houhou/wechat-robot-skills

Fork 0

hp0912 041144960b feat: 集成豆包docx技能

2026-09-09 07:28:58 +08:00

15 KiB

Raw Blame History

Word 文件操作参数

所有脚本通过 execute_skill_script 调用，skill_name="docx"，script_path 从 skill 根目录开始。下文只列参数，不是 shell 命令。文件路径使用容器内绝对路径。

下载远程文档

只接受 HTTPS 地址。完整保留 URL 及查询参数传给脚本，但不要在回复、日志摘要或输出文件名中复述敏感参数。

调用 scripts/download_document.py：

--url 'https://example.com/report.docx?signature=...' --output '/usr/local/src/word/tmp/<任务名>/source.docx'

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：

--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：

--input '/usr/local/src/word/tmp/<任务名>/source.docx'

可选参数：

--start-paragraph <索引>、--max-paragraphs <1-300>：分段读取正文，索引从 0 开始。
--start-table <索引>、--max-tables <0-50>、--max-table-cells <数量>：限制表格输出。
--max-chars <1000-200000>：限制单次正文字符数。
--include-runs：需要检查局部字体、粗体、斜体或跨 Run 替换问题时使用。

重点检查：

tracked_changes.total 和 authors：是否存在修订及修订作者。
comments：批注正文和作者。
sections：纸张、方向、页边距、页眉、页脚。
has_images、inline_image_count、media_part_count：是否需要进一步读取图片文字；浮动图片可能只计入媒体部件。
archive.missing_required_parts、duplicate_members：结构异常。
has_more、next_paragraph、next_table：继续读取长文档。

识别图片中的文字

需要读取图片、截图或扫描页中的文字时调用：

--input '/usr/local/src/word/tmp/<任务名>/source.docx'

省略 --pages 时，脚本会把 Word 临时转换为 PDF，自动选择包含足够大图片的页面，每次最多处理 4 页。需要识别较小图片或指定页面时传：

--input '/usr/local/src/word/tmp/<任务名>/source.docx' --pages '2,5-6'

脚本通过 LibreOffice 和 Poppler 临时渲染页面，使用本地 RapidOCR 识别图片区域；临时 PDF 和 PNG 会自动删除，不联网，也不调用大模型识图。PDF 原生文本层用于过滤正文、页眉、页脚和页码产生的重复 OCR，因此 pages[].text 只返回可靠的额外图片文字。

检查：

candidate_pages：自动检测到的图片页；selection_mode 表示自动或显式选页。
status: good 且 usable_for_summary: true：可以把 text 补充到原生文档内容中。
status: no_image_text：图片区域没有识别到额外文字，不是错误。
status: sparse 或 low_confidence：不要使用返回文字；根据 needs_review 人工核验。
filtered_native_line_count 和 filtered_outside_image_line_count：被当作原生文字或图片区域外文字过滤的 OCR 行数。

默认 260 DPI，可用 --dpi 150-400 调整。若 has_more: true：next_offset > 0 时传 --pages <next_page> --start-offset <next_offset>；next_offset = 0 时把 remaining_pages 作为下一次 --pages。普通小徽标和面积不足页面约 1.5% 的图片不会进入自动候选，但仍可用 --pages 显式识别。

创建文档

调用 scripts/create_document.py（专利结构可加 --preset patent，见 references/patent-writing.md）：

--output '/usr/local/src/word/result.docx' --spec '<JSON对象>'

内容较长时先把 JSON 写到任务临时目录，再传 --spec-file。目标是本次任务旧产物且确认可覆盖时才传 --overwrite。

文档说明顶层结构：

{
  "properties": {
    "title": "2026 年度经营报告",
    "author": "示例公司",
    "subject": "经营分析"
  },
  "page": {
    "size": "A4",
    "orientation": "portrait",
    "margins": {
      "top": 0.85,
      "bottom": 0.85,
      "left": 0.9,
      "right": 0.9
    }
  },
  "default_font": {
    "name": "Arial",
    "east_asia": "Noto Sans CJK SC",
    "size": 10.5,
    "line_spacing": 1.15,
    "space_after": 6
  },
  "styles": {
    "Title": {"size": 24, "bold": true, "color": "1F4E78"},
    "Heading 1": {"size": 16, "bold": true, "color": "1F4E78"}
  },
  "header": {
    "text": "示例公司 · 年度报告",
    "alignment": "right"
  },
  "footer": {
    "text": "",
    "alignment": "center",
    "page_number": true,
    "page_number_prefix": "第 ",
    "page_number_suffix": " 页"
  },
  "blocks": [],
  "sections": []
}

