文档格式转换 Skill

文档格式转换

将各种文档格式转换为 Markdown，用于知识库入库。

支持格式

| 格式 | 处理方式 | |-----|---------| | DOCX | Pandoc 转换，保留格式和图片 | | DOC | LibreOffice → DOCX → Pandoc | | PDF 电子版 | PyMuPDF4LLM 快速转换 | | PDF 扫描版 | PaddleOCR-VL 在线 OCR | | PPTX | pptx2md 专业转换 | | PPT | LibreOffice → PPTX → pptx2md |

调用方式

python .claude/skills/document-conversion/scripts/smart_convert.py \
    <temp_path> \
    --original-name "<原始文件名>" \
    --json-output

参数说明：

<temp_path>: 临时文件路径（如 /tmp/kb_upload_xxx.pptx）
--original-name: 必须传入原始文件名，用于生成正确的图片目录名
--json-output: 输出 JSON 格式结果

输出格式

{
  "success": true,
  "markdown_file": "/path/to/output.md",
  "images_dir": "原始文件名_images",
  "image_count": 5,
  "input_file": "/path/to/input.pptx"
}

处理流程

执行转换命令（必须使用 --original-name 和 --json-output）
解析 JSON 输出，检查 success 字段
如果 success: false，报告错误并结束
如果 success: true，记录生成的文件路径和图片目录

重要提示

图片目录使用原始文件名命名（如 培训资料_images/）
不传 --original-name 会导致图片引用路径错误
PDF 类型自动检测，扫描版处理较慢（几十秒到几分钟）

格式详情

各格式的详细处理说明，见 FORMATS.md

Agent Skills: 文档格式转换