dochub / 文档工作台\r

\r

技能简介\r

\r dochub 是一个专业的文档知识库管理技能，负责将原始文档初始化为标准 Markdown 格式，提供专业的知识库文档概要与索引，并能根据检索内容分析、汇总并回复用户问题。\r \r

支持的文档格式\r

\r | 格式 | 状态 | 说明 |\r |------|------|------|\r | .docx | ✅ 支持 | Word 现代格式 |\r | .xlsx | ✅ 支持 | Excel 现代格式 |\r | .doc / .xls / .pdf / .pptx / 其他 | ❌ 不支持 | 请先转换为 .docx 或 .xlsx |\r \r

注意：dochub 仅支持处理 .docx 和 .xlsx 两种格式，其他格式文档将被跳过并提示用户。\r \r

核心功能\r

\r

1. 初始化（init）\r

\r 将工作区原始文档转换为标准知识库格式：\r \r

原始文档 → raw/ → 安全确认 → 检测不支持的格式 → MD转换(.docx/.xlsx) → 生成知识库概要与索引\r
```\r
\r
**步骤说明：**\r
1. **安全确认**：询问用户文档是否已脱敏（不含敏感个人信息、机密数据等），必须确认后才继续\r
2. **移动原始文档**：将所有原始文档统一移动到工作区根目录 `raw/` 文件夹\r
3. **文件名规范化**：只保留中文、英文、数字及中横线 `-`，其余字符统一替换为 `-`\r
4. **检测不支持的格式**：扫描非 .docx/.xlsx 文件，如发现则列出并提示用户这些文件将被跳过\r
5. **MD 文档转换**：使用 `markitdown` 按原目录结构转换为 MD 文档\r
   - 仅支持格式：.docx, .xlsx\r
   - 转换前检查目标文件是否存在\r
   - 首次存在时询问用户选择「跳过」或「覆盖」，后续自动应用该选择\r
6. **生成知识库概要与索引**：生成 `_docs_knowledge_base.md`，包含：\r
   - 文档统计概览（总数、大小、分类数）\r
   - 分类目录树（可视化结构）\r
   - 高频关键词标签云\r
   - 文档详细索引（按分类组织的文件清单）\r
\r
### 2. 增量更新\r
\r
将新文档放入 `update/` 目录后，运行增量更新：\r
\r
- **安全确认**：同样需要先确认文档已脱敏\r
- **检测新增/变更文档**\r
- **检测不支持的格式**：列出非 .docx/.xlsx 文件并提示跳过\r
- **仅转换未转换或已修改的文件**\r
- **更新知识库概要与索引**\r
\r
### 3. 检索与问答\r
\r
支持以下检索方式：\r
\r
- **全文检索**：在 MD 文档中搜索关键词\r
- **分类检索**：按文档分类查找\r
- **语义问答**：基于文档内容回答用户问题\r
\r
## 使用方式\r
\r
### 初始化知识库\r
\r
```\r
使用 dochub 技能，初始化文档知识库\r
```\r
\r
或指定工作区：\r
\r
```\r
使用 dochub 技能，初始化 [指定路径] 的文档知识库\r
```\r
\r
### 增量更新\r
\r
```\r
使用 dochub 技能，增量更新文档\r
```\r
\r
### 检索文档\r
\r
```\r
使用 dochub 技能，检索 [关键词]\r
```\r
\r
### 问答\r
\r
```\r
使用 dochub 技能，回答：[问题]\r
```\r
\r
## 目录结构\r
\r
```\r
workspace/\r
├── raw/                        # 原始文档存放目录\r
├── _docs_md/                   # MD 文档输出目录\r
├── _docs_knowledge_base.md     # 知识库概要与索引（合并文档）\r
└── update/                     # 增量更新目录\r
```\r
\r
## 依赖工具\r
\r
- **markitdown** 0.1.5+：MD 转换核心工具\r
- **python-docx**：Word 文档处理\r
- **openpyxl**：Excel 文档处理\r
\r
## 注意事项\r
\r
1. **格式限制**：dochub 仅支持 .docx 和 .xlsx 格式，其他格式（.doc/.xls/.pdf/.pptx 等）将被跳过并提示用户\r
2. **安全确认**：每次初始化或增量更新前，必须确认文档已脱敏\r
3. **备份原始文档**：初始化会修改文件名和目录结构，建议提前备份\r
4. **跳过/覆盖选择**：首次遇到重复文件时会询问，后续自动应用该选择\r
5. **原始文档保留**：转换后保留原始文档作为备份\r