common import ensure_output_path
 
 DEFAULT_TIMEOUT_SECONDS = 60
-DEFAULT_MAX_BYTES = 100 * 1024 * 1024
+MAX_ALLOWED_BYTES = 25 * 1024 * 1024
+DEFAULT_MAX_BYTES = MAX_ALLOWED_BYTES
 CHUNK_SIZE = 1024 * 1024
 USER_AGENT = "wechat-robot-pdf-skill/1.0"
 
@@ -96,8 +97,10 @@ def _parse_args(argv: list[str]) -> argparse.Namespace:
     args.url = _validate_https_url(args.url)
     if args.timeout <= 0:
         raise ValueError("timeout 必须大于 0")
-    if args.max_bytes <= 0:
+    if args.max_bytes <= 0 or args.max_bytes > MAX_ALLOWED_BYTES:
-        raise ValueError("max-bytes 必须大于 0")
+        raise ValueError(
+            f"max-bytes 必须在 1 到 {MAX_ALLOWED_BYTES} 之间"
+        )
 
     output = Path(args.output).expanduser()
     if output.suffix.lower() != ".pdf":
@@ -169,7 +172,8 @@ def _download(args: argparse.Namespace) -> dict:
                         expected_bytes = 0
                     if expected_bytes > args.max_bytes:
                         raise ValueError(
-                            f"远程文件超过大小限制：最多允许 {args.max_bytes} 字节"
+                            "远程文件超过大小限制，已拒绝下载："
+                            f"最多允许 {args.max_bytes} 字节"
                         )
 
                 downloaded_bytes = 0
@@ -180,7 +184,8 @@ def _download(args: argparse.Namespace) -> dict:
                     downloaded_bytes += len(chunk)
                     if downloaded_bytes > args.max_bytes:
                         raise ValueError(
-                            f"远程文件超过大小限制：最多允许 {args.max_bytes} 字节"
+                            "远程文件超过大小限制，已拒绝下载："
+                            f"最多允许 {args.max_bytes} 字节"
                         )
                     temp_file.write(chunk)
 

skills/pptx/SKILL.md

@@ -1,6 +1,6 @@
 ---
 name: pptx
-description: "创建、读取、编辑、复制页面、转换、校验和渲染本地或远程 HTTPS PowerPoint 演示文稿与模板，并按需识别页面图片、截图和图表中的文字。用户提到 PPT、PPTX、PowerPoint、演示文稿、幻灯片、路演稿、汇报材料、演讲者备注、模板、版式或图片文字 OCR，或提供 HTTPS 演示文稿地址、.pptx、.potx、.ppsx、.ppt 文件时使用；支持安全下载、结构化创建、保留 Run 格式的文本替换、页面删除/重排/复制、Markdown 提取、本地 RapidOCR、旧格式转换、受控 OOXML 解包/打包、关系与图表校验及逐页视觉检查。若主要交付物不是演示文稿且不需要读取或修改 PPT 内容，则不要使用。"
+description: "创建、读取、编辑、复制页面、转换、校验和渲染本地或远程 HTTPS PowerPoint 演示文稿与模板，并下载 PPT 任务所需且不超过 25 MiB 的图片、音视频、压缩包和其他 HTTPS 附件，按需识别页面图片、截图和图表中的文字。用户提到 PPT、PPTX、PowerPoint、演示文稿、幻灯片、路演稿、汇报材料、演讲者备注、模板、版式或图片文字 OCR，或提供 HTTPS 演示文稿地址、.pptx、.potx、.ppsx、.ppt 文件时使用；支持源演示文稿安全下载、结构化创建、保留 Run 格式的文本替换、页面删除/重排/复制、Markdown 提取、本地 RapidOCR、旧格式转换、受控 OOXML 解包/打包、关系与图表校验及逐页视觉检查。若主要交付物不是演示文稿且不需要读取或修改 PPT 内容，则不要使用。"
 ---
 
 # PowerPoint 演示文稿处理
@@ -15,7 +15,7 @@ description: "创建、读取、编辑、复制页面、转换、校验和渲染
 - 每次检查脚本返回的 JSON；只有 `ok` 为 `true` 时才继续。`validate_presentation.py` 还必须返回 `status: valid`、`issue_count: 0`。
 - 只在需要读取图片、截图或视觉图表中的文字时调用 `ocr_presentation.py`。只使用 `slides[]` 中 `usable_for_summary: true` 的 `text`；低置信度结果不得作为可靠正文。
 - 不覆盖用户提供的源文件。PPT 最终文件一律写入 `/usr/local/src/ppt/`，下载缓存、中间文件和渲染结果一律写入 `/usr/local/src/ppt/tmp/<任务名>/`。始终传绝对路径；固定脚本会自动创建目录并拒绝该根目录之外的输出。
-- 远程地址只交给 `download_presentation.py`；不要在回复、日志摘要或文件名中复述可能含敏感查询参数的完整 URL。
+- 远程 PowerPoint 源文件只交给 `download_presentation.py`；任务所需的远程图片、视频、音频、压缩包或其他附件只交给 `download_attachment.py`。不要在回复、日志摘要或文件名中复述可能含敏感查询参数的完整 URL。
 - 环境已预置全部依赖，不安装软件包，也不提示用户安装依赖。
 