支持的 blocks[].type：

类型	关键字段
`paragraph`	`text` 或 `runs`；可选 `style/alignment/space_before/space_after/left_indent/right_indent/first_line_indent`
`heading`	`level`（1–9）、`text` 或 `runs`
`bullet_list`	`items[]`，可选 `level`
`numbered_list`	`items[]`，可选 `level`
`table`	`rows[][]`；可选 `column_widths/header_rows/style/header_fill/merges`
`image`	`path`；可选 `width_inches/height_inches/alignment/caption`
`toc`	可选 `title`、`levels`，如 `1-3`
`horizontal_rule`	可选 `color/size/style`
`page_break`	无其他必填字段
`section_break`	可选 `break_type/page size/orientation/margins`
`spacer`	可选 `points`

带局部格式和链接的段落：

{
  "type": "paragraph",
  "alignment": "justify",
  "runs": [
    {"text": "重要：", "bold": true, "color": "C00000"},
    {"text": "本报告数据截至 2026-06-30。"},
    {
      "text": "查看来源",
      "hyperlink": "https://example.com/source"
    }
  ]
}

表格示例：

{
  "type": "table",
  "rows": [
    ["指标", "本期", "同比"],
    ["收入", "1,250 万元", "12.5%"],
    ["毛利率", "38.2%", "2.1 个百分点"]
  ],
  "column_widths": [2.2, 1.7, 1.7],
  "header_rows": 1,
  "header_fill": "1F4E78",
  "style": "Table Grid"
}

runs[] 支持 bold/italic/underline/strike/color/font/east_asia_font/size/superscript/subscript/style/hyperlink。不要用换行符模拟段落或分页；使用独立 paragraph 或 page_break。项目符号和编号必须使用列表块，不要手写 • 或数字前缀。

编辑文档

调用 scripts/edit_document.py：

--input '/usr/local/src/word/tmp/<任务名>/source.docx' --output '/usr/local/src/word/edited.docx' --spec '<JSON对象>'

JSON 顶层只有 operations。支持：

`operations[].type`	关键字段
`replace_text`	`find`、`replace`；可选 `scope/match_case/whole_word/count/required`
`append_blocks`	`blocks[]`，格式与创建脚本相同
`insert_blocks_after`	`find`、`blocks[]`；可选 `match: exact
`remove_paragraphs`	`text`；可选 `match/count/required`
`set_paragraph_style`	`style`，以及 `indexes[]` 或 `contains`
`set_properties`	`properties`
`set_page`	`page`；`section` 为索引或 `all`
`set_header_footer`	可选 `header`、`footer`
`remove_tables`	`indexes[]`

查找替换会处理 Word 把可见短语拆成多个 <w:r> 的情况，并尽量保留首个匹配 Run 的格式。默认范围 all 包含正文、表格、页眉和页脚；可指定 body/tables/headers/footers。

仅当用户要求记录文本替换时传 --track-changes --author <作者>，此时所有操作必须是 replace_text。脚本生成真实的删除/插入修订，保留未改动 Run 的格式。含已有修订的输入、跨书签/批注范围、含域/图片等复杂节点或带换行的修订替换会明确拒绝；需要先缩小目标或按用户已明确的意图处理原修订。

输入含现有修订时默认停止：

用户希望干净副本：先用 accept_changes.py。
用户明确要求保留修订：才传 --allow-existing-revisions；修改后的内容本身不会自动变成新的修订。
新增、删除段落、调整格式等操作暂不支持自动记录修订。不要把这些操作作为“已显示修订”交付。

添加批注

调用 scripts/add_comment.py：

--input '/usr/local/src/word/tmp/<任务名>/source.docx' --output '/usr/local/src/word/commented.docx' --find '费用上限' --comment '请确认该上限是否含税' --author '审阅人' --initials 'SR'

可选：

--scope <body|tables|headers|footers|all>。
--occurrence <序号>：为全文第几个匹配添加批注，默认 1。
--ignore-case。

脚本会在必要时拆分 Run，让批注尽量精确锚定到目标文本，而不是整个段落。

接受修订

调用 scripts/accept_changes.py：

--input '/usr/local/src/word/tmp/<任务名>/redlined.docx' --output '/usr/local/src/word/clean.docx'

