火一五文档技能 v7.5

企业级 Word & 原生 PDF 文档生成 — 青岛火一五信息科技有限公司

愿景： 加速企业向全场景人工智能机器人转变 理念： 打破信息孤岛，用一套系统驱动企业增长

一、v7.5 关键变化（合同细分 7 类 + 配套范本）

用户反馈："合同帮我再细分"。

通用"合同"在 ToB 场景下太粗 — 一份合同应不应该带 试用期 / 知识产权 / 退换货 / 保密期限 / 收益分配 等条款，取决于具体合同子类。v7.5 把合同细分为 7 类：

通用"合同"作为兜底保留 — 输入命中"合同"但没匹配到具体子类时使用。

视觉上 7 个合同子类共享通用合同的版式（宋体 / 标准页边距 / 无文档壳 / 第一条 ~ 第N条结构）；差异在 正文结构 与 范本内容。FORMAT_KEYWORDS 顺序保证子类 关键词在通用"合同"之前命中。

历史变更详见文末 §十 版本历史。

二、39 类文档规范（v7.5）

列含义：banner = 顶部右上 【内部】 红字；meta = 文档编号/版本/密级/日期 2 列表； 版本史 = 末尾"版本历史"表；审批 = 末尾"审批记录"表；TOC = 自动目录。 命中顺序由上至下；auto 命中后立即返回；--doc-format \x3C规范> 强制覆盖。

一行命令看全 17 种：python3 scripts/create-word-doc.py --list-formats。 CLI 精细控制：--with-version-history / --no-version-history / --with-approval / --no-approval / --with-classification-banner / --no-classification-banner / --with-doc-meta-table / --no-doc-meta-table / --with-title-block / --no-title-block。

标题层级识别（每种规范独立）

每种规范都有自己的章节编号正则；同时支持标准 Markdown # / ## / ### / ####。例如：

三、页眉 / 页脚规范

3.1 页眉

• company（默认）：LOGO + 公司名 + 文档编号 + 密级，左对齐
• minimal（合同 / 用户手册 / 演讲稿）：LOGO + 公司名，左对齐，不显示编号 / 密级
• centered（保留备选，当前无规范默认走此项）：仅公司名，居中
• 底部统一灰线 #888888

v7.0 直接写 OOXML \x3Cw:jc> 并清 \x3Cw:tabs>，避免 WPS / 部分 Word 模板的样式继承覆盖。

3.2 页脚

• 所有规范统一为 第 X 页 / 共 Y 页，居中
• Word：PAGE / NUMPAGES 字段码（打开时自动计算）
• PDF：两遍渲染（NumberedCanvas）拿到真总页数

四、本地公司信息工作流

页眉的公司名、LOGO 按以下优先级解析：

1. CLI 显式参数 --company-name / --logo-path
2. 本地缓存 ~/.huo15/company-info.json
3. Odoo res.company 自动拉取（可用 --no-odoo 关闭）
4. 退出码 2 + 结构化 JSON — 以上都拿不到时让 Claude 触发补录流程

4.1 标准流程（生成前）

python3 scripts/company-info.py check
#   exit 0 + 完整 JSON  → 直接生成
#   exit 2 + missing[]  → 进入补录

补录流程（Claude 执行）：

1. 先查 auto-memory 中的 huo15_company_info.md / user_identity.md
2. 仍缺失时用 AskUserQuestion 询问：公司全称、LOGO 路径、可选 slogan / 地址 / 电话 / 邮箱 / 官网
3. 写入：

   python3 scripts/company-info.py set \
     --company-name "\x3C公司全称>" --logo-path "\x3CLOGO绝对路径>"
   

4. 同步写入 memory（huo15_company_info.md）

五、命令行

# Word 直出
python3 scripts/create-word-doc.py --output 方案.docx \
  --title "技术方案：XXX系统" --content @/tmp/content.md \
  --doc-number "HG-FA-2026-001" --version "V1.0" --classification "内部" \
  --author "辉火云管家·贾维斯"

# 一览 39 种 preset：
python3 scripts/create-word-doc.py --list-formats

# 原生 PDF 直出（不依赖 LibreOffice / Office）：
python3 scripts/create-pdf-doc.py --output 方案.pdf \
  --title "技术方案：XXX系统" --content @/tmp/content.md \
  --doc-format 技术方案