 ## 脚本清单
@@ -23,6 +23,7 @@ description: "创建、读取、编辑、复制页面、转换、校验和渲染
 | 脚本 | 用途 | 底层能力 |
 | --- | --- | --- |
 | `scripts/download_presentation.py` | 下载并校验远程 HTTPS 演示文稿 | Python `urllib`、安全 OOXML 解析、`python-pptx` |
+| `scripts/download_attachment.py` | 下载图片、音视频、压缩包等通用 HTTPS 附件 | Python `urllib`、HEAD 大小探测、流式硬限制 |
 | `scripts/inspect_presentation.py` | 分段读取页面、文本、表格、图表、图片和备注 | `python-pptx`、安全 OOXML 解析 |
 | `scripts/ocr_presentation.py` | 按页识别图片、截图和视觉图表中的文字 | RapidOCR、ONNX Runtime、LibreOffice、Poppler |
 | `scripts/extract_presentation.py` | 提取整份演示文稿为 Markdown | `markitdown[pptx]` |
@@ -60,11 +61,23 @@ description: "创建、读取、编辑、复制页面、转换、校验和渲染
 可选参数：
 
 - `--timeout <1-600>`：连接和读取超时秒数，默认 `60`。
-- `--max-bytes <字节数>`：默认 100 MiB，最高 512 MiB。
+- `--max-bytes <字节数>`：默认且最高 25 MiB（26214400 字节），只允许设置更小的限制。
 - `--overwrite`：只覆盖本次任务生成的旧缓存。
 
 `output` 扩展名必须与远程内容的真实格式一致，支持 `.pptx/.potx/.ppsx/.ppt`。脚本限制重定向只能继续使用 HTTPS，流式限制大小，先写临时文件，再原子发布。
 
+## 下载通用附件
+
+需要下载作为 PowerPoint 任务素材的图片、视频、音频、压缩包或其他文件时，调用 `scripts/download_attachment.py`：
+
+```text
+--url 'https://example.com/asset.bin?signature=...' --output '/usr/local/src/ppt/tmp/<任务名>/asset.bin'
+```
+
+只接受 HTTPS 地址，`output` 可使用任意附件扩展名。可选参数只有 `--timeout <1-600>`（默认 `60`）和 `--overwrite`。附件上限固定为 25 MiB（26214400 字节），不可调高：脚本先用 HEAD 探测远端声明大小，再检查 GET 响应声明，并在流式接收时持续兜底计数；任一阶段发现超限都会返回 `ok: false` 和明确的“已拒绝下载”错误，且不会发布部分文件。
+
+成功结果包含 `path`、实际 `size_bytes`、`declared_size_bytes`、`size_limit_bytes`、`size_probe` 和 `content_type`。本脚本不校验文件业务格式；远程 PowerPoint 源文件仍使用 `download_presentation.py`。
+
 ## 检查和提取内容
 