脚本只执行固定的“接受全部修订”宏，不能运行用户提供的宏。必须检查：

revision_markers_before 大于 0 时，revision_markers_after 必须为 0。
status 必须为 success。
之后仍要执行结构校验和逐页渲染，特别检查删除段落、编号列表和空白段落。

转换

调用 scripts/convert_document.py：

--input '/usr/local/src/word/tmp/<任务名>/legacy.doc' --output '/usr/local/src/word/tmp/task/source.docx'

支持：

.doc / .dotx → .docx。
.docx → .pdf，用于预览或用户明确要求的 PDF 副本。
.docx → .md / .txt，默认按接受修订后的视图导出；可传 --track-changes reject|all。

不要把转换为 Markdown 的结果当作版式等价副本；表格宽度、浮动图片、页眉页脚、脚注和分页可能简化。

高级 OOXML 编辑

只有 edit_document.py 无法完成且确实需要编辑底层部件时：

调用 scripts/unpack_document.py --input <docx> --output-dir <空目录>。
用可用的文件编辑工具最小化修改 word/document.xml 或相关部件；不要重排、格式化或重写无关 XML。
调用 scripts/pack_document.py --input-dir <目录> --output <新docx>。
调用 validate_document.py --check-convert 和 render_document.py。

解包脚本拒绝路径穿越、符号链接和压缩炸弹；打包脚本拒绝缺少 [Content_Types].xml、_rels/.rels 或 word/document.xml 的目录。不要手动调用 unzip、zip、find 或删除命令。

校验

调用 scripts/validate_document.py：

--input '/usr/local/src/word/result.docx' --check-convert

必须满足：

status: valid。
issue_count: 0。
archive.missing_required_parts 和 duplicate_members 为空。
批注引用完整，内部关系目标存在，所有 XML 可安全解析。
修订元素有作者和时间；干净副本的 tracked_changes.total 应为 0。
render_check.success: true 且页数大于 0。

该检查验证结构和可打开性，不替代人工视觉检查。

渲染与视觉检查

调用 scripts/render_document.py：

--input '/usr/local/src/word/result.docx' --output-dir '/usr/local/src/word/tmp/task/rendered'

默认 150 DPI、单次最多 20 页。可传：

--start-page、--end-page、--max-pages：分批渲染。
--dpi <72-300>：小字、复杂表格或页眉脚注可提高到 180–220。
--include-pdf：同时保留 document.pdf。
--overwrite：只覆盖本次任务旧渲染。

若 has_more: true，用 next_page 继续。通过可用的图片查看工具逐页检查。

质量要求

默认采用 A4、合理页边距、清晰标题层级；现有文档的规范优先。
字体必须实际安装；检查方法和可用字体见 references/fonts.md。已有模板优先保留字体，缺失时明确报告；普通新文档可用 Noto/Fandol 与 Arial/Times New Roman。
标题必须使用内置 Heading 1–Heading 9 或具有大纲级别的样式，目录才能收录。
表格明确设置列宽、重复表头并禁止跨页拆分关键行；不要使用百分比列宽假设不同客户端一致。
表格底色使用明确填充色；不要用表格模拟水平线。
页码、目录和交叉引用使用字段，不手写空格或点号对齐。
图片保持纵横比，注明来源或说明文字，确认没有超出版心。
不用 \n 代替独立段落，不用空格填充对齐，不把分页符直接放在正文字符串中。
检查孤行孤字、标题落在页尾、表格断裂、图片拉伸、文字裁切、异常空白页、乱码、重叠和页码连续性。
最终文档必须内容准确、结构有效、可由 LibreOffice 打开，并通过全部页面视觉检查。

分节页眉、页脚和页码

创建说明可带 sections，每项使用已存在且不重复的 index（从 0 开始），可设置 header、footer 和 page_number_start。先用 section_break 块创建分节，再覆盖对应节。全局 header/footer 用作默认值，分节设置优先且解除与上一节的链接。

{"sections": [{"index": 1, "header": {"text": "说明书", "alignment": "center"}, "page_number_start": 1}]}

页边距、列宽和缩进的单位是英寸，2.5 cm = 2.5 / 2.54 英寸。字号与段前段后间距使用 pt。default_font.line_spacing 是倍数；段落块的 line_spacing 是固定 pt，不能把 1.5 当成 1.5 倍行距传入段落块。

15 KiB Raw Blame History Unescape Escape