# Word → PDF（保留版式）：
python3 scripts/word-to-pdf.py 方案.docx -o 方案.pdf

关键 CLI 参数：

• --doc-format \x3C规范> — 39 类规范任选；省略走 auto 自动识别
• --company-name / --logo-path — 覆盖本地公司信息
• --with-version-history / --no-version-history — 版本历史表
• --with-approval / --no-approval — 审批记录表
• --with-classification-banner / --no-classification-banner — 顶部 【内部】红字
• --with-doc-meta-table / --no-doc-meta-table — 顶部元数据 2 列表
• --with-title-block / --no-title-block — 标题大字块

何时用哪条路径：只要 Word → 用 create-word-doc.py；只要 PDF → create-pdf-doc.py（最快）；要 Word + PDF 版式一致 → 先 word，再 word-to-pdf.py。后端优先级 libreoffice → docx2pdf → word_com 自动回落。

字体：macOS 自带 Songti.ttc / STHeiti.ttc；Linux 推荐 Noto CJK； Windows 可用 SimSun / SimHei。

六、Markdown 能力速查

七、Python API

# Word
from create_word_doc import create_word_doc
create_word_doc(
    output_path="文档.docx",
    title="技术方案：XXX系统",
    content=md_text,
    doc_number="HG-FA-2026-001",
    version="V1.0",
    classification="内部",
    author="辉火云管家·贾维斯",
    doc_format="auto",            # 12 类规范名 / 'auto'
)

# PDF
from create_pdf_doc import create_pdf_doc
create_pdf_doc(output_path="文档.pdf", title="...", content=md_text,
               doc_format="商业计划书")

# Word → PDF
from word_to_pdf import convert_to_pdf
ok, path = convert_to_pdf("方案.docx", "方案.pdf",
                          backend="auto", keep_fonts=True)

缺公司信息时三个入口都抛 RuntimeError，message 是结构化 JSON，Claude 据此触发补录。

八、触发词

通用：写 word / 写 PDF / 写文档 / 生成 word / 生成 PDF / 创建文档 / 导出文档 / Word 转 PDF。

39 类规范触发词由 §二 表格中"触发关键词"列定义。常用：写合同 / 写协议 / 写劳动合同 / 写服务合同 / 写技术开发合同 / 写销售合同 / 写采购合同 / 写 NDA / 写保密协议 / 写战略合作协议 / 写方案 / 写报告 / 写会议纪要 / 写需求文档 / 写 PRD / 写商业计划书 / 写 BP / 写用户手册 / 写培训手册 / 写招标书 / 写投标书 / 写演讲稿 / 写研究报告 / 写白皮书 / 写验收单 / 写立项书 / 写 SOP / 写公司制度 / 写公函 / 写邀请函 / 写简历 / 写 CV / 写报价单 / 写新闻稿 / 写复盘 / 写测试报告 / 写故障报告 / 写 postmortem / 写任命书 / 写应急预案 / 写在职证明 / 写风险评估 / 写项目计划书 / 写项目结项报告 / 写 API 文档 / 写部署文档 / 写 runbook / 写备忘录 / 写 MOU。

九、目录结构

scripts/
├── doc_core.py          # 共享核心：32 类预设 + Block AST 解析 + 内联 token
│                        # v7.4：再扩 15 类预设 + 关键词优先级调整
│                        # v7.3：FormatPreset 增 4 个文档壳开关
├── company-info.py      # 本地公司信息读写 + Odoo 回落
├── create-word-doc.py   # Word 渲染（python-docx + 强制 OOXML jc）
│                        # v7.3：_strip_markdown_emphasis + _maybe_dedupe_h1_title
├── create-pdf-doc.py    # 原生 PDF 渲染（reportlab + NumberedCanvas）
│                        # v7.3：与 Word 端文档壳逻辑保持一致
└── word-to-pdf.py       # Word → PDF 多后端转换

templates/               # v7.4：15 份可直接拷贝改写的 markdown 范本
├── 个人简历.md
├── 报价单.md
├── 新闻稿.md
├── 复盘报告.md
├── 测试报告.md
├── 故障报告.md
├── 任命书.md
├── 应急预案.md
├── 在职证明.md
├── 风险评估报告.md
├── 项目计划书.md
├── 项目结项报告.md
├── API文档.md
├── 部署文档.md
├── 备忘录.md
└── README.md