 调用结构检查：

skills/pptx/scripts/download_attachment.py

@@ -0,0 +1,256 @@
+#!/usr/bin/env python3
+
+from __future__ import annotations
+
+import argparse
+import os
+import socket
+import sys
+import tempfile
+import urllib.error
+import urllib.parse
+import urllib.request
+from pathlib import Path
+from typing import Any, NoReturn, Optional
+
+from _pptx_common import emit, failure_message, output_file, publish_file
+
+
+DEFAULT_TIMEOUT_SECONDS = 60
+MAX_ATTACHMENT_BYTES = 25 * 1024 * 1024
+CHUNK_SIZE = 1024 * 1024
+USER_AGENT = "wechat-robot-pptx-attachment-downloader/1.0"
+
+
+class SkillArgumentParser(argparse.ArgumentParser):
+    def error(self, message: str) -> NoReturn:
+        raise ValueError(f"参数错误：{message}")
+
+
+def _validate_https_url(value: str) -> str:
+    url = value.strip()
+    if not url:
+        raise ValueError("附件 URL 不能为空")
+    if any(character.isspace() or ord(character) < 32 for character in url):
+        raise ValueError("附件 URL 不能包含空白字符或控制字符")
+
+    parsed = urllib.parse.urlsplit(url)
+    if parsed.scheme.lower() != "https" or not parsed.hostname:
+        raise ValueError("附件 URL 必须是有效的 HTTPS 地址")
+    if parsed.username is not None or parsed.password is not None:
+        raise ValueError("附件 URL 不允许包含用户名或密码")
+    try:
+        parsed.port
+    except ValueError as exc:
+        raise ValueError("附件 URL 端口格式不正确") from exc
+    return url
+
+
+class HTTPSOnlyRedirectHandler(urllib.request.HTTPRedirectHandler):
+    def redirect_request(self, req, fp, code, msg, headers, newurl):
+        return super().redirect_request(
+            req,
+            fp,
+            code,
+            msg,
+            headers,
+            _validate_https_url(newurl),
+        )
+
+
+def _parse_args(argv: list[str]) -> argparse.Namespace:
+    parser = SkillArgumentParser(
+        description="下载不超过 25 MiB 的远程 HTTPS 通用附件"
+    )
+    parser.add_argument(
+        "--url",
+        "--attachment-url",
+        "--attachment_url",
+        dest="url",
+        required=True,
+        help="远程 HTTPS 附件地址",
+    )
+    parser.add_argument(
+        "--output",
+        required=True,
+        help="附件本地输出路径；允许图片、音视频、压缩包及其他文件类型",
+    )
+    parser.add_argument(
+        "--timeout",
+        type=int,
+        default=DEFAULT_TIMEOUT_SECONDS,
+        help=f"连接和读取超时秒数，默认 {DEFAULT_TIMEOUT_SECONDS}",
+    )
+    parser.add_argument(
+        "--overwrite",
+        action="store_true",
+        help="允许覆盖本次任务已存在的缓存文件",
+    )
+    args = parser.parse_args(argv)
+
+    args.url = _validate_https_url(args.url)
+    if args.timeout < 1 or args.timeout > 600:
+        raise ValueError("timeout 必须在 1 到 600 秒之间")
+    args.output = output_file(args.output, overwrite=args.overwrite)
+    return args
+
+
+def _content_length(headers: Any) -> Optional[int]:
+    raw_value = headers.get("Content-Length")
+    if raw_value is None:
+        return None
+    try:
+        size = int(raw_value)
+    except (TypeError, ValueError):
+        return None
+    return size if size >= 0 else None
+
+
+def _reject_if_too_large(size_bytes: int, *, source: str) -> None:
+    if size_bytes <= MAX_ATTACHMENT_BYTES:
+        return
+    raise ValueError(
+        "附件超过 25 MiB（26214400 字节）限制，已拒绝下载；"
+        f"{source}大小为 {size_bytes} 字节"
+    )
+
+
+def _probe_size(
+    opener: urllib.request.OpenerDirector,
+    url: str,
+    timeout: int,
+) -> Optional[int]:
+    request = urllib.request.Request(
+        url,
+        headers={
+            "Accept": "*/*",
+            "Accept-Encoding": "identity",
+            "User-Agent": USER_AGENT,
+        },
+        method="HEAD",
+    )
+    try:
+        with opener.open(request, timeout=timeout) as response:
+            _validate_https_url(response.geturl())
+            size = _content_length(response.headers)
+    except (
+        urllib.error.HTTPError,
+        urllib.error.URLError,
+        TimeoutError,
+        socket.timeout,
+    ):
+        return None
+
+    if size is not None:
+        _reject_if_too_large(size, source="远端声明")
+    return size
+
+
+def _content_type(headers: Any) -> Optional[str]:
+    raw_value = headers.get("Content-Type")
+    if not raw_value:
+        return None
+    media_type = raw_value.split(";", 1)[0].strip().lower()
+    return media_type or None
+
+
+def _download(args: argparse.Namespace) -> dict[str, Any]:
+    output: Path = args.output
+    opener = urllib.request.build_opener(HTTPSOnlyRedirectHandler())
+    probed_size = _probe_size(opener, args.url, args.timeout)
+    request = urllib.request.Request(
+        args.url,
+        headers={
+            "Accept": "*/*",
+            "Accept-Encoding": "identity",
+            "User-Agent": USER_AGENT,
+        },
+        method="GET",
+    )
+
+    temp_path: Optional[Path] = None
+    downloaded_bytes = 0
+    response_size: Optional[int] = None
+    response_type: Optional[str] = None
+    try:
+        with tempfile.NamedTemporaryFile(
+            mode="wb",
+            prefix=f".{output.stem}.",
+            suffix=f".part{output.suffix}",
+            dir=str(output.parent),
+            delete=False,
+        ) as temp_file:
+            temp_path = Path(temp_file.name)
+            with opener.open(request, timeout=args.timeout) as response:
+                _validate_https_url(response.geturl())
+                response_size = _content_length(response.headers)
+                response_type = _content_type(response.headers)
+                if response_size is not None:
+                    _reject_if_too_large(response_size, source="下载响应声明")
+
+                while True:
+                    chunk = response.read(CHUNK_SIZE)
+                    if not chunk:
+                        break
+                    downloaded_bytes += len(chunk)
+                    _reject_if_too_large(downloaded_bytes, source="已接收")
+                    temp_file.write(chunk)
+
+            temp_file.flush()
+            os.fsync(temp_file.fileno())
+
+        if downloaded_bytes == 0:
+            raise ValueError("远程服务器返回了空附件")
+
+        publish_file(temp_path, output, overwrite=args.overwrite)
+        temp_path = None
+        declared_size = (
+            response_size if response_size is not None else probed_size
+        )
+        if response_size is not None:
+            size_probe = "get-content-length"
+        elif probed_size is not None:
+            size_probe = "head-content-length"
+        else:
+            size_probe = "stream"
+        return {
+            "path": str(output),
+            "size_bytes": downloaded_bytes,
+            "declared_size_bytes": declared_size,
+            "size_limit_bytes": MAX_ATTACHMENT_BYTES,
+            "size_probe": size_probe,
+            "content_type": response_type,
+        }
+    finally:
+        if temp_path is not None:
+            try:
+                temp_path.unlink(missing_ok=True)
+            except OSError:
+                pass
+
+
+def _failure_message(exc: Exception) -> str:
+    if isinstance(exc, urllib.error.HTTPError):
+        return f"附件下载失败：远程服务器返回 HTTP {exc.code}"
+    if isinstance(exc, (TimeoutError, socket.timeout)):
+        return "附件下载失败：连接或读取超时"
+    if isinstance(exc, urllib.error.URLError):
+        if isinstance(exc.reason, (TimeoutError, socket.timeout)):
+            return "附件下载失败：连接或读取超时"
+        return "附件下载失败：无法访问远程服务器"
+    return failure_message(exc)
+
+
+def main(argv: Optional[list[str]] = None) -> int:
+    try:
+        args = _parse_args(sys.argv[1:] if argv is None else argv)
+        result = _download(args)
+    except Exception as exc:
+        emit({"ok": False, "error": _failure_message(exc)})
+        return 1
+    emit({"ok": True, **result})
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

skills/pptx/scripts/download_presentation.py

@@ -26,8 +26,8 @@ from _pptx_common import (
 
 
 DEFAULT_TIMEOUT_SECONDS = 60
-DEFAULT_MAX_BYTES = 100 * 1024 * 1024
+MAX_ALLOWED_BYTES = 25 * 1024 * 1024
-MAX_ALLOWED_BYTES = 512 * 1024 * 1024
+DEFAULT_MAX_BYTES = MAX_ALLOWED_BYTES
 CHUNK_SIZE = 1024 * 1024
 USER_AGENT = "wechat-robot-pptx-skill/1.0"
 OLE_COMPOUND_MAGIC = bytes.fromhex("D0CF11E0A1B11AE1")
@@ -212,7 +212,8 @@ def _download(args: argparse.Namespace) -> dict[str, Any]:
                         expected_bytes = 0
                     if expected_bytes > args.max_bytes:
                         raise ValueError(
-                            f"远程文件超过大小限制：最多允许 {args.max_bytes} 字节"
+                            "远程文件超过大小限制，已拒绝下载："
+                            f"最多允许 {args.max_bytes} 字节"
                         )
                 while True:
                     chunk = response.read(CHUNK_SIZE)
@@ -221,7 +222,8 @@ def _download(args: argparse.Namespace) -> dict[str, Any]:
                     downloaded_bytes += len(chunk)
                     if downloaded_bytes > args.max_bytes:
                         raise ValueError(
-                            f"远程文件超过大小限制：最多允许 {args.max_bytes} 字节"
+                            "远程文件超过大小限制，已拒绝下载："
+                            f"最多允许 {args.max_bytes} 字节"
                         )
                     temp_file.write(chunk)
             temp_file.flush()

skills/xlsx/SKILL.md

@@ -1,6 +1,6 @@
 ---
 name: xlsx
-description: "创建、读取、编辑、修复、转换、重算、校验和渲染本地或远程 HTTPS Excel 工作簿及表格数据。用户提到 Excel、电子表格、工作簿、工作表、单元格、公式、图表、数据清洗，或提供 HTTPS Excel/CSV/TSV 地址、.xlsx、.xlsm、.xltx、.xls、.csv、.tsv 文件时使用；支持安全下载、保留现有样式、批量写入、公式与缓存值检查、表格/图表/图片/数据验证/条件格式、旧格式转换和逐页视觉检查。最终交付物必须是电子表格文件；若主要交付物是 Word、PDF、HTML、数据库程序或在线 Google Sheets，则不要使用。"
+description: "创建、读取、编辑、修复、转换、重算、校验和渲染本地或远程 HTTPS Excel 工作簿及表格数据，并下载 Excel 任务所需且不超过 25 MiB 的图片、音视频、压缩包和其他 HTTPS 附件。用户提到 Excel、电子表格、工作簿、工作表、单元格、公式、图表、数据清洗，或提供 HTTPS Excel/CSV/TSV 地址、.xlsx、.xlsm、.xltx、.xls、.csv、.tsv 文件时使用；支持源文件安全下载、保留现有样式、批量写入、公式与缓存值检查、表格/图表/图片/数据验证/条件格式、旧格式转换和逐页视觉检查。最终交付物必须是电子表格文件；若主要交付物是 Word、PDF、HTML、数据库程序或在线 Google Sheets，则不要使用。"
 ---
 
 # Excel 工作簿处理
@@ -13,7 +13,7 @@ description: "创建、读取、编辑、修复、转换、重算、校验和渲
 - 不把 `python3`、`soffice`、`libreoffice`、`pdftoppm`、`zip`、`unzip`、`rm` 或其他系统命令作为脚本参数。
 - 外部程序只允许由固定脚本在内部以无 shell 参数数组方式调用。
 - 每次检查脚本返回的 JSON；只有 `ok` 为 `true` 时才继续。`status: errors_found` 虽然表示脚本成功运行，但工作簿不合格，必须修复。
-- 远程地址只交给 `download_workbook.py`；不要在回复、日志摘要或文件名中复述可能含敏感查询参数的完整 URL。
+- 远程 Excel/CSV/TSV 源文件只交给 `download_workbook.py`；任务所需的远程图片、视频、音频、压缩包或其他附件只交给 `download_attachment.py`。不要在回复、日志摘要或文件名中复述可能含敏感查询参数的完整 URL。
 - 不覆盖用户提供的源文件。Excel 最终文件一律写入 `/usr/local/src/excel/`，下载缓存、中间文件和渲染结果一律写入 `/usr/local/src/excel/tmp/<任务名>/`。始终传绝对路径；固定脚本会自动创建目录并拒绝该根目录之外的输出。
 - 环境已预置依赖，不安装软件包，也不提示用户安装依赖。
 
@@ -22,6 +22,7 @@ description: "创建、读取、编辑、修复、转换、重算、校验和渲
 | 脚本 | 用途 | 底层能力 |
 | --- | --- | --- |
 | `scripts/download_workbook.py` | 下载并校验远程 HTTPS Excel/CSV/TSV | Python `urllib`、安全 OOXML 解析、`openpyxl` |
+| `scripts/download_attachment.py` | 下载图片、音视频、压缩包等通用 HTTPS 附件 | Python `urllib`、HEAD 大小探测、流式硬限制 |
 | `scripts/inspect_workbook.py` | 分段读取结构、公式、缓存值和样式 | `openpyxl`、Python `csv` |
 | `scripts/apply_workbook.py` | 按受控 JSON 创建或编辑工作簿 | `openpyxl`、Pillow |
 | `scripts/convert_workbook.py` | 转换 `.xls/.csv/.tsv/.xlsx/.xlsm/.xltx` | `openpyxl`、LibreOffice |
@@ -52,13 +53,25 @@ description: "创建、读取、编辑、修复、转换、重算、校验和渲
 可选参数：
 