十一、未来路线（已调研、未实施）

任何一项触发刚需时再上；当前以稳定 + 中文友好 + 易维护为先。

十、版本历史

• v7.6.1（当前）：再修一类 KV 漏检测 — 站点名称 / WordPress 版本 / WooCommerce 版本 / 主题 / 完成日期 / 负责人 这 6 行原本被 _smart_join_paragraph 合成单行（首行 站点名称 不在白名单 → 严格 KV 拒绝 → 落入 paragraph 路径）。修法：(a) _is_known_metadata_key 用词边界搜索取代严格起首匹配，WordPress 版本 / 服务合同编号 这类带前缀的 key 都能识别；(b) 新增 lenient 兜底 — 任意 ≥3 行连续 Key:Value 形式（form-only，不需 key 在白名单）自动归并为元数据块；(c) 白名单扩入 web/通用词：站点 / 站点名称 / 网站 / 网站名称 / 域名 / URL / 链接 / 名称 / 类目 / 品牌
• v7.6.0：解决用户截图复现的两类 bug — (1) 元数据表 TABLE 形式也能识别去重 — v7.5.2 只抓 KV **Key：** 形式； LLM 用 | 文档编号 | xxx | 的 markdown 表格写元数据时漏检测，导致和 CLI 自动表叠加。v7.6 同时检测 metadata block 与 table block（首列 ≥2 个 cell 命中文档编号 / 版本 / 密级 / 日期 / 作者等关键词）。 (2) TOC 占位符回填真目录 — 旧版"目录将在打开自动生成"灰字让用户误以为正文。 v7.6 渲染期间收集所有 H1-H3，post-render 把缩进格式的标题列表写到 TOC 字段缓存里。Word/WPS 打开前用户能看到完整目录（无页码）；打开后 updateFields=true 触发刷新，替换为带页码的真目录。 (3) TOC 智能默认 + CLI 覆盖 — 旧版 preset 一旦 table_of_contents=True 永远生成目录；很多 ≤ 3 章的短文档目录其实是噪音。v7.6 默认仅在 H1+H2 数 ≥ 4 时生成 TOC；新增 --with-toc / --no-toc 显式覆盖。 (4) PDF outline level 跳跃 bug 修复 — reportlab 不允许 outline 从 -1 直接 跳到 level 1+；之前章程类文档（H1 被 dedupe 后首个标题是 H2）会抛 ValueError 导致 PDF 生成失败。v7.6 在 BaseDocTemplate 的 afterFlowable 自动补齐缺失的中间 level（用空 anchor 占位）。
• v7.5.2：修三类视觉 bug — KV-style 元数据去重 / 短 TOC 占位 / 孤立 ** 防御；公司制度 keyword 扩入"章程 / 议事规则 / 会议章程 / 员工守则 / 行为准则"
• v7.5.0：合同细分 7 类（劳动 / 服务 / 技术开发 / 销售 / 采购 / 保密 NDA / 合作），每类配 markdown 范本；通用"合同"保留作兜底
• v7.4.0：再扩 15 类（个人简历 / 任命书 / 在职证明 / 报价单 / 新闻稿 / 复盘报告 / 项目计划书 / 项目结项报告 / 测试报告 / 故障报告 / 应急预案 / 风险评估报告 / API 文档 / 部署文档 / 备忘录），全部配 markdown 范本，共 32 类
• v7.3.0：新增 5 类（验收单 / 项目立项书 / 操作 SOP / 公司制度 / 信函），共 17 类；FormatPreset 加 4 个文档壳开关（show_classification_banner / show_doc_meta_table / show_title_block / dedupe_h1_title），每种规范按真实场景设默认；修复 **X** 字面残留与 H1 与 --title 重复；新增 --list-formats 与文档壳 CLI 覆盖参数
• v7.2.0：合同页眉改为左对齐；**Key：** markdown 粗体元数据正确识别（合同编号 / 签订日期 / 验收日期 / 甲乙方 / 金额等 30+ 关键词扩入白名单）；连续多行 KV 自动归并为 2 列元数据表
• v7.1.0：CJK 段落属性 OOXML 直写、首行缩进字符化、Pygments 代码高亮、自动 TOC + 书签、PDF outline、文档核心属性、多行 Key:Value 元数据自动识别
• v7.0.0：解析器拆出 doc_core.py 共用；新增 create-pdf-doc.py 原生 PDF 直出；新增 6 类规范（商业计划书 / 用户手册 / 培训手册 / 招投标书 / 演讲稿 / 研究报告）；修复 CJK 软换行多余空格；硬换行支持；页眉强制左对齐；word-to-pdf.py 重写
• v6.0.0：Block AST 重写；页眉恒含 LOGO；页脚字段码；代码块 / 引用块
• v5.3.0：company-info.py 本地公司信息工具
• v5.0.0：多规范自动识别骨架

技术支持： 青岛火一五信息科技有限公司