 - `--timeout <1-600>`：连接和读取超时秒数，默认 `60`。
-- `--max-bytes <字节数>`：默认 `104857600`（100 MiB），最高 `536870912`（512 MiB）。
+- `--max-bytes <字节数>`：默认且最高 `26214400`（25 MiB），只允许设置更小的限制。
 - `--overwrite`：只在目标是本次任务生成的旧缓存时使用。
 
 `output` 扩展名必须是 `.xlsx`、`.xlsm`、`.xltx`、`.xltm`、`.xls`、`.csv` 或 `.tsv`。脚本阻止 HTTPS 重定向降级到 HTTP，流式限制大小，先写同目录临时文件，再原子发布；OOXML 会检查 ZIP 路径、成员大小、内容类型并用 `openpyxl` 打开，CSV/TSV 会拒绝二进制或网页响应。实际 OOXML 格式与 `output` 扩展名不一致时，根据错误中的实际格式更正缓存扩展名，再调用同一脚本。
 
 成功结果包含 `path`、`size_bytes`、`format` 和 `validation`；OOXML 还包含 `sheet_count`。后续脚本只使用返回的本地 `path`，不再访问原 URL。
 
+## 下载通用附件
+
+需要下载作为 Excel 任务素材的图片、视频、音频、压缩包或其他文件时，调用 `scripts/download_attachment.py`：
+
+```text
+--url 'https://example.com/asset.bin?signature=...' --output '/usr/local/src/excel/tmp/<任务名>/asset.bin'
+```
+
+只接受 HTTPS 地址，`output` 可使用任意附件扩展名。可选参数只有 `--timeout <1-600>`（默认 `60`）和 `--overwrite`。附件上限固定为 25 MiB（26214400 字节），不可调高：脚本先用 HEAD 探测远端声明大小，再检查 GET 响应声明，并在流式接收时持续兜底计数；任一阶段发现超限都会返回 `ok: false` 和明确的“已拒绝下载”错误，且不会发布部分文件。
+
+成功结果包含 `path`、实际 `size_bytes`、`declared_size_bytes`、`size_limit_bytes`、`size_probe` 和 `content_type`。本脚本不校验文件业务格式；远程 Excel/CSV/TSV 源文件仍使用 `download_workbook.py`。
+
 ## 检查工作簿
 
 调用 `scripts/inspect_workbook.py`：

skills/xlsx/scripts/download_attachment.py

@@ -0,0 +1,256 @@
+#!/usr/bin/env python3
+
+from __future__ import annotations
+
+import argparse
+import os
+import socket
+import sys
+import tempfile
+import urllib.error
+import urllib.parse
+import urllib.request
+from pathlib import Path
+from typing import Any, NoReturn, Optional
+
+from _xlsx_common import emit, failure_message, output_file, publish_file
+
+
+DEFAULT_TIMEOUT_SECONDS = 60
+MAX_ATTACHMENT_BYTES = 25 * 1024 * 1024
+CHUNK_SIZE = 1024 * 1024
+USER_AGENT = "wechat-robot-xlsx-attachment-downloader/1.0"
+
+
+class SkillArgumentParser(argparse.ArgumentParser):
+    def error(self, message: str) -> NoReturn:
+        raise ValueError(f"参数错误：{message}")
+
+
+def _validate_https_url(value: str) -> str:
+    url = value.strip()
+    if not url:
+        raise ValueError("附件 URL 不能为空")
+    if any(character.isspace() or ord(character) < 32 for character in url):
+        raise ValueError("附件 URL 不能包含空白字符或控制字符")
+
+    parsed = urllib.parse.urlsplit(url)
+    if parsed.scheme.lower() != "https" or not parsed.hostname:
+        raise ValueError("附件 URL 必须是有效的 HTTPS 地址")
+    if parsed.username is not None or parsed.password is not None:
+        raise ValueError("附件 URL 不允许包含用户名或密码")
+    try:
+        parsed.port
+    except ValueError as exc:
+        raise ValueError("附件 URL 端口格式不正确") from exc
+    return url
+
+
+class HTTPSOnlyRedirectHandler(urllib.request.HTTPRedirectHandler):
+    def redirect_request(self, req, fp, code, msg, headers, newurl):
+        return super().redirect_request(
+            req,
+            fp,
+            code,
+            msg,
+            headers,
+            _validate_https_url(newurl),
+        )
+
+
+def _parse_args(argv: list[str]) -> argparse.Namespace:
+    parser = SkillArgumentParser(
+        description="下载不超过 25 MiB 的远程 HTTPS 通用附件"
+    )
+    parser.add_argument(
+        "--url",
+        "--attachment-url",
+        "--attachment_url",
+        dest="url",
+        required=True,
+        help="远程 HTTPS 附件地址",
+    )
+    parser.add_argument(
+        "--output",
+        required=True,
+        help="附件本地输出路径；允许图片、音视频、压缩包及其他文件类型",
+    )
+    parser.add_argument(
+        "--timeout",
+        type=int,
+        default=DEFAULT_TIMEOUT_SECONDS,
+        help=f"连接和读取超时秒数，默认 {DEFAULT_TIMEOUT_SECONDS}",
+    )
+    parser.add_argument(
+        "--overwrite",
+        action="store_true",
+        help="允许覆盖本次任务已存在的缓存文件",
+    )
+    args = parser.parse_args(argv)
+
+    args.url = _validate_https_url(args.url)
+    if args.timeout < 1 or args.timeout > 600:
+        raise ValueError("timeout 必须在 1 到 600 秒之间")
+    args.output = output_file(args.output, overwrite=args.overwrite)
+    return args
+
+
+def _content_length(headers: Any) -> Optional[int]:
+    raw_value = headers.get("Content-Length")
+    if raw_value is None:
+        return None
+    try:
+        size = int(raw_value)
+    except (TypeError, ValueError):
+        return None
+    return size if size >= 0 else None
+
+
+def _reject_if_too_large(size_bytes: int, *, source: str) -> None:
+    if size_bytes <= MAX_ATTACHMENT_BYTES:
+        return
+    raise ValueError(
+        "附件超过 25 MiB（26214400 字节）限制，已拒绝下载；"
+        f"{source}大小为 {size_bytes} 字节"
+    )
+
+
+def _probe_size(
+    opener: urllib.request.OpenerDirector,
+    url: str,
+    timeout: int,
+) -> Optional[int]:
+    request = urllib.request.Request(
+        url,
+        headers={
+            "Accept": "*/*",
+            "Accept-Encoding": "identity",
+            "User-Agent": USER_AGENT,
+        },
+        method="HEAD",
+    )
+    try:
+        with opener.open(request, timeout=timeout) as response:
+            _validate_https_url(response.geturl())
+            size = _content_length(response.headers)
+    except (
+        urllib.error.HTTPError,
+        urllib.error.URLError,
+        TimeoutError,
+        socket.timeout,
+    ):
+        return None
+
+    if size is not None:
+        _reject_if_too_large(size, source="远端声明")
+    return size
+
+
+def _content_type(headers: Any) -> Optional[str]:
+    raw_value = headers.get("Content-Type")
+    if not raw_value:
+        return None
+    media_type = raw_value.split(";", 1)[0].strip().lower()
+    return media_type or None
+
+
+def _download(args: argparse.Namespace) -> dict[str, Any]:
+    output: Path = args.output
+    opener = urllib.request.build_opener(HTTPSOnlyRedirectHandler())
+    probed_size = _probe_size(opener, args.url, args.timeout)
+    request = urllib.request.Request(
+        args.url,
+        headers={
+            "Accept": "*/*",
+            "Accept-Encoding": "identity",
+            "User-Agent": USER_AGENT,
+        },
+        method="GET",
+    )
+
+    temp_path: Optional[Path] = None
+    downloaded_bytes = 0
+    response_size: Optional[int] = None
+    response_type: Optional[str] = None
+    try:
+        with tempfile.NamedTemporaryFile(
+            mode="wb",
+            prefix=f".{output.stem}.",
+            suffix=f".part{output.suffix}",
+            dir=str(output.parent),
+            delete=False,
+        ) as temp_file:
+            temp_path = Path(temp_file.name)
+            with opener.open(request, timeout=args.timeout) as response:
+                _validate_https_url(response.geturl())
+                response_size = _content_length(response.headers)
+                response_type = _content_type(response.headers)
+                if response_size is not None:
+                    _reject_if_too_large(response_size, source="下载响应声明")
+
+                while True:
+                    chunk = response.read(CHUNK_SIZE)
+                    if not chunk:
+                        break
+                    downloaded_bytes += len(chunk)
+                    _reject_if_too_large(downloaded_bytes, source="已接收")
+                    temp_file.write(chunk)
+
+            temp_file.flush()
+            os.fsync(temp_file.fileno())
+
+        if downloaded_bytes == 0:
+            raise ValueError("远程服务器返回了空附件")
+
+        publish_file(temp_path, output, overwrite=args.overwrite)
+        temp_path = None
+        declared_size = (
+            response_size if response_size is not None else probed_size
+        )
+        if response_size is not None:
+            size_probe = "get-content-length"
+        elif probed_size is not None:
+            size_probe = "head-content-length"
+        else:
+            size_probe = "stream"
+        return {
+            "path": str(output),
+            "size_bytes": downloaded_bytes,
+            "declared_size_bytes": declared_size,
+            "size_limit_bytes": MAX_ATTACHMENT_BYTES,
+            "size_probe": size_probe,
+            "content_type": response_type,
+        }
+    finally:
+        if temp_path is not None:
+            try:
+                temp_path.unlink(missing_ok=True)
+            except OSError:
+                pass
+
+
+def _failure_message(exc: Exception) -> str:
+    if isinstance(exc, urllib.error.HTTPError):
+        return f"附件下载失败：远程服务器返回 HTTP {exc.code}"
+    if isinstance(exc, (TimeoutError, socket.timeout)):
+        return "附件下载失败：连接或读取超时"
+    if isinstance(exc, urllib.error.URLError):
+        if isinstance(exc.reason, (TimeoutError, socket.timeout)):
+            return "附件下载失败：连接或读取超时"
+        return "附件下载失败：无法访问远程服务器"
+    return failure_message(exc)
+
+
+def main(argv: Optional[list[str]] = None) -> int:
+    try:
+        args = _parse_args(sys.argv[1:] if argv is None else argv)
+        result = _download(args)
+    except Exception as exc:
+        emit({"ok": False, "error": _failure_message(exc)})
+        return 1
+    emit({"ok": True, **result})
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

skills/xlsx/scripts/download_workbook.py

@@ -25,8 +25,8 @@ from _xlsx_common import (
 
 
 DEFAULT_TIMEOUT_SECONDS = 60
-DEFAULT_MAX_BYTES = 100 * 1024 * 1024
+MAX_ALLOWED_BYTES = 25 * 1024 * 1024
-MAX_ALLOWED_BYTES = 512 * 1024 * 1024
+DEFAULT_MAX_BYTES = MAX_ALLOWED_BYTES
 CHUNK_SIZE = 1024 * 1024
 MAX_ARCHIVE_MEMBERS = 20_000
 MAX_ARCHIVE_UNCOMPRESSED_BYTES = 512 * 1024 * 1024
@@ -357,7 +357,7 @@ def _download(args: argparse.Namespace) -> dict[str, Any]:
                         expected_bytes = 0
                     if expected_bytes > args.max_bytes:
                         raise ValueError(
-                            "远程文件超过大小限制："
+                            "远程文件超过大小限制，已拒绝下载："
                             f"最多允许 {args.max_bytes} 字节"
                         )
 
@@ -369,7 +369,7 @@ def _download(args: argparse.Namespace) -> dict[str, Any]:
                     downloaded_bytes += len(chunk)
                     if downloaded_bytes > args.max_bytes:
                         raise ValueError(
-                            "远程文件超过大小限制："
+                            "远程文件超过大小限制，已拒绝下载："
                             f"最多允许 {args.max_bytes} 字节"
                         )
                     temp_file.write(chunk)

tests/__init__.py

@@ -0,0 +1 @@
+"""Tests for bundled skill scripts."""

tests/test_download_attachments.py

@@ -0,0 +1,306 @@
+from __future__ import annotations
+
+import argparse
+import contextlib
+import importlib.util
+import io
+import json
+import sys
+import tempfile
+import unittest
+from pathlib import Path
+from unittest import mock
+
+
+REPOSITORY_ROOT = Path(__file__).resolve().parents[1]
+SKILLS = {
+    "pdf": {
+        "common_module": "_pdf_common",
+        "root_name": "PDF_OUTPUT_ROOT",
+        "source_downloader": "download_pdf.py",
+        "source_suffix": ".pdf",
+    },
+    "docx": {
+        "common_module": "_docx_common",
+        "root_name": "WORD_OUTPUT_ROOT",
+        "source_downloader": "download_document.py",
+        "source_suffix": ".docx",
+    },
+    "xlsx": {
+        "common_module": "_xlsx_common",
+        "root_name": "EXCEL_OUTPUT_ROOT",
+        "source_downloader": "download_workbook.py",
+        "source_suffix": ".xlsx",
+    },
+    "pptx": {
+        "common_module": "_pptx_common",
+        "root_name": "PPT_OUTPUT_ROOT",
+        "source_downloader": "download_presentation.py",
+        "source_suffix": ".pptx",
+    },
+}
+
+
+def load_script(skill: str, filename: str):
+    script_path = REPOSITORY_ROOT / "skills" / skill / "scripts" / filename
+    scripts_directory = str(script_path.parent)
+    sys.path.insert(0, scripts_directory)
+    try:
+        module_name = f"_test_{skill}_{script_path.stem}"
+        spec = importlib.util.spec_from_file_location(module_name, script_path)
+        if spec is None or spec.loader is None:
+            raise RuntimeError(f"无法加载测试脚本：{script_path}")
+        module = importlib.util.module_from_spec(spec)
+        sys.modules[module_name] = module
+        spec.loader.exec_module(module)
+        return module
+    finally:
+        sys.path.remove(scripts_directory)
+
+
+class FakeResponse:
+    def __init__(
+        self,
+        *,
+        headers: dict[str, str],
+        payload: bytes = b"",
+        generated_size: int = 0,
+    ) -> None:
+        self.headers = headers
+        self._payload = payload
+        self._payload_offset = 0
+        self._remaining = generated_size
+
+    def __enter__(self):
+        return self
+
+    def __exit__(self, exc_type, exc, traceback):
+        return False
+
+    def geturl(self) -> str:
+        return "https://example.test/attachment"
+
+    def read(self, size: int) -> bytes:
+        if self._remaining:
+            chunk_size = min(size, self._remaining)
+            self._remaining -= chunk_size
+            return b"x" * chunk_size
+        if self._payload_offset >= len(self._payload):
+            return b""
+        end = min(self._payload_offset + size, len(self._payload))
+        chunk = self._payload[self._payload_offset : end]
+        self._payload_offset = end
+        return chunk
+
+
+class FakeOpener:
+    def __init__(
+        self,
+        *,
+        head_headers: dict[str, str],
+        get_headers: dict[str, str],
+        payload: bytes = b"",
+        generated_size: int = 0,
+    ) -> None:
+        self.head_headers = head_headers
+        self.get_headers = get_headers
+        self.payload = payload
+        self.generated_size = generated_size
+        self.methods: list[str] = []
+
+    def open(self, request, timeout: int):
+        del timeout
+        method = request.get_method()
+        self.methods.append(method)
+        if method == "HEAD":
+            return FakeResponse(headers=self.head_headers)
+        return FakeResponse(
+            headers=self.get_headers,
+            payload=self.payload,
+            generated_size=self.generated_size,
+        )
+
+
+class DownloadAttachmentTests(unittest.TestCase):
+    @classmethod
+    def setUpClass(cls) -> None:
+        cls.modules = {
+            skill: load_script(skill, "download_attachment.py")
+            for skill in SKILLS
+        }
+        cls.source_modules = {
+            skill: load_script(skill, details["source_downloader"])
+            for skill, details in SKILLS.items()
+        }
+
+    def test_each_skill_downloads_an_arbitrary_attachment_type(self) -> None:
+        payload = b"small video payload"
+        for skill, module in self.modules.items():
+            with self.subTest(skill=skill), tempfile.TemporaryDirectory() as tmp:
+                output = Path(tmp) / "material.mp4"
+                common = sys.modules[SKILLS[skill]["common_module"]]
+                opener = FakeOpener(
+                    head_headers={"Content-Length": str(len(payload))},
+                    get_headers={
+                        "Content-Length": str(len(payload)),
+                        "Content-Type": "video/mp4; charset=binary",
+                    },
+                    payload=payload,
+                )
+                with mock.patch.object(
+                    common,
+                    SKILLS[skill]["root_name"],
+                    Path(tmp).resolve(),
+                ):
+                    with mock.patch.object(
+                        module.urllib.request,
+                        "build_opener",
+                        return_value=opener,
+                    ):
+                        args = module._parse_args(
+                            [
+                                "--url",
+                                "https://example.test/material.mp4",
+                                "--output",
+                                str(output),
+                            ]
+                        )
+                        result = module._download(args)
+
+                self.assertEqual(output.read_bytes(), payload)
+                self.assertEqual(opener.methods, ["HEAD", "GET"])
+                self.assertEqual(result["size_bytes"], len(payload))
+                self.assertEqual(
+                    result["size_limit_bytes"],
+                    25 * 1024 * 1024,
+                )
+                self.assertEqual(result["content_type"], "video/mp4")
+
+    def test_head_probe_rejects_oversize_without_get(self) -> None:
+        for skill, module in self.modules.items():
+            with self.subTest(skill=skill), tempfile.TemporaryDirectory() as tmp:
+                output = Path(tmp) / "too-large.zip"
+                common = sys.modules[SKILLS[skill]["common_module"]]
+                opener = FakeOpener(
+                    head_headers={
+                        "Content-Length": str(module.MAX_ATTACHMENT_BYTES + 1)
+                    },
+                    get_headers={},
+                )
+                stdout = io.StringIO()
+                with mock.patch.object(
+                    common,
+                    SKILLS[skill]["root_name"],
+                    Path(tmp).resolve(),
+                ):
+                    with mock.patch.object(
+                        module.urllib.request,
+                        "build_opener",
+                        return_value=opener,
+                    ):
+                        with contextlib.redirect_stdout(stdout):
+                            return_code = module.main(
+                                [
+                                    "--url",
+                                    "https://example.test/too-large.zip",
+                                    "--output",
+                                    str(output),
+                                ]
+                            )
+
+                response = json.loads(stdout.getvalue())
+                self.assertEqual(return_code, 1)
+                self.assertFalse(response["ok"])
+                self.assertRegex(
+                    response["error"],
+                    "超过 25 MiB.*已拒绝下载",
+                )
+                self.assertEqual(opener.methods, ["HEAD"])
+                self.assertFalse(output.exists())
+
+    def test_stream_limit_rejects_and_removes_partial_file(self) -> None:
+        for skill, module in self.modules.items():
+            with self.subTest(skill=skill), tempfile.TemporaryDirectory() as tmp:
+                output = Path(tmp) / "unknown-size.bin"
+                opener = FakeOpener(
+                    head_headers={},
+                    get_headers={"Content-Type": "application/octet-stream"},
+                    generated_size=module.MAX_ATTACHMENT_BYTES + 1,
+                )
+                args = argparse.Namespace(
+                    url="https://example.test/unknown-size.bin",
+                    output=output,
+                    timeout=60,
+                    overwrite=False,
+                )
+                with mock.patch.object(
+                    module.urllib.request,
+                    "build_opener",
+                    return_value=opener,
+                ):
+                    with self.assertRaisesRegex(
+                        ValueError,
+                        "超过 25 MiB.*已拒绝下载",
+                    ):
+                        module._download(args)
+
+                self.assertEqual(opener.methods, ["HEAD", "GET"])
+                self.assertFalse(output.exists())
+                self.assertEqual(list(Path(tmp).iterdir()), [])
+
+    def test_get_content_length_rejects_when_head_has_no_size(self) -> None:
+        for skill, module in self.modules.items():
+            with self.subTest(skill=skill), tempfile.TemporaryDirectory() as tmp:
+                output = Path(tmp) / "get-declared-large.mov"
+                opener = FakeOpener(
+                    head_headers={},
+                    get_headers={
+                        "Content-Length": str(module.MAX_ATTACHMENT_BYTES + 1)
+                    },
+                )
+                args = argparse.Namespace(
+                    url="https://example.test/get-declared-large.mov",
+                    output=output,
+                    timeout=60,
+                    overwrite=False,
+                )
+                with mock.patch.object(
+                    module.urllib.request,
+                    "build_opener",
+                    return_value=opener,
+                ):
+                    with self.assertRaisesRegex(
+                        ValueError,
+                        "超过 25 MiB.*已拒绝下载",
+                    ):
+                        module._download(args)
+
+                self.assertEqual(opener.methods, ["HEAD", "GET"])
+                self.assertFalse(output.exists())
+                self.assertEqual(list(Path(tmp).iterdir()), [])
+
+    def test_source_downloaders_cannot_raise_the_25_mib_limit(self) -> None:
+        expected_limit = 25 * 1024 * 1024
+        for skill, module in self.source_modules.items():
+            with self.subTest(skill=skill):
+                self.assertEqual(module.DEFAULT_MAX_BYTES, expected_limit)
+                self.assertEqual(module.MAX_ALLOWED_BYTES, expected_limit)
+                with self.assertRaisesRegex(
+                    ValueError,
+                    f"1 到 {expected_limit}",
+                ):
+                    module._parse_args(
+                        [
+                            "--url",
+                            "https://example.test/source",
+                            "--output",
+                            "/outside/source"
+                            + SKILLS[skill]["source_suffix"],
+                            "--max-bytes",
+                            str(expected_limit + 1),
+                        ]
+                    )
+
+
+if __name__ == "__main__":
+    unittest.main()